MAKİNE ÖĞRENMESİ İLE 3 BOYUTLU YAZICI PLASTİK FİLAMENTLERİNİN ERGİME NOKTASI VE ESNEKLİK ÖZELLİKLERİNE DAYALI ÇEKME DAYANIMININ TAHMİNİ

Authors : Muzaffer Eylence, Bekir Aksoy, Koray Özsoy

Pages : 91-107

View : 2 | Download : 1

Publication Date : 2024-12-27

Article Type : Research Paper

Abstract :Eklemeli imalat, malzemeyi katmanlar halinde biriktirerek nesneler üreten ve genellikle 3D baskı olarak bilinen yenilikçi bir teknolojidir; bu yöntem, geleneksel imalatın aksine malzemeyi çıkarmak yerine katman ekleyerek üretim sağlarken, Ergiyik Biriktirme Modelleme (EBM) gibi popüler formlarının yaygın kullanımına yol açmıştır. Bu çalışmada, EBM tabanlı 3D baskı uygulamalarında farklı markalara ait termoplastik filamentlerin dayanım değerlerinin belirlenmesine yönelik makine öğrenimi tekniklerinin geliştirilmesi hedeflenmiştir. Bu amaç doğrultusunda, yaygın termoplastik filamentlerin dayanım değerlerinin tahmin edilmesi için Pruned Decision Trees, Destek Vektör Makineleri ve Naive Bayes gibi makine öğrenimi algoritmalarından yararlanılmıştır. Bu çalışmada kullanılan veri seti; plastik türü, erime noktası, esneklik, dayanıklılık, kullanım alanları ve marka gibi bilgileri içeren 800 veri örneğinden oluşmaktadır. Makine öğrenme alagoritmaların performansı, modelin dayanım değerini tahmin yeteneği hakkında bilgi sağlayan doğruluk ve F1-skoru gibi standart değerlendirme metrikleri kullanılarak değerlendirilmiştir. Dikkate değer bir şekilde, model tüm metriklerde yüksek bir performans sergileyerek, 3D baskı için kullanılan termoplastik filamentlerin dayanım değerlerinin tahmininde Pruned Decision Trees algoritması ile %96\\\'lık bir başarı oranı elde etmiştir. Bu sonuçlar, makine öğrenmenin eklemeli imalat yöntemlerinden EBM süreçlerindeki filamentlerin dayanım değerlerinin otomatik tespiti konusunda etkinliğini ortaya koymaktadır.
Keywords : Eklemeli imalat, EBM, Filament, Makine Öğrenme