Browsing by Author "Kalyoncu Mete"

Now showing 1 - 2 of 2

Ağır Vasıta Hava Kompresörü Arıza Durumlarının Naive Bayes Sınıflandırıcısı Kullanılarak Analizi
(Ejosat, 2021) Gül Emre; Kalyoncu Mete
Hava kompresörleri ağır vasıta fren sistemlerinin hava ile beslenmesi için hayati öneme sahiptir. İçerisinde bulundurduğu piston biyel mekanizması ile havanın istenilen basınca ulaştırılarak (10-12.5 bar) tanka depo edilmesini sağlamaktadır. Planlı bakımlarda bileşenlerinin cüzi ücretlerle değişimleri yapılabilirken, arıza durumlarında aracın yolda kalmasına sebep olabilmekte ve yüksek miktarda ücret ve plansız zaman kaybı ile onarımı yapılabilmektedir. Beklenmedik arıza süreleri ağır vasıtaların taşıdıkları ürünleri müşteriye geç teslim edilmesine sebep olabilmekte ve müşteri memnuniyetsizliğine sebep olmaktadır. Bu çalışma ile hava kompresöründe gerçekleşebilecek arıza durumları araştırılmış ve firma Ar-Ge biriminde oluşturulan test düzeneği ile belirlenen arızalar manuel olarak gerçekleştirilmiştir. Elde edilen veriler Dewesoft yazılımı ile kayıt altına alınmıştır. Python yazılımı kullanılarak Naive Bayes Sınıflandırıcısı modelleri oluşturulmuştur. Toplam 23.987 veri kullanılmıştır. Bu verilerin %80’lik kısmı ile modeller eğitilmiş ve %20 ‘lik kısmı ile arıza tahmininde bulunulmuştur. Sırasıyla eğitim ve test verisi hatalı tahmin sayıları; Bernoulli Naive Bayes Sınıflandırıcısı için 18062 – 4550, Multinominal Naive Bayes Sınıflandırıcısı için 16654 –4210, Gaussian Naive Bayes Sınıflandırıcısı için 961–258 veri hatalı tahminde bulunmuştur. Gaussian Naive Bayes sınıflandırıcısının bariz farkla doğru kararlar verdiği gözlemlenmiştir. Ayrıca sınıflandırma metrikleri incelenerek elde edilen sonuçlar değerlendirilmiştir.
The Bees’ Algorithm for Design Optimization of a Gripper
(Selçuk Üniversitesi, 2018) Acar Osman; Kalyoncu Mete; Hassan Alaa
In this paper, a gripper mechanism is optimized by using bees’ algorithm (BA) to compare with Non-dominated Sorting Genetic Algorithm version II (NSGA-II). The procedure of BA is proposed. The superiority of BA is illustrated by using results in figures and tables. A sensitivity analysis using correlation test is executed. The effectiveness coefficients of design variable for the objectives are provided. Consequently, the effectual design variables and the genuine searching method of BA are clearly evaluated and discussed. The BA provides dispersed and the least crowded Pareto Front population for solution in the shortest duration. Therefore, the best solutions are selected based on curve fitting. The closest solutions to the fitted curve are selected as the best in the region.