Gürbüz, HüseyinBaday, ŞehmusBaşak, Hüdayim2021-11-192021-11-192015Gürbüz, H., Baday, Ş., Başak, H. (2015). Aşırı temperlenmiş AISI 1050 çeliğin tornalanmasında esas kesme kuvvetlerinin çoklu regresyon ile modellenmesi. 6.Ulusal Talaşlı İmalat Sempozyumu (UTİS 2015), 05-07 Kasım 2015, İstanbulhttps://hdl.handle.net/20.500.12402/4020Bu çalışmada, kuru kesme şartlarında tornalanmış ve aşırı temperlenmiş AISI 1050 çeliğinin esas kesme kuvvetlerini tahmin etmek için lineer, ikinci dereceden ve üstel regresyon modelleri oluşturulmuştur. Regresyon modellerinde kesme hızı, ilerleme, kesme derinliği ve ısıl işlem süreleri bağımsız değişkenler olarak seçilirken esas kesme kuvvetleri bağımlı değişken olarak seçilmiştir. Bağımlı değişkenin bağımsız değişkenler tarafından ne kadar etkilendiği belirlemek için ANOVA (varyans analizi) testi yapılmıştır. Ayrıca bağımlı değişkene en çok etki eden bağımsız değişkenin ilerleme hızı olduğu tespit edilmiştir. En küçük kareler yöntemi kullanılarak esas kesme kuvveti için elde edilen lineer, ikinci dereceden ve üstel modeller sırasıyla R2 = %94,7, R2 = %99,6 ve R2 = %99,2 elde edilmiştir. En küçük kareler yöntemine göre en iyi tahmin değeri ikinci dereceden regresyon modelinde elde edilmiştir.In this study, in order to estimate main cutting forces of AISI 1050 steel turned under dry cutting conditions and over-tempered, linear, second order and exponential regression models were made. While cutting speed, feed rate, and depth of cut and heat treatment time in regression models were selected as independent variables, main cutting forces were selelected as dependent variable. So as to determine how much dependent variable was affected by independent variables, ANOVA (variant anaylisis) was conducted. Also, it was established that the independent variables affecting dependent variable were feed rate. By using least square method, linear, second order, exponential models obtained for main cutting forces were R2 = %94,7, R2 = %99,6 ve R2 = %99,2, respectively. According to least square method, the best estimated value was obtained with second order regrassion model.trinfo:eu-repo/semantics/openAccessAttribution-NonCommercial-ShareAlike 3.0 United StatesAşırı TemperlemeEsas Kesme KuvvetleriÇoklu RegresyonANOVAOver-TemperingMain Cutting ForcesMultiple RegressionConference Object