Çimento fabrikası otomasyon ağında yapay zeka uygulaması ile beton basınç dayanımı tahmini
| dc.contributor.advisor | Akbulut, Ahmet | |
| dc.contributor.author | Karagöz, Veysel | |
| dc.contributor.department | Mühendislik Fakültesi | tr_TR |
| dc.date.accessioned | 2019-12-27T08:56:35Z | |
| dc.date.available | 2019-12-27T08:56:35Z | |
| dc.date.issued | 2019 | |
| dc.description.abstract | Basınç dayanımı değeri, çimentonun sınıfını ve kalitesini belirleyen faktördür. Çimento numunelerinin 28 gün sonunda kırılmasıyla ölçülen basınç dayanımı, beklenmesi gereken bu süre nedeniyle, çimento fabrikalarının üretim ve satış planlarının kurulmasında zorlaştırıcı bir etki yaratmaktadır. Üretim hattından çıkan ürünün birkaç gün içinde satılması ve günler içinde kullanılması bu bilinmez değerin önemini ve riskini arttırmaktadır. Bu risk göz önünde bulundurularak alınan tedbirler çimento üretim sürecinde maliyetlerin artmasına sebep olmakta, kullanılan katkı ve kimyasal maddeler nedeniyle çevreye zarar vermektedir. Bu tez çalışmasında; basınç dayanımı değerinin, çevrim içi veriler kullanılarak yapay zeka algoritmaları ile tahmin edilmesi, uygulamanın büyük ölçekli bir çimento fabrikasının kurulu otomasyon ağında çalıştırılması, iki farklı veri sınıflandırma yönteminin karşılaştırılması ve tahmini değerlerin değerlendirilmesi ile üretim sürecinin şekillendirilmesi amaçlanmaktadır. The compressive strength value is the factor determining the class and quality of cement. The compressive strength measured by breaking the concrete samples after 28 days, due to this period to be expected has a difficult effect on the establishment of production and sales plans of cement plants. The sale of the product from the production line within a few days and the use of the cement sold within days increases the importance and risk of this unknown value. Measures taken with this risk in mind lead to increased costs in the cement production process and damage to the nature due to the additives and chemicals used. In this thesis, aimed to estimate the compressive strength value by using artificial intelligence algorithms with online data. To run the application installed automation network of a large-scale cement factory. Two different data classification methods compared and to shaped the production process by evaluating these estimated values. | tr_TR |
| dc.identifier.endpage | 79 | tr_TR |
| dc.identifier.startpage | 01 | tr_TR |
| dc.identifier.uri | http://hdl.handle.net/20.500.12575/69067 | |
| dc.language.iso | tr | tr_TR |
| dc.publisher | Ankara : Ankara Üniversitesi : Fen Bilimleri Enstitüsü : Elektrik-Elektronik Mühendisliği Anabilim Dalı | tr_TR |
| dc.relation.publicationcategory | Tez | tr_TR |
| dc.subject | Basınç dayanımı | tr_TR |
| dc.subject | Yapay zeka | tr_TR |
| dc.subject | Yapay sinir ağları | tr_TR |
| dc.subject | Parçacık sürü optimizasyonu ve sezgisel algoritmalar | tr_TR |
| dc.subject | Compressive strength | tr_TR |
| dc.subject | Artificial intelligence | tr_TR |
| dc.subject | Artificial neural networks, | tr_TR |
| dc.subject | Particle swarm optimization and heuristic algorithms | tr_TR |
| dc.title | Çimento fabrikası otomasyon ağında yapay zeka uygulaması ile beton basınç dayanımı tahmini | tr_TR |
| dc.title.alternative | Estimation of compressive strength with artificial intelligence in cement factory automation network | tr_TR |
| dc.type | masterThesis | tr_TR |