Isı yalıtım levhası üretimi şişirme prosesinde boncuk yoğunluğunun yapay sinir ağları ile tahmini

Abstract

Yapay zeka uygulamalarının kullanımı her geçen gün artmaktadır. Bu uygulamalardan biri, insan beyni dikkate alınarak geliştirilen ve öğrenme yoluyla birçok probleme çözüm sunan yapay sinir ağlarıdır. Bu çalışmada, Türkiye'de kimya sektöründeki bir firmadan ön şişirme prosesine ait veri seti temin edilmiştir. Eğitim ve test olmak üzere iki gruptan oluşan bu veri seti üzerinde farklı metodlar uygulanarak ağırlık, ölçülen yoğunluk, çevrim süresi, buhar süresi ve buhar sıcaklığı gibi parametreler ile bloklarda istenilen yoğunluğu elde etmek için bloğu oluşturan boncukların hangi yoğunlukta şişirilmesi gerektiğinin tahmin edilmesi amaçlanmıştır. Bu amaç doğrultusunda, MATLAB R2015 programı yardımıyla yapay sinir ağı teknikleri, PolyAnalyst programı yardımıyla veri madenciliği kural bulma algoritması ve SPSS programı yardımıyla regresyon analizi ile veriler analiz edilmiş ve sonuçlar yorumlanmıştır. Elde edilen sonuçlara bakıldığı zaman en yüksek R2 değeriyle en iyi sonucu yapay sinir ağlarının verdiği görülmüştür. Gizli katmanlarında sırasıyla tansig, logsig; çıkış katmanında purelin aktivasyon fonksiyonuna sahip, birinci gizli katmanda 10 ve ikinci gizli katmanda 7 nöron bulunduran ileri beslemeli ağ yapısı en iyi sonucu veren ağ olarak seçilmiştir. Ardından bu ağ yapısı dikkate alınarak ağ test edilmiştir ve elde edilen çıktı ile gerçek çıktı karşılaştırılmıştır. Sonuçlar, ağın hata oranının düşük, performansının yüksek olduğunu ve tahminleme için yapay sinir ağlarının olumlu etkisini göstermektedir.

The use of artificial intelligence applications is increasing day by day. One of these applications is artificial neural networks, which are developed considering the human brain and offer solutions to many problems through learning. In this study, a data set for the pre-expansion process was obtained from a company in the chemical industry in Turkey. By applying diffirent methods on this data set, which consists of two groups, training and testing, it is aimed to predict at what density the beads forming the block should be inflated in order to obtain the desired density in the blocks with parameters such as weight, measured density, cycle time, steam time and steam temperature. For this purpose, data were analyzed with artificial neural network techniques with the help of MATLAB R2015 program, data mining rule finding algorithm with the help of PolyAnalyst program and regression analysis with the help of SPSS program and the results were interpreted. When the results obtained are examined, it is seen that artificial neural networks give the best results with the highest R2 value. The feedforward network structure, which has tansig, logsig activation functions in the hidden layers, and purelin activation functions in the output layer, has 10 neurons in the first hidden layer and 7 neurons in the second hidden layer, has been chosen as the network that gives the best results. Then, considering this network structure, the network was tested and the obtained output was compared with the actual output. The results show that the error rate of the network is low, the performance is high, and the positive effect of neural networks for prediction.