Kristal Þeker üretiminde ÇDR, YSA ve ANFIS ile parametre tahmini

Þeker üretim süreci, birçok deðiþkenin etkileþim içinde olduðu karmaþýk bir süreçtir. Karmaþýk süreçlerin maliyet ve zaman gereksinimleri, bilgisayar tabanlý modelleme teknikleri ile azaltýlmakta ve elde edilen ürün kalitesi ile ilgili gerekli aksiyonlar zamanýnda alýnabilmektedir. Bu çalýþmada þeker üretimi için kalite kontrol kriterlerinden biri olan çözelti rengi, kristalizasyon aþamasý için çoklu doðrusal regresyon (MLR), yapay sinir aðý (YSA) ve uyarlanabilir sinirsel bulanýk çýkarým sistemi (ANFIS) ile tahmin edilmiþtir. Üretim verileri (brix, saflýk, pol, pH, kül, renk ve vakum sýcaklýðý) Ankara Þeker Fabrikasý Genel Müdürlüðü'nden alýnmýþtýr. Duyarlýlýk analizi sonucunda kül, renk ve vakum sýcaklýðýnýn tahmin edilen çýktý üzerinde en etkili parametreler olduðu belirlenmiþ ve model girdi deðiþkenleri olarak tanýmlanmýþtýr. Model performans kriteri olarak R ve MSE deðerleri kullanýlmýþtýr. ANFIS, MLR ve ANN'den daha iyi tahmin performansý göstermiþtir, R= 0.99.

Parameter estimation in Crystal Sugar production With MLR, ANN and ANFIS

The sugar production process is a complex process in which many variables interact. The cost and time requirements of complex processes are reduced by computer-based modeling techniques and necessary actions can be taken regarding the obtained product quality. In this study for the crystallization stage, solution color which is one of the quality control criteria for sugar production, was predicted by multiple linear regression (MLR), artificial neural network (ANN) and adaptive neural fuzzy inference system (ANFIS). Production data (brix, purity, pol, pH, ash, color and vacuum temperature ) obtained from Ankara Sugar Factory General Directorate. As a result of the sensitivity analysis ash, color and vacuum temperature was determined to be the most effective parameters on the estimated output and used as a model input variables. R and MSE values were used as model performance criteria. ANFIS showed better prediction performance than MLR and ANN, R= 0.99.