Esneyerek kilitlenen bağlantı elemanlarının tasarımı ve yapay sinir ağları (YSA) ile modellenmesi

Abstract

Kolay montaj ve demontaj edilebilme özelliğine sahip esneyerek kilitlenen bağlantı elemanları üretim kolaylığı açısında da avantaj sağlayarak endüstride en çok kullanılan ve üretilen elemanlardan biri olmuştur. Oldukça fazla sayıda kombinasyonu bulunmasına karşın bu çalışma kapsamında C, I, L, S, T ve V tipi olmak üzere 6 tip esneyerek kilitlenen bağlantı elemanının uygulanan kuvvet karşısında oluşturdukları gerilme, gerinim ve deformasyonları incelenmiştir. PLA (Polilaktik Asit), ABS (Akrilonitril Bütadien Stiren) ve PET-G (Polietilen Tereftalat-Glikol) olmak üzere 3 farklı malzeme kullanılarak elde edilen bu bağlantı elemanları parametrik olarak boyutlandırılmıştır. Taguchi metodu kullanılarak deney setleri oluşturulmuş, böylece her bir eleman için yapılacak yaklaşık 1500 deney sayısı 54 deney setine düşürülerek deney işlemi gerçekleştirilmiştir. ANSYS yazılımı kullanılarak yapılan analiz verileri ANOVA analizi ile bir denklem oluşturup/oluşturmama yönünden incelenmiş ve etkili parametreler belirlenmiştir. ANOVA analiz sonuçları değerlendirilmiş, ANSYS yazılımı ile elde edilen veriler kullanılarak Yapay Sinir Ağı ile modellenmesi yapılmıştır. Oluşturulan model ile çeşitli boyutların ve malzeme türlerinin aralığını tahmin etme yeteneği olan bir algoritma oluşturmuştur.

Snap-fits with easy assembly and disassembly are one of the most widely used and manufactured components in the industry, providing advantages in terms of ease of production. In the scope of this study, the stress, strain and deformations of the 6 types of snap-fits, C, I, L, S, T and V types, were investigated. This fasteners obtained by using 3 different materials such as PLA (Polylactic Acid), ABS (Acrylonitrile Butadiene Styrene) and PET-G (Polyethylene Terephthalate-Glycol) were dimensioned parametrically. Experimental sets were created by using the Taguchi method so that the number of experiments for each element was reduced to 54 experimental sets and the test was carried out. Analysis data using ANSYS software were analyzed with ANOVA analysis to determine whether or not to create an equation and effective parameters were determined. ANOVA analysis results were evaluated and modeled with Artificial Neural Network by using the data obtained with ANSYS writing. With the model created, an algorithm has been formed which has the ability to estimate the range of various sizes and types of materials.