Makine Öğrenmesi Modelleri Kullanılarak Eriyik Yığma Modellemesi Süreçlerinde Enerji Verimliliğine Yönelik Parametre Optimizasyonu

Abstract

Eklemeli imalat teknolojilerinin endüstriyel uygulamalarda yaygınlaşması, üretim süreçlerinde enerji verimliliğini sürdürülebilir üretim açısından kritik bir araştırma alanı hâline getirmiştir. Bu çalışma, FDM (Fused Deposition Modeling) yöntemiyle gerçekleştirilen üç boyutlu baskı süreçlerinde enerji tüketiminin tahmin edilmesine yönelik makine öğrenmesi tabanlı bir yaklaşım önermektedir. Çalışmada farklı baskı hızları, nozul sıcaklıkları, doluluk oranları ve katman kalınlıkları kullanılarak PLA numuneler üretilmiş; üretim sırasında enerji tüketimi gerçek zamanlı olarak dijital wattmetre ile ölçülmüştür. Elde edilen veriler Random Forest ve XGBoost algoritmaları kullanılarak analiz edilmiş ve baskı parametrelerinin enerji tüketimi üzerindeki etkileri istatistiksel olarak değerlendirilmiştir. Bulgular, doluluk oranı ve nozul sıcaklığının enerji tüketimini belirleyen en etkili parametreler olduğunu, baskı hızının ise enerji tüketimi üzerinde anlamlı bir etkiye sahip olduğunu göstermektedir. Geliştirilen tahmin modelleri, üretim öncesinde enerji tüketiminin yüksek doğrulukla öngörülmesine olanak sağlamış ve optimum süreç parametrelerinin belirlenmesine katkı sunmuştur. Gerçek zamanlı deneysel ölçümlere dayalı olarak geliştirilen bu yaklaşım, FDM süreçlerinde enerji verimliliğinin artırılmasına yönelik karar destek mekanizmalarının geliştirilmesine katkı sağlayarak sürdürülebilir eklemeli imalat uygulamaları için bilimsel bir temel sunmaktadır.