EKSPONANSiYEL AGIRLIKLI PAR<;ACIK SURU ALGORiTMASI ile TORNALAMA i~lemlerinde KESME KO~ULLARININ OPTiMizASYONU

Transkript

1 Dumlupmar Universitesi Fen Bilimleri Enstitusu Dergisi Sayi 34, Haziran 2015 ISSN EKSPONANSiYEL AGIRLIKLI PAR<;ACIK SURU ALGORiTMASI ile TORNALAMA i~lemlerinde KESME KO~ULLARININ OPTiMizASYONU *Yasin CANT~l, Burhanettin DURMU~2 I Sakarya Universitesi, Teknoloji Fakultesi, Elektrik-Elektronik Muhendisligi, Sakarya, ycantas@sakalya_edu.tr 2Dumlupnlar Universitesi, Muhendislik Fakiiltesi, Elektrik-Elektronik Muhendisligi, Kutahya, bdurmus@dpu.edu.tt OZET Gelis Tarihi: Kabul Tarihi: Bu calrsmada.eksponansiyel Agirhkh Parcacik Sum Optirnizasyonu (e2 - PSO) algoritmasi tornalama islemlerinde kesme kosullannin optimizasyonu icin kullamlmisttr. Isleme parametrelerinden kesme hizr, ilerleme hizi, kaldmlacak talas derinligi, paso sayisi kullanilarak minumum mali yet hesabi gerceklestirilmistir. Kisitlamalarda takim omru, kesme kuvveti, guc, sicakhk, yuzey puriizliiltigii, kesme hizi, ilerleme ve kesme derinligi dikkate almrnistir. Elde edilen sonuclar literatiirdeki diger sonuclar ile karsilastmlmis ve ~ - PSO tabanh hesap lama ile maliyetin du~tiigu gorulmustur. Anahtar Kellmeler: Optimizasyon, parcactk siirii optimizasyonu, tornalama, optimum kesme kosullan. CUTTING CONDITIONS OPTIMIZATION OF TURNING OPERATIONS WITH EXPONENTIAL INERTIA IN PARTICLE SWARM OPTIMIZA non ABSTRACT In this study, Exponential Inertia Particle Swarm Optimization (e2 - PSO) method has been used for optimization of cutting conditions in turning operations. The optimum cost has been performed using processing parameters such as cutting speed, feed, depth of metal to be removed and number of passes. Tool life, cutting force, power, temperature, surface roughness, cutting speed, feed and cutting depth are considered in constraints. The obtained results have been compared to other methods in the literature. And the results show that ~ - PSO has decreased cost. Keywords: Optimization, particle swarm optimization, 1. ctats turning, optimum cutting conditions. CNC (Computer Numerical Control) makineler imalat sektorunde buyuk ilerlemeler getirmekte ve insan gucu gereksinimlerini azaltmaktadir. Ozellikle metal kesme ve islemenin biiyiik onem tasidig; cagimizda luzh, giivenilir ve verimli cozumler sunmaktadir. Zira malzemenin toplam isleme suresini ve top lam maliyeti eo aza indirmek ve karl en iist duzeye cikarmak ekonomik acidan onemlidir. Ilerleme hizi, kesme luzi ve kesme derinligi metal kesme siireclerinde dogrudan isleme maliyetini etkilemektedir. Parca isleme 111

2 Eksponansiyel Agirlikh Parcacik Suni Algoritmasi ile Tornalama Islemlerinde Kesme Kosullannm Optimizasyonu Yasin CANTAS, Burhanettin DURMUS kosullannm iyilestirilmesi amaciyla takim ureten firmalar tarafindan j~parcasi-takim kombinasyonlan icin onerilen ilerleme hizi, kesme hizi ve kesme derinligi gibi isleme parametreleri tablolan olusturulmaktadir. Bu tablolar genis bir aralikta oldugundan maliyet degiskenlik gostermektedir, Bu dezavantaji azaltmak icin matematiksel modeller kullanilarak isleme parametreleri belirlenmekte ve en uygun parametre degerleri belirlenmektedir [1]. Son yillarda cesitli optirnizasyon teknikleri tornalama islemlerine uygulanmaktadir. Shin ve Joo tornalama islemlerinde mali yet icin bir matematiksel model ifade etmisler ve optimizasyon icin dinamik programlama (DP) kullanrmslardir [1]. Chen ve Tsai, cok gecisli tomalama operasyonlanmn optimizasyonu icin tavlama benzetimi yaklasum (SA/PS) ile yapnnstir [2). Vijayakumar ve arkadaslan kannca koloni algoritmasuu (ACO) kullanarak cok gecisli tomalama operasyonlann optimizasyonunu yaprmslardir [3]. Chen ve Chen, gercek kodlu genetik algoritrna (FEGA) ile tornalama islernlerinde maliyet optimizasyonu yapnuslardir [19]. Chen tornalama islemlerinin optimizasyonunda dagimk arama yaklasurum kullanrmstir [4]. Sankar ve arkadaslan evrimsel hesaplama yontemi (MGA) ile tomalama islemlerinde parametre secimi yapmislardir [20]. Yildiz, tasanm ve iiretim problernlerinin yoziimu icin yeni bir optirnizasyon yaklasum gelistirmistir [5]. Srinivas ve arkadaslan cok gecisli operasyonlann minimum iiretim maliyeti icin parcacik stiru algoritmasi (PSO) kullanmistir [6). Xie ve Guo genetik algoritma (GA) tabanh bir yaklasnn kullanarak cok gecisli operasyonlarda parametre secimi yapmrslardir [7]. Y ildrz, yapay an kolonisine dayah bir yaklasimla tomalama islemlerinde kesme parametrelerini belirlemistir, baska bir calismada ise kesme parametrelerini belirlemek icin hibrid bir diferansiyel gelisim algoritmasi gelistirmistir [21,22]. Hrelja ve digerleri kesme kuvveti, yuzey piiriizliiliigu ve takrm omninu PSO kullanarak belirlemislerdir [23]. PSO, 1995 yilmda Dr. Kennedy ve Dr. Eberhart tarafindan gelistirilmis populasyon tabanh sezgisel bir optimizasyon algoritmasidir [8]. Kus ve bahk surulerinin sosyal davramslanndan esinlenilerek gelistirilen PSO, yapisal bir basitlige sahiptir ve az parametreye ihtiyac duyar. Cok degiskenli dogrusal olmayan problemlerin cozumunde diger optimizasyon algoritmalanna gore daha hizh, daha guvenilir ve daha az bellekte yer tutan cozumler iiretir [9]. Bu nedenle PSO bircok alanda uygulanmistir [10-16]. Sonraki yillarda ise PSO'nun cesitli surumleri gelistirilrnistir [17]. Bu surumlerden biri de Chen ve arkadaslan tarafmdan gelistirilen eksponansiyel agirlikh PSO dur [18]. Onerilen algoritrnada PSO nun temel parametrelerinden olan agtrlik vektorunun eksponensiyel bir sekilde degisimi gerceklenmistir, Bu sayede optimum cozume daha hizh bir yakmsama elde edilmistir. Bu cahsmada, (e2-pso) algoritmasi ile tornalarna islemlerindeki kesme kosullannm optumzasyonu gerceklenmistir. Belirlenen kisitlar altinda malzeme isleme parametrelerinin uygun degerleri hesaplanarak minimum maliyet amaclanrmsnr. Hesaplama sonuclan literatiirdeki sonuclarla karsilastmlnnsnr. Terminoloji Malzeme maliyeti haric birim iiretim maliyeti($/piece) Yukleme ve bosaltma islemeleri ve takim bosta zamamndan mali yet ($lpiece) Kesme mali yeti ($lpiece) Taknn yenileme maliyeti ($lpiece) Taknn maliyeti ($/Piece) dolayi makine bosta iken 112

3 Eksponansiyel Agirhkh Parcacik Suru Algoritmasi i1e Tomalama Islemlerinde Kesme Kosullanmn Optimizasyonu Yasin CANTA~, Burbanetrin DURMU~ a.,d s drl, d ru dsl, dsu d t D Ir,Is IrL,ITU IsL,Isu F r, F's Fu h 1, h2 k3 I k 4, ks k f ko kq k t L n p,q,r P T IPS P u QT' Qs Qu R Sc T tc i.,e, Tp TT' r. tv ti TLI Tu tm tmr,tms Vr,Vs V rl, V ru VsL,VsU X e a,p,y,c p,q,t,co k2' T, </>, 0 SR Her gecis icin kaba ve son pasoisleme kesme derinligi (mm) Kabaisleme kesme derinligi alt ve ust smirlan (mm) Son pasoisleme kesme derinligi alt ve ust smirlan (mm) Toplam kaldinlacak metalderinligi (mm) i~parcasmm capi (mm) Her gecis icin kaba ve son paso isleme ilerleme lnzi (mrn/rev) Kaba isleme ilerleme l11z1alt ve ust smirlar l(nun/rev) Son paso isleme ilerleme hizi alt ve ust sunrlan (rum/rev) Kaba ve son paso isleme boyunea kesme kuvvetleri (kg 1) Izin verilen maksimum kesme kuvveti (kg 1) Takim seyahat ve yaklasma/gidis siiresi ile ilgili sabitler (mm) Kaba ve son paso isleme parametre iliskileri sabitleri Takim-is parcasi kombinasyonu ile ilgili katsayi i~yilik maliyeti ($/min) Sicakhk denklemine iliskin katsayi Kesme kenan maliyeti ($lkenar) i~parcasmm uzunlugu (mm) Kaba gecis sayisi Takim omru denklemi ile ilgili sabitler Kaba ve son paso isleme sure since kesme giieii (kw) Izin verilen maksimum kesme giicii (kw) Kaba ve son paso isleme sirasmda sicakhklar ( 0 C) Izin verilen maksimum sicakhk ( 0 C) Kesiei takimm burun yancapi (rom) Sabit kesme bolgesinin suun Takim omru (min) Hazirhk suresi (yukleme ve bosaltma gibi)(min) Takim ahsverisi icin gerekli sure (min) ve takim degistirme siiresi (min) Kaba ve son paso isleme goz onune almdigmda takim omrii (min) Kaba ve son paso isleme icin takim omurleri (min) Bosta hareket siiresi(takrrn yaklasma ve uzaklasma gibi) (min) Toplam makine bosta kalma siiresi (min) Taknn omru alt ve ust smm (min) Kesme zamam (min) Kaba ve son paso isleme icin gercek isleme suresi (min) Kaba ve son paso isleme kesme luzlan (m/min) Kaba isleme icin kesme luzi alt ve iist smm (m/min) Son paso isleme icin kesme lnzi alt ve iist suun (m/min) lsleme parametrelerinin vektoru Tp icin agirhk, 0 < e < 1 Takim omru sabitleri p=l/a, q= p/a,veco=cl/a Talas-takim araytizii sicakhk ifadesi ile ilgili sabitler Izin verilen maksimum yuzey piiruzliiltigii (mm) 113

4 Eksponansiyel Agirhkh Parcacik Suru Algorinnasi ile Tornalama lslemlerinde Kesme Kosullanrun Optimizasyonu Yasin CANTA~, Burhanetrin DURMU~ il.,v Enerji verimliligi Kesme bolgesinin ifadesi ile ilgili sabitler Kesme kuvveti denklerninin sabitleri 2. <;OK GE<;i~Li TORNALAMADA MATEMATiKSEL MODEL 2.1. Amac Fonksiyonu Bu problemde amac, iiretim maliyetinin minimum olmasidir ve cok gecisli tomalama islemleri icin Shin ve Joo tarafmdan tanimlanan matematiksel formiilasyon kullarulacaktir [1). Birim uretim maliyeti (UC) makine bosta iken maliyet (C[), kesme maliyeti (C M ), takim yenileme maliyeti (C R ) ve takim maliyeti (C T ) toplammdan olusmaktadir Kesme mauyeti Tornalarna islerni cok gecisli kaba paso ve tek gecisli son paso sureclerinden olusur. Kesme maliyeti (C M ) asagidaki gibi ifade edilir: (1) Gercek isleme siiresi (tm) kaba paso isleme suresi (tmr) ve son paso isleme siiresinin (tms) toplammdan olusur: Kaba paso isleme suresi (TMr): (2) t ndl ndl (dt-ds) looovr!r looovr!,. dr Mr = n = (3) Son paso isleme suresi (tms): ndl looovs!s (4) Buradan, C - k [ ndl (dt-ds) + ndl] M - 0 looovr!r d,. 1000Vs!s (5) Makine bosta mauyeti Makine bosta siiresi mali yeti yiikleme ve bosaltma ve takim yaklasma ve uzaklasma siiresinden olusur [1]. (6) 114

5 Eksponansiyel Agirhkh Parcacik Suni Algoritmasi ile Tomalama Islemlerinde Kesme Kosullanmn Optimizasyonu Yasin CANTAS, Burhanettin DURMUS Bosta hareket suresi (tv) paso sayisi ve is parcasi uzunluguyla baglantihdir. Boylece, tv == (h1l + hz)(n + 1) == (h1l + hz) (dt;r ds + 1) (7) Makine bosta suresi maliyeti (C 1 ): (8) Takrm yenijeme maliyeti Isleme kosullan kaba paso ve son paso islemede farkh oldugu icin asinma oram degismektedir, Kaba paso taknn omru ('I;.), Son paso takim omru (Ts) ve top lam takim omru (Tp) asagidaki gibi ifade edilir: (9) (10) (11) Takim degistirme suresi (t r ), talam omru (Tp).takim alisverisi icin gerekli sure (t e ), kesme zamam (t m ) cinsinden asagidaki gibi yazilabilir: t tm e t: p (12) Takim yenileme maliyeti (C R ) : C - k t tm - k t - k ~ [ ndl (dt-d s ) + ndl] R- Oe - Or- 0 Tp Tp looovrfr dr looovsfs (13) Takim maliyeti Takim maliyeti C T ile ifade edilir: C - k tm _ kt [ ndl (dt-ds) + ndl] T - t Tp - Tp looovrfr dr looovsfs (14) Birim iiretim maliyeti Yukandaki ifadelere dayanarak birim uretim maliyeti (UC): 115

6 Eksponansiyel Agirhkh Parcacik Suru Algorinnasi ile Tornalama lslemlerinde Kesme Kosullanrun Optimizasyonu Yasin CANTA~, Burhanetrin DURMU~ = ko [ rrdl (dt-d s ) + rrdl] + ko [tc + (h1l + h 2 ) (dt~ds + 1)] 1000Vrfr dr looovsfs + k te [ rrdl (dt-ds) + rrdl] + kt [ rrdl (dt-ds) + o Tp looovrfr dr looovsts Tp looovrfr dr 2.2. Kesme Kosullart Krsitlamalarr rrdl ] looovsfs (17) 90k gecisli tornalama islemlerinin optimizasyonunda pratik kisitlamalann dikkate ahnmasi yeterlidir. Bu krsitlamalar asagida aciklanmistir: Kaba paso isleme Kesme derinligi (18) Ilerleme hizi IrL < Ir < Iru Kesme hizi V rl < 1'r < V ru Takim omru krsitlamasr Kesme kuvveti kisitlamast (19) (20) (21) (22) GUy kisitlamasi (23) Kesme bolgesi kisitlamasi (24) Talas-takun ara yiizii sicakhgi kisitlamasi (25) Son paso isleme Kesme derinligi Ilerleme 151. < Is s t; (26) (27) (28) Takim ornrii kisitlamasi Kesme kuvveti kisitlamasi (29) (30) Guy kisitlamasi Kesme bolgesi krsitlamasi (31) (32) Talas-takim arayuzii sicakhgi kisrtlamasi (33) Son paso yiizey kisitlamasr!l < SR 8R - u (34) 116

7 Sayi 34, Haziran 2015 Eksponansiyel Agirhkh Parcacik Suru Algorinnasi ile Tornalama lslemlerinde Kesme Kosullanrun Optimizasyonu Yasin CANTA~, Burhanetrin DURMU~ Parametre ili~kileri (35) (36) (37) (38) (39) Cizelge LKesme verileri. Simge Deger Simge Deger Simge Deger D 50mm L 300mm d t 6mm V ru 500 m/min V rl 50 rn/min fru 0.9 mm/rev hl 0.1 mmlrev d ru 3mm s: l mm Vsu 500 m/min VvL 50m/min Isu 0.9 mmlrev fsl 0.1 mmlrev d. u 3mm d sl lmm p 5 q_ 1.75 r 0.75 u 0.75 v ). 2 1: 0.4 v -1 cp 0.2 s R 1.2mm Co 6* 1011 hj 7*10-4 h2 0.3 TL 25 min te 0.75 min/piece te 1.5 minlpiece Pu 5 lew Tu 45 min Fu 200 kgf Sc 140 SRu 10 um Qu 1000 C ko 0.5 $/min k1 108 k2 132 k3 1 k4 2.5 ks 1 k, 2.5 $/edge 117

8 Sayi 34, Haziran 2015 Ekspooansiyel Agirlikh Parcacik Suni Algoritmasi ile Tornalama Islemlerinde Kesme Kosullannm Optimizasyonu Yasin CANTAS, Burhanettin DURMUS 3. PARc;ACIK SURU OPTiMiZASYONU PSO kus ve bahk surulerinden esinlenilerek gelistirilen popiilasyon tabanh bir ararna algoritmasidir [8]. Kuslar bir bolgede yiyecek aramak icin rastgele dagihrlar ve yiyecegin yerini bilmedikleri icin es zamanli olarak yon degistirirler. Sonra bilgi paylasum yaparak yiyecegin ve yiyecege en yakm kusun pozisyonu hakkinda bilgi sahibi olurlar, Boylece bu bilgilerle yiyecege ulasirlar.psft'da bu kuslara parcacik adi verilmektedir, Bu parcaciklann bir araya gelmesiyle siirii olusur, SiirUyii olusturan her bir parcacigm arama uzaymda rastgele degerler almasiyla arama islemi baslatihr. Arama may! boyunca her bir parcacik kendi kooumu ve hiznu optimum parcaciga gore ayarlar. Her iterasyooda siiriide 'pbest' ve 'gbest' olarak iki taoe eo iyi deger vardrr. Bir parcacigin elde ettigi eo iyi kendi degeri 'pbest' ve bu 'pbest' degerlerinin eo iyi degeride 'gbest' olarak adlandmhr. 'd' boyutlu arama uzaymda i. parcacigm kooumu ve hizi baslangicta sirasiyla xi = {Xil' Xi2,..., Xid} ve Vi = {Vil' Vi2,., Vid}.pbest (Pi}) ve gbest(9best) degerlerini bulduktan sonra hiz ve kooum asagidaki gibi gtmcellenir: (40) (41) t: iterasyon sayisi j = 1,2,..., d Burada W atalet agrrhgi, Vij i. parcacigm hizi, Cl ve C2 degerleri lnzlandtrma katsayilan ve r; ve r2 [0,1] arahgindauretilmis rastgele degerlerdirjv] Eksponansiyel Agtrhkh Parcacik Suru Optimizasyonu (ez-pso) Atalet agrrh~ degerinin (w) eksponansiyel olarak degismesiyle olusturulan PSO silriirmidiir. Atalet agrrhgl asagidaki gibi ifade edilir [18]: Burada,Wmin atalet agirhgmm baslangic degerini,wmax atalet agirhgimn bitis degerini, t mevcut iterasyon sayisim, maxiterisemaksimum iterasyoo sayisuu gosterir, Atalet agrrhgl iterasyonlar boyunca dogrusal bir azalma yerine ekspooeosiyel bir azahs gostermektedir. Bu strateji, algoritrnamn arama isleminin ilk safhalannda optimum coztim komsuluguna hizh bir yakmsama yapmasmi saglamaktadir. Sekil 1'de atalet agirhgmm dogrusal ve eksponansiyel azalma grafikleri gosterilmisrir. (42) 118

9 Eksponansiyel Agirlikh Parcacik Suni Algoritmasi ile Tornalama Islemlerinde Kesme Kosullannm Optimizasyonu Yasin CANTAS, Burhanettin DURMUS LPSO 0.B5 x e2-pso O.B 0.75 )( x.= 0.7 ;:: x os> )( -c 0.65 ]l x '" " ~ 0.6 x 0.55 x " x 0.5 " "" 0.45 x >< Xx x x)(x x Iterasyon Say,s, Sekil I, Atalet agirhklan degisimi. 4. SiMULASYON SONU<;LARI Bu cahsmada, tornalama islemlerinde minimum maliyet icin parametrelerin kestiriminde e2-pso tabanli optimizasyon hesabi gerceklestirilmistir. e2-pso tabanlr hesaplamaya ait akis diyagrami Sekil 1'de verilmistir. Deneysel hesaplamalar 30 bagimsiz calisnrma uzerinden gerceklenmistir, Sonuclara ait en iyi, en kohl, ortalama ve standart sapma degerleri Cizelge 2' de verilmistir, Problernin coziirnunde iterasyon sayisi = 100, wmax = 0.9, wmin=0.4, Cl = Cz = 2, parcacik sayisi = 20 almmistrr. Ortalama maliyet icin elde edilen optimum kesme kosullan ve yapilan cahsmalarda elde edilen kesme parametreleri Cizelge 3 'te verilmistir, 119

10 Sayi 34, Haziran 2015 Eksponansiyel Agirhkh Parcacik Suru Algorinnasi ile Tornalama lslemlerinde Kesme Kosullanrun Optimizasyonu Yasin CANTA~, Burhanetrin DURMU~, Baslangic '- ~ Popiilasyonu, lnzlan ve pozisyonlan rastgele olustur Her parcacigin uygunluk degerini hesapla pbest'i bul ve gbest'i hesapla,,. Hizlan ve pozisyonlan giincelle Her parcacigm uygunluk,. degerini hesapla pbest ve gbest'i giincelle,. Maksimum iterasyona ulasildmn? Hayrr - Evet.> Maliyeti ve degiskenleri yazdir.> / \. son $ekil 2.AkI~semasi. 120

11 DPl) Fen Bilimleri Dergisi Say) 34, Haziran 2015 Eksponansiyel Agirhkh Parcacik Suru Algoritmasi TIe Tornalama Islemlerinde Kesme Kosullannm Optimizasyonu Yasin CANTA$, Burhanettin DURMU$ Cizelge 2.e2-PSO simulasyon sonuclan, Algoritma En iyi maliyet Ortalama maliyet En kotii maliyet Standart sapma ez-pso 1.75 $ $ $ Cizelge 3.0ptimum kesme parametreleri, Kesme hizr (m/min) Jlerleme (mm/rev) Kesme derinligi (mm) Algoritma Kaba paso Son paso Kaba paso Son paso Kaba paso Son paso Vr Vs Ir Is dr ds e2-pso PSO[7] DP[I] 117.l Cizelge 3' de elde edilen kesme parametrelerinde pratik kisitlamalar dikkate ahnnusnr. Bu degerler pratikte uygulanabilen degerlerdir, Cizelge 4'te pratik kisitlar kullarularak elde edilen e2-pso sonuclan literatiirdeki diger sonuclarla birlikte verilmistir. Shin ve Joo'nun [1] yapmis oldugu matematiksel model kullarularak gerceklestirilen optimizasyon cahsmalan sonucunda en dusuk maliyeti ez-pso saglamaktadir. Cizelge 4. e2-pso ve literatiirdeki optimum maliyet degerleri, Al20ritmalar DP [1] SA/PS [2] FEGA [19] MGA [20] PSO [6] e2-pso Maliyet($) TARTI$MA Bu cahsmada, e2-pso ile cok gecisli tomalama islemlerinin mali yet optimizasyonu cahsilnustir. Kaba ve son paso islemede kesme lnzi, ilerleme hiz1, paso sayisi ve devir sayisi degiskenlerinin secimi minimum maliyeti elde edecek sekilde hesaplanrmstir. ez-pso sonuclan genetik algoritma.tavlama benzetimi algoritmasi, evrimsel hesaplama algoritmasi sonuclan ile karsilastinlrmsur. e2-pso cozumleri en uygun coziim olarak elde edilmistir. Bundan dolayi bircok kisitlamaya sahip frezeleme, delme, tornalama, raybalama vb. islemlerde optimum parametreleri belirlemek icin e2-pso kullamlabilir, Aynca daha fazla eksene sahip tezgahlarda minimum maliyet veya minimum uretim zamani icin de ez-pso kullamlarak kesme parametreleri belirlenebilir. 121

12 DPD Fen Bilimleri Dergisi Sayi 34, Haziran 2015 Eksponansiyel Agulikh Parcacik Suru Algoritmasi ile Tornalama Islemlerinde Kesme Kosullannm Optimizasyonu Yasin CANTA$, Burhanettin DURMU$ 5. KAYNAKLAR [1] Y.C. Shin, Y.S. Joo, "Optimization of machining conditions with practical constraints", International Journal of Production Research,30(12), (1992). [2]. M.C. Chen, D.M. Tsai, "A simulated annealing approach for optimization of multi-pass turning operations", International Journal of Production Research,34(1 0), (1996). [3] K Vijayakumar, G Prabhaharan, P Asokan, R Saravanan, "Optimization of multi-pass turning operations using ant colonysystem", International Journal of Machine Tools &Manufacture,43, (2003) [4] M.C. Chen, " Optimizing machining economics models of turning operations using the scatter search approach", Int J Prod Res,42(13), (2004) [5] A.R. Yildrz, "A novel hybrid immune algorithm for global optimization in design and manufacturing", Robotics and Computer-Integrated Manufacturing,25(2), (2009). [6] J. Srinivas, R. Giri, SH. Yang, "Optimization of multi-pass turning using particle swarm intelligence", Int J Adv ManufTechnol,40(1-2),56-66(2009). [7] S. Xie, Y. Guo, "Intelligent Selection of Machining Parameters in Multi-pass Turnings Using a GAbased Approach", Journal of Computational Information Systems, 7(5), (2011). [8] J. Kennedy, R. Eberhart, "Particle swarm optimization", Proc. IEEE International Conference on Neural Networks, Piscataway, NJ, (1995). [9] X. Hu, Y. Shi, R. Eberhart, "Recent advances in particle swarm", Evolutionary Computation, Portland, 90-97(2004). [10] K.E. Parsopoulos, M.N. Vrahatis, "Particle swarm optimization method for constrained optimization problems" In: Kvasnic'ka, V. et al. (Eds), Proceedings of the second Euro-Intemational Symposium on Computational Intelligence, Kosice, Slovakia, pp (2002). [II] T. Ray, K.M. Liew, "A swarm with an effective information sharing mechanism for unconstrained and constrained single objective optimisation problems", In: Kim, J.H. et a1. (Eds.), Proceedings of the 2001 Congress on Evolutionary Computation, IEEE Service Center, Piscataway, NJ, pp (2001). [12] Q. Shen, W.M. Shi, W. Kong, B.X. Ye, "A combination of modified particle swarm optimization algorithm and support vector machine for gene selection and tumor classification", Talanta, 71(4), (2007) [13] M. Clerc, J. Kennedy, "The particle swarm-explosion, stability, and convergence in a multi dimensional complex space", IEEE Transactions on Evolutionary Computation 6 (1), 58-73(2002). [14] R.A. Krohlingand, L. Dos Santos Coelho, "Coevolutionary particle swarm optimization using Gaussian distribution for solving constrained optimization problems", IEEE Trans. Syst., Man, Cybern. B, Cybern.,vol. 36, no. 6, pp , Dec

13 Eksponansiyel Agirlikh Parcacik Suni Algoritmasi ile Tornalama Islemlerinde Kesme Kosullannm Optimizasyonu Yasin CANTAS, Burhanettin DURMUS [15] N. Frankenand, A.P. Engelbrecht, "Particle swarm optimization approaches to coevolve strategies for the iterated prisoner's dilemma," IEEE Trans. Evo!. Comput.vot. 9, no. 6, pp , Dec [16] G. Ciuprina, D. loan, 1. Munteanu, "Use of intelligent-particle swarm optimization in electromagnetics" IEEE Trans. Magn., vol. 38, no. 2, pp , Mar [17] Y. Shi, R. Eberhart, "A modified particle swarm optimizer", Proceedings of the IEEE International Conference on Evolutionary Computation, Piscataway, 69-73(1998) [18] G. Chen, X. Huang, J. Jia, Z. Min, "Natural Exponential Inertia Weight Strategy in Particle Swarm Optimization", Proceedings of the 6th World Congress on Intelligent Control and Automation, Dalian, (2006) [19] M.C. Chen, K.Y. Chen, "Optimization of multi pass turning operations with genetic algorithms: a note", Int J Prod Res, 41, (2003). [20] R.S. Sankar, P. Asokan, R. Saravanan, S. Kumanan, G. Prabhaharan, "Selection of machining parameters for constrained machining problem using evolutionary computation", Int J Adv ManufTechnol, 32, (2007). [21] A.R. Yildiz, "Optimization of cutting parameters in multi-pass turning using artificial bee colony-based approach." Information Sciences 220, (2013). [22] A.R. Yildiz, "Hybrid Taguchi-differential evolution algorithm for optimization of multi-pass turning operations." Applied Soft Computing 13(3), (2013). [23] M. Hrelja, S. Klancnik, T. Irgolic, M. Paulic, Z..Turkovic, J. Balic, M. Brezocnik, "Particle swarm optimization approach for modelling a turning process", Advances in Production Engineering & Management, 9(1),21-30 (2014). 123

14 Eksponansiyel Agirlikh Parcacik Suni Algoritmasi ile Tornalama Islemlerinde Kesme Kosullannm Optimizasyonu Yasin CANTAS, Burhanettin DURMUS