Özet:
Günümüz rekabet şartlarında otomotiv sektörünün değişen müşteri beklentilerine mümkün olan en kısa zamanda ve geniş ürün çeşitliliği sunarak karşılık verebilmesi gerekmektedir. Buna bağlı olarak ürün geliştirme süreçlerinin basit ve verimli hale getirilmesi ihtiyacı doğmuştur. Bu durum sektörün test ve prototip maliyetlerini düşürecek, iş gücü ve zaman ihtiyacını azaltacak teknolojilere olan ilgisini arttırmıştır. Yapısal dayanım testleri bu metotların uygulandığı süreçlerin başında gelmektedir. Bu çalışmanın amacı yapay sinir ağları (YSA) uygulamasını kullanarak aracın yapısal dayanım performansını etkileyen kritik yol yüklerini kolay, ucuz ve hızlı bir şekilde tespit edilmesine imkân vermektir. Çalışma kapsamında hafif ticari sınıfındaki bir araç ile test pistindeki farklı yollardan yol verisi toplanmıştır. Devam eden süreçte bu verilerin bir kısmı ile eğitilen ileri beslemeli çok katmanlı algılayıcı modeli kurulmuştur. Bu YSA modelinin daha önce görmediği yollar için ivme ve yer değiştirme gibi elde edilmesi kolay ve ucuz olan verileri kullanarak taşıta etki eden yol yüklerini öngörebilmesi amaçlanmıştır. Doğrusal, yanal ve dikey kuvvet eksenleri için tüm pistlerin ortalama Pearson çarpım-moment korelasyon katsayısı (R) değerleri sırasıyla 0,92 , 0,89 ve 0,95 olmuştur. Test pisti üzerinden ölçülen ve YSA modeli ile hesaplanan kuvvet verilerinin hasar etkileri potansiyel hasar yoğunluğu yöntemi ile karşılaştırılmıştır. Model çıktılarında yapısal dayanım testlerinde ve analizlerinde baskın etkiye sahip bileşen olan dikey eksenli kuvvet girdilerdeki (Fz) ortalama hata değeri %16,6 olarak hesaplanmıştır. Bu durum başta dikey eksenli kuvvet girdileri olmak üzere her üç eksen için de kabul edilebilir hata oranları içerisinde öngörüler yapılabildiğini göstermektedir. Bu çalışmada açıklanan yaklaşım sayesinde minimum veri kanalı kullanılarak müşteri kullanımını ifade edecek çok sayıdaki bilginin öngörülebileceği gösterilmiştir.