Testing and optimization of manufacturing procedures using regression modeling techniques Regresyon modelleme tekniklerinin kullanıldığı imal usülleri çalışmalarının sınanması ve optimizasyonu

ÖZETZaman içerisinde imalat yöntemlerinde sağlanan gelişmelerle birlikte otomotiv ve uzay gibi sektörlerde hassas imalat yöntemlerine ihtiyaç giderek artmaktadır. İmalat yöntemlerinde hassasiyeti arttırabilmek, ürün performansını arttırabilmek ve üretimdeki hata payını minimize edebilmek adına prosesin dizayn parametreleri ve proses çıktıları ile olan ilişkileri incelenmektedir. Yüzey pürüzlülüğü, kesme kuvvetleri ve takım aşınması gibi çıktılar imalatta önem teşkil etmektedir. Bu çıktıların incelemelerinde ise optimizasyon yöntemleri en önemli role sahiptir. Bu tez kapsamında, tasarım değişkenleri olarak yapısal ve deneysel parametreler dikkate alınarak yüzey pürüzlülüğünün, kesme kuvvetlerinin, takım aşınmasının ve takım ömrünün analitik performansını artırmak için yeni bir tasarım optimizasyon stratejisi önerilmiştir. Veri çıktılarının modellenmesi-tasarımı-optimizasyonu konusundaki yetersiz yaklaşımların üstesinden gelmek için metodolojik olarak çoklu doğrusal olmayan nöro-regresyon analizi üzerinde ayrıntılı bir çalışma yapılmıştır. Bu amaçla veriler 12 farklı literatür çalışmasından seçilmiştir. Verileri modellemek için önerilen fonksiyonel yapıların tahminlerinin doğruluğunu test etmek için hibrit bir yöntem kullanılmıştır. Modelin gerçekçi olup olmadığını ortaya çıkarmak için 13 farklı model ile hesaplanmasından sonra aday modellerin sınırlılığı kontrol edilmiştir. Daha sonra dört farklı optimizasyon algoritması kullanılarak uygun modeller farklı optimizasyon senaryoları açısından optimize edilmiştir. Bu yeni optimizasyon yaklaşımı, analitik uygulamalarda başka bir modelleme-tasarım-optimizasyon problemi için de uygundur.ABSTRACTWith the developments in manufacturing methods over time, the need for precision manufacturing methods in sectors such as automotive and aerospace is increasing. In order to increase precision in manufacturing methods, product performance and minimize the margin of error in production, the relationship between the design parameters of the process and the process outputs is examined. Outputs such as surface roughness, cutting forces and tool wear are essential in manufacturing. Optimization methods have the most important role in the analysis of these outputs. In this thesis, a new design optimization strategy is proposed to improve the analytical performance of surface roughness, cutting forces, tool wear and tool life by considering structural and experimental parameters as design variables. In order to overcome inadequate approaches to modeling-design-optimization of data outputs, a detailed study has been carried out methodologically on multiple nonlinear neuro-regression analysis. For this purpose, data set was selected from 12 different literature studies. A hybrid method was used to test the accuracy of the predictions of the proposed functional structures modeling the data. In order to reveal whether the model is realistic or not, the limitation of the candidate models was checked after calculating with 13 different models. Then, using four different optimization algorithms, suitable models were optimized for different optimization scenarios. This new optimization approach is also suitable for another modeling-design-optimization problem in analytical applications.