Yüzey Pürüzlülüğünün Makine Öğrenmesi ile Tahmin Edilmesi

CNC tornalama genellikle metal parçaları işlemek için kullanılır. Son yüzeyin kalitesi, işlemin kalitesini değerlendirilmesi ve işleme koşullarını belirlemesinde önemli bir parametredir. İşleme performansını optimize etmek için, işleme parametreleri ve yüzey pürüzlülüğü değerleri arasındaki karmaşık ilişkileri araştırmak ve tahmin etmek gerekir. Yapay Sinir Ağı (YSA) modelleri, karmaşık ilişkileri öğrenme ve tahmin etme yetenekleri nedeniyle kesme koşullarının yüzey pürüzlülüğü üzerindeki etkilerini araştırmak için kullanılabilir. Bu çalışmada, Çoklu Lineer Regresyon (ÇLR) ve YSA yöntemleri kullanılarak tornalama sonrası yüzey pürüzlülüğü (Ra) değerlerini tahmin etmek için tahmin modelleri geliştirilmiştir. Tahmin modellerini geliştirmek için işleme deneyleri yapılmıştır. Deneylerde kesme hızı (m/dak), kesme derinliği (mm) ve ilerleme hızı (mm/dev) olmak üzere üç kontrol faktörü seviyesi kullanılmıştır. Geliştirilen modeller deneysel ölçümlerle doğrulanmış ve performansları değerlendirilmiştir. YSA tahminlerinin gerçek değerlere göre %87,6 doğruluğa sahip olduğu, çoklu regresyon tahminlerinin ise %78,4 doğruluğa sahip olduğu hesaplanmıştır. Çalışma, YSA yönteminin MLR yönteminden daha yüksek bir performansa sahip olduğunu ve yüzey pürüzlülüğü değerlerini tahmin etmek için kullanılabileceğini göstermiştir.