TR-Dizin İndeksli Yayınlar Koleksiyonu

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12573/396

Browse

Browsing TR-Dizin İndeksli Yayınlar Koleksiyonu by Journal "Academic Platform - Journal of Engineering and Science"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • Thumbnail Image
    Article
    Kompozit Malzemelerin Tornalanması Esnasında Oluşan Kesme Kuvvetlerinin Optimizasyonu
    (2020) Salur, Emin; Gunes, Aydin; Aslan, Abdullah; Kuntoğlu, Mustafa; Şahin, Ömer Sinan; 01. Abdullah Gül University; 02.06. Makine Mühendisliği; 02. Mühendislik Fakültesi
    Kompozit malzemeler kullanılacağı yere göre tasarlanan ve üretilen malzemelerdir. Dolayısıyla kompozit malzemeler aynı üretim metodu kullanılarak kullanılacağı yere göre farklı üretim parametrelerinde üretilebilir. Farklı üretim parametrelerinde üretilen kompozit malzemeler farklı mekanik özelliklere sahip olacağı için bu durum kompozit malzemelerin işlenebilirlik özelliklerini etkiler. Bu sebeple kompozit malzemelerin işlenmesi esnasında oluşan kesme kuvvetlerinin tespit edilmesi ve optimizasyonu önem arz etmektedir. Bu kapsamda, 3 farklı üretim sıcaklığı (350, 400 ve 450˚C) ve basıncı (480, 640 ve 820 MPa) ile 4 farklı karışım oranında (ağ. %10, ağ. %20, ağ. %30, ağ. %40) üretilen dökme demir (GGG-40) takviyeli ve bronz matrisli (CuSn10) kompozit malzemelerin kuru kesme şartlarında tornalanması esnasında kesme kuvvetlerinin optimizasyonu gerçekleştirilmiştir. Tam faktöriyel tasarım prensibi ile 36 deney yapılmış ve üç eksende kesme kuvvetleri ölçümü alınarak bileşke kesme kuvveti hesabı yapılmıştır. Deneyler esnasında kesme şartları sabit tutulmuştur (kesme hızı=50 m/dak, ilerleme=0,128 mm/dev ve talaş derinliği=1 mm). Varyans analizi (ANOVA) neticesinde bileşke kesme kuvveti üzerine en çok etkisi olan parametrenin %80 katkı oranıyla birlikte üretim basıncı olduğu tespit edilmiştir.
  • Thumbnail Image
    Article
    Performance Analysis of Machine Learning and Bioinformatics Applications on High Performance Computing Systems
    (2020) Aydin, Zafer; 01. Abdullah Gül University; 02. 04. Bilgisayar Mühendisliği; 02. Mühendislik Fakültesi
    Nowadays, it is becoming increasingly important to use the most efficient and most suitable computational resources for algorithmic tools that extract meaningful information from big data and make smart decisions. In this paper, a comparative analysis is provided for performance measurements of various machine learning and bioinformatics software including scikit-learn, Tensorflow, WEKA, libSVM, ThunderSVM, GMTK, PSI-BLAST, and HHblits with big data applications on different high performance computer systems and workstations. The programs are executed in a wide range of conditions such as single-core central processing unit (CPU), multi-core CPU, and graphical processing unit (GPU) depending on the availability of implementation. The optimum number of CPU cores are obtained for selected software. It is found that the running times depend on many factors including the CPU/GPU version, available RAM, the number of CPU cores allocated, and the algorithm used. If parallel implementations are available for a given software, the best running times are typically obtained by GPU, followed by multi-core CPU, and single-core CPU. Though there is no best system that performs better than others in all applications studied, it is anticipated that the results obtained will help researchers and practitioners to select the most appropriate computational resources for their machine learning and bioinformatics projects.