Search

Ağaç malzemelerin yüzey pürüzlülüğü, nihaiürünlerin kalitesinin değerlendirilmesi açısından çok önemlidir. Bu nedenle buçalışmada, odun türü, bıçak sayısı, besleme hızı ve kesme derinliğinin planyalamaişleminde yüzey pürüzlülüğü üzerindeki etkisini modellemek için bir yapay sinirağı (YSA) modeli geliştirilmiştir. Farklı YSA modelleri oluşturulmuş vebunların performansı ortalama mutlak yüzde hata (MAPE), ortalama kareselhatanın karekökü (RMSE) ve determinasyon katsayısı (R2) kullanılarakdeğerlendirilmiştir. Önerilen modelin test safhasındaki MAPE, RMSE ve R2değerleri sırasıyla %7,27, 0,57 ve 0,903 olmuştur. Sonuç olarak YSA, planyalananodunun yüzey pürüzlülüğünü tahmin etmede etkili bir araçtır ve maliyetli vezaman alıcı araştırmalar yerine oldukça yararlıdır., The surface roughnessof wood materials is very important in terms of assessing the quality of finalproducts. Therefore, in this study, an artificial neural network (ANN) modelwas developed to model the effect of wood species, number of knives, feed rate,and cutting depth on surface roughness in the planing process. Different ANNmodels were created and the performance of them was evaluated using the meanabsolute percentage error (MAPE), the root mean square error (RMSE), and thecoefficient of determination (R²). The MAPE, RMSE, and R2 values inthe testing phase of the proposed model were 7.27%, 0.57, and 0.903,respectively. Consequently, ANN is an effective tool in predicting the surface roughnessof planed wood and quite useful instead of costly and time-consuminginvestigations.