İşlenmesi Zor Malzemelerin Tornalanması İçin En Uygun İşleme Sıcaklıklarının Makine Öğrenmesi İle Belirlenmesi

Abstract

Talaşlı imalat, geleneksel bir işleme yöntemi olmasına rağmen diğer alternatif işleme yöntemlerine göre işlenmesi zor, yüksek mukavemetli ya da kırılgan malzemelerin işlenmesine ve bunun yanı sıra yüzey kalitesinin de iyileştirilebilmesine olanak sağladığı için tercih sebebi olmaktadır. Yüksek mukavemetli titanyum alaşımlarının, paslanmaz çeliklerin, takım çeliklerinin, kompleks özelliklere sahip silisyum nitrür seramiklerin, yani işlenmesi zor malzemelerin geleneksel işlemesi, düşük kesme hızlarının kullanılması nedeniyle verimsiz olmaktadır. Bu durumun etkisini azaltmak ve üretkenliği artırmak için ileri kesici takımların tercih edilmesi, soğutma ve yağlama sistemlerinin kullanılması ve ön ısıtmalı işleme gibi yöntemler kullanılmaktadır. Bu çalışmada en uygun işleme sıcaklığını tespit etmek için makine öğrenmesi kullanılmıştır. Makine öğrenmesi modeli, Karar Ağacı Regresyon (Decision Tree Regression) ve Rastgele Orman Regresyon (Random Forest Regression) algoritmaları kullanılarak oluşturulmuştur. Makine öğrenmesi modelinin performans metriklerinden R2 değeri her iki model için de 0.98 bulunurken, Ortalama Mutlak Yüzde Hata (MAPE) değeri Karar Ağacı Regresyonu için %1.27, Rastgele Orman Regresyonu için %1.87 olarak bulunmuştur. Bulunan metrikler değerlendirildiğinde, modelin performansının başarılı olduğu görülmektedir. Çalışmanın sonucunda verileri girilen malzemeler ve koşullar için istenilen işleme değişkenlerine karşılık uygun işleme sıcaklığını tespit edecek makine öğrenmesi gerçekleştirilmiştir.