Please use this identifier to cite or link to this item: http://hdl.handle.net/11452/4956
Title: Yapay sinir ağları ile plastik enjeksiyon süreci başlangıç parametrelerinin belirlenmesi
Other Titles: Determining start-up parameters in plastic injection process using neural networks
Authors: Öztürk, Nursel
Keçe, Akın
Uludağ Üniversitesi/Fen Bilimleri Enstitüsü/Endüstri Mühendisliği Anabilim Dalı.
Keywords: Plastik enjeksiyon
Yapay sinir ağları (YSA)
Plastik enjeksiyon makinesi
Plastic injection
Neural Networks
Plastic injection machine
Issue Date: 24-Nov-2006
Publisher: Uludağ Üniversitesi
Citation: Keçe, A. (2006). Yapay sinir ağları ile plastik enjeksiyon süreci başlangıç parametrelerinin belirlenmesi. Yayınlanmamış yüksek lisans tezi. Uludağ Üniversitesi Fen Bilimleri Enstitüsü.
Abstract: Plastik enjeksiyon ve plastik malzeme teknolojisindeki gelişmeler, plastiği otomotiv üreticilerinin vazgeçilmez malzemesi haline getirmiştir. Otomotiv üzerindeki plastik parça oranının artması otomotiv tedarikçilerini plastik prosesleri üzerine yoğunlaştırmıştır. Plastik enjeksiyon prosesi plastik parça üretiminde kullanılan temel proseslerden biridir. Hassas mühendislik parçalarından tek kullanımlık günlük tüketim eşyalarına kadar plastik parçaların üretiminde kullanılan hızlı bir prosesdir. Plastik enjeksiyon makinesi vasıtasıyla yapılan üretimi kontrol etmek için yaklaşık 15-30 makine parametresinin set edilmesi gerekmektedir. Yeni ürün devreye alma süreci, plastik parçaların seri üretimdeki optimum proses parametrelerinin belirlenmesi aşamasıdır. Optimum parametreler enjeksiyon operatörlerinin bilgi ve tecrübeleri ile oluşturulur ve bu süreç 6 ile 30 saat arasında sürebilir. Bir kez optimum parametreler oluşturulduktan sonra bunlar kayıtlandırılır ve seri üretimde çok hızlı bir şekilde set edilir. Optimum makine parametrelerine ulaşma süresi genelde seçilen başlangıç makine parametre değerlerinin optimum parametrelere yakın veya uzak olduğuna bağlıdır. Yapay sinir ağları doğrusal olmayan sistemleri modelleme yeteneği sayesinde bir çok alanda kullanılabilmektedir. Yapay sinir ağları girdiler ve çıktılar arasındaki ilişkiyi hafızasına alabilir. Benzer girdiler için benzer çıktılar üretebilir. Geliştirilen yapay sinir ağ modeli enjeksiyon makinesinde optimum makine parametrelerine ulaşma süresini kısaltmak için en uygun başlangıç parametrelerinin tespitinde kullanıma uygundur.
Plastic has been a fundemental material for automotive manufacturers with the developments in plastic injection and plastic material. The increase of plastic parts ratio in automotive made automotive suppliers focus on plastic process Plastic injection process is one of the prime processes for producing plastics articles. It is a fast process and is used to produce items from high precision engineering components to disposable consumer goods. Controlling the production which is processed with plastic injection machine needs to set approximately 15-50 parameters. First Part Approval process for plastic parts is determining optimum injection parameters which wil be used in serial life. Optimum parameters are determined by injection operator’s knowledge and experience and this process can last between 6 and 30 hours. After optimum parameters are determined , they are registered to set rapidly in the serial life . Determinig optimum parameters time is usually related to choosen start-up parameters which is closed to optimum parameters or not . Neural Networks can be used in different areas because of its ability which can model non-linear systems. Neural Networks can keep the relationship between input and output in memory. It can produce similar outputs for similar inputs. Developed Neural Networks model is suitable for determining best startup parameters which make it faster to reach optimum injection parameters .
URI: http://hdl.handle.net/11452/4956
Appears in Collections:Yüksek Lisans Tezleri / Master Degree

Files in This Item:
File Description SizeFormat 
202252.pdf1.72 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons