dc.description.abstract |
ÖZET
Bu tez çalışması, odun polimer kompozitlerin üretiminde, üretim parametrelerine bağlı olarak elde edilecek malzemenin mekanik özelliklerinin yapay sinir ağları (YSA) modeli kullanılarak, tahribatlı muayene yapılmadan, çok daha hızlı ve düşük maliyetle tahmin edilmesini amaçlamaktadır. Çalışmada odun polimer kompozitlerin bazı mekanik özellikleri YSA yöntemiyle modellenmiş ve yüksek doğruluk oranı ile tahmin edilmiştir. Bu kapsamda çalışma başlıca iki bölümden oluşmaktadır.
Birinci bölümde odun polimer kompozitlerin mekanik özelliklerini etkileyen faktörlere yönelik literatür araştırması yapılarak modelde kullanılacak girdi ve çıktı değişkenleri belirlenmiştir. Literatürde sıkça incelenen mekanik özelliklerin eğilmede elastikiyet modülü, eğilme direnci, çekmede elastikiyet modülü, çekme direnci ve darbe direnci olduğu; bu özellikleri etkileyen faktörlerin polimer çeşidi, dolgu malzemesi türü, dolgu malzemesi karışım oranı, dolgu malzemesi partikül boyutu ve
bağlayıcı ajan kullanımı olduğu tespit edilmiştir. Polimer olarak düşük maliyeti ve işleme kolaylığı nedeni ile yüksek yoğunluklu polietilen (high density polyethylene (HDPE)), düşük yoğunluklu polietilen (low density polyethylene (LDPE)) ve polipropilen (PP) polimerlerinin sıklıkla kullanıldığı tespit edilmiş, dolayısıyla da bu üç polimerin kullanıldığı 56 farklı çalışmadan elde edilen girdi parametreleri ile çıktı değerleri baz alınarak her bir mekanik özellik için YSA modelleri geliştirilmiş ve bu sayede daha gerçekçi tahminler yapılması amaçlanmıştır. YSA modellerinin güvenilirliğini belirlemek için daha önce modelin eğitimi ve testinde yer almayan girdi parametreleri kullanılarak çıktı değerleri tahmin edilmiştir. Aynı girdi parametreleri baz alınarak test numuneleri üretilmiş ve mekanik testler gerçekleştirilmiştir. Test numunelerinin üretiminde piyasada da yaygın olarak kullanılan polimerlerden HDPE, bağlayıcı ajan olarak maleic anhydride aşılı polietilen (PE-g-MA) ve dolgu malzemesi olarak sarıçam (Pinus sylvestris L.) tercih edilmiştir. Deneylerden ve YSA modellerinden elde edilen sonuçlar kök ortalama kare hata (RMSE), ortalama mutlak yüzde hata (MAPE) ve belirlilik katsayı (R2) değeri dikkate alınarak karşılaştırılmıştır. YSA modelleri ile çekme direnci için 0,943 ve üzerinde, çekmede elastikiyet modülü için 0,972 ve üzerinde, eğilme direnci için 0,976 ve üzerinde ve eğilmede elastikiyet modülü için 0,971 ve üzerinde belirlilik katsayısı değerleri elde edilmiştir.
İkinci bölümde ise polimer olarak piyasada son yıllarda üretim hacmi genişleyen ve çevre dostu bir polimer olarak değerlendirilen polilaktik asit (PLA) matrisli odun polimer kompozitinin mekanik özelliklerinin tahmininde birinci bölümde başarılı sonuçlar alınan YSA modeli kullanılmıştır. Görece olarak yeni bir polimer olan PLA üzerine çok sayıda çalışma olmakla beraber, odun polimer kompoziti kapsamında yapılmış çalışma sayısı sınırlıdır. Bu nedenle de modelde kullanılan veriler deneysel çalışmalarla elde edilmiştir. PLA, dolgu malzemesi olarak sarıçam ve bağlayıcı ajan olarak maleik anhidrit modifiye etilen elastomer kullanılmıştır. Girdi parametreleri olarak dolgu malzemesi karışım oranı, dolgu malzemesi partikül boyutu ve bağlayıcı ajan oranı dikkate alınarak (4x4x3) tam faktöriyel olacak şekilde 48 farklı grup numune üretilmiştir. Numunelerin eğilmede elastikiyet modülü, eğilme direnci, çekmede elastikiyet modülü, çekme direnci ve darbe direnci değerleri elde edilmiş ve bu değerler YSA’da modellenerek modellerin performansları değerlendirilmiştir. YSA modelleri ile çekme direnci gruplarının 44’ünde 0,900 ve üzeri, çekmede elastikiyet modülü gruplarının 1 grup hariç hepsinde 0,900 ve üzeri, eğilme direnci gruplarının 3 grup dışında 0,900 ve üzeri, eğilmede elastikiyet modülü gruplarının 44’ünde 0,900 ve üzeri ve darbe direnci gruplarının ise 42’sinde 0,900 ve üzeri belirlilik katsayısı (R2) değerleri elde edilmiştir.
Her iki bölümde de elde edilen RMSE, MAPE ve R2 değerleri dikkate alındığında YSA modellerinin performanslarının yüksek olduğu dolaysıyla odun polimer kompozitlerin mekanik özelliklerinin tahmin edilmesinde başarılı bir şekilde kullanılabileceği tespit edilmiştir.
ABSTRACT
This thesis aims to predict the mechanical properties of the material to be obtained depending on the production parameters in the production of wood polymer composites by using artificial neural networks (ANN) model, without destructive testing, much faster and at low cost. In this study, some mechanical properties of wood polymer composites were modeled by ANN method and predicted with high accuracy. In this context, the study mainly consists of two parts.
In the first part, a literature review on the factors affecting the mechanical properties of wood polymer composites was conducted and the input and output variables to be used in the model were determined. The most studied mechanical properties in the literature are tensile strength, modulus of elasticity in tensile, flexural strength, modulus of elasticity and impact resistance, and the factors affecting these properties are polymer type, filler type, filler mixture ratio, filler particle size and use
of coupling agent. It has been determined that high density polyethylene (HDPE), low density polyethylene (LDPE) and polypropylene (PP) polymers are frequently used as polymers due to their low cost and ease of processing. Therefore, ANN models were developed for each mechanical property based on the input parameters and output values obtained from 56 different studies using these three polymers, and thus ANN models were developed for each mechanical property, and it was aimed to make more realistic predictions. To determine the reliability of ANN models, output values were estimated using input parameters that were not previously included in the training and testing of the model. Based on the same input parameters, test specimens were produced, and mechanical tests were performed. HDPE, one of the polymers widely used in the market, maleic anhydride grafted polyethylene (PE-g-MA) as coupling agent and scots pine (Pinus sylvestris L.) as filler material were preferred in the production of test specimens. The results obtained from the experiments and ANN models were compared by considering root mean square error (RMSE), mean absolute percentage error (MAPE) and coefficient of determination (R2) values. With ANN models, coefficient of determination values of 0,943 and above for tensile strength, 0,972 and above for modulus of elasticity in tensile, 0,976 and above for flexural strength and 0,971 and above for modulus of elasticity were obtained.
In the second part, the ANN model, which obtained successful results in the first part, was used to predict the mechanical properties of polylactic acid (PLA) matrix wood polymer composite, which has expanded its production volume in the market in recent years and is considered as an environmentally friendly polymer. Although there are many studies on PLA, which is a relatively new polymer, the number of studies on wood polymer composite is limited. Therefore, the data used in the model were obtained from experimental studies. PLA, scots pine as filler and maleic anhydride modified ethylene elastomer as coupling agent were used. Considering the filler mixture ratio, filler particle size and coupling agent ratio as input parameters, 48 different groups of specimens were produced as (4x4x3) full factorial. Tensile strength, modulus of elasticity in tensile, flexural strength, modulus of elasticity and impact resistance values of the specimens were obtained, and these values were modeled in ANN and the performances of the models were evaluated. With ANN models, coefficient of determination (R2) values of 0,900 and above were obtained in 44 of the tensile srength groups, 0,900 and above in all but 1 group of the modulus of elasticity in tensile groups, 0,900 and above in all but 3 groups of the flexural srength groups, 0,900 and above in 44 of the modulus of elasticity groups and 0,900 and above in 42 of the impact resistance groups.
Considering the RMSE, MAPE and R2 values obtained in both parts, it has been determined that the performance of ANN models is high, and therefore can be used successfully in predicting the mechanical properties of wood polymer composites. |
en_EN |