Yıl: 2019 Cilt: 6 Sayı: 2 Sayfa Aralığı: 323 - 332 Metin Dili: Türkçe DOI: 10.31202/ecjse.511882 İndeks Tarihi: 07-01-2021

Yapay Sinir Ağları Yöntemi ile Optimum Takım Seçimi

Öz:
CNC tezgahlarda üretime başlamak için; CNC programının hazırlığı, uygun takımların seçimi ve tareteyerleştirilmesi ve buna ilave olarak, parçanın uygun aparat veya aynaya emniyetli bir şekilde bağlanması gerekir.CNC Torna tezgahlarında kullanılan programlar CAD/CAM yazılımları vasıtasıyla ISO kodunda üretilir. Buradakesmede kullanılacak takımın seçilebilmesi için iyi bir takım bilgisine ihtiyaç vardır. Bu bilgiye sahip olmakuzun bir deneyim ve mesleki bilgiyi gerektirmektedir. Bu çalışmada, DXF formatındaki parça profili eldeedildikten sonra eldeki takım kütüphanesi, tezgâh özelliklerini ve kesilecek malzeme bilgilerini dikkate alaraktakım seçme işlemini Yapay Sinir Ağları (YSA-kısaltma ve bundan sonra bu kısaltma kullanılabilir) Yöntemikullanılarak otomatik olarak yapmaktadır. Ayrıca, bu çalışmada mevcut olan CNC programı okunarak buradanişlenecek olan iş parçası profili oluşturulmaktadır. Bu oluşturulan parça profili esas alınarak, yine Yapay SinirAğları yöntemiyle uygun takımlar otomatik olarak seçilmektedir. Seçilen takımların listelenmesi ve resimleriningösterilmesi sayesinde takım dolabına gitmeden takım tanınmakta ve böylece zaman kaybı olmadan eldeki-altcümle ile birleştirilmeli takımlardan en uygun olanı program sayesinde seçilmektedir.
Anahtar Kelime:

Optimum Tool Selection by Artificial Neural Networks

Öz:
In order to start the operation in the CNC machine, the preparation of the CNC, the selection and positioning of appropriate tools should be done and the tool should be securely tightened on a scroll chuck or a device. The programs used in the CNC Lathe are produced with the aid of the CAD/CAM in ISO code. In order to able to select the tool that is going to be used in the cutting process, it is necessary to have a good knowledge of tools. To acquire this knowledge should have experience and professional training. In this study, automatic tool selection process is completed by using Artificial Neural Network Method from the tool Library after recognizing workpiece profile from the DXF format together with the necessary data about machine tools specification and workpiece materials. In addition, workpiece profile is created by using the CNC program in this study. This workpiece machining profile is taken as a reference for selecting appropriate tools.
Anahtar Kelime:

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık
  • [1] Işık, Y., Çakır, M.C., “Hız Çeliği Takımlar İçin Kesme Parametrelerinin Yüzey Pürüzlülüğüne Etkilerinin Deneysel Olarak İncelenmesi”, Teknoloji Dergisi, 2001, 1-2: 111-118.
  • [2] Chen, S.J., Hinduja, S., Barrow. G., “Automatic tool selection for rough turning operations”, International Journal of Machine Tools and Manufacture, 1989, 29 (4): 535-553.
  • [3] Saygın, C., "A Rule Based Approch in Sequencing Machining Operations For Rotational Parts" Y.L.Tezi ODTÜ Fen Bilimleri Enstitüsü, (1992).
  • [4] Kaparti, S., Suresh N.C., " A Neural Network System for Shaped Based Classification and Coding of Rotational Parts", lnt. J. Production Res .. 1991, 29: 1771-1784.
  • [5] Maropoulus, P.G., Gill, P.A.T., "Intelligent Tool Selection: Part A: Logic of the knowledge based module Proc. lnsn. Mech. Engrs., Part B:", Journal of Engineering Manufacture, 1995, 209 (3):183-192.
  • [6] Zhao,Y., Ridgway, K., AL-Ahmari, A.M.A., "Integration of CAD and a Cutting Tool Selection System", Computers & IndustrialEngineering, 2002, 17-34.
  • [7] Etyemez, A., “CNC Tezgahlarında Dönel Elemanların İşlenmesinde Yapay Sinir Ağı İle Kesici Takım Seçimi” Doktora Tezi, M.Ü. Fen Bilimleri Enstitüsü, (2003).
  • [8] Doğan, A., "Yapay Zeka", Kariyer Yayıncılık, İstanbul, Türkiye, 3-5, (2002).
  • [9] Çakır, M.C., Oral A., "Tornalama İşlemlerinde İş Parçası Bağlama Yönteminin Bilgisayar Desteği ile Belirlenmesi", 7. Uluslararası Makine Tasarımı ve İmalat Kongresi Bildiri Kitabı, ODTU, 445-455, (1996)
APA Etyemez A, KURT M (2019). Yapay Sinir Ağları Yöntemi ile Optimum Takım Seçimi. , 323 - 332. 10.31202/ecjse.511882
Chicago Etyemez Ayhan,KURT Mustafa Cankut Yapay Sinir Ağları Yöntemi ile Optimum Takım Seçimi. (2019): 323 - 332. 10.31202/ecjse.511882
MLA Etyemez Ayhan,KURT Mustafa Cankut Yapay Sinir Ağları Yöntemi ile Optimum Takım Seçimi. , 2019, ss.323 - 332. 10.31202/ecjse.511882
AMA Etyemez A,KURT M Yapay Sinir Ağları Yöntemi ile Optimum Takım Seçimi. . 2019; 323 - 332. 10.31202/ecjse.511882
Vancouver Etyemez A,KURT M Yapay Sinir Ağları Yöntemi ile Optimum Takım Seçimi. . 2019; 323 - 332. 10.31202/ecjse.511882
IEEE Etyemez A,KURT M "Yapay Sinir Ağları Yöntemi ile Optimum Takım Seçimi." , ss.323 - 332, 2019. 10.31202/ecjse.511882
ISNAD Etyemez, Ayhan - KURT, Mustafa Cankut. "Yapay Sinir Ağları Yöntemi ile Optimum Takım Seçimi". (2019), 323-332. https://doi.org/10.31202/ecjse.511882
APA Etyemez A, KURT M (2019). Yapay Sinir Ağları Yöntemi ile Optimum Takım Seçimi. El-Cezerî Journal of Science and Engineering, 6(2), 323 - 332. 10.31202/ecjse.511882
Chicago Etyemez Ayhan,KURT Mustafa Cankut Yapay Sinir Ağları Yöntemi ile Optimum Takım Seçimi. El-Cezerî Journal of Science and Engineering 6, no.2 (2019): 323 - 332. 10.31202/ecjse.511882
MLA Etyemez Ayhan,KURT Mustafa Cankut Yapay Sinir Ağları Yöntemi ile Optimum Takım Seçimi. El-Cezerî Journal of Science and Engineering, vol.6, no.2, 2019, ss.323 - 332. 10.31202/ecjse.511882
AMA Etyemez A,KURT M Yapay Sinir Ağları Yöntemi ile Optimum Takım Seçimi. El-Cezerî Journal of Science and Engineering. 2019; 6(2): 323 - 332. 10.31202/ecjse.511882
Vancouver Etyemez A,KURT M Yapay Sinir Ağları Yöntemi ile Optimum Takım Seçimi. El-Cezerî Journal of Science and Engineering. 2019; 6(2): 323 - 332. 10.31202/ecjse.511882
IEEE Etyemez A,KURT M "Yapay Sinir Ağları Yöntemi ile Optimum Takım Seçimi." El-Cezerî Journal of Science and Engineering, 6, ss.323 - 332, 2019. 10.31202/ecjse.511882
ISNAD Etyemez, Ayhan - KURT, Mustafa Cankut. "Yapay Sinir Ağları Yöntemi ile Optimum Takım Seçimi". El-Cezerî Journal of Science and Engineering 6/2 (2019), 323-332. https://doi.org/10.31202/ecjse.511882