Necmettin Kaya

Kauçuk ve plastik malzemelerden ürün üretiminde kalıplama önemli bir yer tutar. Kalıplardan beklenen performansların sağlanması için kalıp iç yüzeylerinin farklı yöntemler ile ince film şeklinde kaplanması kalıp performansını artırmada önemi rol oynar. Özellikle PVD ince film kaplama yöntemi bu alanda öne çıkmaktadır. Bu yöntemde farklı kaplama malzemeleri kullanılmaktadır. Bu çalışmada kauçuk kalıplarının kaplanması için seçilen dört farklı kaplama türü, maliyet bilgisini de içeren beş farklı kritere göre değerlendirilmiştir. Test sonuçlarına göre, TiCrN (Titanyum Krom Nitrür) kaplama malzemesi en iyi yapışma durumu ve en düşük sürtünme katsayısı ile öne çıkarken aşınma açısından Krom Nitrür (CrN) kaplama malzemesi en iyi performansı göstermiş ve aynı zamanda maliyet olarak da en düşük olanıdır. Ancak bu kaplama malzemelerinden hangisinin seçileceği birçok kritere bağlıdır. Birçok seçenek arasından çok kritere göre ve önceliklere göre seçim yapılması durumunda TOPSIS algoritması öne çıkan yöntemlerden birisidir. Bu çalışmada en uygun kaplama türü, TOPSIS algoritmasında sıralanarak en uygun olanı seçilmiştir. Algoritmada kriterler oransal olarak önceliklendirilmiş ve dört farklı kaplama türü sıralanmıştır. Algoritma Python programlama dilinde kodlanmış ve seçim işlemi gerçekleştirilmiştir. Algoritma sonunda ilk sırada çıkan kaplama türü TiCrN’dür. Bu kaplama türü gelecekte kauçuk ürünlerin üretileceği kauçuk kalıplarında kullanılacaktır.

Purpose: The study aims to develop an optimization methodology for reinforcing panel-type structures with the directed energy deposition (DED) additive manufacturing process. The primary objective is to minimize the mass of the panel-type structure while satisfying bending stiffness and natural frequency constraints, providing a decision-support method for determining the optimum stiffener design for DED applications. Design/methodology/approach: A representative panel-type structure was selected, and stiffener paths were planned and represented using Seniw’s Matrix. The matrix is flattened immediately for processing through a fully connected neural network (FCNN). FCNNs were trained to predict key mechanical responses, such as mass, bending stiffness and natural frequency, based on the stiffener configurations. A genetic algorithm (GA) was employed to perform the optimization, using the trained neural networks (NNs) to compute the objective and constraint functions efficiently. Additionally, a DED process simulation was conducted to evaluate distortion resulting from the thermal input during stiffener manufacturing. Findings: The proposed optimization framework successfully identified the optimum stiffener path that met both bending stiffness and natural frequency constraints while minimizing mass. Moreover, the framework also serves as a surrogate model in applications where finite element models cannot be easily parameterized and analytical solutions are not available. This results in a substantial computational time advantage. Whereas the NN-based optimization completes in roughly 30 min, direct FEA-based optimization would require nearly 300 min per generation. Implementation of the proposed optimization approach led to a 43.48% improvement in stiffness with a marginal 5.28% increase in mass. Originality/value: This study introduces a hybrid optimization approach combining artificial NNs and GAs for optimum stiffener path in DED-based additive manufacturing. By representing each stiffener configuration with a method such as Seniw’s Matrix, it becomes possible to process these combinations through NNs with high accuracy, thus becoming a useable surrogate model for structural optimization. The proposed framework provides a valuable tool for lightweight and performance-oriented design of panel-type structures in aerospace, automotive and defense applications.

Elastomeric materials exhibit complex time-dependent behaviour under mechanical loading, necessitating accurate constitutive models for industrial applications. This study investigates the hyperelastic and viscoelastic responses of two carbon black-filled natural rubber compounds (50 ShA and 60 ShA) through cyclic shear/compression tests and stress relaxation experiments. The Arruda–Boyce model captures equilibrium behaviour, while the Bergström–Boyce model predicts transient viscoelasticity without relying on Prony series. Considering the results obtained it can be concluded that quantitative hysteresis analysis shows 7–26% energy dissipation, dependent on hardness and strain rate. Relaxation rates (10⁻⁶–10⁻⁷ s⁻¹) inversely correlated with hysteresis, validated by FEM simulations. A deviation of <3.5% between experiments and simulations confirms the model’s robustness for long-term viscoelastic predictions. This framework enables the efficient design of rubber components (e.g., seismic isolators, seals) requiring prolonged durability under load.

In this study, structural optimization of an enclosure under bending and torsional constraints was carried out. Machine learning (ML) approach was used to calculate the objective and constraint functions in the optimization problem. The ML model was trained and validated with data obtained from finite element analyses. The optimization model was then solved by the differential evolution algorithm. Five thicknesses, which are the design parameters in the enclosure, were optimized for minimum mass, and according to the results, the enclosure’s mass decreased by 18.29%.

ÖZ Kanat tasarımında kritik ve dikkat edilmesi gereken parametrelerden birisi de doğal frekanstır. Kanadın doğal frekansının küçük olması kanadın daha fazla yer değiştirmesine neden olur. Diğer taraftan kanadın doğal frekansı ile havanın doğal frekansı eşit olduğunda rezonansa neden olabilir ve bu durumda kanatta yapısal hasar oluşabilir. Kanat doğal frekansını arttırmak için yapılan çalışmalar kanadın rijitliğini arttırırken aynı zamanda, kütle artışına neden olabilir. Bu çalışmada, kanat kütlesinin arttırılmadan doğal frekansının arttırılması amacıyla çok amaçlı optimizasyon problemi kurularak kanat kiriş elemanın optimizasyonu gerçekleştirilmiştir. Kesit geometrisi şekil parametreleri tasarım değişkenleri olarak alınmış, kanat ağırlığının minimizasyonu ve kanadın birinci doğal frekansının maksimizasyonu amaç fonksiyonu olarak tanımlanmıştır. Kanadın hem doğal frekansının arttırılması hem de kütlesinin azaltılması amacıyla çok amaçlı bir optimizasyon çalışması gerçekleştirilmiştir. Çalışma kapsamında kanat iç yapı elemanlarından kiriş elemanının kesit geometrisinin doğal frekans ve ağırlık açısından optimum özelliklere sahip kanat kiriş kesiti tasarlanması amaçlanmıştır. Optimizasyon işlemini gerçekleştirmek için Ansys Workbench ortamında parametrik geometri modeli oluşturulmuş, kanat üzerinde oluşan basınç hesaplanmış, statik analiz ile gerilme ve yer değiştirme, modal analiz ile doğal frekans hesaplanmıştır. Cevap yüzey yöntemi kullanılarak gerçekleştirilen optimizasyon çalışmasında çok amaçlı genetik algoritma kullanılmıştır. Çalışma sonucunda kanat birinci doğal frekansında % 14 artış sağlanırken aynı zamanda kanat ağırlığında yaklaşık %5 hafifleme sağlanmıştır.

Kiriş ve sac plaka yapılar otomotiv, havacılık, inşaat ve mimarlık gibi birçok alanda çeşitli amaçlarla kullanılırlar. Yük taşıyan kirişte eğilme ile deformasyon meydana gelir. Kirişlere benzer şekilde sac veya levha şeklindeki yapılarda kendi ağırlıkları ile veya yüzeylerine dik yönde kuvvet taşırken deforme olurlar. Bu tür yapılarda yükün emniyetle taşınmasının yanında, en az deformasyonun oluşması istenir. Bu çalışmada, kiriş ve sac parçaların kesiti, uzunluğu ve yükleme durumu sabit alınarak minimum deformasyonun elde edilmesi için mesnet noktalarının optimizasyonu gerçekleştirilmiştir. Mesnet konumları parametre olarak alınmış ve geliştirilen yazılım ile mesnet noktalarının konum optimizasyonları gerçekleştirilmiştir. Parametrik sonlu elemanlar modelinden farklı mesnet konumlarına karşılık gelen deformasyon değerleri elde edilmiştir. Python kodu ile yapay sinir ağı ve optimizasyon kodu geliştirilmiş ve deformasyon değerleri verilen mesnet konumlarına göre hesaplanmıştır. Geliştirilen yöntem iki ve üç mesnetli kirişler ile sac levha ve kaynakla birleştirilecek iki sac levha örnekleri üzerinde denenerek optimizasyon sonuçları elde edilmiştir. Her bir kiriş ve sac levha probleminde yayılı yük altında minimum deformasyon için mesnetlerin birbirlerine simetrik konumlandırılmaları gerektiği bulunmuştur. Optimum mesnet noktaları; iki mesnetli kirişte kenarlardan %21.89, üç mesnetli kirişte %13.57, sac levhada %19.13, kaynakla birleştirilecek iki sac levhada ise %14.42 uzaklıkta hesaplanmıştır.

Ürün tasarımında analizlere ayrılan zamanın ve maliyetlerin önemli ölçüde azaltılmasında makine öğrenmesi kilit rol oynamaktadır. Makine öğrenmesi ile gerçekleştirilen optimizasyon çalışması, sonlu elemanlar analizine kıyasla zaman ve maliyet açısından büyük üstünlükler sağlamaktadır. Bu çalışmada, disk yaylar için bir makine öğrenmesi modeli eğitilmiş, eğitilen modelin disk yayların boyut optimizasyonunda kullanılması amaçlanmıştır. Tek ve çok amaçlı optimizasyon yöntemlerinin uygulanabilirliğini göstermek için istenilen yay rijitliğine sahip çeşitli disk yayların optimizasyonu ele alınmış ve Pareto çözümleri sunularak çözümler incelenmiştir. Elde edilen tasarım parametreleri ile sonlu elemanlar analizleri gerçekleştirilmiş ve yapay sinir ağı ile sonlu elemanlar sonuçları karşılaştırılmıştır. Yapay sinir ağı kullanımı ile optimizasyon sonucuna 4,5 saniye içerisinde ulaşılabildiği ve elde edilen sonuçların doğruluklarının (%96,16) sinir ağı başarı oranı (%97,67) ile benzer olduğu görülmüştür.

Lif takviyeli plastik malzemeler ürün hafifletme çalışmalarında kullanılan kompozit malzemelerdendir. Anizotropik yapıda olan bu malzemelerin enjeksiyon prosesinde, akışa bağlı olarak lifler farklı yönlerde dağılabilmektedir. Bu malzemelerden imal edilen ürünlerin sonlu elemanlar modellemelerinde lif yönlerinin proses ortamından transfer edilerek tanımlanması analizin doğruluğunu artırmaktadır. Bu çalışmada, enjeksiyon kalıplama ile üretilen kısa lif takviyeli plastikten elde edilen araç pedalının sonlu elemanlar modeli oluşturularak yapısal analizi, lif oryantasyon verileri de modellemeye dahil edilerek gerçekleştirildi. Lif oryantasyon verileri, enjeksiyon simülasyonu sonucunda elde edildi ve anizotropinin de dahil edildiği çok ölçekli malzeme modelinde kullanıldı. %30 cam lif katkılı poliamid malzeme kullanılarak üretilen pedal sonuçları, takviyesiz plastik malzeme ve çelik malzeme kullanılarak üretilen pedal verileri ile karşılaştırıldı. Çelik pedala kıyasla takviyeli plastik malzemeden elde edilen pedalın yer değiştirme sonuçlarında %2.5 oranında artış, gerilme değerlerinde ise %7 oranında artış görülür. Takviyeli plastiğin 294 MPa olan akma gerilmesi referans alındığında bu artışın kısıt değerlerin altında kaldığı sonucuna varılır. Ayrıca çelik malzemeye kıyasla %20 oranında daha hafif pedal elde edilir.

Additive manufacturing is a production technology based on creating three-dimensional parts directly from computer-aided design data layer-by-layer. In recent years, it has been used in many industries with the production of functional, high-quality metallic parts with the powder bed fusion process by laser. The build orientation of the three-dimensional part has a major impact on many factors such as part quality, waste amount, production time, and cost. In this study, a multi-objective optimization is carried out using non-dominated sorting genetic algorithm-II to simultaneously optimize different objectives that may conflict with each other, such as the amount of support structure and build time. Estimation methods are developed for computing the amount of support structure and the build time, which reflect the current state of the technology. With the developed method, build orientation is optimized for a complex part, and the wide range of alternative results are visualized and evaluated. The design for additive manufacturing knowledge required to correctly perform the build orientation process is eliminated by automating the pre-processing stage. Therefore, the contribution is made to the accessibility and sustainability of the PBF-L, which has high process costs by minimizing support structure volume and build time.

Automobile components are subjected to high dynamic forces and vibrations under operational conditions which need detailed system analysis for work properly. Clutch is one of the important parts of the automobile powertrain system with torque transmission controlling and vibration damping properties. Metallic helical springs are widely preferred within the clutch discs with their durable mechanic properties against dynamic variables on an automobile. Recently, the elastomeric components are used in the automotive industry due to some advantages such as wear reduction, cost etc. In this study, the damper system which consists of the metallic and elastomeric springs was investigated and the torsional endurance was observed with the functional bench tests. This product, called Hybrid Damper, was revealed with the comparative analysis with the conventional metallic system.