Montajlı otomotiv parçalarında hoşa gitmeyen ses kalitesinin belirlenmesi için çok katmanlı yapay sinir ağı uygulaması

Abstract

Maliyet, kalite ve üretim verimliliğinin şirketin geleceğini ve rekabet gücünü belirlediği otomotiv endüstrisinde otomatik montaj hatları çok önemli bir üretim yöntemidir. Yüksek ilk yatırım maliyetlerine rağmen otomatik prosesler, montaj hatlarında düşük üretim maliyeti, yüksek üretim hızı ve yüksek kalite standardizasyonu sağlar. Bu tür otomatik montaj hatları, üretilen ürünün kalite açısından tüm gerekliliklerini sağlayacak kalite kontrol süreçlerini de içermelidir. Bu çalışmanın amacı, bir otomatik montaj hattında üretilen motorlu yan ayna hareket mekanizmasının operatöre dayalı ses kalite kontrolü yerine kullanılacak bir yapay sinir ağı tabanlı algılama sistemi geliştirilmesidir. Kalite kontrolü yapılan motorlu mekanizmaların ürettiği gerçek ses verilerinden zaman ve frekans uzayında elde edilen özniteliklerin girdi olarak kullanıldığı bu çalışmada, üç gizli katmanlı bir yapay sinir ağı oluşturularak, yeterli sayıda örnek ile eğitim ve geçerleme gerçekleştirilmiştir. Geliştirilen yapay sinir ağı tabanlı yaklaşım, erişilen %96 başarılı algılama oranı ile insan kontrolünün kaldırılması için gerekli güvenilirliği sağlamıştır. Elde edilen bulguların başka çalışmalarla da doğrulanması halinde bu yaklaşım, sübjektif kalite kontrol yaklaşımlarına alternatif oluşturmaktadır.

Automated assembly lines is a very important production method in the automotive industry where cost, quality and production efficiency determine the future and the competitiveness of a company. Despite high initial investment costs, automated processes provide assembly lines with low production costs, high production speeds and quality standards. Such automated assembly lines must consist of quality control processes to meet all the quality requirements of the products produced. This study aims to develop an artificial neural network based recognition system capable of eliminating the need for a human based quality control approach to control the sound emitted by the motorized side mirror movement mechanisms produced in an automated assembly line. In this study, a three-hidden layer artificial neural network was trained and validated using the features extracted in time and frequency domain of a sufficient number of real sound samples emitted by the motor mechanisms during their quality control. The artificial neural network based approach achieving a 96% recognition rate, provided sufficient reliability to replace the human based control approach. Provided that the obtained results are confirmed by other studies, the proposed approach offers an alternative to subjective quality control approaches.