AISI 1045 malzemesinin talaşlı işlenebilirliğinde fuzzy logic ve yapay sinir ağları (ANN) kullanılarak kesme parametrelerin optimizasyonu

Abstract

Kesme işlemi parametreleri imalatta parça kalitesi, maliyet, harcanan enerji gibi birçok faktörü doğrudan etkileyebildiğinden bu parametreleri doğru seçilmesi büyük önem arz etmektedir. Bu kesme parametrelerinin uygun seçilebilmesi adına yapılan çalışmalarda deneysel araştırma maliyetini azaltmak için metal kesme işleminin modellenmesi ve simülasyonu çok önemli bir yöntem olmuştur. Örnek verilecek olursa kesme kuvveti ölçümü, iş parçası ve takım tasarımı, güç tüketimi, takım aşınması ve iş parçasının işlenebilirliği vs. ile doğrudan ilgili olduğu için önemli bir gerekliliktir. Ancak, kesme kuvvetlerini elde etmek için deneyler yapmak maliyetli ve zaman alıcı olabilir. Bu nedenle sonlu elemanlar analizi günümüzde bu konudaki doğruluğu ve tutarlılığı ile birlikte yaygın olarak kullanılan bir yaklaşımdır. Bu tez, AISI 1045 malzemesinin tornalama sürecindeki kesme kuvvetleri için DEFORM 3D programı kullanılarak simülasyon modeline ve bu modelden elde edilen kesme kuvveti verileriyle kesme parametrelerinin kesme kuvvetine olan etkisini optimize etmeye odaklanmıştır. 3 farklı faktör (kesme hızı, kesme derinliği ve ilerleme hızı) ve 3 seviye ile toplam 27 simülasyon gerçekleştirilmiştir. Kesme kuvveti değerleri DEFORM 3D yazılımından elde edilmiş ve elde edilen veriler, MATLAB programı kullanılarak sinirsel bulanık mantık çıkarım sistemi (ANFIS) ve yapay sinir ağları yöntemi (ANN) ile optimizasyon ve veri tahmini için kullanılmıştır. Sonuçlar doğrultusunda bu iki yöntem karşılaştırılmıştır. Bu çalışma sonucunda, kesme hızının artmasıyla kesme kuvvetinde hafif bir azalma, kesme derinliği ve ilerleme miktarının artmasıyla kesme kuvvetinde artış olduğu sonucu gözlenmiştir. Veri tahmininden yararlanılan her iki yöntemin de başarı oranı oldukça iyi olmasına rağmen sinirsel bulanık çıkarım yöntemi olan ANFIS az bir farkla daha iyi sonuçlar verdiği gözlemlenmiştir. Elde edilen tüm sonuçların literatür araştırması ile uyum içinde olduğu görülmüştür.

Given that cutting parameters in machining have a direct impact on several critical factors in manufacturing, such as part quality, cost, and energy consumption, it is of paramount importance to select these parameters accurately. In research aimed at choosing the appropriate cutting parameters, modeling and simulation of metal cutting processes have been vital methods to reduce the cost of experimental research. Notably, the measurement of cutting forces is essential as it is directly related to factors like workpiece and tool design, power consumption, tool wear, and workpiece machinability. However, conducting experiments to obtain cutting force data can be expensive and time-consuming. Therefore, finite element analysis is a widely used approach today due to its accuracy and consistency in this field. This thesis focuses on optimizing the impact of cutting parameters on cutting forces in the turning process of AISI 1045 material using the DEFORM 3D simulation model and the cutting force data obtained from this model. Three different factors (cutting speed, cutting depth, and feed rate) were examined at three levels, resulting in a total of 27 simulations. Cutting force values were obtained from the DEFORM 3D software, and the data obtained were used for optimization and data prediction using the Adaptive Neuro-Fuzzy Inference System (ANFIS) and Artificial Neural Networks (ANN) methods in MATLAB. The results of these two methods were compared. The study revealed that an increase in cutting speed led to a slight decrease in cutting force, while an increase in cutting depth and feed rate resulted in an increase in cutting force. Both methods showed good success rates in data prediction, but ANFIS, the neural fuzzy inference method, slightly outperformed ANN. All the obtained results were found to be in line with the literature research.