Yüksek Lisans Adayı: Engin Deniz Erkan

EABD: Veri Bilişimi

Tarih: 06.01.2026 / 13:00

Yer: A-212

Özet: Eklemeli imalat, malzeme katmanlarının üst üste eklenmesiyle üç boyutlu nesnelerin üretilmesini amaçlayan bir teknolojidir. Ancak, eklemeli imalat yoluyla üretilen nesnelerin yüzey kalitesi önemli ölçüde değişkenlik gösterebilmekte ve çoğu zaman kontrol edilmesi zor olabilmektedir. Bu tez, eklemeli imalat ile üretilen nesnelerin yüzey pürüzlülüğünü üretim öncesinde tahmin etmeye yönelik bir makine öğrenmesi yaklaşımı önermektedir. Bu çalışmada, yüzey pürüzlülüğünün tahmini için en önemli karakteristik özellikler, veri analizi ve makine öğrenmesi yöntemleri kullanılarak incelenmektedir. Üç seviyeli bir Box–Behnken deneysel tasarımı kullanılarak yapılandırılmış bir veri kümesi oluşturulmuş olup, bu veri kümesi çoklu yüzey eğim açılarına sahip basılı parçalardan elde edilen profilometre ölçümlerini içermektedir. İlk olarak, temel performansın belirlenmesi amacıyla klasik makine öğrenmesi regresyon modelleri eğitilmiştir. Baskı parametreleri ile yüzey eğimi arasındaki doğrusal olmayan etkileşimleri daha iyi temsil edebilmek için, çok katmanlı algılayıcı (MLP) tabanlı bir derin öğrenme modeli geliştirilmiştir. MLP modeli, gerçekçi ve koşula özgü sentetik örnekler üretmek amacıyla koşullu üretici çekişmeli ağ (CGAN) kullanılarak daha da geliştirilmiş; bu sayede genelleme yeteneği artırılmış ve MLP modelinin temel modellerin performansını aşması sağlanmıştır. Pratik kullanımı desteklemek amacıyla etkileşimli bir grafiksel kullanıcı arayüzü (GUI) geliştirilmiştir. Bu arayüz, kullanıcıların baskı ayarlarını ve parça yönelimini ayarlamalarına ve tahmin edilen yüzey pürüzlülüğünü gerçek zamanlı olarak görüntülemelerine olanak tanımaktadır.