Çimento Hammadde Sahasının Bulanık Sinir Ağı ile Modellenmesi

Transkript

1 Çukurova Ünverstes Mühendslk Mmarlık Fakültes Dergs, 3(4), ss. -30, Aralık 07 Çukurova Unversty Journal of the Faculty of Engneerng and Archtecture, 3(4), pp. -30, December 07 Çmento Hammadde Sahasının Bulanık Snr Ağı le Modellenmes Faruk ġahġn, Ahmet DAĞ *, Bayram Al MERT Çukurova Ünverstes, Mühendslk Mmarlık Fakültes, Maden Mühendslğ Bölümü, Adana Ġskenderun Teknk Ünverstes, Mühendslk ve Doğa Blmler Fakültes, Petrol ve Doğalgaz Mühendslğ Bölümü, Hatay Öz GelĢ tarh: Kabul tarh: Çmento üretmnde hammaddenn kmyasal kompozsyonu üretm Ģlemlern ve çmentonun kaltesn etkleyen öneml br faktördür. Kreç Doygunluk Faktörü (KDF) çmento sanaynde kullanılan kmyasal modüller arasında krtk olanıdır. Kmyasal bleģenler kullanılarak bu değern kestrlmes klnker üretm önces önem kazanmaktadır. Bu çalıģmada, özellkle mühendslk çalıģmalarında önem kazanan esnek hesaplama teknklernn çmento sektöründe kullanılablrlğ araģtırılmıģtır. Bu amaçla Adana Çmento hammadde sahası çn kreç doygunluk faktörü dağılımının tahmn bulanık snr ağları yöntem le gerçekleģtrlmģtr. Sonuç olarak, yapılan çalıģmalar baģarılı tahmnlern yapıldığını göstermģ ve çmento endüstrsnde esnek hesaplama teknkler güçlü ve esnek model yapılarının sağlanmasında uygun araçlar olarak değerlendrleblr. Anahtar Kelmeler: ANFIS, Esnek hesaplama, Kreç doygunluk faktörü Abstract Modellng of Cement Raw Materal Ste usng Fuzzy Neural Network The chemcal composton of raw materals s an mportant factor that affects the producton process and the qualty of cement. Lme Saturaton Factor (KDF) s one of the crtcal used n the cement ndustry between chemcal modules. Predcton of ths value usng chemcal components s ganng mportance n pre clnker producton. In ths study, t s nvestgated that usage of soft computng technques whch have been popular partcularly n engneerng works. For ths purpose, the predcton of lme saturaton factor dstrbutons of Adana Cement raw materal ste by means of fuzzy-neural network technques has been conducted. As a consequence, the studes showed that the predctons are successful for the raw materals ste and t could be accepted that soft computng technques are convenent tools for obtanng robust and flexble model structures. Keywords: ANFIS, Soft computng, Lme saturaton factor * Sorumlu yazar (Correspondng author): Ahmet DAĞ, ahmdag@cu.edu.tr Ç.Ü. Müh. Mm. Fak. Dergs, 3(4), Aralık 07

2 Çmento Hammadde Sahasının Bulanık Snr Ağı le Modellenmes. GĠRĠġ Günümüzde çmento endüstrs gerek üretm kapastes, gerek ürün kaltes açısından öneml gelģmeler göstermektedr. Ürün kaltes belrleme sürecnde kalte kontrol, standartlaģma ve hammadde hazırlama sektörün üretm faalyetlernn öneml br parçası halne gelmģtr. Hammadde hazırlamanın ana amacı uygun kmyasal öğelere sahp homojen br ham karıģım üretmektr. Eğer hammadde ocağının kalte oranlarının ortalama değerler öneml farklılıklar göstermyorsa malzemenn homojen olduğu söyleneblr. Ġstenlen ürün kaltes hammaddenn ocaktan çıkarılmasından, ürünün paketlenmes aģamasına kadar bütünsel br denetm planının hazırlanmasıyla baģarılablr []. Genelde amaç, mümkün olduğu kadar yüksek C 3 S çerkl br klnker üretmektr. Bu, mevcut malzemenn toplam kompozsyonuna ve Ģletme koģullarına bağlı olan br husustur. Bu potansyel kreç doygunluk faktörü cnsnden fade edlr. KST =,8SO 00CaO,8Al O 0,65Fe 3 O3 () Hammadde karıģımının en öneml bleģen olan CaO mktarının çok dkkatle hesaplanması önem arz etmektedr []. Çmento hammadde sahasının kalte dağılımının blnmes de hammadde homojenlğnn sağlanması açısından önemldr. Hammadde sahasındak formasyonlara at kalte değerlernn kestrm hem optmum üretm planlaması le harmanlama hem de yatırımların planlanmasında büyük olanaklar sağlayacaktır. Son yıllarda, esnek hesaplama ve yapay zeka teknklernde k hızlı gelģmeler çeģtl hesaplama teknklernn (bulanık mantık, snr ağları gb) madenclkte de kestrm amaçlı uygulama alanı bulmasını sağlamıģtır [3-5]. Çmento sektöründe se gerek fabrka ölçeğnde ve gerekse de saha ölçeğnde kestrme dayalı çalıģmalar yapılmıģtır. Bu çalıģmalarda blane (serbest yüzey) ve kmyasal çerkler, regresyon ve ler yöntemlerle kestrlmģtr [6-8]. Bu çalıģmada, Adana Çmento hammadde sahasına at sondaj blglernden öneml br hammadde parametres olan Kreç Doygunluk Faktörü (KDF) esnek hesaplama yöntemlernden bulanık snr ağları modelleme algortması le kestrlmģ ve sonuçlar değerlendrlmģtr. Esnek modellemeye olanak tanıyan bulanık mantık teorsnn yapay snr ağlarına adaptasyonun, öğrenmeye dayalı br model yapısıyla baģarılı sonuçlar elde edlmesn sağlamaktadır.. ÇALIġMA ALANI Çmento hammadde sahası kalte dağılımının belrlenmes çn Adana Çmento Sanay T.A.ġ ye at hammadde sahasının sondaj blgler kullanılmıģtır. Fabrka ve hammadde ocak sahası Adana-Ceyhan Karayolu. km Ġncrlk mevknde olup, klnker üretm üntesyle aynı saha çersnde yer almaktadır (ġekl ). 3. METOD Bulanık Snr Ağları yaklaģımı, yapay snr ağlarının öğrenme yeteneğ, en uygunu bulma ve bağlantı yapılar gb, özellkleryle bulanık mantığın nsan gb karar verme ve uzman blgs sağlama kolaylığı gb üstünlüklernn brleģtrlmes temelne dayanmaktadır. Bu yolla, bulanık denetm sstemlerne, snr ağlarının öğrenme ve hesaplama gücü verleblrken, snr ağlarına da bulanık denetmn nsan gb karar verme ve uzman blgs sağlama yeteneğ kazandırılmaktadır. Bulanık Snr Ağlarının asıl amacı, snrsel bulanık denetm sstemlernn yapısını, değģkenlern ayarlamak çn snr ağları öğrenme teknklern uygulamaktır. Bulanık mantık denetleyclerde yapısal ve değģken ayarlama olmak üzere k öneml ayarlama gerekr [9-0]. Hammadde sahası Kreç Doygunluk Faktörü dağılımının modellenmesnde son yıllarda yoğun olarak kullanılan ve güçlü br sstem olan ANFIS (Adaptve Neuro Fuzzy Inference System) snrsel bulanık çıkarım sstem kullanılmıģtır. Ç.Ü. Müh. Mm. Fak. Dergs, 3(4), Aralık 07

3 Faruk ġahġn, Ahmet DAĞ, Bayram Al MERT ġekl. ÇalıĢma alanı yer bulduru hartası Ç.Ü. Müh. Mm. Fak. Dergs, 3(4), Aralık 07 3

4 Çmento Hammadde Sahasının Bulanık Snr Ağı le Modellenmes 3.. Uyarlamalı Ağ Esaslı Bulanık Çıkarım Sstem (ANFIS) Bulanık çıkarım sstemler ve çok katmanlı yöntemler uyarlamalı ağların genel hesaplama çalıģmalarının örneklerdr. Her k örnekte uyarlamalı ağın gerye yayılma öğrenme yeteneğn almıģtır. ANFIS uyarlamalı ağların, Ģlevsel olarak bulanık çıkarım sstemne eģdeğer olan br sınıfıdır. TSK se Sugeno bulanık model veya Takag, Sugeno, Kang bulanık mantık model anlamında kullanılmaktadır. Aynı Ģeklde karma snr ağları olarak da blnmektedr. Aslında bulanık çıkarım sstem çok katmanlı yöntemlere göre daha kuvvetldr. Örnek olarak ANFIS denetleyclern bazı öneml özellkler tanımlanablr.. Öğrenme yeteneğ,. Paralel Ģlem, 3. YapılandırılmıĢ blg temsl, 4. Dğer denetm tasarım yöntemler le bütünleģme Çok katmanlı yöntemler. ve. özellklere sahptr ama 3. ve 4. özellklere sahp değldr. ANFIS n yapısındak bulanık çıkarım sstemnn mmarsnn kolaylıkla anlaģılablmes çn x ve y olmak üzere k grģ ve f gb br çıkıģı olduğu kabul edlrse, Brnc Derece Sugeno bulanık model çn k bulanık EĞER-O HALDE kuralı EĢtlk () dek gb olur []. Kural : EĞER x=a ve y=b se O HALDE f =p x+q y+r Kural : EĞER x=a ve y=b se O HALDE f =p x+q y+r () EĢtlkler =, çn, x ve y grģ değģklklern, f j çıkıģ değģkenn, A ve B bulanık kümler p, q, r R olmak üzere sonuç değģkenlerdr. ġekl de k grģl ve k kurallı Sugeno tp bulanık çıkarım yöntem verlmģtr [] ANFIS Mmars ġekl 3 de k grģl ve k kurallı Sugeno tp bulanık çıkarım yöntemne eģdeğer olan ANFIS mmars görülmektedr. ANFIS mmars çersndek, her katmana at bağlantı Ģlevler ve katmanların Ģlevler sırasıyla aģağıda verlmģtr [3].. : bu kademedek her bağlantı grģ snyallernn dğer katmanlara aktarıldığı grģ bağlantılarıdır. Bu bağlantıda herhang br toplam ya da etknlk Ģlev kullanılmamaktadır.. : bu katmandak her br bağlantı A ve B gb br bulanık kümey fade eder. Bu katmandak bağlantıların çıkıģı grģ örneklerne ve kullanılan üyelk Ģlevne bağlı olan üyelk derecelerdr. Bu bağlantılardan elde edlen üyelk dereceler veya bağlantı çıkıģları (3) eģtlğndek gbdr. o A( x) =,.n (3) o ( y) B (4) eģtlğnde görüldüğü gb k farklı bağlantı çıkıģı yazılmıģtır. Bunun neden ağın x ve y gb k faklı grģe sahp olmasıdır. Bu katmanda her k grģ çn toplam 4 bağlantı vardır. Her bağlantıda üyelk Ģlev olarak en çoğu ve en azı 0 olan çan eğrs üyelk Ģlevler kullanılır ve sonuç Ģlev (5) eģtlğnde verlmģtr. A ( x) (4) x m x m A ( x) exp (5) Burada ve çan eğrs Ģekll üyelk Ģlevnn sırasıyla orta noktasını ve standart sapmasını gösterr. Bu değģkenler ağ eğtlrken ayarlanır. 4 Ç.Ü. Müh. Mm. Fak. Dergs, 3(4), Aralık 07

5 Faruk ġahġn, Ahmet DAĞ, Bayram Al MERT A B µ X Y A B µ x X y Y ġekl. Ġk grģl ve k kurallı Sugeno tp bulanık çıkarım [] x A A µ w N x y f y B N B ġekl 3. Ġk grģl ve k kurallı Sugeno tp bulanık çıkarıma eģdeğer ANFIS mmars [3] 3. : Bu katmandak her bağlantı, П le etketlenmģtr ve gren tüm Ģaretlern çarpımını gösterr. Bağlantı çıkıģı (6) eģtlğndek gb fade edleblr. o 3 ( x) ( y) ;,,... n (6) A Ġ B Her br bağlantının çıkıģı br kuralın tetkleme sevyesn temsl eder genelleģtrlmģ bulanık VE y yerne getren t-norm operatörlerden herhang br, bu katmandak bağlantılar çn bağlantı Ģlev olarak kullanılablr. 4. : Bu katmandak her bağlantı N le etketlenmģtr ve br kuralın normalleģtrlmģ tetkleme sevyes hesaplanır. Bu (7) eģtlğnde görüldüğü gb. bağlantı çn,. kurala at tetkleme kuvvetnn tüm kuralların tetkleme kuvvetlernn toplamına oranını bulur. Yan. kurala at tetkleme kuvvet normalze edlr. Ç.Ü. Müh. Mm. Fak. Dergs, 3(4), Aralık 07 5

6 Çmento Hammadde Sahasının Bulanık Snr Ağı le Modellenmes 4 o,,... n (7) 5. : Bu katmandak her bağlantı, bağlantı Ģlev le uyarlamalı br bağlantıdır. Her bağlantı sonuç ağırlıkları değerlern hesaplar. Bağlantı çıkıģ Ģlev (8) eģtlğndek gb yazılablr. o 5 f ( p x q y r ) (8) Burada µ 4. ın çıkıģıdır ve normalleģtrlmģ tetkleme sevyesdr ve p, q, r ayarlanablmes çn gerekl olan, ayar değģken kümesdr. Bu katmandak değģkenler sonuç değģkenlere karģılık gelr. 6. : Bu katmanda sadece br bağlantı vardır ve Σ le etketlenmģtr. Burada, 5. çıkıģından alınan snyaller toplanır ve elde edlen sonuç sstemn gerçek çıkıģı f değern verr. Ağın gerçek çıkıģı (9) eģtlğnde verlmģtr. f 6 (9) o f f Böylece Sugeno bulanık çıkarım modelne Ģlevsel olarak eģdeğer olan, örnek ANFIS yapısı tanımlanmıģtır. Ağın yapısı tamamen sabt değldr. Ağın oluģturulması ve bağlantı Ģlevlernn görevlerne göre ayrılması, her katmandak her br bağlantının sağladıklarına ve modüler Ģlevsellğne göre keyf olarak seçleblr. Bütün sonuç değģkenler br vektör olarak p,q,r,p,q,r T Ģeklnde düzenlenr ve (0) eģtlğndek eģtlk le gösterleblr. r p q f μ μxμyμμxμy (0) r p q Sonuç ve üyelk Ģlevlerne at değģkenlern ayarlanmasında ger yayılımlı öğrenme algortması kullanılablr. ġekl 4 te verlen ANFIS çn gerekl eğtm algortması aģağıda verlmģtr ANFIS çn Ger Yayılımlı Öğrenme Algortması ANFIS sstemnn parametrelern belrlemek çn ger yayılımlı br öğrenme algortması kullanılır. Ağ parametrelernn optmzasyonu çn ger yayılımlı öğrenme algortması eğm düģüm (gradent descent) ve en küçük kareler (least square) teknklern kullanır. Önerlen bu yaklaģımda, sstemn çıktıları (f) EĢtlk () de verlmģtr [4]. f f f f f ( y) q ( ) r ( x) p ( y) q ( ) r ( x) p () Ger yayılımlı öğrenmeye dayalı çalıģmalar hızlı ve etkn çözümleme yapıldığını göstermektedr. Anfs bu çözümü doğrusal sstem çıktısıyla ortaya koymaktadır [5]. 4. UYGULAMA 4.. Hammadde Verlernn Değerlendrlmes Hammadde sahasının dağılımının modellenmes çn gerekl olan Kreç Doygunluk Faktörü (KDF) verler, daha önce sahada yapılmıģ olan 39 adet sondaja at blglernden elde edlmģtr. Sondajların kestğ formasyonlara at kmyasal analzlerden her br sondaj lokasyonuna at KDF değerler ağırlıklı ortalamaları alınarak belrlenmģtr. Bu Ģeklde elde edlen hammadde sahasına at KDF kalte parametres tanımlayıcı statstk blgler Çzelge de belrtlmģtr. 4.. Hammadde Sahasının Modellenmes Hammadde hazırlama önces sahadak dağılımın blnmesnde önem taģıyan öneml parametrelerden br olan Kreç Doygunluk Faktörünün (KDF) 6 Ç.Ü. Müh. Mm. Fak. Dergs, 3(4), Aralık 07

7 Faruk ġahġn, Ahmet DAĞ, Bayram Al MERT kestrm çn k grģl (Doğu, Kuzey) br sstem kullanılmıģtır. Sstem yatağın yapısına bağlı olarak belrlenen kümeye eģdeğer sayıda k kural kullanmaktadır. Dlsel değģkenler çn Çan eğrs (bell-shaped) üyelk fonksyonun uygun olduğu değerlendrlmģtr. Modelde kullanılan baģlangıç ve uyarlanmıģ üyelk fonksyonları ġekl 4-7 de gösterlmektedr. Çzelge. Hammadde sahası KDF parametres statstksel blgler Parametre Değer Ortalama 8,7 Standart Hata 9,7 Ortanca 68,76 Standart Sapma 3,09 Örnek Varyans 550,45 Basıklık,57 Çarpıklık,47 Aralık 56,9 En Küçük,85 En Büyük 584,77 Ver Sayısı 39 DeğĢm Katsayısı 0,68 ġekl 5. Kuzey parametres çn baģlangıç grd üyelk fonksyonları ġekl 6. Doğu parametres çn uyarlanmıģ üyelk fonksyonları ġekl 4. Doğu parametres çn baģlangıç grd üyelk fonksyonları ġekl 7. Kuzey parametres çn uyarlanmıģ üyelk fonksyonları Ç.Ü. Müh. Mm. Fak. Dergs, 3(4), Aralık 07 7

8 KST (Tahmn) Çmento Hammadde Sahasının Bulanık Snr Ağı le Modellenmes Kullanılan snrsel bulanık çıkarım sstemnn performansının değerlendrlmes çn ölçülen model verler grd olarak kullanılıp KDF değerler kestrlmģtr. Ölçülen ve kestrlen değerler çapraz doğrulama le ncelendğnde korelasyon katsayısının (r), 0,77 olduğu görülmüģtür (ġekl 8) : Hammadde sahasında kullanılan sondajları da çersne alan Doğu (77770; 78760) ve Kuzey (409330; ) koordnatları le tanımlanmıģ br sektördek KDF değerler kestrlmģ ve elde edlen verler le sahanın KDF dağılım hartası ġekl 9 da verlmģtr r = KST (Ölçülen) ġekl 8. KDF performansı çn çapraz doğrulama grafğ ġekl 9. Hammadde sahası KDF dağılım hartası 8 Ç.Ü. Müh. Mm. Fak. Dergs, 3(4), Aralık 07

9 Faruk ġahġn, Ahmet DAĞ, Bayram Al MERT 5. SONUÇLAR VE ÖNERĠLER Bu çalıģma le son yıllarda yerblmlernde yaygın kullanım özellğ kazanan esnek hesaplama yaklaģımlarından br olan bulanık snr ağları esaslı model yapısıyla çalıģmalar yapılmıģtır. Model yapısı doğrudan ver sürümlü (data drven) karaktere sahp olup uyarlamalı yapısıyla sstem optmzasyonunu baģarıyla yapmaktadır. Çmento hammadde uygulama sahası çn Kreç Doygunluk Faktörü (KDF) kestrmnden elde edlen sonuçlar baģarı model yapılarına Ģaret etmektedr (r=0,77). Geçerl model yardımıyla kestrlen KDF değerlernden elde edlen harta sektördek hammaddenn kalte dağılımını göstermektedr. Bu çalıģmada kullanılan bulanık snr ağlarıyla modelleme uygulanablr br yöntem olarak belrlenmesne karģın modelleme aģamalarında (özellkle kuralların oluģturulmasında) daha dkkatl olunması ve model yapısının uzmanlarca oluģturulması gerekmektedr. Ayrıca, kullanılan kestrm teknğ dğer hammadde parametrelern (SIM, ALM, Alkal, Blane gb) ve çmento parametrelernn değerlendrlmesnde de kullanılablecektr. Özellkle çmento kalte kontrol aģamalarında esnek modelnn kullanılmasının yararlı sonuçlar verebleceğ öngörüleblr. 6. KAYNAKLAR. ġahn, F., 009. Çmento Hammadde ve Üretm Sürecnde Esnek Hesaplama Yöntemlernn Kullanımı. Yüksek Lsans Tez, Çukurova Ünv. Fen Blmler Ensttüsü, Adana, 5.. Yalnız, H., 006. Çmento Sanay Hammadde Ocağı Üretm Planlaması. Doktora Tez, Dokuz Eylül Ünv. Fenblmler Ensttüsü, Ġzmr, Pahm, T.D., 997. Grade Estmaton usng Fuzzy-Set Algorthrns. Mathematcal Geology, 9, Bardossy, G., Fodor, J., 004. Evaluaton of Uncertantes and Rsks n Geology. Sprnger,. 5. Tütmez, B., Dag, A., 007. Use of Fuzzy Logc n Lgnte Inventory Estmaton. Energy Sources Part B,, Tutmez, B. 05. A Data-drven Study for Evaluatng Fneness of Cement by Varous Predctors, Int. J. Mach. Learn. & Cyber., 6, Tutmez, B., Dag, A., 0. Regresson-based Algorthms for Explorng the Relatonshps n a Cement Raw Materal Quarry, Computers and Concrete, 0, 5, Özdemr, A.C., Dağ, A., 07. Çmento Sektöründe Basınç Dayanımının Esnek Hesaplama Yöntemler le Modellenmes, nd Internatonal Medterranean Scence and Engneerng Congress, Adana, Karay, F.O., De Slva, C., 004. Soft Computng and Intellgent Systems Desgn: Theory, Tools and Applcatons, Pearson Addson Wesley, England. 0. Buckley, J.J., Hayash, Y., 995. Neural Networks for Fuzzy Systems, Fuzzy Sets and Systems, 7, Takag, H., Sugeno, M., 983. Dervaton of Fuzzy Control Rules from Human Operator s Control Actons, Proceedngs of IFAC Symposum on Fuzzy Informaton, Knowledge Representaton and Decson Analyss, Takag, T., Sugeno, M., 985. Fuzzy Identfcaton of Systems and ts Applcatons to Modellng and Control. IEEE Transactons on Systems, Man, and Cybernetcs, 5, Tütmez, B., Hatpoğlu, Z., Kaymak, U., 006. Modelng Electrcal Conductvty of Groundwater usng an Adaptve Neuro-Fuzzy Inference System. Computer&Geoscences 3 (4), Jang, J., 993. ANFIS: Adaptve Network- Based Fuzzy Inference System. IEEE Transacton on Systems, Man and Cybernetcs 3, Vahd, E.K., Malekabad, M.M., Rezae, A., Roshan, M.M. 07. Modellng of Mechancal Propertes of Roller Compacted Concrete Contanng RHA usng ANFIS. Computers and Concrete 9(4), Ç.Ü. Müh. Mm. Fak. Dergs, 3(4), Aralık 07 9

10 Çmento Hammadde Sahasının Bulanık Snr Ağı le Modellenmes 30 Ç.Ü. Müh. Mm. Fak. Dergs, 3(4), Aralık 07