Metal cutting is a method used for years it retains importance today. Extensive branch of metal cutting are variable process parameters in turning which are one of the factors that directly affect the quality of the product. Many studies have been made in this respect, This work continues optimization of processing parameters (shearing / sawdust depth, feed rate, rotational speed). In this study, output parameters of turning (strength and surface roughness) minimizing by determine the optimum input parameters (type of endpiece, sawdust depth, feed rate, rotational speed). For this purpose, genetics and particle swarm optimization algorithms are implemented. The first stage input and output experimental data were normalized to the range 0-1. In order to achieve the optimization algorithm fitness function input and output data are trained separately for each output in multilayer artificial neural network and interlayer weights are recorded. The appropriate input values for the minimum output value is determined by applying the multi-objective optimization techniques (Nondominated Sorting Genetic Algorithm-II / NSGA-II, Optimal Multi-Objective Particle Swarm Optimization/OMOPSO, Speed-constrained Multi-objective Particle Swarm Optmization/SMPSO) in the optimization stage. The optimal data were obtained comparing and minimum value of them were found It was seen on the analysis that the minimum value for strength (0.007329394) in SMPSO algorithm and minimum value for surface roughness (0,031769667) was obtained in the NSGA-II algorithm. Comparative analysis of the obtained experimental data are detailed in the results and discussion section.

Talaşlı imalat yılladır uygulanan bir yöntem olup, önemini günümüzde de korumaktadır. Talaşlı imalatın yaygın bir kolu olan tornalamada özellikle işleme parametrelerindeki değişkenler ürünün kalitesini doğrudan etkileyen etmenlerin başında gelmektedir. Bu hususta birçok çalışmalar yapılmış olup halen işleme parametrelerinin (kesme/talaş derinliği, ilerleme hızı, dönme hızı) optimizasyonu üzerine çalışmalar devam etmektedir. Bu çalışmada, tornalamada analiz edilen çıkış parametrelerinden kuvvet ve yüzey pürüzlülüğünü minimize eden optimum giriş parametrelerinin (uç tipi, ilerleme hızı, dönme hızı ve talaş derinliği) tespit edilmesi amaçlanmıştır. Bu amaçla genetik ve parçacık sürü optimizasyon algoritmaları uygulanmıştır. İlk aşamada giriş ve çıkış deneysel verileri (240 adet) 0-1 aralığına normalize edilmiştir. Optimizasyon algoritmasında yer alan uygunluk fonksiyonunun elde edilmesi amacıyla giriş ve çıkış verileri her çıkış için ayrı ayrı çok katmanlı yapay sinir ağında eğitilmiş ve katmanlar arası ağırlık değerleri kaydedilmiştir. Optimizasyon aşamasında çok amaçlı optimizasyon tekniklerinden Bastırılmamış Sınıflandırmalı Genetik Algoritma (Nondominated Sorting Genetic Algorithm-II / NSGA-II), Optimal Çok Amaç Parçacık Sürü Optimizasyonu (Optimal Multi-Objective Particle Swarm Optimization / OMOPSO) ve Hız kısıtlı Çok Amaçlı Parçacık Sürü Optimizasyonu (Speed-constrained Multi-objective Particle Swarm Optmization / SMPSO) uygulanarak minimum çıkış değerleri için en uygun giriş değerleri belirlenmiştir. Elde edilen optimal veriler karşılaştırılarak bunlar içerisinden minimum değer bulunmuştur. Yapılan analizlere sonucunda görülmüştür ki; kuvvet için minimum değer (0.007329394) SMPSO algoritmasında, yüzey pürüzlülüğü için minimum değer (0,031769667) NSGA-II algoritmasında elde edilmiştir. Elde edilen deneysel verilerin karşılaştırmalı olarak analizi sonuçlar ve tartışma kısmında detaylı olarak sunulmuştur.