Tez No	İndirme	Tez Künye	Durumu
379548		Yapay zeka destekli sanal laboratuvar tasarımı: Çekme deneyi uygulaması / Artificial intelligence aided virtual laboratory design: Tensile test application Yazar:ALPER KİRAZ Danışman: PROF. DR. CEMALETTİN KUBAT Yer Bilgisi: Sakarya Üniversitesi / Fen Bilimleri Enstitüsü / Endüstri Mühendisliği Ana Bilim Dalı / Endüstri Mühendisliği Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Endüstri ve Endüstri Mühendisliği = Industrial and Industrial Engineering ; Metalurji Mühendisliği = Metallurgical Engineering Dizin:Lineer regresyon modelleri = ; Sanal laboratuvar = Virtual laboratory ; Uzaktan öğrenme = Distance learning ; Yapay sinir ağları = Artificial neural networks ; Çok ajanlı sistemler = Multiagent systems	Onaylandı Doktora Türkçe 2014 112 s.
Sanal laboratuvarlar, geleneksel laboratuvarların dezavantajları ve eksikliklerini ortadan kaldırarak öğrencilere istedikleri mekan ve zamanda bilişim teknolojileri ile bütünleşik bir şekilde deney ortamı sağlayan ve öğrenenlerin aktif olarak içinde bulunduğu öğrenme ortamlarıdır. Sanal laboratuvarlar, görsellik açısından uygun nitelikleri sağladığında, gerçek laboratuvarlar gibi kullanıcıların deney üzerinde parametre vb. değişikliklere giderek deney sonuçlarının değişimini gözlemleyebilme imkanı vermektedir. Bu çalışmanın amacı; bir sanal laboratuvar modeli tasarlayıp kullanıcıların platform üzerinden deneye ulaşmalarını sağlamak ve uygulamalı eğitim birimlerinde uzaktan eğitime zemin hazırlayan test ve deneylerin yapılabilirliğini göstermektir. Bu tez çalışmasında çekme testi laboratuvarında AISI (American Iron And Steel Institute) 4140 çekme testi numunesinin farklı hızlarda çekilerek elde edilen çekme kuvveti ve % uzama miktarları verilerinden yola çıkılarak, farklı çekme hızlarında % uzama miktarlarının tahmin edilebilirliği araştırılmıştır. Değişen çekme hızlarında elde edilen gerilme-uzama grafikleri incelendiğinde, lineer ve lineer olmayan iki bölümden oluştuğu gözlemlenmektedir. Farklı çekme hızlarındaki akma noktaları göz önünde bulundurularak birinci kısım, lineer regresyon modeli ile tahmin edilmiştir. Akma noktasından sonra başlayan lineer olmayan ikinci kısmın tahmin edilmesi için, dört farklı yapay sinir ağı modeli tasarlanmış ve bu modellerin tahmin performansları ölçülerek karşılaştırılmıştır. En iyi tahmin performansına sahip yapay sinir ağı modelinin ağırlıkları kullanılarak, model web ortamına aktarılmıştır. Kullanıcıların sanal ortamda deney yapabilmeleri, sanal çekme testi platformu tasarlanarak sağlanmıştır. Son olarak bu çalışmanın gelecek çalışmalara da yol göstermesi açısından, çok etmen tabanlı sistem yaklaşımı aracılığı ile geliştirilen ve önerilen kavramsal model hakkında bilgiler sunulmuştur.
Virtual laboratories are the learning medias which the users actively participate and which provides test capabilities in any desired time and place with integrated information systems by terminating disadvantages and deficiencies of conventional laboratories. Like physical laboratories, virtual laboratories when they provides convenient visual properties, allow the users to observe test results by manipulating parameters related to test. The purpose of this study is to provide to users the access to tests on the platform with the help of designing a virtual laboratory model and to proof the feasibility of these tests which provide a basis for distance education. In this study, by using the extension percentage and tension force data obtained from AISI 4140 tension test sample in various test speeds, the predictability of extension value in percentage with different test speeds was researched. When tension-extensions graphs related with test speed is inspected, they have linear and non-linear segments observed. By considering yield points with varying test speeds, first segment is predicted with the help of linear regression model. For prediction of the second segment, which is non-linear, after the yield point, four different artificial neural network models are designed and the performances of these models are compared. The optimum artificial neural network model which has the best prediction performance is carried to web media with its parameters. The virtual tension test platform is designed to provide users testing in virtual media. Finally, with the aspect of leading new studies in this subject, information about recommended cognitive model which is improved with multi agent driven system approach is presented.