Yazar "Aydemir, Deniz" seçeneğine göre listele
Listeleniyor 1 - 2 / 2
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Dijital görüntü korelasyon yöntemi ile farklı mobilya birleştirmelerin mekanik davranışlarının belirlenmesi(2018) Bardak, Timuçin; Sözen, Eser; Kayahan, Kadir; Bardak, Selahattin; Aydemir, Deniz; Peker, HüseyinKüresel rekabetin yoğunlaşması ile bütün endüstrilerde araştırma ve geliştirme çalışmaları kritik bir konu haline dönüşmüştür. Mobilya endüstrisinde dayanıklı ve kaliteli üretim için birleştirmelerin deformasyon davranışlarını anlamak önemlidir. Mekanik biliminde optik yöntemler temassız olarak katı malzemeler hakkında hızlı ve doğru bilgi verir. Bu çalışmada, dijital görüntü korelasyon yöntemi (DIC) kullanılarak basma ve çekme yükleri altında farklı mobilya birleştirmelerinin mekanik özellikleri ve deformasyonu analiz edilmiştir. Analiz için kutu konstrüksiyonlu mobilyada yaygın olarak kullanılan kelebek, tırnaklı trapez, minifixli birleştirme metotları seçilmiştir. Mobilya Birleştirmelerinin oluşturulmasında orta yoğunluklu lif levha (MDF), yonga levha (YL) ve lamine kaplı yonga levha (LY) kullanılmıştır. Çalışma sonucunda birleştirme türünün ve malzeme tipinin gerilme ve yer değiştirme (deformasyon) miktarını etkilediği saptanmıştır. Deney sonuçlarına göre, malzeme türünde en yüksek basma ve çekme direncini Lif levha vermiştir. Birleştirme çeşidinde kelebek bağlantı en iyi sonucu vermiştir. DIC yönteminin mobilya tasarımında birleştirmelerin optimizasyonu için yararlı bir araç olarak kullanılabileceği bulunmuştur.Öğe Yapay Sinir Ağları ve Derin Öğrenme Algoritmaları Kullanarak Nanokompozitlerde Deformasyonun Tahmin Edilmesi(2018) Sözen, Eser; Bardak, Timuçin; Aydemir, Deniz; Bardak, SelahattinNanoteknoloji birçok endüstri için devrim niteliğindedir. Ülkelerin bilimsel ve ekonomik olarak yaptığı yatırımlar, nanoteknolojinin önemini ortaya koymaktadır. Bilim dünyasında veri madenciliği önemli bir yere sahiptir. Teknolojinin birçok alanında veri biliminden faydalanılmaktadır. Nanokompozitlerin kullanım yerini özellikler genellikle mekanik belirler. Geleneksel testler ile mekanik özellikleri belirlemek pahalı ve zaman alıcıdır. Veri madenciliği teknikleri bu problemlere daha düşük maliyetler ile çözümler sunabilmektedir. Bu çalışmada, derin öğrenme ve yapay sinir ağları algoritmaları farklı nanokompozitlerin çekme testleri sırasında deformasyonunu tahmin etmek için kullanılmıştır. Çalışma nanokompozit uygulamalarında veri madenciliği algoritmalarının başarılı bir şekilde uygulanabileceği gösterilmiştir. Aynı zamanda derin öğrenme algoritmalarının, yapay sinir algoritmalarından daha başarılı olduğu belirlenmiştir. Nanoteknoloji alanında veri madenciliğinin uygulandığı bilimsel çalışmalar çok sınırlı sayıdadır. Nanokompozitlerin üretiminin veri madenciliği algoritmaları ile simule edildiği yeni çalışmalara ihtiyaç vardır.