Pamukkale Univ Muh Bilim Derg. Baskýdaki Makaleler: PAJES-91679 | DOI: 10.65206/pajes.91679

3D yazdýrma parametrelerinin mekanik özellikler üzerindeki etkilerinin incelenmesi ve makine öðrenmesi ile optimizasyonu

Mehmet Altuð¹, Yakup YILMAZ^2
1Ýnönü Üniversitesi, Malatya Osb Myo, Makine ve Metal Teknolojileri Bölümü, Malatya, Türkiye
²Ýnönü Üniversitesi, Fen Bilimleri Enstitüsü, Uygulamalý Bilimler ve Teknoloji, Malatya, Türkiye

Bu çalýþmada ergiyik yýðma metodu (Fused Deposition Modelleme/FDM) yöntemi ile 3D yazýcýlarda üretilen çekme numunelerinin mekanik özellikleri incelendi. Burada FDM yöntemindeki katman (filament) kalýnlýðý, dolgu tipi ve support açýsý gibi parametreler incelendi. Üretim Up-right ve edge yönleri ve her bir yön için Taguchi L25 deney tasarýmýyla üretildi. Deneyler neticesinde çekme mukavemeti açýsýndan en iyi katman kalýnlýðý 0,09 mm, dolgu tipi olarak full dolgu tipi olurken support açýsýnda farklý sonuçlar elde edildi. Varyans analizi (ANOVA) deðerlerine göre parametrelerden katman kalýnlýðý ve dolgu tipinin çekme mukavemeti üzerinde oldukça etkili olduðu ancak support açýsýnýn göz ardý edilebilecek düzeyde olduðu gözlemlendi. Ýkinci aþamada sonuçlar makine öðrenmesi algoritmalarýndan xgboost ve catboost ile ve linear regression ile tahmin modelleri yapýldý. Ýncelenen mekanik özellikler üzerinde en etkin algoritma catboost algoritmasý olarak belirlendi.

Anahtar Kelimeler: Ergiyik yýðma metodu, Mekanik özellikler, Makine öðrenmesi, Regresyon, Tahmin

---

Investigation of the effects of 3D printing parameters on mechanical properties and optimisation with machine learning

Mehmet Altuð¹, Yakup YILMAZ^2
1Inonu University, Malatya OIZ Vocational High School, Machine and Metal Technologies, Malatya, Türkiye
²Inonu University, Graduate School Of Natural And Applied Sciences, Applied Science Technology, Malatya, Türkiye

In this study, the mechanical properties of tensile samples produced in 3D printers with the fused deposition method (FDM) were investigated. Here, the parameters such as layer (filament) thickness, infill type and support angle in the FDM method were examined. The production was produced with Up-right and edge directions. As a result of the experiments, the best layer thickness in terms of tensile strength was 0.09 mm, and the infill type was full infill type, while different results were obtained in the support angle. According to the variance analysis (ANOVA) values, it was observed that the layer thickness and infill type were quite effective on the tensile strength, but the support angle was at a negligible level. In the second stage, the results were estimated with xgboost and catboost from the machine learning algorithms and linear regression models. The most effective algorithm on the examined mechanical properties was determined as the catboost algorithm.

Keywords: Fused Deposition Model, Mechanical properties, Machine learning, Regression, Prediction

---

ATIF KOPYALA