Akımsız nikel esaslı alaşım kaplamalarda en iyi kaplama özelliklerini sağlayan banyo parametrelerinin yapay zeka yöntemleri ile tersine optimizasyonu

Akımsız nikel kaplamalar, nikelin bir yüzey üzerine elektrokimyasal olarak bir kaplama oluşturulmasını ifade eden bir kaplama yöntemidir. Akımsız nikel kaplamada, elektrokimyasal bir işlem kullanarak nikelin bir yüzey üzerine bir kaplama tabakası oluşturulması esas alınmıştır. Bu işlemde elektrik akımı kullanılarak metal iyonları, bir katot yüzeyine çekilir ve orada nikel tabakası olarak çökeltilir. Bu kaplama teknolojisi, geleneksel elektroliz yöntemlerine göre çeşitli avantajlar sunmaktadır. Akımsız nikel kaplamada, yüzeyde homojen ve eşit dağılımlı bir kaplama sağladığı için diğer kaplama yöntemlerine nazaran daha düzgün bir görünüm elde etmeyi mümkün kılar. Ayrıca bu kaplama yönteminde, kaplama kalınlığı hassas bir şekilde kontrol edilebilmektedir. Böylece istenilen özelliklere ve değer aralıklarına uygunluk artırılabilmektedir. Geleneksel elektroliz yöntemleriyle kıyaslandığında, akımsız nikel kaplamalar daha karmaşık ve yüzey fiziksel özelliklerinin daha girinti çıkıntılı olduğu banyo kaplamalarında daha etkili olabilmektedir. Yüzeylerin korozyona karşı direncini ve aynı zamanda dayanıklılıklarını artırarak aşınma ve çizilmelere karşı koruma sağlar. Akımsız nikel kaplamalar, endüstriyel uygulamalarda yüzey koruma, estetik ve dayanıklılık açısından tercih edilen bir kaplama yöntemi olarak öne çıkmaktadır. Bu yöntem, geniş bir endüstri yelpazesinde kullanılan çeşitli parçalarda başarılı bir şekilde uygulanabilir. Örneğin, otomotiv parçalarında kullanılması neticesinde özellikle sertlik, korozyon direnci ve estetik açıdan tercih edilmektedir. Yine elektronik parçalarda, özellikle konektörlerde ve devre kartlarında kullanılır. Parçalar üzerinde elektrik iletkenliği ve korozyon direnci sağlamaktadır. Diğer bir kullanım alanı olarak endüstriyel makinelerde kullanılan parçalarda aşınma direnci ve uzun ömürlülük için akımsız nikel kaplama yöntemi tercih edilmektedir. Akımsız kaplamalarda banyo parametreleri, istenilen sertlik, kalınlık, korozyon direnci, vb. özellikleri elde etmede kullanılan girdi değişkenlerini ifade etmektedir. Yapılacak olan kaplamanın çeşidine göre, ısı, süre, indirgeyici, aktivasyonu sağlayan toz çeşitleri ve miktarlarını ifade etmektedir. Parametre optimizasyonunda çok farklı yöntemler kullanılabileceği gibi, günümüzde yaygın hale gelen ve yüksek doğruluk oranlarına sahip makine öğrenmesi yöntemlerini içeren yapay zekâ teknikleri de başarı ile uygulanmaktadır. Yapılan bu çalışmada, veri elde edilmesi, ulaşılacak sonuçların gerçek hayatta elde edilen sonuçlar ile karşılaştırılması için bir dizi kaplama deneyleri yapılmıştır. Bu deneylerin sayısı, hangi parametrelerin kullanılacağı, herhangi bir parametrenin hangi seviyesinin deneyde yer alması gerektiğini önceden belirlemek amaçlı Taguchi deneysel tasarım yöntemi kullanılmıştır. Elde edilen deney sonuçlarını bilgisayar ortamına aktarmak ve gelecekte yeni verilerin oluşturulabilmesi aşamasında Yapay Sinir Ağları kullanılmıştır. Yapay Sinir Ağları, insan sinir sisteminden esinlenilmiş bir makine öğrenmesi yöntemidir. Girdi, çıktı ve ara (gizli) katmanlardan oluşan bir yapıya sahiptir. Ortaya koyduğu sonuçların gerçek deney sonuçlarıyla arasındaki hatayı minimize etmeye çalışmaktadır. Çalışmanın amacı hedeflenen kaplama özelliklerine dayalı banyo türü ve parametrelerinin belirlenmesi olduğu için, ikinci aşamada Genetik Algoritmalar yöntemi kullanılmıştır. Böylece bir nevi sonuçtan hedefe ulaşmak için kromozom yapısını taklit eden ve çaprazlama oranı, mutasyon özellikleri ile optimizasyonu sağlayan teknikten faydalanılmıştır. Çalışmamızda laboratuvar ortamında hazırladığımız banyo setleri ve kaplama numunelerinin istenilen çıktı özelliklerine göre elde edilmiş değerleri, bilgisayar tarafından elde edilmiş değerlerle karşılaştırılmıştır. Laboratuvarda deneyler 3'er kez tekrarlanarak daha kararlı değerlerin elde edilmesi hedeflenmiştir. Daha önce yapılmış olan çalışmalarda veya sanayi ortamında banyo parametrelerinin sonuçlarına göre sertlik, korozyon, aşınma gibi çıktı özellikleri değişkenlik göstermektedir. Yapılan bu çalışmanın özgün değeri olarak değerlendirdiğimiz kullanıcının nihai olarak elde etmek istediği çıktı özelliklerine ulaşmak için hangi banyo türü ve hangi bileşenlerin olması gerektiği hakkında çıkarım yapmasına olanak sağlamaktadır. Çalışma sonucunda elde edilen değerler incelendiğinde, geliştirilen modelin sonuçlar ile laboratuvar deneylerinin sonuçları arasındaki hata oranlarının, özellikle MAD, MAPE, MSE, RMSE vb. hesaplama yöntemleri ile elde edilen değerlerin kabul edilebilir sınırlar dahilinde olduğu gözlemlenmiştir. Örneğin MAPE için değerin %10 ve altında değerlerde olduğu sonucuna varılmıştır.