ESTIMATION THE PROPERTIES OF PARTICLEBOARDS MANUFACTURED FROM VINE PRUNINGS STALKS USING ARTIFICIAL NEURAL NETWORKS

Hüseyin GÜRÜLER; Serkan BALLI; Mehmet YENİOCAK; Osman GÖKTAŞ

doi:https://doi.org/10.22531/muglajsci.209996

Makale detayları

ESTIMATION THE PROPERTIES OF PARTICLEBOARDS MANUFACTURED FROM VINE PRUNINGS STALKS USING ARTIFICIAL NEURAL NETWORKS

Yazarlar:

Hüseyin GÜRÜLER | Serkan BALLI | Mehmet YENİOCAK | Osman GÖKTAŞ

Yayıncı:

Muğla Sıtkı Koçman Üniversitesi

Ana Başlıklar:

Uygulamalı fizik

Dergi:

Mugla Journal of Science and Technology 2015 Vol.1 Issue 1, pp.24-33

Belge Tipi:

Makale

Yayın Tarihi:

4/2015

Belge Dili:

İngilizce

Document ID (Org No.):

2000577089

Sıklık:

İki Yıllık

pISSN:

2149-3596

DOI:

https://doi.org/10.22531/muglajsci.209996

Özet:

 

In this study, pruned vine particles and wood particles in five various proportions were used as the raw material for three-layer particleboards. Primarily, small size sample panels (56x56x2 cm) were manufactured. The physical (thickness swelling (TS), water absorption (WA)), and mechanical (modulus of rupture (MOR), modulus of elasticity (MOE), internal bond (IB)) screw holding (SH) properties of particleboards were determined. Although direct measurement is the most reliable method, it is very complex and time consuming. Also every proportion is not applicable. So that, soft computing methods which are the powerful tools for input-output mapping were preferred. Artificial neural networks (ANNs) were used to estimation. The results show that ANN system capable to predict properties of particleboards in a time and cost effective way.

 

Bu çalışmada, yonga levha hammaddesi olarak beş farklı oranda, bağ budama yongaları ve odun yongaları kullanılmıştır. Öncelikle küçük boyutlu numune paneller üç katmanlı olarak (56x56x2 cm) üretilmiştir. Bu levhaların; fiziksel (kalınlığına şişme, su alma) ve mekaniksel (eğilme direnci, elastikiyet modülü, iç yapışma ve vida tutma) özellikleri belirlenmiştir. Direk ölçüm alma metodu en güvenilir metot olmasına rağmen çok karmaşık ve zaman alıcıdır. Üstelik her oran uygulanabilir değildir. Bu nedenle girdi-çıktı haritalamada en güçlü araçlar olan esnek (yazılımsal) hesaplama yöntemleri tercih edilmiştir. Bu aşamada, yapay sinir ağları (YSA) tahmin amaçlı kullanıldı. Sonuçlar yapay sinir ağları sisteminin zamandan ve maliyetten kazanç sağlayarak yonga levhaların özelliklerinin belirlenmesinde yetkin olduğunu göstermektedir.

Makale detayları

ESTIMATION THE PROPERTIES OF PARTICLEBOARDS MANUFACTURED FROM VINE PRUNINGS STALKS USING ARTIFICIAL NEURAL NETWORKS

Yazarlar: Hüseyin GÜRÜLER | Serkan BALLI | Mehmet YENİOCAK | Osman GÖKTAŞ

Yayıncı: Muğla Sıtkı Koçman Üniversitesi

Ana Başlıklar: Uygulamalı fizik

Dergi: Mugla Journal of Science and Technology 2015 Vol.1 Issue 1, pp.24-33

Belge Tipi: Makale

Yayın Tarihi: 4/2015

Belge Dili: İngilizce

Document ID (Org No.): 2000577089

Sıklık: İki Yıllık

pISSN: 2149-3596

DOI: https://doi.org/10.22531/muglajsci.209996

Sayı

Yazarlar:

Hüseyin GÜRÜLER | Serkan BALLI | Mehmet YENİOCAK | Osman GÖKTAŞ

Yayıncı:

Muğla Sıtkı Koçman Üniversitesi

Ana Başlıklar:

Uygulamalı fizik

Dergi:

Mugla Journal of Science and Technology 2015 Vol.1 Issue 1, pp.24-33

Belge Tipi:

Makale

Yayın Tarihi:

4/2015

Belge Dili:

İngilizce

Document ID (Org No.):

2000577089

Sıklık:

İki Yıllık

pISSN:

2149-3596

DOI:

https://doi.org/10.22531/muglajsci.209996