Cilt 18 Sayı 1 by SAUJS

Sakarya Üniversitesi Fen Bilimleri Enstitüsü Dergisi Sakarya University Journal of Science Bu dergi Nisan, Ağustos ve Aralık aylarında olmak üzere yılda 3 defa yayımlanan hakemli bir dergidir. Tarandığı indexler (Index) Directory of Research Journal Index (DRJI) Google Scholar Doğuş Üniversitesi MVT Arastirmax Yazı İşleri Müdürü / Editorial Director Sekreterya / Secretery Arzu ERSÜZ Caner ERDEN aersuz@sakarya.edu.tr

cerden@sakarya.edu.tr

Teknik Sorumlu / Technical Assistants Mehmet Ali YAR myar@sakarya.edu.tr

İnternet Sorumlusu / Webmaster Sümeyye ŞEN sumeyye@sakarya.edu.tr

Yazışma Adresi / Contact Address saujs@sakarya.edu.tr, Sakarya Üniversitesi, Fen Bilimleri Enstitüsü, 54187, Esentepe Kampüsü, Serdivan, Sakarya, Türkiye Basılı / Printed ISSN: 1301‐4048 Elektronik / Online ISSN: 2147‐835X www.saujs.sakarya.edu.tr SAKARYA Nisan 2014 / April 2014 Baskı / Printed at Sakarya Gelişim Ofset, Adnan Menderes Cad. No.22/A Adapazarı, +90 264 273 52 53, www.sakaryagelisim.com

Dergimizin Nisan 2014 tarihli 18. Cilt 1. Sayısının kapak resmi, yazarları ”M. Cüneyt Bağdatlı, Barış Öztürk“ olan “Havza morfolojik özelliklerinin belirlenmesinde coğrafi bilgi sistemlerinin (CBS) etkin rolü” isimli makaleden alınmıştır.

SAKARYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DERGİSİ Sakarya University Journal of Science

Sahibi / Owner

Muzaffer ELMAS

Genel Yayın Ali Osman KURT Yönetmeni / General Publication Director

Editör / Editor in Chief

Emrah DOĞAN

Yardımcı Editörler / Associate Editors

Uğursoy OLGUN

emrahd@sakarya.edu.tr uolgun@sakarya.edu.tr

Cüneyt BAYILMIŞ cbayilmis@sakarya.edu.tr

Beytullah EREN beren@sakarya.edu.tr

Yayın Danışma Kurulu / Editorial Advisory Board* A. Ç. MEHMETOĞLU D. ANGIN

M. KURT

S. SALUR

Sakarya Uni. acagri@sakarya.edu.tr

Sakarya Uni. angin@sakarya.edu.tr

Ahi Evran Uni. mkurt@ahievran.edu.tr

Rochester Uni. sema.salur@rochester.edu

A. DEMİRİZ

E. ÇELEBİ

M. ÖZEN

S. TEKELİ

Sakarya Uni. ademiriz@sakarya.edu.tr

Sakarya Uni. ecelebi@sakarya.edu.tr

Sakarya Uni. ozen@sakarya.edu.tr

Gazi Uni stekeli@gazi.edu.tr

A. HİLMİ ÇON

F. DİKBIYIK

M. TUNA

T. OGRAS

On Dokuz Mayıs Üni. ahcon@pau.edu.tr

Sakarya Uni. fdikbiyik@sakarya.edu.tr

Sakarya Uni. tuna@sakarya.edu.tr

TÜBİTAK tijen.ogras@tubitak.gov.tr

A. PINAR

H. AKBULUT

M. UTKUCU

U. KULA

Boğaziçi Uni. pinara@boun.edu.tr

Sakarya Uni. akbulut@sakarya.edu.tr

Sakarya Uni. mutkucu@sakarya.edu.tr

Sakarya Uni. ukula@sakarya.edu.tr

A. S. E. YAY

H. GÖÇMEZ

Sakarya Uni. erses@sakarya.edu.tr

Dumlupınar Uni. h_gocmez@dpu.edu.tr

M. van de VENTER Y. BECERİKLİ Nelson Mandela Metropol. Uni Yalova Uni.

A. TUTAR

K. KÜÇÜK

Sakarya Uni. atutar@sakarya.edu.tr

Kocaeli Uni. kkucuk@kocaeli.edu.tr

B. D. BOTOFTE Sakarya Uni. bbotofte@sakarya.edu.tr

C. YAVUZ Sakarya Uni. cyavuz@sakarya.edu.tr

N. BALKAYA İstanbul Uni.

Sakarya Uni. barlas@sakarya.edu.tr

L. KALIN

Ö. KELEŞ

Auburn Uni. latif@auburn.edu

İTÜ ozgulkeles@itu.edu.tr

M. BEKTAŞOĞLU Sakarya Uni.

R. MERAL

S. OKUR

İzmir Katip Çelebi Uni. salih.okur@ikc.edu.tr

caliskan@sakarya.edu.tr

Bingöl Uni. rmeral@bingol.edu.tr

M. ÇALIŞKAN Sakarya Uni.

Sakarya Uni. cyigit@sakarya.edu.tr

Z. BARLAS

nbalkaya@istanbul.edu.tr

mehmetb@sakarya.edu.tr

C. YİĞİT

maryna.vandeventer@nmmu.ac.za ybecerikli@yalova.edu.tr

*Bilimsel danışma kurulu alfabetik olarak sıralanmıştır.

İçindekiler (Contents) Mühendislik Bilimleri (Engineering Science) Betonarme okul binasının TDY 2007’ye göre nonlineer statik analizi According to terdc 2007 nonlinear statik analysis of reinforced concrete school building Feyza Dinçer, Necati Mert

1-9

Nano partikül takviyeli teflon kaplamaların üretilmesi ve karakterizasyonu Production and characterization of nano particle reinforced teflon coatings Utku Ozan, Ekrem Altuncu, Fatih Üstel

21-30

Çimento fabrikalarında merdane, vals ve kazıyıcılardaki aşınma problemlerinin kaynak yöntemleri ile çözümü The solution for the roller press, roller mill and scrappers abrasion problems with welding methods in cement factories Ahmet Oğur, Cihan Gürses

39-47

Temel Bilimler (Science) Genetiği değiştirilmiş gıdalar ve potansiyel sağlık riskleri Genetically modified foods and potential health risks Selen Şen, Sevin Altınkaynak

31-38

Kumaş hatalarının online/offline tespit sistemleri ve yöntemleri Online/offline detection systems of fabric defects and methods Kazım Hanbay, M. Fatih Talu

49-69

Çeşitli ligandları kullanarak Fe3+, Al3+ ve Cu2+!nin bir arada spektrofotometrik tayinleri için yöntem geliştirilmesi ve elde edilen verilerin en küçük kareler kalibrasyon yöntemi (PLS) ve temel bileşen regresyon (PCR) yöntemi ile değerlendirilmesi Development a spectrophotometric method for simultaneous determination of Fe3+, Al3+ and Cu2+ using various ligands and assesment of the obtained data by least squares calibration (PLS) and principal component regression (PCR) methods Ahmet Kaba, A. Hakan Aktaş

71-79

Doğa Bilimleri (Natural Science) Havza morfolojik özelliklerinin belirlenmesinde coğrafi bilgi sistemlerinin (CBS) etkin rolü Effective role of geographic information systems (GIS) in determination of watershed morphological features Cüneyt Bağdatlı, Barış Öztürk

11-19

SAÜ. Fen Bil. Der. 18. Cilt, 1. Sayı, s. 1-9, 2014

SAU J. Sci. Vol 18, No 1, p. 1-9, 2014

Betonarme okul binasının TDY 2007’ye göre nonlineer statik analizi Feyza Dinçer1, Necati Mert1* 1

Sakarya Üniversitesi, Mühendislik Fakültesi, İnşaat Mühendisliği, Sakarya 13.12.2012 Geliş/Received, 13.03.2013 Kabul/Accepted

ÖZET Yapıların deprem performanslarının değerlendirilmesi için son yıllarda geliştirilmiş bulunan statik itme analizine dayalı basitleştirilmiş nonlineer analiz yöntemleri, mühendislik uygulamalarında giderek daha yaygın olarak kullanılmaktadır. Bu çalışmanın amacı, yapının dayanım ve deformasyon (şekil değiştirme) kapasitelerini belirleyerek ilgili performans düzeylerindeki deprem istemleri ile karşılaştırmak suretiyle, yapının performansını değerlendirmektir. TDY 2007 dikkate alınarak binalar için, performans seviyelerinin açıklamaları yapılmış ve bu performans seviyelerinin belirlenmesinde etkili olan kriterler açıklanmıştır. SAP 2000 analiz programı yardımıyla 4 katlı mevcut bir okul binasının TDY 2007 göre analizi yapılmıştır. Anahtar Kelimeler: Nolineer Statik Analiz, Performans Metodu, Kapasite Spektrumu, TDY 2007

According to TERDC 2007 nonlinear statik analysis of reinforced concrete school building ABSTRACT In recent years, for the assessment or evaluation of the existing buildings under the seismic loads, the Nonlinear Static Procedure (NSP) based on pushover analysis has become extremely popular in structural earthquake engineering community. This study focuses on the seismic performance evaluation of the structures. This aim can be achieved by introducing nonlinear methods for designing, analyzing and checking the design of structures so that they meet the selected performance objectives. Analysis procedures are capable of predicting the demands-forces and deformations. Taking into account Turkish Earthquake Resistant Design Code ( TERDC 2007) for the construction, performance levels which are effective to determine the levels of performance criteria descriptions has been described. Four storied exiting school building is analysed by using SAP 2000 analysis program according to the TERDC 2007. Keywords: Nonlinear Static Analysis, Performans Evaluation, Capacity Spectrum, TERDC 2007

Sorumlu Yazar / Corresponding Author

mert@sakarya.edu.tr

F. Dinçer, N. Mert

1. GİRİŞ (INTRODUCTION) Yapılar için, sabit düşey yükler altında, yatay yüklerin kademeli artırılmasıyla yapılan doğrusal olmayan hesap yöntemine “Statik itme Yöntemi” denir. Bu yöntem, binanın deprem esnasındaki davranışını daha gerçekçi olarak temsil ettiği için, hesaplamaların daha doğru bir şekilde yapılmasına imkân tanımaktadır. Statik itme yönteminde binanın tüm elemanlarının deformasyon davranışları tanımlanır. Bu hesaplama yönteminde malzemenin elastiklik sınırları dışında kalan plastiklik kapasitesinden de yararlanılmaktadır [1]. Deprem mühendisliğinde “deplasmana göre tasarım” veya “şekil değiştirmeye göre tasarım” olarak ta isimlendirilen “performansa dayalı tasarım” kavramı 1960 li yıllara kadar uzanmaktadır. Ancak, literatürde, çok serbestlik dereceli (ÇSD) bir yapı sisteminin elastik ötesi dinamik davranışını, tek serbestlik dereceli (TSD) yapı davranışı ile ilişkilendiren ilk çalışma (Substitute Method -Yerine Koyma Metodu) Gülkan ve Sözen tarafından yapılmıştır [2]. Performans tabanlı mühendislik uygulamalarında kullanılan başka bir kavramda Kapasite Spektrumu kavramıdır. Kapasite Spektrum Yöntemi, 1975 yılında Freeman vd. tarafından, mevcut yapıların sismik açıdan hasar görebilirliğinin hızlı bir şekilde değerlendirilmesi için geliştirilen bir yöntemdir [3]. Şekil değiştirmeye göre tasarım yönteminin kullanımında iki farklı yaklaşım söz konusudur. Birinci yaklaşım, SEAOC [4], FEMA [5], Fajfar [6], Aschheim [7] ve UBC [8] un benimsediği, “başlangıç rijitliği”nin esas alındığı yaklaşımdır. İkinci yaklaşım ise, Gülkan ve Sözen [2] tarafından ortaya konan ve Freeman [9], Priestley [10] ve Chopra [11] tarafından benimsenen “sekant rijitlik yaklaşımı”dır. Bu çalışmada, bir yapının deprem davranışına katkısı olan tüm modları tutarlı biçimde hesaba katan çok modlu doğrusal olmayan bir itme analizi yöntemi anlatılmaktadır. Sunulan yöntemde her kat için türetilen farklı bir genel yük vektörü ile itme analizleri yapılmaktadır. Dolayısıyla kat sayısı kadar itme analizi yapılmakta, her kat ile ilgili iç kuvvet ve şekil değiştirme değerleri kendi genel yük vektörü ile yapılan itme analizinden elde edilmektedir. Her kata ait genel yük vektörü her modun farklı katkısından oluşmakta, ilgili katın kat arası ötelenmesi maksimum değere ulaştığında yapıya etki eden yatay yük dağılımını temsil etmektedir. Bir katın itme analizi o katın hedef kat arası ötelenme değerine ulaşıncaya kadar adım-adım devam eder. [12]

Betonarme okul binasının TDY 2007’ye göre nonlineer statik analizi

Bu çalışmada, Antalya’ da bulunan ve 1975 Deprem Yönetmeliğine göre inşa edilmiş 4 katlı betonarme bir okul binası, TDY 2007’ye göre incelenmiştir. SAP2000 [13] bilgisayar programının yardımıyla statik itme analizleri yapılarak yapının performans seviyesi belirlenmiştir. 2. ARTIMSAL İTME ANALİZİ VE PERFORMANS KAVRAMI (THE CONCEPT OF PUSHING AND PERFORMANCE ANALYSIS OF INCREMENTAL)

Deprem etkisi altında mevcut binaların yapısal performanslarının belirlenmesi ve güçlendirme analizleri için kullanılacak doğrusal elastik olmayan hesap yöntemlerinin amacı, verilen bir deprem için sünek davranışa ilişkin plastik şekildeğiştirme istemleri ile gevrek davranışa ilişkin iç kuvvet istemlerinin hesaplanmasıdır. Doğrusal olmayan analiz yöntemleri, yapıların göçme anına kadar olan davranışına dair oldukça yaklaşık sonuçlar vermektedir. Ayrıca deprem etkisinde binanın davranışı ile ilgili mekanizma durumlarını gösterecek sonuçlar sunabildiği için gerçekçi çözümler üretilmesine olanak tanır. DBYBHY’07 [14] kapsamında yer alan üç tip doğrusal olmayan analiz yöntemi vardır. Bunlar; Artımsal Eşdeğer Deprem Yükü Yöntemi, Artımsal Mod Birleştirme Yöntemi ve Zaman Tanım Alanında Hesap Yöntemi’dir. İlk iki yöntem, yönetmelikte doğrusal olmayan deprem performansının belirlenmesi ve güçlendirme hesapları için temel alınan Artımsal İtme Analizi’nde kullanılacak olan yöntemlerdir. Artımsal İtme Analizi kullanılarak yapılacak doğrusal elastik olmayan performans değerlendirmesinde izlenecek adımlar aşağıda özetlenmiştir. a)

Deprem hesabına ilişkin genel ilke ve kurallara ek olarak, taşıyıcı sistem elemanlarında doğrusal olmayan davranışın idealleştirilmesi ve analiz modelinin oluşturulması için yönetmelikte doğrusal olmayan davranışın idealleştirilmesinde tanımlanan kurallara uyulacaktır. b) Artımsal itme analizinden önce, kütlelerle uyumlu düşey yüklerin göz önüne alındığı bir doğrusal olmayan statik analiz yapılacaktır. c) Artımsal itme analizinin Artımsal Eşdeğer Deprem Yükü Yöntemi ile yapılması durumunda,koordinatları“modal yerdeğiştirmemodal ivme” olarak tanımlanan birinci (hakim) SAU J. Sci. Vol 18, No 1, p. 1-9, 2014

F. Dinçer, N. Mert

Betonarme okul binasının TDY 2007’ye göre nonlineer statik analizi

moda ait “modal kapasite diyagramı” elde edilecektir. d) Artımsal itme analizinin Artımsal Mod Birleştirme Yöntemi ile yapılması durumunda, göz önüne alınan bütün modlara ait “modal kapasite diyagramları” ile birlikte modal yerdeğiştirme istemleri de elde edilecek, bunlara bağlı olarak taşıyıcı sistemde meydana gelen yerdeğiştirme, plastik şekildeğiştirme (plastik dönmeler) ve iç kuvvet istemleri hesaplanacaktır. e) Plastikleşen (sünek) kesitlerde hesaplanmış bulunan plastik dönme istemlerinden plastik eğrilik istemleri ve DBYBHY’07 7.6.8’e göre toplam eğrilik istemleri elde edilecektir. Daha sonra bunlara bağlı olarak betonarme kesitlerde betonda ve donatı çeliğinde meydana gelen birim şekildeğiştirme istemleri hesaplanacaktır. Bu istem değerleri, kesit düzeyinde çeşitli hasar sınırları için DBYBHY’07 7.6.9’da tanımlanan betonarme elemanların kesit birim şekil değiştirme kapasiteleri ile karşılaştırılarak kesit düzeyinde sünek davranışa ilişkin performans değerlendirmesi yapılacaktır. Deprem etkisindeki taşıyıcı sistemin davranışı, Şekil 2.2’deki gibi örneğin en üst kat yer değiştirmesi ve toplam deprem taban kesme kuvveti arasında çizilecek eğri ile yorumlanabilir. Benzer şekilde elastik davranışa benzetilebilecek ilk bölümden sonra elasto-plastik davranışı simgeleyen bir bölüm ortaya çıkar. Bu eğri üzerinde elastik ötesi davranışın (elasto-plastik şekil değiştirmeye) belirgin başlangıcına ve sınırlı hasara karşı geldiği için, Hemen Kullanım Performans Düzeyi (HK) olarak isimlendirilir. Büyük yer değiştirmelerden sonra dış statik deprem yükünün azalmaya yüz tutması

Şekil 2.1. Hasar durumlarından bina (taşıyıcı sistem) performans düzeyine geçiş [1] ( In case of damage the building (structural) level of performance in the transition)

taşıyıcı sistemde güç tükenmesinin ortaya çıkmasına işaret eder ve Göçme Öncesi Performans Düzeyi (GÖ) olarak bilinir. Can Güvenliği Performans Düzeyi (CG) taşıyıcı sistemin sınırlı elastik ötesi şekil değiştirmelerle yatay yük kapasitesini güvenli olarak karşılayabileceği sınırı olarak tanımlanır [15]. SAU J. Sci. Vol 18, No 1, p. 1-9, 2014

Şekil 2.2. Kesit hasar sınırları ve bölgeleri [1] (Cross-section boundaries and regions of damage)

Taşıyıcı sistem için bu sınırların matematiksel olarak tanımlanması kolay değildir. Kesit hasar sınırlarından eleman hasar sınırları elde edildiği gibi, eleman hasar sınırlarından taşıyıcı sistem performans düzeyleri tanımlanır. Değerlendirmenin binanın her iki doğrultusu için ve her katta ayrı ayrı yapılması gerekir (Şekil 2.1). Deprem Yönetmeliği’nde mevcut betonarme binaların deprem güvenliğinin değerlendirilmesinin performans kavramına dayalı yapılması öngörülmüştür. Değerlendirilecek veya güçlendirildikten sonra yeterliliğine karar verilecek binalar ile ilgili deprem performansı belirleme çalışmaları düşey yüklerin ve deprem etkilerinin birleşik etkisi altında incelenir. Performans seviyesi, depremden sonra binada meydana gelecek hasar seviyesi ile ölçülür. Binanın deprem performansı, taşıyıcı sistem elemanlarının (kiriş, kolon ve perde) deprem hasar seviyesinin bir bütünü olarak ifade edilebilir. Kesitin hasar durumunun belirlenmesi, çözüm neticesinde elde edilecek iç kuvvetler veya şekil değiştirmelerin, yönetmelikte tanımlanan sınır değerlerle karşılaştırılmasıyla yapılır. Bir taşıyıcı sistem elemanlarının hasar durumu, bu elemanın depremde en çok zorlandığı kabul edilen ve doğrusal olmayan şekil değiştirmenin ortaya çıkması beklenen kesitlerin hasar durumları değerlendirilerek tanımlanır [15]. 3.SAYISAL UYGULAMA (NUMERICAL APPLICATION)

Bu bölümde, performansa dayalı tasarım metodu ile kullanım amacı okul olan 4 katlı bir binanın performans düzeyinin TDY 2007’ye göre belirlenmesine yer verilmiştir.

F. Dinçer, N. Mert

Betonarme okul binasının TDY 2007’ye göre nonlineer statik analizi

Statik itme analizinin daha iyi anlaşılabilmesi için parametrik çalışmalar yapılmıştır. Sisteme etkiyen yükler (deprem yükleri, hareketli yükler, sabit yükler) sabit tutularak; malzeme özellikleri (E, fc, fy) değiştirilip bu parametrelerin performans noktası değerlerine etkileri araştırılmıştır. Yapı taşıyıcı sistemi, x doğrultusunda 12 eksen, y doğrultusunda ise 9 eksenden oluşmaktadır. Yapının kat yükseklikleri her katta 3,30 metre olup, yapı çerçeve sistem olarak teşkil edilmiştir (Şekil 3.1). Bölümde, TDY 2007’ye göre belirtilen hesap yöntemlerinden doğrusal elastik olmayan artımsal mod birleştirme yöntemi kullanılarak binanın x doğrultusu için çözüm yapılmış ve performans düzeyleri belirlenmiştir. Bilgisayar uygulamaları için SAP2000 [13] programı kullanılarak çözümleme gerçekleştirilmiştir. 3.1.Genel Bilgiler (General Information) Bina Bilgileri     

Kat Adedi Bina Kat Yüksekliği Toplam Bina Yüksekliği Bina Oturma Alanı Kullanım Amacı

4 3,30 m 13,20m 342m2 Okul

Şekil 3.1. Mevcut yapıya ait kat planı (Floor plan of the existing structure)

Malzeme Bilgileri      

Beton C6(fck=6 MPa ) Donatı Çeliği S220 ( fyk=220 MPa ) Betonarme Elastisite Modülü 28 GPa Donatı Çeliği Elastisite Modülü 200 GPa Beton Malzeme Güvenlik Katsayısı 1 Donatı Çeliği Malzeme Güvenlik Katsayısı 1

Proje Parametreleri   

Deprem Bölgesi 2 Yerel Zemin Sınıfı Z2 SpektrumKarakteristik Periyotları TA=0.15, TB=0.4

    



Etkin Yer İvme Katsayısı Bina Kalıp Planları Betonarme Uygulama Çizimleri Bilgi Düzeyi Bilgi Düzeyi Katsayısı Donatı Gerçekleşme Katsayısı

0.30 Mevcut Mevcut Kapsamlı 1 1

Şekil 3.2. X – Z doğrultusundaki en kesit (X - Z direction crosssectional)

Katlardaki kolon ve kiriş boyutları ve donatı bilgisi ise Tablo 3.1 ve Tablo 3.2’de verilmiştir. Taşıyıcı sistemde perde elemanlar bulunmamaktadır. Tüm kolonlar üzerinde işlem yapılan 0 derecelik açı için akma eğrileri SAU J. Sci. Vol 18, No 1, p. 1-9, 2014

F. Dinçer, N. Mert

Betonarme okul binasının TDY 2007’ye göre nonlineer statik analizi

Şekil 3.3, Şekil 3.4, Şekil 3.5, Şekil 3.6, Şekil 3.7 ve Şekil 3.8’de verilmiştir. Tablo 3.1. Kolon kesitleri ve donatı bilgileri (Column cross-section and reinforcement details) Kolon D=7 30x7 30x8 30x9 30x1 30x1 Kesitleri 0 0 0 0 15 50 24ф1 8ф1 10ф1 10ф1 14ф1 18ф1 Kolon 6 4 4 4 4 4 Donatı Bilgileri 4ф1 4ф16 4ф16 4ф16 4ф16 6

Moment (ton-m)

6 5 4 3 2 1

Moment (ton-m)

0,01

0,02

0,03

0,04

Eğrilik (rad/m) Şekil 3.5. S30/80 Moment eğrilik grafiği (Moment artışıyla donatı akma ilişkisi.) (Moment curvature of the graph (an increase in the torque flow reinforcement relationship.)

20 15

Moment (ton-m)

0 0

0,02

0,04

0,06

Eğrilik (rad/m) Şekil 3.3. S ( D=70) Moment eğrilik grafiği (Moment artışıyla donatı akma ilişkisi.)(Moment curvature of the graph (an increase in the torque flow reinforcement relationship.) Moment (ton-m)

4 3 2 1 0

0,01

0,02

0,03

0,04

Eğrilik (rad/m)

Şekil 3.6. S30/90 Moment eğrilik grafiği (Moment artışıyla donatı akma ilişkisi.) (Moment curvature of the graph (an increase in the torque flow reinforcement relationship.)

Moment (ton-m)

2 1 0 0

0,01

0,02

0,03

0,04

Eğrilik (rad/m) Şekil 3.4. S30/70 Moment eğrilik grafiği (Moment artışıyla donatı akma ilişkisi.) (Moment curvature of the graph (an increase in the torque flow reinforcement relationship.)

8 7 6 5 4 3 2 1 0 0

0,01

0,02

0,03

0,04

Eğrilik (rad/m) Şekil 3.7. S30/115 Moment eğrilik grafiği (Moment artışıyla donatı akma ilişkisi. ) (Moment curvature of the graph (an increase in the torque flow reinforcement relationship.)

SAU J. Sci. Vol 18, No 1, p. 1-9, 2014

F. Dinçer, N. Mert

Betonarme okul binasının TDY 2007’ye göre nonlineer statik analizi Taban Kesme Kuvveti (ton)

Moment (ton-m)

6000000

5000000 4000000

3000000

2000000

1000000

0 0

0,01

0,02

0,03

0,04

Eğrilik (rad/m) Şekil 3.8. S30/150 Moment eğrilik grafiği(Moment artışıyla donatı akma ilişkisi. ) (Moment curvature of the graph (an increase in the torque flow reinforcement relationship.) Tablo 3.2. Kiriş kesitleri reinforcement details) Kiriş 40 50/ Kesitler /3 32 i 2 4ф 4ф Kiriş 12 12 Donatı Bilgileri 2ф 12

3ф 12

ve donatı bilgileri (Beam cross-sectionand 60/ 32

70/ 32

80/ 32

100 /32

120 /32

25/ 60

4ф 12

7ф 14

10 ф1 4

12 ф1 6

20 ф1 6

5ф 14

6ф 14

8ф 14

10 ф1 6

4ф 16+ 2ф 16 4ф 12

Binanın kullanım amacının okul olması dolayısı ile 50 yılda aşılma olasılığı %10 olan depremde Hemen Kullanım, performans hedefini sağlaması öngörülmektedir. 50 yılda aşılma olasılığı %10 olan deprem için tasarım depremi ifadesi kullanılacaktır. 3.2.Sayısal Çözümleme (Numerical Analysis)

0,05

0,1

0,15

Tepe Deplasmanı (m) Şekil 3.9. X doğrultusunda itme eğrisi (Kesme kuvveti – yerdeğiştirme ilişkisi ) (In the X direction thrust curve (shear force - displacement relationship)

X doğrultusu için statik itme eğrisi, eksenleri modal yer değiştirme – modal ivme olan modal kapasite diyagramına dönüştürüldükten sonra, tasarım depremi için spektrum eğrisi, talep (istem) spektrumuna dönüştürülmüş ve kapasite diyagramıyla ilişkisi incelenmiştir. x doğrultusunda tasarım depremi için talep ve kapasite eğrileri Şekil 3.10’da verilmiştir. 0,7 0,6 0,5 0,4

kapasi te

0,3 0,2 0,1 0

TDY 2007 7.6.3.(b)’ye göre artımsal itme analizinden önce, kütlelerle uyumlu düşey yüklerin göz önüne alındığı bir doğrusal olmayan statik analiz yapılmıştır. Bu analizin sonuçları, artımsal itme analizinin başlangıç koşulları olarak dikkate alınmıştır. Her iki doğrultuda birinci doğal titreşim modu ile orantılı olarak katlara gelen yükler altında yapılan itme analizinden, eksenleri tepe yer değiştirmesi ve taban kesme kuvveti olan itme eğrileri elde edilmiştir.

0,1

Bodrum + 4 katlı yapıya ait performans noktası değerleri aşağıdaki Tablo 3.3’ de verilmiştir. Tablo 3.3. X doğrultusunda tasarım depremi için performans noktası değerleri ( Point values for the performance of the design earthquake in the X direction) Performans Noktası Taban kesme kuvveti,V (t) 524.915

0,05

Şekil 3.10. X doğrultusunda tasarım depremi için talep ve kapasite eğrileri (Demand and capacity curves for the design earthquake in the X direction )

Yerdeğiştirme , D (m)

Spektral ivme / g Sa

Spektral yerdeğiştirme , Sd (m)

0.083

0.152

0.063

SAU J. Sci. Vol 18, No 1, p. 1-9, 2014

F. Dinçer, N. Mert

Betonarme okul binasının TDY 2007’ye göre nonlineer statik analizi

Taşıyıcı sistemin modal yerdeğiştirme istemi belirlenerek itme analizi yerdeğiştirme istemi sınır kabul ederek tekrarlanır. İtme analizi altında oluşan birim şekil değiştirmeler yönetmelikte belirtilen sınırlarla karşılaştırılarak taşıyıcı sistemin mevcut performans durumu belirlenir. Okul olarak kullanılan bu yapıda tasarım depremi altında hemen kullanım performans seviyesi elde edilmelidir. Oluşan plastik mafsallar aks bazında ekran görüntüsü olarak her iki yönde verilmiştir. Burada pembe renk ile gösterilen durum minimum hasar sınırını mavi renkle ifade edilen durum belirgin hasar sınırını ifade etmektedir.

Şekil 3.12. 10-10 aksı, y doğrultusu için analiz sonucunda oluşan plastik mafsal durumu, minimum hasar bölgesi (pembe), belirgin hasar bölgesi (mavi) (10-10 axis, y direction of the plastic hinge status as a result of the analysis, the minimum damage to the region (pink), significant damage to the region (blue))

DBYBHY’07 de, düşey taşıyıcı elemanların hiçbirinin minimum hasar seviyesini geçmemesi ve kirişlerin en fazla yüzde 10’ unun belirgin hasar bölgesinde olması ve belirgin hasar bölgesinde kolon ve perde bulunmaması durumunda bina hemen kullanım durumunda olduğu kabul edilmektedir. Bu ifadeye göre değerlendirildiğinde de; kirişlerin %10’ dan daha fazlasının belirgin hasar bölgesinde olduğu için hemen kullanım performans düzeyini sağlamamaktadır.

Şekil 3.11. A-A aksı, x doğrultusu için analiz sonucunda oluşan plastik mafsal durumu, minimum hasar bölgesi (pembe), belirgin hasar bölgesi (mavi) (AA axis, x direction of the plastic hinge status as a result of the analysis, the minimum damage to the region (pink), significant damage to the region (blue))

Tablo 3.4. Tasarım depremi x doğrultusu eleman hasar durumları (Design earthquake damage of the element x direction) Eleman Minimum Belirgin İleri Göçme Hasar Hasar Hasar Kiriş %100 0 0 4. Kat 0 Kolon 0 0 0 0 3. Kat 2. Kat 1. Kat

Kiriş Kolon Kiriş Kolon Kiriş Kolon

%96 %27 %67 %22 %58 %22

%4 %34 %33 %25 %41 %98

0 0 0 0 %1 0

0 0 0 0 0 0

3.3.Parametrik Çalışma (Parametric Study) Çalışmanın bu bölümünde mevcut okul binası üzerinde parametre değişikliklerinin performans noktasına etkisini incelemek amacıyla aşağıdaki değişiklikler yapılmıştır. Performans noktasına beton ve donatı sınıfının etkisini incelemek amacıyla; kolon ve kiriş kesitleri, kat yükseklikleri sabit tutularak beton ve donatı sınıfları değiştirilip çözümlemeler yapılmıştır. SAU J. Sci. Vol 18, No 1, p. 1-9, 2014

F. Dinçer, N. Mert

Betonarme okul binasının TDY 2007’ye göre nonlineer statik analizi

Çözümleme için beton ve donatı sınıfında yapılan değişiklikler Tablo 3.5’de verilmiştir. Tablo 3.5. Yapılan çözümlemede değiştirilen beton ve donatı sınıfı (Replaced with concrete and reinforcement class analysis) Beton Sınıfı Donatı Elastisite Beton basınç (fc) Sınıfı (fy) modülü, mukavemeti, E fc (kN/m2) (kN/m2) C20 S420 28500000 20000

Beton ve donatı sınıfı değişimi sonucu oluşan itme eğrisi Şekil 3.13‘de, talep ve kapasite eğrileri Şekil 3.14’ de gösterilmiştir. Taban Kesme Kuvveti (ton)

12000000 10000000 8000000

Yapılan çözümleme sonucunda beton sınıfının C6 iken C20 olması ile donatı sınıfının S220 iken S420 olması, X doğrultusunda performans noktasına karşılık gelen taban kesme kuvvetinde %67.16’ lık bir artış meydana getirirken deplasman değerinde %38.55’ lik bir azalma göstermektedir. 4.SONUÇLAR (CONCLUSION)

6000000 4000000 2000000 0 -2000000

Tablo 3.6. X doğrultusunda beton ve donatı sınıfındaki değişikliğin performans noktasına etkisi (The effect of changes in class performance concrete and reinforcement point in the X direction) Beton Performans Noktası ve Taban Yerdeğiştir Spektr Spektral donatı kesme me, D (m) al ivme yerdeğiştir sınıfı kuvveti, / g Sa me, Sd (m) V (t) C6,S22 524.91 0.083 0.152 0.063 0 5 C20,S4 877.46 0,051 0,243 0,039 20 0

0,05

0,1

0,15

Tepe Deplasmanı (m) Şekil 3.13. C20,S420 için X doğrultusunda itme eğrisi(Kesme kuvveti – yerdeğiştirme ilişkisi ) (C20, S420 thrust curve for the X direction (shear force - displacement relationship)) Spektral ivme (g)

0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 -0,05-0,1 0

kapasite talep

0,05

0,1

Bilindiği gibi ülkemiz aktif bir deprem kuşağı üzerinde bulunmaktadır. Bu nedenle değişik zamanlarda önemli büyüklüklerde depremler meydana gelmektedir. Ülkemizdeki yapılar açısından gerçek deprem davranışı büyük önem taşımaktadır. Daha önceleri yapılan mühendislik hesaplamalarında elastik yöntemler kullanılmaktadır. Oysa yapılan çalışmalar nonlineer hesabın önemini ortaya çıkarmıştır. Elastik yöntemin kullanıldığı hesaplarda nonlineer davranış deprem yüklerinin azaltılması esasına göre dikkate alınmaktadır. Son yıllarda yapılan çalışmalar yapıların tasarımında nonlineerliğin dikkate alınması için çeşitli yöntemler öne sürmüştür. Çoğunlukla plastik mafsal teorisine dayalı basitleştirilmiş nonlineer hesap olarak bilinen “statik itme analizi” kullanılmaktadır. Bu analizde yapıda meydana gelen yer değiştirmeler ve buna karşı gelen kesit etkileri ve yapı elemanlarında meydana gelen lineer-nonlineer şekil değiştirmeler belirlenebilmektedir. Bu sonuçlardan yararlanarak yapıların performansları hakkında yorumlar yapmamıza olanak sağlamaktadır. Bu doğrultuda, doğrusal elastik ve doğrusal elastik olmayan davranışı esas alan yaklaşımlar ile mevcut binaların değerlendirilmesi için Türk Deprem Yönetmeliği 2007’de (TDY 2007) yeni bir bölüm eklenmiştir.

Spektral yerdeğiştirme (m) Şekil 3.14. C20,S420 için X doğrultusunda talep ve kapasite eğrileri (C20, S420 demand and capacity curves for the X direction)

Beton ve donatı sınıfında yapılan değişiklik sonucunda X doğrultusunda performans noktasında (V, D, Sa, Sd) meydana gelen değişiklikler aşağıdaki Tablo 3.6’ da verilmiştir.

Çalışmada incelenen mevcut okul binasının statik itme analizi yapılarak, yapıya ait kapasite eğrisi çizilmiş ve performans seviyesi belirlenmiştir. Söz konusu yapının taşıyıcı sistemi, TDY 2007’ ye göre tasarım deprem için hedeflenen performans düzeyini sağlayamadığı belirlenmiştir. Yapının güçlendirilmesi gerektiği sonucuna varılmıştır.

SAU J. Sci. Vol 18, No 1, p. 1-9, 2014

F. Dinçer, N. Mert

Betonarme okul binasının TDY 2007’ye göre nonlineer statik analizi

Yapılan parametrik çalışmada ise bazı parametrelerin performans noktası üzerindeki etkileri araştırılmıştır; Donatı ve beton sınıfı değiştirilmesi durumunda;

[3] [4]

Tablo 4.1. X doğrultusunda beton ve donatı sınıfındaki değişikliğin performans noktasına etkisi (The effect of changes in class performance [5] concrete and reinforcement point in the X direction) Beton ve Performans Noktası donatı Taban Yerdeğiştirme, Spektral Spektral sınıfı [6] kesme D (m) ivme / g yerdeğiştirme, kuvveti,V Sa Sd (m) (t) C6,S220 524.915 0.083 0.152 0.063 C20,S420

877.460

0,051

0,243

0,039

Beton sınıfının C6 iken C20 olması ile donatı sınıfının S220 iken S420 olması, X doğrultusunda performans noktasına karşılık gelen taban kesme kuvvetinde %67.16’ lık bir artış meydana getirirken deplasman değerinde %38.55’ lik bir azalma göstermektedir. Yapıların güçlendirilmesinde statik itme analizi kullanılması ve performansa göre dizayn edilmesi daha gerçekçi sonuçlar elde etmemizi sağlar. Buna bağlı olarak sistemin deprem sonrası mevcut durumunun belirlenmesi ve ona göre bir çözüm üretilmesi (güçlendirme yapılması) daha uygun olmaktadır. Ayrıca yeni yapılacak yapıların tasarımında, deprem sonrası olabilecek hasar durumlarının daha gerçekçi belirlenmesi açısından da kullanılması uygundur. Bu güncel metodlar ışığında, eski yönetmeliklere göre tasarlanan ve inşa edilen mevcut binaların büyük bir bölümünün yeni yönetmeliklere göre güvenli olma ihtimali azalmıştır. Çoğunlukla 1975 Deprem Yönetmeliği şartlarına göre projelendirilmiş, inşa edilmiş ve önemli bir kısmında C18’den düşük beton dayanımına ve S220 sınıfı donatıya sahip olan bu binaların deprem performans seviyelerinin belirlenmesi ve yetersiz olanların güçlendirilerek gerekli performans seviyesine getirilmesi, meydana gelecek depremlerde can kayıplarının azaltılması bakımından son derece önemlidir.

[7] [8] [9] [10]

[11] [12]

[13]

[14]

FREEMAN, S.A., “Development and Use of Capacity Spektrum Method”, 6th US National Conference on Earthquake Engineering, 1998. SEAOC, “Recommended Lateral Force Requirements and Commentary”, 7th Ed, 1999. FEMA, "NEHRP Commentary on the guidelines for the seismic rehabilitation of buildings.", FEMA 274, Washington D.C., 1997. FAJFAR, P., "A Non-Linear Analysis Method for Performance-Based Seismic Design", Earthquake Spectra, pp. 573-592, 2000. ASCHHEIM, M.A., BLACK E.F., "Yield Point Spectra for Seismic Design and Rehabilitation" , Earthquake Spectra, pp. 317-336, 2000. UBC ,“Uniform Building Code” International Conference of Building Officials, 1997. FREEMAN, S.A., "Prediction of Response of Concrete Buildings to Sever Earthquake Motion", Special Publication, pp. 589-605, ACI, 1978. PRIESTLEY, M.J.N., "Myths and Fallacies in Earthquake Engineering – Conflicts Between Design and Reality", Bulletin of the NZ National Society for Earthquake Engineering, pp. 329-341, 1993. CHOPRA, A.K., GOEL, R.K., "Capacity-DemandDiagram Methods Based on Inelastic Design Spectrum" , Earthquake Spectra, pp. 637-656, 1999. SUCUOĞLU, H.. ve GÜNAY M. S.. “ Generalized force vectors for multi-mode pushover analysis. Earthquake Engineering and Structural Dynamics “, 2010. SAP 2000, Structural Analysis Program, Computers and Structures Inc., Berkeley, California, 2000. “Deprem Bölgelerinde Yapılacak Binalar Hakkında Yönetmelik 2007”, İnşaat Mühendisleri Odası, Ankara, 2010. CELEP, Z., “Betonarme Taşıyıcı Sistemlerde Doğrusal Olmayan Davranış Ve Çözümleme” , Beta Dağıtım, İstanbul, 2008.

KAYNAKLAR (REFERENCES) [1]

ATC (1996), “Seismic Evaluation and Retrofit of Concrete Buildings (ATC-40)”, Applied Technology Council, Redwood City, California, 1996.

[2]

GÜLKAN, P., SÖZEN, M., "Inelastic Response of Reinforced Concrete Structures to Earthquake Motions." , pp. 604-610, ACI Journal, 1974.

SAU J. Sci. Vol 18, No 1, p. 1-9, 2014

SAÜ. Fen Bil. Der. 18. Cilt, 1. Sayı, s. 11-19, 2014

SAU J. Sci. Vol 18, No 1, p. 11-19, 2014

Havza morfolojik özelliklerinin belirlenmesinde coğrafi bilgi sistemlerinin (CBS) etkin rolü M. Cüneyt Bağdatlı1*, Barış Öztürk1 1*

Namık Kemal Üniversitesi, Ziraat Fakültesi, Biyosistem Mühendisliği Bölümü, Arazi ve Su Kaynakları Anabilim Dalı, Tekirdağ 08.07.2013 Geliş/Received, 16.09.2013 Kabul/Accepted

ÖZET Bu çalışmada, sayısal yükseklik modelleri üzerinden havza morfolojik özelliklerinin belirlenmesinde Coğrafi Bilgi Sistemlerinin (CBS) etkin rolünün ortaya konulması amaçlanmıştır. Bu bağlamda havza karakteristik özelliklerinden; havza sınırı, alanı, çevresi, akış yönleri, ağırlık merkezleri ile drenaj ağları, eğim ve bakı özellikleri belirlenmiştir. Çalışmada 1\25.000 ölçekli sayısal topografik haritalar üzerinden CBS ortamında materyal olarak seçilen Çorlu Deresi havza alanına ilişkin tüm havza karakteristik özellikleri belirlenmiş ve havza alanına ilişkin temel altlığı oluşturacak sayısal yükseklik modelleri ortaya konulmuştur. Araştırma kapsamında, Arc GIS 10.2 CBS yazılımının Spatial Analyst modülünden yararlanılmıştır. Sayısal topografik harita üzerinden klasik yöntemlerle belirlenmesi zor ve zaman alıcı olan havza sınırlarının ve gerekli morfolojik özelliklerinin CBS yardımıyla oluşturulacak sayısal yükseklik modeli kullanılarak ne kadar kolay ve hızlı bir şekilde yapılabileceğine ilişkin etkin yaklaşımlar ortaya konulmuştur. Anahtar Kelimeler: Çorlu Deresi, CBS, Havza Morfolojisi

Effective role of geographic information systems (GIS) in determination of watershed morphological features ABSTRACT In this study, the determination of basin morphological features from digital elevation models to investigate the effective role of Geographic Information Systems (GIS). In this context, the characteristic features of the basin, the basin boundary, area, perimeter, flow directions, with the centers of gravity drainage networks, slope and aspect were determined. Study, 1 \ 25.000 scale digital topographic maps in the GIS over the whole basin chosen as the material characteristics of the basin area Corlu Creek watershed were identified and put forward in the field of digital elevation models to create themed coaster. For the research, Arc GIS 10.2 Spatial Analyst GIS software module used. Digital topographic map of the basin is difficult and time consuming to determine the limits of conventional methods and morphological properties of the created with the help of GIS using digital elevation model of how easy it can be done quickly and efficiently approaches have been introduced. Keywords: Corlu River, GIS, Watershed Morphology

Sorumlu Yazar / Corresponding Author

bagdat79@hotmail.com

M. C. Bağdatlı, B. Öztürk

1. GİRİŞ (INTRODUCTION) Hidrolojide coğrafi birim olarak tanımlanan akarsu havzası (su toplama havzası, drenaj havzası), akışını bir yüzey su yolu (akarsu) üzerinde alınan bir çıkış noktasına gönderen yüzey olarak tanımlanır. Bu şekilde tanımlanan akarsu havzası, üzerine düşen yağışı çıkış noktasındaki akış haline dönüştüren bir sistemdir. Bir havzayı komşu havzalardan ayıran su ayrım çizgisinin topografik ayrım çizgileriyle çakıştığı, yani çıkış noktasından başlayarak arazideki en yüksek noktalardan geçtiği kabul edilebilir. Akarsu havzalarını birbirleriyle karşılaştırabilmek için bir havzayı belirleyen karakteristikleri bilmek gerekir. Bunlar havzaların farklı fiziksel koşulları nedeniyle kendilerine özgüdür. Havzanın üzerine düşen yağışı, zaman içinde bir değişime uğratarak çıkış noktasındaki gözlenen akış haline çevirmesi bu karakteristiklere bağlıdır. Dolayısıyla bir havzanın jeomorfolojik özellikleriyle hidrolojik özellikleri arasında yakın bir ilişki olması beklenir. [1]. Havza karakteristik özellikler denilince temel bazı bileşenler ön plana çıkmaktadır. Bunlar; havza alanı, çevresi, şekli, ortalama eğimi, ana akarsu kolu uzunluğu, havza ağırlık merkezinin ana akarsu kolu üzerindeki izdüşümünün havza çıkışına olan uzaklığı, ana akarsu kolu eğimi , alan-yükseklik dağılımı eğrisi, havza maksimum, minimum ve ortalama yükseklikleri, havza röliyef ve nisbi röliyefleri, vadi maksimum yan eğimi ile havza yöney özellikleri olarak sıralanabilinir. Havza karakteristik özelliklerinin ortaya konulması ile alana ilişkin tüm tanımlamalar yapılabilmekte ve planlama çalışmalarında bu özelliklerden etkin olarak faydalanılabilmektedir.

Havza Morfolojik Özelliklerinin Belirlenmesinde Coğrafi Bilgi Sistemlerinin (CBS) Etkin Rolü

Coğrafi Bilgi Sistemleri (CBS) bu anlamda kullanılan en etkili teknolojik araç olarak görülmektedir. Bilgisayar ortamında oluşturulan arazi modelleri, havza hakkında kullanıcılara çok yönlü dinamik bir sorgulama ortamı sunmaktadır. [2]. Araştırma kapsamında materyal olark seçilen Çorlu Deresi havza alanına ilişkin havza karakteristik özellikleri CBS teknolojileri yardımıyla belirlenmiş ve bu teknolojinin hidroloji çalışmalarındaki etkin rolü ortaya konulmaya çalışılmıştır. 2. MATERYAL (MATERIAL) Tekirdağ ili Türkiye’nin kuzey-batısında, Marmara denizinin kuzeyinde, Trakya Bölgesinde, 40°36′ ve 41°31′ kuzey enlemleriyle 26°43′ ve 28°08′ doğu boylamları arasında yer almaktadır. Komşu olduğu illerden Edirne’ye 141 km, Çanakkale’ye 194 km, İstanbul’a 131km ve Kırklareli’ne 122 km uzaklıkta olan Tekirdağ ili yüzölçümü itibarıyla 6.313 km²’lik bir alanı kaplamaktadır. Marmara bölgesinin % 8.60’ını, Türkiye topraklarının ise yaklaşık % 0.8’ini karşılık gelmektedir. Gelişmiş bir ulaşım ağı içinde yer alan il, üç önemli karayolu, büyük bir dış ticaret limanı ve İstanbul-Avrupa demiryoluyla İstanbul metropolüne ve komşu Avrupa ülkelerine bağlanmış bulunmaktadır. Türkiye’de iki denize kıyısı olan altı ilden biri olan Tekirdağ, güney sınırı boyunca uzanan Marmara Denizi’nde 133 km, Karadeniz’de ise 2.5 km kıyı uzunluğuna sahiptir. Araştırma alanı ise Tekirdağ ilinin kuzeydoğusunda olup merkeze 38 km uzaklıkta olan Çorlu ilçesidir. Şekil 1’de Türkiye haritası üzerinde Tekirdağ ilinin konumu verilmekte ve araştırma kapsamında değerlendirilecek olan Çorlu ilçesi sınırları görülmektedir.

Son 5 yıla kadar klasik yöntemlerle yapılan bu tür çalışmalar hem zaman alıcı olmakta hemde elde edilmek istenen bilgi ve özellik düzeyine istenilen hassasiyette ulaşılamamktaydı. Ancak son yıllarda özellikle Coğrafi Bilgi Teknolojilerinin kullanılması her alanda artarak kendini göstermiş ve bu tür yaklaşımlar ile bilgiye hızlı ve güvenilebilir bir şekilde ulaşılmasına imkan tanımıştır. Günümüzde havza planlaması ve konumsal analizi için geniş kapsamlı alan bilgilerine ihtiyaç duyulmaktadır. Çevre hakkında daha sağlıklı bilgi sahibi olmak ve havza düzenlemesine ilişkin daha doğru kararlar verebilmek ancak söz konusu havzanın tüm özellikleriyle bilinmesine bağlıdır. Havzaya ait verilerin toplanması, sayısal ortamda depolanması ve konumsal analizlere olanak sağlayacak şekilde sorgulanması için gerekli ortamların hazırlanması gerekmektedir.

Şekil 1. Araştırma alanının yeri ve konumu (The location and position of the study area)

2.1. Bölgenin Genel Özellikleri (General Features of the Region) Çorlu İlçesi, genellikle düzlük bir araziye sahip olup, toprakları verimlidir. İlçenin 12 km kuzeyinden Ergene çayı geçmektedir. Bu çay Trakya’nın en büyük akarsuyu SAU J. Sci. Vol 18, No 1, p. 11-19, 2014

Havza Morfolojik Özelliklerinin Belirlenmesinde Coğrafi Bilgi Sistemlerinin (CBS) Etkin Rolü

olan Meriç Nehrinin bir kolunu oluşturmaktadır. Ergene Çayı Muratlı İlçesi yakınlarında Çorlu Deresi ile birleşerek Uzunköprü İlçesi civarında Meriç Nehrine dökülür. Çorlu Deresi Istranca dağlarının doğu yamaçlarından beslenir. Birçok mevsimlik dereyi kendine bağlar. Ergene çayından tarım sahalarının sulanmasında yararlanılır. Çorlu deresi ise sanayi kirliliği nedeniyle kullanılamaz hale gelmiştir.Diğer önemli dereler ise Pınarbaşı, Esece ve Ahımehmet deresidir. Kum ve Taş açısından da bölgenin en zengin yerinde bulunan Çorlu, Karatepe Taş Ocakları ile Trakya Bölgesinin ihtiyacını karşılamaktadır. Çorlu İlçesinin içme, kullanma ve sanayi amaçlı çektiği su miktarının, sulama suyundan daha fazla olduğu görülmektedir. Çorlu Belediyesine kayıtlı 77.451 su abonesi bulunmaktadır. İlçenin içme ve kullanma suyu ihtiyacı Havuzlar, Kızılağaç, Şeyhsinan, Muhittin, Nüsratiye, Yeni Sanayi, Toplu Konut, Kazimiye Emlak Konut, Sağlık Mahallesi, Yeşiltepe, Panayır Yeri semtlerimizde açılmış olan toplam 27 adet derin sondaj kuyusu ve bu bölgelerdeki yer altı gömme dolapları ile toplam 330 L/s su verilmek suretiyle karşılanmaktadır. Su üretim kapasitesi açısından herhangi bir sorun bulunmamaktadır. 2.2. İklim Özellikleri (Climate Features) İlçede, karasal iklim hâkim olup, yazları kurak ve sıcak, kışları ise yağışlı ve soğuktur. Trakya’ da en az yağış alan bölgedir. Yağışların % 20‘si ilkbahar, % 10‘u yaz, % 30‘u sonbahar ve % 40’ı kış mevsiminde düşmektedir. Ortalama rüzgarın yönü Kuzey-kuzey doğudur ve rüzgarın hızı 3.6 m/s ‘ye kadar yükselir. Bu rüzgârlar fazla yağış getirmezler. Nemli hava kütlelerini getiren ve yağışa neden olan rüzgârlar güney ve güneybatı yönlü Lodos ve Kıbledir. Karayel ise soğuk hava dalgasını getirerek kar yağışına sebep olur. Yıllık sıcaklık ortalaması 12.6 0C, en yüksek sıcaklık ortalaması 18.2 0C, en düşük sıcaklık ortalaması 8.1 0C dir. Çorlu, Karadeniz ile Akdeniz arasında yer aldığı için bu iklim bölgelerinin etkileri altında kalır. Kuzeyden inen soğuk hava kütleleri ile güneyden Akdeniz ve Ege den gelen nemli, ılık hava akımları bölge iklim yapısını belirler. Çorlu ilçesi 2011 yılına ait ortalama bazı iklim elemanlarına ilişkin değerler Tablo 1’de verilmiştir. [3].

M. C. Bağdatlı, B. Öztürk

Tablo 1. Çorlu ilçesi 2011 yılı ortalama bazı iklim verileri (Some climate datas for the year 2011 in Corlu district )

2.3. Arazi Kullanımı ve Toprak Özellikleri (Land Use and Soil Properties) İlçenin toplam arazisi 950.000 ha.dır. Bu arazinin 702.290 dekarı işlenen arazi, 39.300 dekarı çayır mera arazisi, 8.000 dekarı orman arazisi, 749.590 dekar ziraat ve orman arazileri toplamı, 200.410 dekarı kültür dışı arazilerdir. Sulanabilir saha 43.250 dekar, sulanan saha 6.600 dekar'dır. Çorlu'da en fazla ince elemanlardan meydana gelen orman toprağı ile karışık kırmızıkahverengi topraklar yaygındır. Kalınlığı yer, yer 30-40 cm 'yi bulan bu topraklar son derece verimlidir. Araştırma alanının arazi kullanım kabiliyetleri, ilişkin toprak haritaları Şekil 2’de görülmektedir.

Şekil 2. Çorlu ilçesi arazi kullanım kabiliyet sınıfları ( Land use capability classes of Corlu district )

Çorlu ilçesine ait arazi kullanım kabiliyet sınıflarına bakıldığında arazilerin çoğu II. Sınıf tarım arazisi olupkalan kısmı ise III. ve IV. Sınıf tarım arazisi şeklinde dağıldığı görülmektedir. Şekil 3 ’de Çorlu ilçesi büyük toprak gruplarının alansal dağılım durumları verilmiştir.

SAU J. Sci. Vol 18, No 1, p. 11-19, 2014

M. C. Bağdatlı, B. Öztürk

Şekil 3. Çorlu ilçesi büyük toprak grupları (Major soil groups of Corlu district)

3. METOD (METHOD) Bu çalışmada, Arc GIS 10.2 Coğrafi Bilgi Sistemi yazılımından yararlanılmıştır. Örnek proje alanı olarak, Çorlu Deresi havza alanı seçilmiş ve sayısal yükseklik modelinin (SYM) oluşturulması için temel altlık olarak 8 adet 1/25.000 ölçekli sayısal topografik harita kullanılmıştır. Çalışma alanına ilişkin bazı havza karakteristik özelliklerinin de ortaya konulduğu bu araştırmada CBS ortamında yapılan bazı analizlere ilişkin uygulama prensipleri aşağıda başlıklar halinde kısaca sunulmuştur. Çalışmada havza sınırlarının belirlenmesi işlemlerinde D8 yöntemi kullanılmıştır. Dağınık hidrolojik modeller için D8 yaklaşımı (sekiz akış yönü), drenaj havza yapısının modellenmesinde geçerli yaklaşımlardan biridir. [4]. SYM'nin oluşturulması kapsamında sayısal topografik paftaların öncelikle CBS ortamında editör modülü kullanılarak kenar çerçeveleri kaldırılmış ve tüm paftaların çerçevesiz duruma getirilmesi sağlanmıştır. Daha sonra çerçevesiz sayısal paftalar "merge" modülü ile birleştirilmiş ve alana ilişkin sürekli topografik yüzeyler oluşturulmuştur. Arc GIS 10.2 yazılımının sapatial modülü kullanılarak “Create/Modify TIN > Create TIN from Features” ikonları yardımıyla çalışma alanına ilişkin SYM oluşturulmuştur. Havza morfolojik özelliklerine ilişkin tüm çalışmalar temel altlığı oluşturulan SYM'ler üzerinden gerçekleştirilmiştir. Haza alanı ve drenaj ağlarının ortaya konulması amacıyla "Watershed" modülü kullanılmıştırHavza sınırlarının belirlenmesinde su akış yönleri modeli ve akış toplanma modeli kullanılmıştır. Akış toplanma modeli üzerindeki en büyük değere sahip grid noktası çalışma alanındaki en büyük havzanın çıkış noktasını tanımlar. Akış yönleri bu çıkış noktasına doğru olan tüm grid hücreleri söz konusu havzaya ilişkin olup, bunların dış sınırları havzanın sınırını belirlemektedir. Ayrıca, çıkış noktası değeri değiştirilerek, yeni noktanın temsil ettiği 14

Havza Morfolojik Özelliklerinin Belirlenmesinde Coğrafi Bilgi Sistemlerinin (CBS) Etkin Rolü

alt havza alanı bulunulabilir. [4]. Havza ortalama eğiminin hesaplanması, havza sınırları içinde kalan eş yükselti eğrilerinin toplam uzunluklarının, iki eş yükselti eğrisi arasındaki kot farkı ile çarpılıp, tüm havza alanına bölünmesiyle elde edilir. Debisi daha büyük veya boyu daha uzun veya kaynağı daha yüksekte olan akarsu kolunun, havzayı terk ettiği nokta itibariyle boyuna ana akarsu kolu uzunluğu (L) denir. Ana akarsu kolu uzunluğu Arc GIS 10.2 yazılımı yardımıyla Spatial modülü kullanılarak belirlenmiştir. Havza alanının maksimum, minimum ve ortalama yükseklik değerleri SYM üzerinden tespit edilmiştir. Enine ve boyuna profiller vadi şekillerinin belirlenmesi ve anlaşılması ile ilgili özellikleri karakterize eder. Boyuna ve enine profil çıkarımı Arc GIS 10.2 yazılımı içerisindeki "3D Analyst"ikonunda yer alan "Interpolate Line" modülü yardımıyla SYM'ler kullanılarak yapılmıştır. 1/25.000 ölçekli topografik sayısal haritalar yardımıyla Arc GIS 10.2 yazılımı da kullanılarak çalışma alanına ilişkin havza gruplarının 8 farklı yön ve düz alanlardan oluşan bakı haritaları oluşturulmuştur. Bakı haritalarının oluşturulmasında SYM modeli yardımıyla "Aspect "modülü kullanılarak gerçekleştirilmiştir. 4. ARAŞTIRMA BULGULARI ve TARTIŞMA (RESEARCH FINDINGS AND DISCUSSION) 4.1. Arazi Modeli (Terrain Model) CBS ortamında Düzensiz Üçgen Ağı (TIN) yaklaşımı ile oluşturulmuş arazi modeli Şekil 4'de görülmektedir.

Şekil 4. Çorlu Deresi arazi modeli ( Terrain model of Corlu district )

4.2. Sayısal Yükseklik Modeli (SYM) (Digital Elevation Model) SYM'ler bu tür çalışmalarda temel altlığı oluşturan çıktılardan bir tanesidir. Bir alana ilişkin SYM'nin oluşturulması ile havza alanına ilişkin bir çok parametriye kolaylıkla ulaşılabilmektedir. Çalışma kapsamında havza alanına ilişkin 1/25.000 ölçekli sayısal SAU J. Sci. Vol 18, No 1, p. 11-19, 2014

Havza Morfolojik Özelliklerinin Belirlenmesinde Coğrafi Bilgi Sistemlerinin (CBS) Etkin Rolü

M. C. Bağdatlı, B. Öztürk

haritalar kullanılarak SYM oluşturulmuştur. Havza çalışmalarında temel altlığı oluşturan bu modele ilişkin çıktı Şekil 5'de görülmektedir.

Şekil 7. Su akış toplamı (Flow accumulation)

4.4. Havza Sınırları (Watershed Boundaries) Şekil 5. Sayısal yükseklik modeli (SYM) (Digital Elevation Model)

4.3. Su Akış İstikameti ve Akış Toplamı (Water Flow Direction and Flow Count) Bir hücrenin içine veya dışına doğru olan su akışı benzetmesi, sathın hidrolojik analizi için iyi bir örnektir. Akış istikameti (Flow Direction) fonksiyonu komşu hücrenin yüksekliğini mukayese ederek akış istikametinin belirlenmesini sağlar. CBS ortamında oluşturulmuş alana ilişkin SYM verisi kullanılarak Spatial Analyst modülündeki hidroloji uygulaması yardımıyla Şekil 6’da akış istikameti belirleme haritası oluşturulmuştur.

Hidroloji modülündeki "Watershed" (havza) belirleme kısmı seçilerek akış toplanma modeli üzerinden Çorlu Deresine ilişkin akım çizgisinin başlangıç kısmı seçildiğinde dere su toplanma havzası sınırları oluşturulmuştur. Şekil 8’de verilen TIN modeli üzerinde havza sınırları görülmektedir.

Şekil 8. Çorlu Deresi havza alan sınırları (Area boundaries of Corlu watershed)

4.5. Drenaj Güzergâhı (Drainage Route)

Şekil 6. Su akış istikameti ( Flow direction)

Akış istikameti belirleme haritası yardımıyla alana ilişkin su akış toplamı hidrolojik modeldeki “Flow Accumulation” fonksiyonu yardımıyla belirlenmiştir. Bu fonksiyon tepedeki hücrelerden aşağıdaki her bir hücrenin içine akan suyun hesaplamasını yapar.

Yağışın takip edeceği güzergâhı belirlemek için yapılan bir uygulamadır. Alana ilişkin drenaj güzergâhını çıkarmak için hidroloji modelindeki “Calculate raindrop path” kısmına girilerek analiz işlemi gerçekleştirilmiştir. Harita üzerinde yağışın muhtemel olabileceği yerler işaretlenmiştir. Yapılan işlemler sonucunda görüntü üzerinde yağışın takip edeceği yol ve döküleceği yerler belirlenmiştir. Çorlu Deresi havza alanına ilişkin TIN modeli üzerindeki drenaj ağının dağılım durumu Şekil 9’da görülmektedir.

Her bir hücrede 1 birim su bulunduğu varsayımından hareketle, tepedeki hücrelerden akan su aşağıdaki komşu hücrede 2 birime ulaştığını kabul eder. Yapılan analiz sonucunda Şekil 7’de verilen Çorlu Deresi havza alanına ilişkin su akış toplamını belirten çıktı görülmektedir. SAU J. Sci. Vol 18, No 1, p. 11-19, 2014

M. C. Bağdatlı, B. Öztürk

Şekil 9. Drenaj ağı (Drainage network)

4.6. Bakı (Yöney) Dağılımı (Aspect Distribution) Bakı; Yüzeyin kuzeyle yaptığı coğrafik açı değeridir. Bir başka ifade ile yüzeyin, 0’dan 360’a kadar sıralanan pusula yönleridir. Havzanın SYM haritasında üretilen 8 farklı yön ve düz alanlardan oluşan bakı haritası üretilmiştir. Yapılan bakı analiz sonucunda havzanın ağırlıklı olarak kuzey ve güney yönlere baktığı görülmektedir. Elde edilen bakı haritası Şekil 10’da görülmektedir.

Havza Morfolojik Özelliklerinin Belirlenmesinde Coğrafi Bilgi Sistemlerinin (CBS) Etkin Rolü

Şekil 11. Eğim dağılımı (Slope distribution)

4.8. Havza Alansal Dağılımı ve Çevre Uzunluğu (Area Distribution and Circumferences of Basin) Araştırmada Çorlu Deresi havza alanına ilişkin TIN modelinden üretilmiş arazi genel görünümleri Şekil 12’de görülmektedir. Havzaların çevre uzunlukları ile alansal dağılımlarına ilişkin sayısal bilgiler Çorlu Deresi havza alanının düzensiz üçgen ağı (TIN) ile oluşturulmuş arazi modeli üzerinden CBS ortamında hesaplanarak sunulmuştur. Analiz sonunda havza alanı 356.2 km2 ve çevresi ise 170.9 km olarak belirlenmiştir.

Şekil 10. Bakı (yöney) dağılımı (Aspect distribution)

4.7. Eğim Özellikleri (Slope Features) Eğim faktörü, havzanın morfometrik özellikleri içinde yer alır. Özellikle taşkın ve heyelanların oluşmasında çok önemli bir etkiye sahiptir. Bütün koşulların aynı olması şartıyla, eğimin fazla olduğu alanlarda yağışla gelen suların toprağa sızması eğimin az olduğu alanlara nisbeten daha azdır. Bunun sonucunda da yağmur suları direkt akışa katılırlar ve bu da akım değerini fazlalaştırır. Şekil 11'de alana ilişkin eğim dağılımları görülmektedir. Havzadaki eğim dağılımı ağırlıklı olarak % 0-11 arasında değişim göstermektedir.

Şekil 12. Havza alanı ve çevre uzunlukları (Basin area and circumferences)

4.9. Havza Biçim ve Şekil Analizleri (Basin Shape Analysis) Akım karakterini etkileyen morfometrik özelliklerden birisi de havzanın şeklidir. Havzanın şekil özelliğindeki farklılıklar akarsuların akım grafiğininde farklılaşmasına neden olur. Bunun için havzanın dairesel biçimli veya uzunlamasına mı bir şekle sahip olduğu önemlidir. Ayrıca verilerin yetersiz olduğu havzalarda bu kollara ait akımla ilgili tahminlerde bulunulması açısından havza şekil faktörü önemli bir yere sahiptir. [5]. Havza şekil özelliklerine ilişkin gerekli olan havza maksimum uzunluğu, yatak uzunlukları, biçim katsayıları, eşdeğer dikdörtgenin boyutları ile dairesellik oranına ilişkin SAU J. Sci. Vol 18, No 1, p. 11-19, 2014

Havza Morfolojik Özelliklerinin Belirlenmesinde Coğrafi Bilgi Sistemlerinin (CBS) Etkin Rolü

değerler hesaplanarak sunulmuştur.

özet

halde

Tablo

M. C. Bağdatlı, B. Öztürk

2’de

Tablo 2. Havza şekil özellikleri (Basin shape properties)

Havza alanının şekil analizlerine ilişkin yapılan hesaplamalardan elde edilen değerlere bakıldığında havza maksimum uzunluğu 49.27 km iken, yatak uzunluğuna bakıldığında ise 70 km olduğu görülmektedir. Havza biçim katsayılarına bakıldığında özellikle biçim katsayısının büyük olması havzanın uzun ve dar olduğu anlamına geli ki bu bakımdan Çorlu Deresi havzası dikdörtgen bir görünüm arz etmektedir. Havzanın Gravelius katsayısına bakıldığında ilgili değerin büyük olması (2.52) havzanın dikdörtgen bir görünüme sahip olduğu sonucunu ortaya koyar. Havzanın şekilsel olarak görünümü ise Şekil 13’de sunulmuştur.

Şekil 14. Akarsu Kolu Uzunluğu ve Eğimi (Lenght and slope of river arm)

4.11. Havza Yükseklik Değerleri (Basin Altitude Values) Havza yükseklik değerleri CBS ortamında SYM üzerinde hesaplanarak Şekil 15'de harita çıktısı olarak verilmiştir.

Şekil 15. Havza yükseklik analizleri ( Analysis of Basin altitude) Şekil 13. Havzanın şekli (Shape of basin)

4.10. Havza Ana Akarsu Kolu Uzunluğu ve Eğimi (Length and Slope of Basin Main River)

Havza yükselik dağılımları bakımından maksimum olarak 245 m, minimum 70 m ve ortalama yükseklik değeri olarak ise 152.17 m kotunda bir konum arz etmektedir.

Araştırmaya konu olan havza alanlarına ilişkin ana akarsu kolu uzunlukları havzalarının debisi daha büyük, boyu daha uzun veya kaynağı daha yüksekte olan akarsu kolunun, havzayı terk ettiği nokta itibariyle boyuna ana akarsu kolu uzunluğu dikkate alınarak belirlenmiştir. Akarsu kolu eğimi ise havzanın memba kısmındaki yüksekliği ile mansap kısmındaki yükselik farkının akarsu kolu uzunluğuna oranı sonucunda belirlenmiştir. Çorlu Deresi Mansap kotu 75 m, memba kotu 145.70 m olarak belirlenmiş ve eğimi ise % 0.1 olarak tespit edilmiştir. Elde edilen sonuçlar Şekil 14’ de verilen harita üzerinde görülmektedir.

SAU J. Sci. Vol 18, No 1, p. 11-19, 2014

M. C. Bağdatlı, B. Öztürk

4.12. Havza Ana Akarsu Enine ve Boyuna Profilleri (Transversal and Longitudinal Profiles of The Basin Main River) Dere yatak boyuna profillerindeki değişimler yatak derinleşmesi (kazınma) ile gerçekleşir. Bir dere yatağının oluşmaya başladığı zamandaki boyuna profili, üzerinde yer aldığı kısmın topoğrafik özelliklerine, ortamdaki eğim şartlarına bağlıdır. Vadiler oluşum ve gelişimleri sırasında derine ve yanlara doğru aşındırılarak bir taraftan derinleştirilir, geriletilir ve bir taraftan da genişletilirler. Böylece dere yataklarının enine profillerinde zamanla bir takım değişiklikler meydana gelir. Çorlu Deresindeki enine ve boyuna profilinin ortaya konulması amacıyla CBS ortamında 30 km uzunluğunda ana akarsu hattı boyunca bir örneklem alınmıştır. Enine profilin içinde 150 m uzunluğunda bir kesit alınarak değişim seyri grafiksel olarak belirlenmiştir. Boyuna ve enine profil değişim durumunu gösteren grafikler Şekil 16'da verilmiştir.

Havza Morfolojik Özelliklerinin Belirlenmesinde Coğrafi Bilgi Sistemlerinin (CBS) Etkin Rolü

Ancak sayısal topografik haritalardan oluşturulan SYM'lerin üç boyutlu similasyonlara çevrilmesi çalışmanın hassasiyetini ve görülebilirliğini ortaya koymada faydalı olacaktır. Araştırmaya konu olan Çorlu Deresi havza alanının Arc Scene programı yardımıyla oluşturulmuş üç boyutlu (3D) havza modeline ilişkin çıktı Şekil 17’de görülmektedir.

Şekil 17. 3D havza modeli (3D model of the basin)

Havza ince ve uzun bir görünüm sergileyip en derin kısım kotu 70 m iken vadi sırtlarındaki en yüksek kot değerinin ise 245 m olarak olduğu görülmektedir. Şekil 16. Boyuna ve enine profil değişimleri (Transversal and Longitudinal Profiles Changes)

4.13. Üç Boyutlu Havza Modeli (3D Model of The Basin) Havza çalışmalarında üç boyutlu arazi modellerinin ortaya konulması İle havzanın konumsal durumu ve oluşturulacak çalışmalara bakış katması açısından son derece önemlidir. İki boyutlu yapılan çalışmalarda bazı detaylar görülemeyebilinir. İki boyutlu yapılan çalışmalarda bazı detaylar görülemeyebilinir.

5. SONUÇ VE ÖNERİLER (CONCLUSION AND RECOMMENDATIONS) Günümüzde kullanım alanı hızla yaygınlaşarak genişleyen CBS, hidrolojik modellemelerde de yaygın olarak kullanılmaya başlanmıştır. Özellikle, haritaların sayısal ortama aktarılması ve bunların yoğun olarak kullanılması ile bu çalışmalar daha da hızlanacaktır. Havza, hidrolojik sistemi kontrol eden doğal sınırlarla çevrili bir alandır. Su kaynakları sisteminin havza ölçeğinde tanımlanması, sistemin bir bütün olarak ele alınmasına olanak sağlayarak, hidrolojik sistemi etkileyen, süreçler arasındaki ilişkilerin doğru olarak ortaya konmasına yardımcı olmaktadır.[2]. Bu çalışma ile sayısal yükseklik modeli üzerinden bir havzanın gösteriminde, önemli rolü olan su akış yönleri ve bu yönlere göre drenaj ağlarının gösterilmesi konusu irdelenmiş ve örnek havza alanı olan Çorlu Deresi üzerinden gösterilmiştir. Bir alana ilişkin sayısal

SAU J. Sci. Vol 18, No 1, p. 11-19, 2014

Havza Morfolojik Özelliklerinin Belirlenmesinde Coğrafi Bilgi Sistemlerinin (CBS) Etkin Rolü

M. C. Bağdatlı, B. Öztürk

topoğrafik haritalar kullanılarak CBS ortamında yapılan hidrolojik analizler sonucunda, sayısal yükseklik modelleri oluşturulduğunda, bir havza alanına yönelik gerçek bir tanımlama yapılarak havza karakteristik özelliklerine ilişkin birçok veriye hızlı ve hassas olarak ulaşılabilir. Havzalar bazında yapılacak farklı çalışmalarda CBS teknolojileri kullanılarak oluşturulacak olan sayısal yükseklik modellerinden çalışma alanına ait birçok tanımlama klasik metodlara göre daha kolay yapılabilmektedir. CBS teknolojileri sayesinde oluşturulan sayısal yükseklik modelleri alana ilişkin verilere istenildiğinde her zaman kolay ulaşılabilir halde ortaya konulmasına imkân tanıyacaktır. Bu sayede CBS ortamında alana ilişkin sayısal yükseklik modeli yardımıyla belirlenecek birçok özellikten aynı havzada çalışma yürütecek, diğer araştırmacılara bir altlık sağlanmış olacaktır. Bölgede havza bazında yapılacak çalışmalarda tüm havzaların, CBS ortamında SYM ‘nin oluşturulmasıyla bu konularda çalışacak araştırmacıların çalışmalarına temel altlık haritalarının sağlanmasına, havza çalışmalarındaki verilerin değerlendirilmesine ve bilgiye ulaşım zorluğunu ortadan kaldırmasına imkân tanıyacaktır. TEŞEKKÜR (THANKS) Bu makale "Çorlu Deresi Havza Morfolojik Özelliklerinin Coğrafi Bilgi Sistemleri (CBS) Kullanılarak Belirlenmesi" başlıklı TÜBİTAK-2209 projesi kapsamında hazırlanan araştırmanın sonuçları doğrultusunda oluşturulmuştur. TÜBİTAK'a verdiği proje desteğinden ötürü teşekkür ederiz. KAYNAKLAR (REFERENCES) [1] [2]

[3] [4]

[5]

İstanbulluoğlu, A., Hidroloji Ders Notları, Namık Kemal Üniversitesi, Ziraat Fak., Biyosistem Mühendisliği Bölümü, Tekirdağ, 2008. Nişancı, R., Yıldırım, V., Yıldırım, A., Su Havzalarına Yönelik Cbs Veri Tabanı Modellemesi: Trabzon Galyan Vadisi Örneği, Ulusal Coğrafi Bilgi Sistemleri Kongresi, Ktü, Trabzon, 2007. Anonim, Aylık Ortalama İklim Verileri, Devlet Meteoroloji İşleri Genel Müdürlüğü, Ankara, 2011 Jenson, S. K., Domingue, J.O., Extracting Topographic Structure From Digital Elevation Data For Geographical Information System Analysis. Photogrametric Engng Remote Sensing 54, 1593–1600, 1988. Verstappen, H. Th., Applied Geomorphology, Itc Enschede, The Netherlands, 1983.

SAU J. Sci. Vol 18, No 1, p. 11-19, 2014

SAÜ. Fen Bil. Der. 18. Cilt, 1. Sayı, s. 21-30, 2014

SAU J. Sci. Vol 18, No 1, p. 21-30, 2014

Nano partikül takviyeli teflon kaplamaların üretilmesi ve karakterizasyonu Utku Bozan1*, Ekrem Altuncu1, Fatih Üstel1 2

Sakarya Üniversitesi, Mühendislik Fakültesi, Metalurji ve Malzeme Mühendisliği, Sakarya 28.05.2013 Geliş/Received, 14.11.2013 Kabul/Accepted

ÖZET Yapışmaz kaplamalar; düşük sürtünme katsayıları, yüksek korozyon dirençleri, yüksek dielektrik mukavemetleri, diğer polimerlere göre daha yüksek sıcaklık dayanımları ve geniş bir çalışma sıcaklığı aralığına sahip olmaları sebebiyle birçok sektörde yaygın olarak kullanılırlar. En önemli dezavantajları ise düşük aşınma dirençleridir. Bu çalışmada teflonun aşınma direncini arttırmak amacıyla teflon kaplama içine nano boyutlu gümüş (Ag) partikülleri ilave edilerek, kaplamanın karakterizasyonu gerçekleştirilmiştir. Yapılan incelemelere göre nano gümüş (Ag) katkısının kaplamanın tribolojik özelliklerini ve aşınma direncini iyileştirdiği tespit edilmiştir. Endüstriyel test sonuçları doğrultusunda da ev ve el araçlarında başarılı bir şekilde kullanılabilir bir kaplama kompozisyonu ortaya çıkarılmıştır. Anahtar Kelimeler: Teflon, Nano Gümüş, Aşınma Direnci

Production and characterization of nano particle reinforced teflon coatings ABSTRACT Non stick coatings is widely used in many industries because of having low coefficient of friction, high corrosion resistance, dielectric strength, high temperature resistance according to other polymer sand a wide operating temperature range characteriristics. But the most important disadvantage is the low abrasion resistance. In this study to increase the abrasion resistance, non stick components were mixed with nano silver and characterization was realized on the teflon coating. As results, nano silver particles reinforced the non-stick coating improved its tribological properties and abrasion resistance. Industrial test results in accordance with the home and hand tools can be used in the composition of a coating successfully was formed. * Keywords: Teflon, Nano Silver, Abrasion Resistance

Sorumlu Yazar / Corresponding Author

utkubozan@hotmail.com

U. Bozan, E. Altuncu, F. Üstel

1. GİRİŞ (INTRODUCTION) Yapışmaz (non-stick) kaplamalar, floro polimerik bazlı kaplamalardır. Yapışmaz kaplamalar daldırma, silindirik (rulo) kaplama, termal sprey, perde kaplama ve daha birçok yöntemle gerçekleştirilmektedir. En yaygın olarak kullanılan kaplama yöntemi ise basınçlı sprey yöntemi ile yapılan uygulamalardır. Yapışmaz kaplamalar, malzemelere yapışmayan, hidrofobik yüzeyler kazandırmalarının dışında özellikle düşük sürtünme katsayıları, yüksek korozyon dirençleri, yüksek dielektrik mukavemetleri, diğer polimerlere göre daha yüksek sıcaklık dayanımları ve geniş bir çalışma sıcaklığı aralığına sahip olmaları sebebiyle birçok sektörde yaygın olarak kullanılırlar. En önemli dezavantajları ise düşük aşınma dirençleridir. Genelde aşınma, çizilme direncini yükseltmek için teflon kaplamalara nano boyutlu seramik ve/veya metalik esaslı nano boyutlu tozlar karıştırılmaktadır. Bu çalışmada teflon yapısı içine ayrıca anti bakteriyel özelliği ile bilinen nano gümüş (Ag) partiküller (% 0.5 oranında) ilave edildi. Bu kaplama yüzeyi önceden hazırlanmış alüminyum altlık üzerinde basınçlı hava sprey yöntemi ile kaplandı ve sonrasında 400 oC de 6 ve 8 dakika sürelerinde kürleme yapıldı. Elde edilen kaplamaların makro ve mikro yüzeyleri OM, SM, SEM ile incelenmiş, yapıda Ag katkısının varlığı EDX, XRD, FTIR, Potansiyostat testleri ile tespit edilmeye çalışılmıştır. Ag katkısının kaplamanın yüzey dokusunu inceltici etki yaptığı ve buna bağlı olarak tribolojik özelliklerini iyileştirdiği tespit edilmiştir. Endüstriyel test sonuçları doğrultusunda da ev ve el araçlarında başarılı bir şekilde kullanılabilir bir kaplama kompozisyonu ortaya çıkarılmıştır. 2. YAPIŞMAZ KAPLAMALAR (NON-STICK COATINGS)

Yapışmaz kaplamalar genellikle polimerik esaslı kaplamalardır ve iki temel bileşenden meydana gelirler: Floropolimer (floroplastik), silikon olmak üzere. Bu bileşenler kaplamaya yapışmazlık özelliğini sağlayan temel bileşenlerdir. Başka hiçbir kaplama malzemesinin bir arada sahip olamadığı kimyasal direnç, nem ve ortam şartlarından etkilenmeme, esneklik, geniş çalışma sıcaklığı aralığı, düşük sürtünme katsayısı, yapışmayan yüzey ve üstün dielektrik kararlılığı özelliklerine sahip olan yapışmaz (non-stick) kaplamalar uzay araçlarından insan vücuduna kadar birçok alanda kullanılmaktadır. En zayıf yönleri ise abrazif çalışma koşullarında düşük

Nano Partikül Takviyeli Teflon Kaplamaların Üretilmesi ve Karakterizasyonu

aşınma dirençleridir. Bu durum yapışmaz kaplamaların kullanım ömrünü sınırlamaktadır [1]. 2.1. Yapışmaz Kaplamaların Özellikleri ve Bileşenleri (Components and Properties of Non-stick Coatings)

Yapışmaz kaplamalar, polimerikbazlı kaplamalardır ve 5 ana bileşenden meydana gelirler: Bağlayıcı (reçine), Pigment (renk verici kimyasal), Floropolimerler (PTFE, PFA, silikon), Katkılar ve. Taşıyıcılar(su veya çözücü kimyasallar) [2]. PTFE, FEP, PFA ve silikon kaplamalar nem absorbe etmez ve diğer hava şartlarından etkilenmez. Ayrıca yanmama özelliğine sahiptir. Yapışmaz kaplama türleri tek katmanlı veya çok katmanlı (tek kattan 5 kata kadar uygulamalar) olarak istenilen altlığa uygulanabilir. Metal enjeksiyon döküm, levha alüminyum, sac, paslanmaz çelik parçalar, tahta ve plastikler bu kaplamalarla kaplanabilen malzemelerdendir. Kürlenme sıcaklıkları 360°C-400°C değişen kaplamalardır. Nonstick kaplamalar içerdikleri nonstick bileşenine göre kaplandıkları malzemelere başta yapışmama olmak üzere farklı özellikler kazandırırlar. Yapışmaz kaplamaların bilinen avantajlı özellikleri arasında yapışmazlık özelliği, ıslanmazlık (düşük kir tutma), düşük sürtünme katsayısı, kimyasal inertlik, yüksek korozyon dayanımı, geniş sıcaklık aralığında özelliklerini koruma (-270°C-260°C), yüksek dielektrik mukavemeti, yağlayıcılık özelliği, esneklik ve yanmama özelliğidir (Tablo 1). Düşük aşınma direnci ve insan sağlığına olumsuz etkisi ise dezavantajlı özellikleridir. Bu genel özelliklerinin yanında ses ve titreşim absorbsiyonu, sıcaklık direncini artırması ve ısıyı sabitlemesi, düşük sesle çalışması, hava şartlarından etkilenmemesi diğer üstün özellikleri olarak sayılabilir [3]. DUPONT laboratuvarlarındaki bulunuşunun ardından Teflon adı verilen ve günümüzde de daha çok bu adla tanınan PTFE, flor atomları ile doymuş uzun bir lineer karbon zincirinden oluşan molekül yapısı ve flor atomlarının karbon atomları ile çok kuvvetli bağlar oluşturması nedeni ile diğer plastiklerin hiçbirinde bir arada bulunmayan mükemmel özelliklere sahiptir. Bütün mühendislik plastikleri arasında en geniş çalışma sıcaklık aralığına (-260 °C, +270 °C) sahiptir [2]. Tablo 1. PTFE’nin fiziksel özellikleri (Physical Properties of PTFE))

Özgül ağırlığı: 2,1 – 2,2 gr/cm3 Kopma muk. (MPA): 14 – 32 Gerilme modülü (MPA): 420 Dielektrik kaybı: ..<0,0002 Viskozitesi: 1,00 MPa s

Çekme muk.: 140-380 kg/cm2 Basma muk.: 45-50 kg/cm2 Eğilme modülü: 3500-6300 kg/cm2 Sürtünme katsayısı (dinamik): 0,06 Isı iletkenliği: 5,5-6,6 x10-4 cal/cm °C

SAU J. Sci. Vol 18, No 1, p. 21-30, 2014

U. Bozan, E. Altuncu, F. Üstel

Nano Partikül Takviyeli Teflon Kaplamaların Üretilmesi ve Karakterizasyonu

PTFE plastikleri opak, kristalin ve sünektirler. 340 °C sıcaklığın üzerine ısıtıldığında, saydam ve amorf olurlar, ancak soğutulduğunda tekrar normal halini alırlar. Sanayide kullanılan bütün kimyasal maddelere, neme ve ortam şartlarına tam süresiz dayanıklılığının yanı sıra bilinen bütün katılar içinde en düşük statik ve dinamik sürtünme katsayısına sahip oluşu, üstün dielektrik dayanımı, yüzeyine hiçbir malzemenin yapışmaması, yanmama ve yeterli mekanik özelliklere sahip olması nedeni ile PTFE birçok kaplamada diğer malzemelere tercih edilmektedir. Ancak PTFE nin aşınma dayanımı ve yük altında deformasyona karşı direnci düşük, ısıl genleşme katsayısı ise yüksektir. Bu özelliklerini iyileştirmek, iletkenliğini artırmak ve benzeri özellikler kazandırabilmek için PTFE nin içine nano boyutlu seramik ve/veya metalik esaslı tozlar belli oranlarda ilave edilebilmektedir [4].

Şekil 1.Basınçlı hava sprey kaplama (Compressed air spray coating) [3].

2.2. Yapışmaz

2.3. Yapışmaz Kaplamalara Takviye Edilen Nano Partiküller (Nano Particles Reinforced Non-stick

Kaplamaların

Üretimi

(Non-stick

Coatings Production)

Coatings)

Yapışmaz kaplama üretiminde birçok kaplama yöntemi kullanılır. Kullanılan kaplama yöntemi uygulanacak kaplama türüne, üretim miktarına, ekonomiklik ve kaplamadan istenen özellikler gibi faktörlere bağlı olarak belirlenir. Başlıca kaplama yöntemleri; Rulo Kaplama, Perde Kaplama, Sargı Kaplama, Termal Sprey Kaplamalar, Basınçlı Hava ile Sprey Kaplama’dır[3]. Basınçlı Hava Sprey ile Kaplama Sistemi’nde kaplama çözeltisi hava basıncı ile püskürtülerek kaplamayı atomize eden bir sprey tabancasının içine konur (Şekil 1). Tabancanın bu yapısı sürekli bir film tabakası uygulamasına olanak sağlar. Sprey kaplama yöntemi pişirme kaplarının kaplanmasında en dayanıklı ve sağlıklı yöntem olarak tanınmaktadır. Kaplanacak yüzey özel yıkama sistemlerinde her türlü kir ve yağdan arındırıldıktan sonra özel bir yöntemle aşındırılır. Bu işlemden sonra da aşındırılmış yüzey üzerine kaplama özel bir spreyleme yöntemiyle çok katmanlı olarak tatbik edilir. Sonrada optimum ısı eğrisinde sertleştirilir (kürleme). Bu yöntemle kaplama malzemesi yüzeyde çok iyi bir tutunma ve yapışma özelliği göstermektedir. Bu yöntemin başlıca avantajları olarak; pürüzsüz, sürekli kaplama, uzun ömürlü ve çok iyi performans, aşınma ve çizilmeye karşı yüksek direnç, mükemmel kayganlık sayılabilir. Dezavantajları olarak ise; aşırı sprey israfı (%35-%50 kaplama kaybı), yavaş üretim olması gösterilir [3].

Endüstriyel ihtiyaçlar doğrultusunda yapışmaz kaplamaların aşınma, anti bakteriyellik, iletkenlik gibi fiziksel performanslarını geliştirmek amacıyla kaplama yapısına nano boyutlu seramik ve/veya metalik esaslı nanopartikül takviyesi yapılmaktadır. Aşınma direncini arttırma ve mikroorganizmalardan arınmak amacıyla en çok takviye edilen inorganik nano yapılı malzemeler şöyle sınıflandırılabilir: TiO2 ve nano-kompozit, gümüş ve nano yapılı malzemeler, ZnOnano parçacıklar, Cu nano parçacıklar, altın esaslı nano-partiküller, Galyum esaslı anti-bakteriyel ajanlar, karbon nanotüpler (CNT), nano-kil ve nano-kil içeren kompozitler [5].

SAU J. Sci. Vol 18, No 1, p. 21-30, 2014

3. DENEYSEL ÇALIŞMA PROSEDÜRÜ (EXPERİMENTAL STUDY PROCEDURE)

3.1. Kaplama Prosesi ve Kullanılan Malzemeler (Coating Process and Used Materials)

Kaplama malzemesi olarak mutfak eşyaları sektöründe tercih edilen PTFE teflon malzemesi; takviye edilecek nanopartikül olarak ise ilave edildiği malzemelerin aşınma direncini ve iletkenliğini arttırıp, antibakteriyel koruma sağlayan nano gümüş partikülü seçilmiştir. Böylece 1990 ml PTFE teflon sıvısı içine olan 10 ml % 0,05 ‘lik Ag+2 iyonu katkılı su bazlı solüsyon ilave edilip, havalı otomatik karıştırıcı yardımı ile sprey tabancasının haznesinde 3 dk süre ile karıştırıldı. Takviye öncesi ASTM D2196 test metoduna göre 1,0 MPa s ölçülen saf teflon viskozitesi, takviye sonrası ise 1,42 MPa.s ölçüldü ve böylece nano partikülün teflon sıvısının viskozitesini arttırdığı tespit edildi.Atlık olarak mutfak eşyaları (tencere, tava, tepsi vs.) yapımında iyi derin çekilebilirlik özelliği ve iyi bir ısıl iletken olması nedenleri ile tercih edilen 2 mm kalınlıkta 340 mm 23

U. Bozan, E. Altuncu, F. Üstel

çapındaki H0 kondüsyonuna sahip 1050 alaşım alüminyum disk malzeme olarak seçilmiştir. Kaplama prosesi öncesinde alüminyum altlık malzeme yüzeyi temizlenerek, kaplamanın tutunma kolaylığını sağlamak için yüzey pürüzlendirildi. Basınçlı Hava Sprey Kaplama yöntemi kullanılarak altlık malzeme üzerine yapışma kalitesini arttırmak amacıyla astar kaplama gerçekleştirildi. Daha sonra nano gümüş partikül takviyeli teflon sıvısı yüzeye sprey edilerek (Şekil 1) kaplama prosesi gerçekleştirildi. Son olarak numuneler 6 dk ve 8 dk olmak üzere 2 farklı sürede 400 °C sıcaklığa maruz kalarak teflonun kürlenmesi sağlandı. Proses Parametreleri: Basınçlı hava: 5 bar, Sprey mesafesi: 35 cm, Sprey hızı: 300 m/sn , Sprey Açısı : 90°. Nanopartikül takviyesinin etkisini kıyaslamak amacıyla partikül takviyesi olmayan saf teflon sıvısı yine aynı işlemleri takip ederek alüminyum altlık malzeme üzerine kaplaması gerçekleştirildi ve son olarak kaplama kürleme işlemine tabi tutuldu. Böylelikle nanopartikül takviyeli ve takviyesiz olmak üzere tüm numuneler karakterizasyon uygulamaları için hazır duruma geldi.

Nano Partikül Takviyeli Teflon Kaplamaların Üretilmesi ve Karakterizasyonu

(ayrılmama) ve kalkmama kabiliyetini değerlendirmek için yapılır. Keskin uçlu bir bıçak (falçata-maket bıçağı ) ile yanmaz yapışmaz yüzey üzerine birbirini dik olarak kesen çizgiler çizilir. Kare olarak çizilmiş yüzey üzerine özel bir yapışkan bant yapıştırılır ve bant hızlıca çekilerek bant üzerinde herhangi bir kalıntı olup olmadığına bakılır. Tırnak testi ise keskin bir bıçağı yan tutarak düz bir çizgi halinde baz malzeme yüzeyine inmek suretiyle gerçekleştirilir. Daha sonra tırnak ile bu çizgi dik yönde çekilerek uzama olup olmadığı kontrol edilir [3]. Aşındırma Testi, yapışmaz yüzeyin aşınmaya karşı göstereceği direnci değerlendirmek için yapılır. Test düzeneği evde yapılacak olan bulaşık yıkama işleminin hızlandırılmış benzerini sert bir sünger yardımıyla gerçekleştirmek amacıyla tasarlanmıştır. Aşındırıcı sünger test yüzeyi üzerinde bir baskı kuvveti ile hareket etmektedir. Sert bir sünger kullanarak yanmaz yapışmaz yüzeyin kaç gitme-gelme hareketi ile aşındığı kontrol edilir [3]. Nano gümüş takviyeli teflon (PTFE) kaplama numunesi üzerinde gerçekleştirilen karakterizasyon ve performans ölçümü çalışması mevcuttur. Bu çalışmada gerçekleştirilen deneysel sonuçlar 4. bölümde irdelenmiştir [6].

3.2. Karakterizasyon ve Performans Testleri

4. DENEYSEL ÇALIŞMA VE SONUÇLAR

(Characterization and Performans Tests)

Yapışmaz kaplamaların yapı özellikleri, optik mikroskop ve SEM (taramalı elektron mikroskobu) ile mikro yapı analizi sonucu tespit edilir. EDX (enerji dağılımlı Xışınları) spektroskobisiyle ise kaplama bileşenlerini ve dağılımlarını ortaya koymak amacıyla elementel analiz gerçekleştirilmektedir. X-ışını kırınım yöntemi (XRD) kullanılarak faz analizi, InfraredSpektrokopisi (FTIR) ile ise bağ yapılarının özellikleri belirlenir. Kaplamaların korozif ortama karşı dayanıklılıkları korozyon testi ile değerlendirilir. Kaplamanın yüzey profili incelenerek yüzey özellikleri tespit edilir. Kullanım esnasında aşınmaya karşı gösterdiği mukavemeti özel test yöntemleri (ball on testi) kullanılarak ölçülebilir. Islatma açısı ölçümünün birçok metodu (direkt geometrik ölçüm, moleküler arası kuvvetlerden hesaplamalar, vb) vardır. Kendine has özellikleri itibariyle yapışmaz kaplamaları incelemede kullanılan bazı özel inceleme yöntemleri de mevcuttur. Endüstri de teflon tava kaplamalarının kalitesinin anlaşılabilirliği için yapışmazlık (süt) testi, kareleme tırnak testi ve aşındırma testleri kullanılmaktadır [3].Süt Testi, bir miktar yağlı süt kullanarak yapışmaz yüzeyin yeterliliğini değerlendirmek için yapılan bir testtir. Test yaklaşık 20 cc. tam yağlı sütün tamamen karbonlaşana (yanana) kadar bir ocakta ısıtılması ile gerçekleştirilir. Test sonrasında yanmış süt tabakasının bir miktar su yardımıyla yüzeyden ayrılma kolaylığı yapışmazlık kalitesi olarak belirlenir [3]. Kareleme ve Tırnak Testi, yapışmaz yüzeyin alüminyum malzemeye olan tutunma 24

(EXPERİMENTAL STUDY AND RESULTS)

4.1. Makro İnceleme (Macro Review) Numuneler üzerinde sırasıyla farklı büyütme oranları ile makro incelemeler streo mikroskobu ile gerçekleştirilmiştir. Numune yüzeylerinde homojen dağılım olduğu gözlendi. Numune grupları üzerinde yapılan makro incelemeler esnasında alınan aynı büyütme görüntüler numune grupları arasında kıyaslanmıştır. Bu görüntülerden nanopartikül takviyesiz (referans) teflon kaplama numunesinin nano partikül takviyeli teflon kaplama numunelerine göre daha kaba taneli yüzey profiline sahip olduğu gözlenmektedir (Şekil 2).

a) Takviyesiz Referans Numune (kaba yapı) (Non reinforced referance specimen)

SAU J. Sci. Vol 18, No 1, p. 21-30, 2014

U. Bozan, E. Altuncu, F. Üstel

Nano Partikül Takviyeli Teflon Kaplamaların Üretilmesi ve Karakterizasyonu

b) Nano Ag Partikülü Takviyeli Numune (ince yapı) (Nano Ag reinforced specimen) Şekil 2.Numunelerin makro yüzey görüntüsü (macro appearance of specimen surface)

4.2. Yüzey Profil İnceleme (Surface Profil Review) Makro inceleme sonucuna göre numunelerin topolojik özellikleri incelenerek, yüzey profilleri incelendi. Şekil 3’te numuneler arasında yüzey pürüzlülük grafikleri ve ölçüm sonuçları karşılaştırılmaktadır. Grafiklere göre nanopartikül takviyesi olmayan referans teflon numune yüzey pürüzlülüğünün, nano partikül takviyeli teflon numuneye göre daha yüksek değerlerde olduğu görülmektedir. Referans numune yüzeyindeki girinti ve çukurcuk seviyeleri takviyeli yüzeye göre daha fazla ve derindir. Yüzey pürüzlülük ölçüm sonuçları da farkı açıklamaktadır. Partikül takviyesiz numune pürüzlülük değerleri; Rp:5,31 – Rv:7,63 – Rz:12,9 – Ra:2,21 µm ölçülmüştür. Nano partikül takviyeli numune pürüzlülük değerleri ise; Rp:2,41 – Rv:2,52 – Rz:4,92 – Ra:0,71 µm ölçülmüştür

b) Ag katkılı teflon numune yüzey profilive yüzey pürüzlülüğü ölçümü (Af reinforced teflon specimen surface profile and roughness measurement) Şekil 3. Nano partikül takviyeli/ takviyesiz teflon kaplama numuneleri üst yüzey profilleri (Nano particle reinforced/non reinforced teflon coating specimen surface profile)

4.3. Tarama Elektron Mikroskobu (SEM) ile Kesit İnceleme ve Element (EDX) Analizi ( Sectin of Micro Structure Review at Scanning Electron Microscope ,SEM, and EDX Analysis)

Metalografik numune hazırlama işlemleri sonrası numuneler tarama elektron mikroskobu (SEM) ile incelendi. SEM ile teflon kaplama numunelerin kesitinde yapılan mikroyapı incelemesinde alüminyum altlık malzeme, metalografik numune hazırlama aşaması olan zımparalama işlemi sırasında kopmuş ve altlık üzerine sıvanan teflon parçaları, altlık üzerine yapılan astar kaplama (TiO2), teflon (PTFE) kaplama kesitleri görülmektedir (Şekil 4).

Bu sonuçlardan anlaşılacağı üzere nano gümüş partikülü takviyesi, teflon kaplama yüzeyinde tane inceltici ve yüzey pürüzlülüğünü azaltıcı rol oynamaktadır. Bu durum, nano Ag takviyesi teflon sıvısının viskozitesini arttırması sonucu kürleme işlemi esnasında buharlaşma hızının azaldığı ve böylece yüzey pürüzlülüğünün azalma yönünde davrandığı şeklinde yorumlanmaktadır.

Nano Partikül Takviyesiz Referans Numune (Nano particle non reinforced referance teflon specimen)

a) Referans (katkısız) teflon numune yüzey profili ve yüzey pürüzlülüğü ölçümü (Referance specimen surface profile and roughness measurement)

SAU J. Sci. Vol 18, No 1, p. 21-30, 2014

U. Bozan, E. Altuncu, F. Üstel

b) Nano Partikül Takviyeli Kaplama Numunesi (Nano particle reinforced teflon coating specimen) Şekil 4.SEM Görüntüleri (SEM Review)

Basınçlı hava ile sprey kaplama yönteminin avantajı olan pürüzsüz sürekli yapı, dezavantajı olan kontrolsüz kalınlıktaki kaplama tabakası kolaylıkla anlaşılmaktadır. Astar kaplama kalınlığı 5-12 µm arası, teflon kaplama kalınlığı ise 10-20 µm arası ölçülmektedir. Farklı noktalarda ölçüldüğünde kaplama kalınlıkları değişmektedir (Şekil 5).

Nano Partikül Takviyeli Teflon Kaplamaların Üretilmesi ve Karakterizasyonu

Nano Partikül Takviyesiz Referans Numune (F: % 81.7, Au: %10.8, C: % 4.3) (Nano particle non reinforced referance teflon specimen)

b) Nano Partikül Takviyeli Kaplama Numunesi (Nano particul reinforced coating specimen) Şekil 6. EDX Analizi (EDX Analysis)

4.4. XRD Faz Analizi (XRD Phase Analysis)

Şekil 5. Kaplama kalınlıkları (coating thickness)

Tarama Elektron Mikroskobu (SEM) ile numunelerin kaplama kesitinde Enerji Dağılımlı X-Işını (EDX) Analizi yapılarak teflon kaplama element analizi gerçekleştirildi. Yapılan element analizinde teflon kaplama bileşenleri flor (%81.7 F) ve karbon (% 4.3 C) elementleri, metalografik işlem yüzey ince bir film tabakası kaynaklı altın (% 10.8 Au) elementi tespit edilmiştir (Şekil 6.a – 6.b). Ayrıca teflon kaplama numunesine takviye edilen gümüş (Ag) elementinin varlığı tespit edilmiştir (Şekil 6.b). 26

Takviyesiz Teflon Kaplama (Referans numune) ve nano gümüş partikülü takviyeli teflon kaplama numunelerine X-ışını kırınım yöntemi (XRD) kullanılarak faz analizi gerçekleştirildi. Şekil 7’deki analiz sonuçlarında görüleceği üzere yapı kristalin bir faz yapısına sahiptir. Amorflaşma gözlenmemiştir. Teflon kaplama bileşeni PTFE fazı ile astar kaplama bileşenleri (grafit, TiO2, diğer floropolimer) tanımlanan pik ile gösterilmektedir. Ayrıca XRD analiz paternlerinde görülen alüminyum (Al) fazı varlığı ise; ince teflon tabakasından dolayı Xışınlarının altlık malzemeye ulaştığı şeklinde yorumlanmıştır.

SAU J. Sci. Vol 18, No 1, p. 21-30, 2014

U. Bozan, E. Altuncu, F. Üstel

Nano Partikül Takviyeli Teflon Kaplamaların Üretilmesi ve Karakterizasyonu

Referans (takviyesiz) Numune (Non reinforced referance specimen)

yanında yapılan incelemelerde kaplama yapısında hangi fonksiyonel grupların bulunduğunu ve molekül içindeki bağ türlerinin belirlemek amacıyla ATR-FTIR analizi gerçekleştirilmiştir. IR bölgesi 2500–15000 nm (4000 – 650 cm-1 ) aralığıdır. IR bölgesinin 4000 – 1300 cm-1 arasındaki bölgede karşılaşılan pikler moleküldeki çeşitli fonksiyonel gruplara (CH2, CH3, CF2) ait belirgin teflon pikleridir. Ayrıca teflon kaplama altında yer alan TiO2 içerikli astar kaplama içeriğide belirgin bir omuz bölgesi göstermiştir. Bu gruplara ait pikler nano Ag katkılı ve katkısız tüm teflon kaplamalarda benzer alanda gözlenmiştir (Şekil 8) [7].

cm -1 Şekil 8. FTIR Analizi sonuçları (FTIR Analysis Results) [7]

4.6. Tribolojik Davranışlar ve Aşınma Performansı (Tribological Behavior and Abrasion Performance)

Teflon kaplı numunelerin sürtünme katsayısının tespiti ve aşınan yüzeylerin mikro görüntüleme ile incelenmesi amacıyla ASTM G133 ve G65 Ball on aşınma testi uygulanmıştır. Bu şekilde kaplamanın tribolojik özellikleri ball on disk testi ile incelenmeye çalışılmıştır.

b) Nano Partikül Takviyeli Kaplama Numunesi (Nano particle reinforced teflon coating specimen) Şekil 7. XRD Analiz sonuçları (XRD Analysis Results)

Referans teflon kaplama numunesinden farklı olarak Ag katkılı kaplamalarda kristalin farklı faz yapıları gözlemlenmiştir. Böylelikle ana yapıda Agdope elementlerinin mevcudiyeti gözlemlenebilmektedir. Yapı tümüyle kristalin bir faz yapısına sahiptir (Şekil 7.b).

Aşındırıcı olarak 10 mm çapında alümina kürenin kullanıldığı ball on disk test düzeneğinde diğer parametreler; radüs 6,78 mm, test hızı: 0,15 m/s, normal yük 5 N olarak ayarlanmıştır. 25 °C’lik kuru ortam şartlarında gerçekleşen aşınma testi sonrası teflon numunelerde elde edilen aşınmış yüzeye ait görüntü Şekil 9'da verilmiştir.

4.5. Infrared Spektrokopisi (FTIR) ile Yapı Analizi (Micro Structure Analysis at Infrared Spectroscope.FTIR)

Teflon kaplama numunelerinin infrared (IR) spektrumunu ile Ag metali ile teflon arasında bir bağ oluşup oluşmadığı belirlenmeye çalışılmıştır. Bunun SAU J. Sci. Vol 18, No 1, p. 21-30, 2014

U. Bozan, E. Altuncu, F. Üstel

Nano Partikül Takviyeli Teflon Kaplamaların Üretilmesi ve Karakterizasyonu

Teflon numunelerin katı partükül abrazif aşınma kayıplarını karşılaştırmak amacıyla ASTMG65 aşınma test sistemi kullanılmıştır. Bu test cihazında tane boyutu 250 µm olan alümina tozu aşındırıcı partikül olarak kullanılmıştır. Ayrıca test, 45 N kuvvet altında 2000 devirde uygulanmıştır. Test verilerinden anlaşılacağı üzere nano partikül takviyesi olmayan referans teflon kaplama numunelerinde, nano partikül takviyeli teflon kaplama numunelerine göre aşınma kaybı kısmen daha fazladır (Tablo 2). Tablo 2. Aşınma kaybı (Abrasion loss)

Başlıklar Şekil 9. Aşınmış yüzey görüntüsü (Wear surface appearance)

Aşınma testi ile nanopartikül takviyesiz referans teflon numune sürtünme katsayısı 0.162, nano gümüş partikül takviyeli teflon kaplama numunesi sürtünme katsayısı ise 0.142 olarak tespit edilmiştir (Şekil 10).

Takviyesiz Referans Numune Ag takviyeli numune

Test öncesi ağırlık (gr)

Test sonrası ağırlık (gr)

Aşınma Aşınma kaybı oranı % (gr)

5,715

4,708

1,007

17,62

5,681

4,859

0,822

14,46

Bu sonuçlara göre nanopartikül takviyesi, teflon kaplamaların aşınma direncini kısmen arttırmaktadır. Metal partiküller ile modifiye edilmiş teflon kaplamalar, tane yapısının incelmesi ve katmanlar arasındaki iyi dağılım nedeni ile yüksek mekanik vetribolojik davranış göstermektedir. 4.7. Endüstriyel Testler (Industrial Tests)

Referans (takviyesiz) Numune (Non reinforced referance specimen)

Kareleme testi sonrasında, Şekil 11’de nano partikül takviyesi olmayan referans numune teflon kaplama görüntüsünden anlaşılacağı üzere test sonrasında bant üzerinde kalan teflon miktarı, nano gümüş takviyeli teflon kaplı numunelere göre daha fazladır. Buradan anlaşılan nano gümüş takviyesi, teflon kaplamaların altlık malzemeye tutunma kuvvetini arttırmaktadır.

b) Ag Takviyeli Teflon Numune (Ag reinforced teflon specimen) Şekil 10. Sürtünme katsayısı tespiti a)

Referans Numune (Referance Specimen)

SAU J. Sci. Vol 18, No 1, p. 21-30, 2014

U. Bozan, E. Altuncu, F. Üstel

Nano Partikül Takviyeli Teflon Kaplamaların Üretilmesi ve Karakterizasyonu

kaplamalı referans numuneye göre daha kaliteli yapışmazlık özelliği gösterdi. Nano gümüş partikülü takviyeli teflon kaplama 2.derece yapışmazlık kalitesine sahipken, nano gümüş partikül takviyesi olmayan teflon kaplama 3.derece yapışmazlık kalitesine sahip olduğu değerlendirildi. 5. SONUÇLAR (CONCLUSION)

b) Nano Partikül Takviyeli Teflon Numunesi (Nano particul reinforced teflon specimen) Şekil 11.Kareleme Testi (Quadrature Test)

Aşındırma testi sonucunda, referans numune yüzeyinde 1860 çevrim sonrasında aşınmış yüzey belirtisi referansı olan 2 adet çizik tespit edildi ve test sonlandırıldı. Nano gümüş takviyeli teflon numune yüzeyinde 2480 çevrim sonrasında aşınmış yüzey tespit edildi ve test sonlandırıldı. Test sonuçlarından anlaşılacağı üzere nano gümüş takviyeli teflon kaplı numuneler, nanopartikül takviyesi olmayan teflon kaplamalı referans numuneye göre aşınmaya daha uzun süre ile direnç gösterdi. Buradan anlaşılan nano gümüş takviyesi, teflon kaplamaların aşınma direncini arttırmaktadır. Aşındırma testi düzeneği Şekil 12’de gösterilmektedir.

Nanopartikül takviyeli teflon kaplama ile takviyesiz teflon kaplama numunelerinin karakterizasyonu gerçekleştirilmiş ve sonuçlar kıyaslanmıştır. Elde edilen verilere göre nanopartikül takviyesi teflon kaplama üzerinde tane inceltici rol oynadığı tespit edilmiştir.Nano gümüş (Ag) takviyesi ile teflon kaplama yüzey profili değişmektedir. Takviyesiz teflon kaplamadaki kaba taneli yüzey yapısı yerine, nanoAg takviyesi ile daha düşük pürüzlülüğe sahip ince taneli yüzey yapısı oluşmaktadır. BöyleliklenanoAg takviyesi ileteflon kaplama yüzeyi sürtünme katsayısı da düşmektedir. Tarama elektron mikroskobu incelemesi sonucunda kaplama yapısı ve kaplama metodunun etkileri tespit edilmiştir. EDX element analizi ve XRD faz analizi ile teflon malzeme yapısındaki nano gümüş yapısı tespit edilmiştir. Standart aşındırma testleri ile teflon kaplamaların dezavantajı olan aşınma direncine nanoAg takviyesinin etkisiaraştırılmıştır. Bu araştırmaya göre nanoAg takviyesi teflon kaplamaların aşınma direncini arttırmaktadır. Bu değerlendirme de takviyesiz referans numunedeki kaba yüzey aşınmayı artırırken, nanoAg katkılı ince taneli ve sıkı dokulu yüzey sürtünmenin azalmasına yardımcı olarak aşınmayı düşürdüğü yorumlanmıştır.Endüstriyel test uygulamaları ise nano gümüş takviyesinin teflon kaplamaların aşınma direncini arttırdığı, yapışmazlık özelliğini iyileştirdiği ve altlık üzerine tutunma mukavemetini arttırdığı tespit edilmiştir. KAYNAKLAR (REFERENCES) [1]

Şekil 12. Aşınma testi düzeneği (Abrasion test mechanism)

Süt testi sonrasında referans numune yüzey temizleme işleminde yüzeyde oluşan yanık tabakası yüzeyden su yolu ile ayrılmadığı, ancak bir sünger yardımıyla kolayca ayrılmakta olduğu değerlendirildi.Nano gümüş takviyesi olan teflon numunelerin test sonrası yüzey temizleme işleminde yüzeyde oluşan yanık tabakaları yüzeyden su yardımıyla tamamen değil parçalı olarak ayrılmakta olduğu değerlendirildi. nano gümüş takviyeli teflon kaplı numuneler, nanopartikül takviyesi olmayan teflon SAU J. Sci. Vol 18, No 1, p. 21-30, 2014

[2]

[3] [4]

Dr N. Rivier (February 2003), “Non-stick quasicrystalline coatings”, Blackett Laboratory, Imperial College, London SW7 2BZ. Du Pont Teflon Industrial Coatings”, Du Pont Licensed Industrial Applicator Program, Erişim:http://www.productknowledge.com/cours es/corp/what/what_intro.asp, 21.07.13 Çelik Ö. (2009), “Non-stick (Yapışmaz) Kaplamalar ve Özellikleri, Y.Lisans Tezi, Sakarya Üniversitesi, pp 4-8, 22-28. Floroplastiklerin Yapı ve Özellikleri, Erişim:http://www.bilimselkonular.com/bilim/te knoloji /floroplastikler-.html, 20.04.2013

U. Bozan, E. Altuncu, F. Üstel

[5]

[6]

[7]

Nano Partikül Takviyeli Teflon Kaplamaların Üretilmesi ve Karakterizasyonu

Verran J., Sandoval G., Allen N.S., Edge M., Stratton J. (2006), “Variables affecting the antibacterial properties of nano and pigmentarytitania particles in suspension” Utku BOZAN, Ekrem ALTUNCU, Fatih ÜSTEL, “Nano Partikül Takviyeli Teflon Kaplamaların Üretilmesi ve Karakterizasyonu”, Y.LisansTezi, Sakarya Üniversitesi, pp 38-79 Judith Mihálya, Silvana Sterkel, Hugo M. Ortner (July 2006), ‘FTIR and FT-Raman Spectroscopic Study on Polymer Based High Pressure Digestion Vessels’ Pannon University, Hungary Erişim:http://www.sciencedirect.com/articles/ 21.04.13

SAU J. Sci. Vol 18, No 1, p. 21-30, 2014

SAÜ. Fen Bil. Der. 18. Cilt, 1. Sayı, s. 31-38, 2014

SAU J. Sci. Vol 18, No 1, p.31-38, 2014

Genetiği değiştirilmiş gıdalar ve potansiyel sağlık riskleri Selen Şen1*, Sevin Altınkaynak1 1

Sakarya Üniversitesi Sağlık Yüksekokulu, Sakarya, Türkiye. * E-mail: scakirsoy@sakarya.edu.tr 26.03.2013 Geliş/Received, 15.11.2013 Kabul/Accepted

ÖZET Bünyelerine yabancı genler dahil edilerek genetik yapıları değişikliğe uğratılan, yabancı genleri genomlarına entegre eden ve bu özellikleri gösteren organizmalara “genetiği değiştirilmiş organizma (GDO)” denir. Geliştirilmelerinden bu yana; birçok alanda gündelik hayatımıza giren GDO’ların, en yaygın uygulama alanı bulduğu sektörler, tarım ve gıda sektörü olmuştur. Ancak, uzun süredir özellikle gıda olarak tükettiğimiz GDO’ların ve türevlerinin, insan sağlığı üzerinde; alerjik ve toksik etkiler oluşturma, antibiyotiklere direnç gelişimine neden olma, kanser oluşumunda rol oynama gibi olumsuzluklara yol açabileceğini savunan tartışmalar yapılmaktadır. Bu makalede; genetik olarak modifiye edilmiş gıdalar ve bunların insan sağlığı üzerinde oluşturabileceği potansiyel olumsuz etkiler hakkında bilgi verilmesi amaçlanmıştır. Anahtar kelimeler: Genetiği değiştirilmiş gıdalar, alerji, antibiyotik direnci, toksisite, kanser.

Genetically modified foods and potential health risks ABSTRACT The organisms; the genetic structure of which are modified by introducing foreign genes into their bodies, which integrate foreign genes to their genomes and reflect these features are called “genetically modified organisms (GMO)”. Agriculture and food sectors have been the widest usage area of GMOs; which have come into our daily life in many areas since they were developed. However, there are arguments defending that GMOs and their derivatives, which we have been consuming especially as food for a long time, can cause problems on human body such as allergic and toxic reactions, resistance to antibiotics and boosting some diseases such as cancer. In this article, we aimed to give information about genetically modified foods and their potential negative effects on human health. Keywords: Genetically modified foods, allergy, antibiotic resistance, toxicity, cancer.

Sorumlu Yazar / Corresponding Author

scakirsoy@sakarya.edu.tr

S. Şen, S. Altınkaynak

1. GİRİŞ (INTRODUCTION) Günümüzde dünya nüfusu hızla artmakta, ekilebilir alanlar ve su kaynakları azalmaktadır. Tarımda verimi artırmak amacıyla kullanılan kimyasal ilaçlar ve gübreler ise çevre kirliliğine neden olmaktadır. Bunların yanısıra, Mendel teorileri üzerine kurulmuş olan bitki ve hayvan ıslahı teknikleri yavaş ve pahalıdır. Bütün bu nedenler, Dünya’nın giderek artan gıda ihtiyacını karşılamak ve açlık sorununa çözüm üretmek için yeni arayışlar içine girilmesine neden olmuştur [1]. Bu arayışların sonucu olarak, biyoteknoloji ve gen mühendisliği alanında çalışan araştırmacılar, canlıların genetik yapılarında değişiklikler yapmayı mümkün kılan mekanizmaları keşfetmişlerdir [2, 3]. Böylece genetik mühendisliği yöntemleriyle, bünyelerine yabancı genler dahil edilerek, genetik yapıları değişikliğe uğratılan ve yabancı genleri genomlarına sabit olarak entegre eden ve bu özellikleri gösteren bitki, hayvan ve mikroorganizmalar geliştirilmiştir. Bunlar, transgenik veya genetik yapısı değiştirilmiş organizma (GDO) olarak adlandırılmıştır [4, 5, 6]. GDO'lar ile ilgili ilk çalışmalar, ABD kökenlidir. 1972 yılında, Paul Berg genetiği değiştirilmiş ilk DNA molekülünü oluşturmuştur. Bir yıl sonra; Stanley Cohen, Annie Chang ve Herbert Boyer bir antibiyotik direnç geninin bakteriye transferini gerçekleştirerek ilk GDO’yu oluşturmuşlardır. 1982 yılında, rekombinant insülin piyasaya çıkarılmıştır. Genlerinde değişiklik ve Polonya gibi ülkelerde de birkaç transgenik ürünün ekim alanları bulunmaktadır [8]. Türkiye’de ise, yasal olarak transgenik bitkilerin ticari amaçlı üretilmeleri yasaktır. Bu nedenle, Türkiye’nin durumu transgenik bitki geliştiren değil, geliştirilmiş transgenik çeşitleri satınalıp kullanma potansiyeli olan ülke olarak ele alınmalıdır. Ülkemizde transgenik çeşitlerin ekimi, Tarım ve Köyişleri Bakanlığı kontrolünde “Alan Denemeleri Yönetmeliği” kapsamında patates, mısır ve pamuk için Tarımsal Araştırma Enstitüleri’nde yapılmaktadır. Bu denemelerin amacı, çeşit özelliklerinin gözlenmesi, flora ve faunaya olan etkilerin belirlenmesi olarak açıklanmıştır [12]. Günümüzde, dünya genelinde genetiği değiştirme teknolojisinin en yaygın kullanıldığı tarım ürünleri; soya, pamuk, mısır ve kanola gibi ekonomik öneme sahip ürünlerdir. Bunların yanısıra pirinç, balkabağı, ayçiçeği, yer fıstığı, kasava ve papayada genetiği değiştirme teknolojisi kullanılmaktadır. Muz, ahududu, çilek, kiraz, ananas, biber, kavun ve karpuz ile ilgili çalışmalar ise halen devam etmektedir. Buğday, arpa gibi yüksek ekonomik değere sahip ürünlerde henüz oluşturulmuş bir transgenik ürün bulunmamaktadır [13]. Mısır ve soya, genleri ile oynanan ürünlerde ilk sırayı aldıklarından; bunlardan üretilen yan ürünlerin de transgenik organizma 32

Genetiği değiştirilmiş gıdalar ve potansiyel sağlık riskleri

yapılan ilk bitkisel ürün ise, 1983 yılında oluşturulan tütün mozaik virüsüne dirençli bir cins tütün olmuştur. 1994 yılında, ilk transgenik domates oluşturulmuştur. 1995 yılında ise, Bacillus thuringiensis (Bt) genini taşıyan mısır bitkisinin ekimi yapılmıştır. 1996 yılında, genetiği değiştirilmiş ürünlerin ticarî anlamda ekimi başlamış [7] ve domates, mısır, pamuk, kolza ve patates gibi ürünlerin piyasaya sürülmesine izin verilmiştir [8]. Daha sonraki yıllarda, dünyada GDO üretimi hızla artarak; tarım, hayvancılık, endüstri, sağlık gibi birçok alanda kullanılmaya başlanmıştır [9, 10]. Ancak genetiği değiştirme teknolojisi, en çok tarım ve gıda sektöründe uygulama alanı bulmuştur [10]. 2.GENETİĞİ DEĞİŞTİRİLMİŞ GIDA HAMMADDELERİ VE EKİM ALANLARI (GENETICALLY MODIFIED FOOD RAW MATERIALS AND PLANTATIONS) 1996 yılında, 1.7 milyon hektar olan genetiği değiştirilmiş ürünlerin ekim alanları hızla artmış [8] ve 2009 yılında yaklaşık 134 milyon hektara ulaşmıştır [11]. Halen yetiştirilmekte olan genetiği değiştirilmiş ürünlerin ekim alanları ülkeler bazında incelendiğinde; bu ekim alanlarının % 99’unun ABD, Arjantin, Brezilya, Kanada, Hindistan, Çin, Paraguay ve Güney Afrika’da olduğu görülmektedir. Çok geniş olmamakla birlikte; Uruguay, Filipinler, Avustralya, İspanya, Meksika, Kolombiya, Şili, Fransa, Honduras, Çek Cumhuriyeti, Portekiz, Almanya, Slovakya, Romanya içerme riski bulunmaktadır. Özellikle mısır ve soyadan üretilen; yağ, un, nişasta, glikoz şurubu, sakkaroz ve fruktoz içeren; bisküvi, kraker, kaplamalı çerezler, asitli içecekler, pudingler, bitkisel yağlar, bebek mamaları, şekerlemeler, çikolatalar, gofretler, hazır çorbalar, mısır ve soyayı yem olarak tüketen tavuk ve benzeri hayvanların gıdalarının transgenik ürün içerme riski taşıdığı bildirilmiştir [14]. Mısırın 700, soyanın ise 900 çeşit gıda maddesi içinde kullanıldığı düşünülürse, transgenik gıdaların dolaylı tüketim miktarının önemi açıkça görülmektedir [15]. 3.TARIMDA GENETİĞİ DEĞİŞTİRME TEKNOLOJİSİNİN KULLANIM AMAÇLARI (USING OBJECTIVES OF GENETIC MODİFİCİATION TECHNOLOGY IN AGRICULTURE) Tarımda genetiği değiştirme teknolojisinin kullanım amaçları: tarım ürünlerine virüs, mantar, bakteri, parazit, herbisit ve böceklere karşı dayanıklılık kazandırılması; sıcaklık, kuraklık, rutubet ve tuzluluk gibi olumsuz faktörlere karşı tolerans kazandırılması; albenilerinin ve dayanıklılıklarının artırılması, tad-aroma-kokularının değiştirilmesi, meyve oluşturma sürelerinin kısaltılması, SAU J. Sci. Vol 18, No 1, p. 31-38, 2014

Genetiği değiştirilmiş gıdalar ve potansiyel sağlık riskleri

besin değerlerinin iyileştirilmesi, sekonder metabolit (aşı, ilaç) üretiminin sağlanması ve verimliliklerinin artırılmasıdır [6, 16]. GDO’lar ile ilgili, tarımsal alanda en fazla gerek duyulan uygulamalardan biri, bitkilere zararlılara karşı dayanıklılık kazandırılmasıdır [17]. Hem bitkinin yapısını bozan, hem de bitkiye çeşitli hastalıklar bulaştıran böceklerin zararlarından korunmak için, böceklere dayanıklılık elde edilmesine yardımcı olacak toksinleri kodlayan genler, bitki genomuna aktarılmaktadır. Örneğin; mısıra, koçan kurdu denilen bir böceğe karşı dirençli olması için gram negatif Bacillus thuringiensis(Bt) bakterisinin sahip olduğu ve bir biyoinsektisit gibi bazı böceklere karşı doğal dayanıklılık sağlayan Bt endotoksinini kodlayan gen aktarılmaktadır. Bu gen paketinin içine, antibiyotik direnç genleri işaretleyici gen olarak konmaktadır. Bu gen paketi, bir vektör aracılığıyla bitkiye aktarılmaktadır. Antibiyotik uygulaması ile, geni almış olan mısırlar ayrılmaktadır. Çünkü, geni almış olan mısırlar antibiyotiğe dirençli olduğu için yaşamaya devam etmektedir. Transgenik mısır ekildiğinde, mısır toksin üreterek üzerinde böceğin yaşamasını engellemektedir [6, 16, 18]. GDO’lar ile ilgili, tarımsal alanda sık kullanılan diğer bir uygulama da, herbisitlere dayanıklı bitkiler elde edilmesidir. Yabancı otlar nedeniyle, dünya genelinde tarımda büyük kayıplar olmaktadır. Bu nedenle, tarımda yabancı otlarla mücadelede, yabancı otlara etki eden herbisitler kullanılmaktadır. Ekilen bitkinin herbisitlerden etkilenmemesi için, mikroorganizmalardan ya da herbisitlere doğal olarak dirençli çeşitli bitkilerden izole edilen genler (herbisitteki etken maddeyi inaktif hale getiren proteini kodlayan) bitkilere aktarılmaktadır[6]. Örneğin; Agrobacterium tumefaciens bakterisinden herbisite dirençli gen alınarak, soyanın DNA’sına eklenmekte ve böylece soya herbisitlere direnç kazanmaktadır [19]. GDO’lar ile ilgili, başka bir uygulama da, tarım ürünlerinin besin değerlerinin iyileştirilmesidir. Bunun en iyi bilinen örneği; pirince, Provitamin A (β-karoten) oluşmasını sağlayan enzimleri kodlayan 4 adet genin Narcissus pseudonarcissus bitkisi ve Erwinia uredovora bakterisinden izole edilerek aktarılmasıdır [20]. Gen aktarımlı bu pirincin taneleri parlak sarı-yeşil renkte olduğu için, bu ürüne “altın pirinç” adı verilmiştir [16]. Uzak Doğu ülkelerinde yaşayan 200 milyondan fazla insanın en temel gıdalarından biri olan pirinçte, Provitamin A doğal olarak bulunmadığından, bu gereksinimini değişik şekillerde karşılayamayan milyonlarca insanda zamanla gelişen ve kör olmayla sonuçlanabilen ciddi bir sağlık sorunu ortaya çıkmaktadır. Gen transferi ile bu sorunun ortadan kaldırılması adına büyük bir ilerleme sağlanmıştır [20]. SAU J. Sci. Vol 18, No 1, p. 31-38, 2014

S. Şen, S. Altınkaynak

4.GENETİĞİ DEĞİŞTİRİLMİŞ GIDALARA İLİŞKİN POTANSİYEL SAĞLIK RİSKLERİ (POTENTIAL HEALTH RISKS RELATING TO GENETICALLY MODIFIED FOODS) GDO’ların sağlık etkileri konusunda güvenilir olduğuna dair görüş bildirenlerin yanısıra, insan sağlığını tehdit ettiğini dile getiren araştırmacılar da vardır. Dünya Tıp Birliği (WMA: World Medical Association) tarafından geliştirilen ve insanda yapılacak tıbbi araştırmalara dair etik kuralları tanımlayan Helsinki Deklarasyonu’na göre, riskler tam olarak tanımlanmadan ve bu risklerle nasıl baş edileceği tam olarak anlaşılmadan insanda tıbbi araştırma kurgulanamaz. Bu nedenle, literatürde GDO’ların olumsuz etkilerini belirlemeye yönelik olarak planlanmış deneysel çalışmaların tamamı hayvan deneyleri ile sınırlıdır. Hayvan deneylerinin bu alana önemli katkılar sunduğu, ancak hastalık ile beslenme arasındaki doğrudan ilişkiyi tanımlama gücüne sahip olmadığı belirtilmektedir. Avrupa Gıda Güvenliği Otoritesi (EFSA: Europan Food Safety Authority) de, hayvan deneylerinin bu alanda kullanımının sınırlılıkları olduğunu dile getirmiştir. EFSA’ya göre, insanda meydana gelebilecek etkileri saptamada kullanılabilecek uygun hayvan modeli henüz bulunamamıştır ve hayvan deneylerinde birden fazla türün kullanılması önerilmiştir. Böylece, türlerdeki metabolik farklılıklar nedeni ile maskelenen etkilerin açığa çıkabileceği bildirilmiştir [21]. Ayrıca riskten etkilenimin incelendiği bu tip çalışmalarda, maruz kalınan sürelerin gerçek yaşamda olası maruz kalınan sürenin çok altında olduğu vurgusu da yapılmıştır [22]. GDO’ların hayvanlar üzerinde olumsuz etkiler oluşturduğunu bildiren çalışmalardan biri Ewen ve Pusztai’nin, GDO’lu patateslerin, fareler üzerindeki etkilerini belirlemeye yönelik olarak yaptıkları çalışmadır. Bu çalışmada, GDO’lu patatesle beslenen farelerin sindirim sisteminin farklı bölümlerinde gastrik mukoza proliferasyonu gibi etkiler belirlendiği bildirilmiştir [23]. Fare ve El Sayed de çalışmalarında; Bt toksin geni içeren patatesle beslenen farelerin ince bağırsağında hiperplastik hücreler gözlemlediklerini bildirmişlerdir [24]. Ermakova çalışmasında, çiftleşme döneminden 2 hafta önce, çiftleşme dönemi boyunca ve gebelik süresince genetiği değiştirilmiş soya ile beslenen farelerin yavrularının doğum ağırlıklarının ve beden kitle indekslerinin kontrol grubuna göre daha düşük olduğunu bildirmiştir [25]. Velimirov ve arkadaşlarının yaptığı çalışmada ise; genetiği değiştirilmiş mısırla beslenen farelerde, dördüncü nesilden sonra bağışıklık sistemlerinin ve üreme genlerinin bozulduğu, sperm sayısının düştüğü ve daha ufak tefek, çelimsiz hayvanlar oluştuğu bildirilmiştir [26]. Malatesta ve arkadaşları, genetiği değiştirilmiş soya ile beslenen farelerin karaciğer ve pankreasları ultrastrüktürel, mikroskobik ve 33

S. Şen, S. Altınkaynak

immunohistokimyasal incelemelerle incelenmiş ve karaciğer hücre çekirdeğinin şeklinin bozulduğunu, hücrelerin metabolik hızının arttığını, hücre çekirdeğinin porlarının arttığını, pankreas hücrelerinde enzim içeren paketçiklerin sayı ve boyutlarında artış olduğunu saptamışlardır [27]. Seralini ve arkadaşları, genetiği değiştirilmiş mısırla 90 gün boyunca beslenen farelerin idrarında fosfor ve sodyum atılımının azaldığını, trigliserit düzeyinin yükseldiğini ve hepatorenal toksisite ile ilgili bulgular belirlediklerini ve bu etkinin doza bağlı olarak arttığını bildirmişlerdir [28]. Cisterna ve arkadaşları, genetiği değiştirilmiş gıdalarla beslenen genç ve yaşlı farelerin RNA’larında bazı modifikasyonlar gerçekleştiğini, mRNA transkripsiyonunda geçici bir azalma olduğunu saptamışlardır [29]. Baranov ve arkadaşları tarafından yapılan çalışmada ise; genetiği değiştirilmiş soya ile beslenen farelerin ağız boşluğu içinde kontrol grubuna göre daha sıklıkla tüy oluşumunun gözlendiği bildirilmiştir [30]. Ermakova çalışmasında; genetiği değiştirilmiş soyadan elde edilen yem hammaddeleri ile beslenen çiftlik hayvanlarında; sperm sayısı düşüklüğü, embriyo gelişiminde önemli değişiklikler ve infant mortalitesinde artış olduğunu bildirmiştir [31]. Vazquez ve arkadaşlarının yaptıkları çeşitli çalışmalarda; farelerin Bt toksini içeren gıdalarla beslenmesinin bağışık yanıt oluşumunu indüklediği tespit edilmiştir [32, 33, 34]. Seralini ve arkadaşlarının 2 yıl boyunca aynı mısırın GDO’lu ve GDO’suz haliyle beslenen farelerin sağlık durumunu incelediği bir çalışmada ise; genetiği değiştirilmiş gıda ile beslenen farelerde en az 2 kat, en fazla 3 kat daha fazla sayıda ölüm gerçekleştiğini; ayrıca dişilerde en çok ölüm nedeninin meme kanseri olduğunu, erkeklerde ise karaciğer kanserinin 2,5-5 kat arttığını, her iki cinste de en çok görülen anomalinin böbrekte yaşandığını ve rahatsızlıkların % 76’sının böbrek tümörü merkezli olduğu bildirilmiştir [35]. EFSA ise, bu çalışmaya ilişkin yayınladığı bir raporda; araştırmada tümör gelişimine eğilimli fare ırkı seçildiğini, yeterli sayıda hayvan kullanılmadığını ve doğru istatistik analizlerin yapılmadığını bildirmiştir. Ayrıca çalışmada, gıda ve yem araştırmalarında uluslararası kabul görmüş Ekonomik Kalkınma ve İşbirliği Örgütü (OECD: Organisation for Economic Cooperation and Development) protokollerine uyulmadığını da belirtmiştir [36].

Genetiği değiştirilmiş gıdalar ve potansiyel sağlık riskleri

yerleştirilmesinin istenmeyen gelişimsel ya da fizyolojik etkilere neden olabileceğini bildirmiştir [5]. Çeşitli bilimsel araştırmalarda da, gıda olarak tüketilen bazı GDO’ların ve türevlerinin, insanlarda alerji ve toksisiteye neden olduğu bildirilmiştir. Ayrıca bu gıdaların, antibiyotiklere direnç gelişimine neden olma ve kanser oluşumunda rol oynama potansiyellerinin olduğu da bildirilmiştir. 4.1.Alerji (Allergy) GDO’ların sağlığa olumsuz etkileri içinde en öne çıkanı, alerjik etkileridir. Protein sekanslarındaki çok küçük değişikliklerin bile, alerji oluşumuna neden olduğu bilinmektedir. Genlerin kodladığı yeni proteinler, insanın o güne kadar bilmediği, yemediği, bağışıklık sisteminin tanımadığı proteinler olabilmektedir. Ayrıca, bir birey için alerjen olan bir proteini kodlayan gen, bireylerin güvenli olduklarını düşündükleri ve tüketmekte sakınca görmedikleri besinlere de aktarılabilmektedir [21, 37]. Örneğin 1996 yılında Nordlee ve arkadaşlarının yaptıkları çalışmada, metionin açısından fakir bir gıda olan soyanın bu özelliğini değiştirmek için metioninden zengin Brezilya fındığından 2S albumin geninin aktarılması ile oluşan transgenik soyanın, Brezilya fındığına alerjisi olan kişilerde alerjik reaksiyona neden olduğu bildirilmiştir [38]. İngiltere’de genetiği değiştirilmiş soyanın kullanılmaya başlanmasından sonra, soya alerjilerinin % 50 oranında arttığı bildirilmiştir [39]. Bir başka çalışmada, Bt endotoksini üretmek üzere modifiye edilmiş bir mısır türünün, alerjik hipersensiviteyi de içeren immünolojik cevaplara neden olduğu belirtilmiştir [40]. Bt toksini içeren çeşitli ürünleri toplayan ve bunların polenlerine inhalasyon yoluyla maruz kalan tarım işçilerinde de çeşitli alerjik reaksiyonlar gözlenmiştir [41]. Gupta ve arkadaşları çalışmalarında; Hindistan’da Bt toksini üreten pamuğu toplayan ve yükleyen tarım işçilerde ayrıca pamuk ayıklama fabrikasında çalışan işçilerde göz, deri ve üst solunum yollarına ilişkin alerjiler gözlendiğini bildirmişlerdir [42]. Smith ise yaptığı çalışmada; Filipinler’deki bir Bt mısır ekim alanının yakınında yaşayan köy halkında solunum yolu, sindirim sistemi, cilt reaksiyonları ve ateşle seyreden hastalığın mısırın polen saçtığı dönemde ortaya çıktığını bildirmiştir [43]. 4.2.Antibiyotik Direnci (Antibiotic Resistance)

Genetiği değiştirilmiş ürünlerin, insan sağlığı üzerinde özellikle uzun dönemde meydana getirebilecekleri etkiler ile ilgili ise henüz net bilgiler bulunmamakla birlikte [16], Dünya Sağlık Örgütü (WHO: World Health Organization), 2005 yılında yayınladığı raporda, GDO’ların insan sağlığı ve gelişimi için potansiyel risk olasılığı taşıdığını ve bunların güvenli besin olarak tüketimlerine dair bir geçmişleri olmadığını, genetiği değişecek organizma genomuna yeni gen 34

GDO’ların sağlık riskleri içinde bir diğer tartışmalı konu da, antibiyotik direncidir. Gen aktarımı esnasında, genetik olarak değiştirilmiş hücrelerin değişmemiş olanlardan ayırt edilebilmesi amacıyla, bakteri kökenli antibiyotik direnç genleri kullanılmaktadır. Bu genlerin, insan ve hayvan bünyesindeki bakterilere geçerek onların da antibiyotiklere dirençli hale gelmesine neden olabileceği düşünülmektedir. Ancak bu durum deneysel SAU J. Sci. Vol 18, No 1, p. 31-38, 2014

Genetiği değiştirilmiş gıdalar ve potansiyel sağlık riskleri

olarak ispatlanamamıştır [44]. 2004 yılında WHO’nun çıkardığı karar da, hücreye işaretleyici genler katan yöntemlerin bırakılması yönündedir. Ancak biyoteknoloji şirketlerinin bu uyarıyı dikkate almadığı, performansı beğenilen antibiyotik direnç genlerini kullanamaya devam ettiği ve alternatif işaretleyici gen arayışlarına da girmediği görülmektedir [21]. 4.3.Toksisite (Toxicity) GDO’ların insan sağlığı açısından bir diğer riski de, toksik etkileridir. Bu organizmalar, aktarılan yeni gen ürünlerini ve onlardan kaynaklanan sekonder metabolitleri içermektedir. Genetiği değiştirilmiş bitkilerde bulunan, zararlı ot ve böcek öldürücü genler ile terminatör genlerin toksin üreterek çalıştıkları ve dokularda birikme durumunda toksik etkiler oluşturabilecekleri belirtilmektedir. Gen aktarım sürecinde, hücrelerin bir takım enzim ve proteinlerinin değişime uğradığı görülmüş ve bunların toksik etkiler nedeniyle olabileceği düşünülmüştür [45]. Örneğin; 1980’lerin sonunda bir Japon firması esansiyel bir aminoasit olan triptofanı ( vücutta serotonin yapımında kullanılır) bir bakteriye ürettirerek, gıda katkısı olarak ABD’de satışa sunmuştur. Aylar içinde ürünü kullanan kişilerde sinir sistemini etkileyen, kas ağrıları ve kandaki bazı hücrelerin sayısında artışla seyreden Eozinofili Miyalji Sendromu (EMS) ortaya çıkmıştır. Yapılan incelemeler sonucunda; genleri değiştirilmiş bakterideki artan triptofan üretiminin toksik bir yan ürün oluşumuna yol açtığı ve sendromun, ürünün içerdiği toksik madde nedeniyle ortaya çıktığı bildirilmiştir [46]. 4.4.Kanser(Cancer) GDO’ların doğrudan ve dolaylı olarak kanserojen etkisinin olabileceği, çeşitli araştırıcılar tarafından belirtilmektedir. Özellikle, herbisitlere dayanıklılığı sağlanmış; pamuk, soya, mısır ve kolza çeşitlerinde kullanılan bromoxynil ve glufonsinate gibi kimyasal maddelerin doğrudan kanser yapıcı oldukları bilinmektedir [17]. Ayrıca, gıda ürünlerine aktarılan çeşitli kökenden (bitki, hayvan, virüs, bakteri) DNA parçacıklarının insan ya da hayvan genomuna transferinin insan sağlığı açısından sonuçlarının ne olacağı da önemli bir sorudur. Beslenme ile alınan DNA, memeli bağırsağında genellikle parçalanmakla birlikte, bu parçalanma tamamen ve bir anda olmamakta ve bazen DNA kararlı kalabilmektedir. Bu nedenle, besinler yoluyla alınan yabancı DNA parçalarının sindirim sisteminde tam olarak sindirilmeden dolaşım sistemine geçmesi, oradan da insan veya hayvan hücrelerine geçme olasılığının teorik olarak mümkün olduğu belirtilmektedir [47]. Örneğin; mısırla beslenen sığır ve tavuklarda, mısır kloroplast DNA’sının çeşitli dokulara girdiği bildirilmiştir [47, 48]. Çift zincirli M 13 SAU J. Sci. Vol 18, No 1, p. 31-38, 2014

S. Şen, S. Altınkaynak

bakteriyofaj DNA’sı ile beslendikten sonra incelenen fareler üzerinde yapılan deneysel çalışmalarda da; DNA fragmentlerinin tamamen parçalanmadığı, kan dokusu ile diğer dokulara ulaştığı ve fare DNA’sına kovalent olarak bağlandığı tespit edilmiştir. Tüketilen gıdalardaki DNA’nın somatik hücreler tarafından alındığı gösterilmiş olmasına rağmen, şimdiye kadar eşey hücrelerinde bu durum kanıtlanmamıştır [47, 49]. Genetiği değiştirilmiş mısır ve soya ile beslenen ineklerin sütlerinde de, mısır ve soyaya ait genetik materyalin tespit edildiği ve geçen DNA yapılarının pastörizasyona dirençli olduğu bildirilmiştir [50]. Bunların dışında, transgenik bitkilerin kalıntılarındaki toksik maddelerin, toprağa ve suya geçtiğine dair çok sayıda araştırma sonucu da bulunmaktadır. Bu nedenle, toksinlerin diğer organizmaların besin zincirine katılmaları da söz konusudur. Bazı genlerin ürettiği endotoksinlerin toprakta 33 hafta kaldığı belirlenmiştir [51]. 5.SONUÇLAR VE ÖNERİLER (CONCLUSIONS AND SUGGESTIONS) Bilim dünyasında, GDO’lar konusunda olumlu ve olumsuz görüşler mevcuttur. GDO’lar hakkındaki olumlu görüşler: bu teknolojinin daha fazla ve kaliteli ürün elde edilmesini sağlayacağı, kimyasal ilaç ve gübre kullanımını azaltacağı, besinlerin üretim maliyetlerini ve besin değerlerini artırarak dünyanın birçok yerindeki açlık sorununa ve kötü beslenmeye çözüm getireceği, bazı besinlerin alerjenik özelliklerini ortadan kaldıracağı, besinlere eklenecek öğelerle hastalıklara karşı kolayca bağışıklama sağlayacağı şeklindedir. Olumsuz görüşler ise; bu teknoloji ile üretilen besinlerin, toplumda görülen alerjik reaksiyonları artıracağı, toksik etkiler oluşturacağı, kanserojen olabileceği ve antibiyotiklere dirençli mikroorganizmaların gelişimine yol açabileceği şeklindedir. Ekolojik ve sosyo-ekonomik açıdan ise; bu ürünlerin zaman içinde dünyadaki genetik çeşitliliği azaltabileceği ve ekonomik açıdan dışa bağımlılığa neden olabileceği ileri sürülmektedir. Dünyada kullanımı ve tüketimi gittikçe yaygınlaşan GDO’lara ilişkin olumsuzluklar içerisinde gündemi en çok meşgul eden konu, gıda olarak tüketilen GDO’ların yol açabileceği muhtemel sağlık riskleridir. Literatürde; bu gıdaların sağlık üzerinde olumsuz etkileri olduğunu hayvan deneyleri ile belirlediğini bildiren bilimsel çalışmalar vardır. Ancak bazı bilim insanları, bu çalışmaların sonuçlarının tartışmalı olduğunu belirtmektedir. Diğer yandan transgenik gıdaların, insan sağlığı üzerinde kısa ve uzun dönemde oluşturabileceği etkileri belirlemeye yönelik planlanmış bilimsel araştırmalar ise bulunmamaktadır. Bu nedenle, transgenik gıdaların insan sağlığına ne gibi etkilerinin olduğu ya da olacağı belirsizdir. Sonuç olarak, bu ürünlerin yararlı ya da zararlı olduklarına dair kesin bir 35

S. Şen, S. Altınkaynak

Genetiği değiştirilmiş gıdalar ve potansiyel sağlık riskleri

yargıya varmak, şu an için mümkün değildir. Bu bakımdan, GDO’ların sağlık üzerindeki etkilerini ortaya koyacak iyi tasarlanmış ve standartlara uygun çalışmaların yapılması gerekmektedir. [10] Ülkemiz açısından bakıldığında ise, bu teknolojinin tamamen dışında kalınmamalı, GDO’lu ürünler konusunda araştırmalar yapılmalı ve konuyla ilgili araştırmalar desteklemelidir. Diğer yandan, bu ürünlerle ilgili muhtemel riskler de göz ardı edilmemeli ve bunlara ihtiyatla yaklaşılmalıdır. Bir ürünün transgenik olup olmadığı, transgenik ürüne transfer edilen DNA’nın varlığı veya bu genetik materyal tarafından kodlanan proteinlerin varlığıyla laboratuvar ortamında belirlenebilmektedir. Bu bakımdan, ülkemize dışarıdan gelen ürünlerin kapsamlı laboratuvarlar tarafından incelenmesi, hem gümrüklerde hem de iç piyasada konu ile ilgili etkin bir kontrol ve denetim sisteminin oluşturulması çok önemlidir.

[11] [12]

[13]

KAYNAKLAR (REFERENCES) [1] [2]

[3]

[4] [5]

[6] [7]

[8]

[9] 36

Meseri, R. (2008) Beslenme ve genetiği değiştirilmiş organizmalar, TAF Preventive Medicine Bulletin, 7(5), 455-460.. Kulaç, İ., Ağırdil, Y., Yakın, M. (2006) Sofralarımızdaki tatlı dert, genetiği değiştirilmiş organizmalar ve halk sağlığına etkileri, Türk Biyokimya Dergisi, 31 (3), 151-155. Koçak, N., Türker, T., Kılıç, S., Hasde, M. (2010) Tıp fakültesi öğrencilerinin genetiği değiştirilmiş organizmalar hakkındaki bilgi, tutum ve davranışlarının belirlenmesi, Gülhane Tıp Dergisi, 52, 198-204. Uzogara, S.G. (2000) The impact of genetic modification of human foods in the 21st century, Biotechnology Advances, 18, 179-206. Cellini, F., Chesson, A., Colquhoun, I., Constable, A., Davies, H.V., Engel, K.H., Gatehouse, A.M.R., Karenlampi, S., Kok, E.J., Leguay, J.J., Lehesranta S., Noteborn, H.P.J.M, Pedersen, J., Smith M. (20004) Unintended effects and their detection in genetically modified crops, Food and Chemical Toxicology, 42, 1089-1125. Demir, A., Seyis, F., Kurt, O. (2006) Genetik yapısı değiştirilmiş organizmalar: I. Bitkiler, ÖMÜ Zir. Fak. Dergisi, 21(2), 249-260. Food Standarts Agency. GM Time Tour –A history of gene manipulation. URL: (http://archive.food.gov.uk/gmtimeline/default.ht ml) Accessed on March 2013. Atsan, T. (2008) Genetiği değiştirilmiş organizmaların (GDO) tarım ve insan sağlığı üzerine etkileri, Ziraat Fakültesi Dergisi, 22 (2). 1-6. Koçak, N., Türker, T., Kılıç, S., Hasde, M. (2010)

[14] [15] [16]

[17] [18]

[19]

[20]

[21]

[22]

Tıp fakültesi öğrencilerinin genetiği değiştirilmiş organizmalar hakkındaki bilgi, tutum ve davranışlarının belirlenmesi, Gülhane Tıp Dergisi, 52, 198-204. Olhan, E. (2010) Modern Biyoteknolojinin tarımda kullanımının politik ve ekonomik yönden değerlendirilmesi. Farklı boyutlarıyla genetiği değiştirilmiş organizmalar, Ankara Tabip Odası Yayını, 9-14. Çetiner, S. (2010) Genetiği değiştirilmiş organizma (GDO) nedir? Sorular ve yanıtlar-1, Uluslarası Ekonomik Sorunlar Dergisi, 38, 29-38. Özgen, M., Ertunç, F., Kınacı, G., Yıldız, M., Birsin, M., Ulukan, H., Emiroğlu, H., Koyuncu, N., Sancak, C. (2005) Tarım teknolojilerinde yeni yaklaşımlar ve uygulamalar: Bitki biyoteknolojisi, Türkiye Ziraat Mühendisliği VI. Teknik Kongresi, Cilt 1, 315–346. Özmert, S., Yaman, H. (2011) Tüketicilerin genetiği değiştirilmiş gıdalara karşı tutumlarının ve bilgi düzeylerinin belirlenmesi, Kocatepe Veteriner Dergisi, 4(1), 31-34. Erkmen, O. (2010) Gıda kaynaklı tehlikeler ve güvenli gıda üretimi, Çocuk Sağlığı ve Hastalıkları Dergisi, 53, 220-235. Çakar, F. (2005) Genetiği değiştirilmiş organizmalar, Ölçü, TMMOB Yayın Organı, 112-119. Çelik, V., Balık, T.G. (2007) Genetiği değiştirilmiş organizmalar (GDO), Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 23 (1-2), 13 -23. Haspolat, I. (2012) Genetiği değiştirilmiş organizmalar ve biyogüvenlik, Ankara Üniv Vet Fak Derg., 59, 75-80. Shelton, A.M., Tang, J.D., Roush, R.T., Metz, T.D., Earle, E.D. (2000) Field tests on managing resistence to Bt-engineered plants. Nat Biotechnol, 18, 339-342, 2000. Zhang, Z. Xing A, Staswick P, Clemente E.T. (1999) The use of glufosinate as a selective agent in Agrobacterium-mediated transformation of soybean, Plant Cell, Tissue, Organ Culture, 56, 37-46. Y, X., S. Al-Babili, A, Kloti, J. Zhang, P. Lucca, P. Beyer, I. (2000) Potrykus. Engineering the provitamin A (Beta karoten) biosynthetic pathway into (carotenoid-free) rice endosperm, Science 287: 303-305. Ergin, I., Karababa, O.A. (2011) Genetiği değiştirilmiş organizmalar: Sağlığa zararlarını kanıtlamak neden zor? Sorunlar ve riskin ipuçları, Türkiye Halk Sağlığı Dergisi, 9(2), 113-122. Aslan, D. (2011) Halk sağlığı bakış açısı ve genetiği değiştirilmiş organizmalar, Hacettepe Tıp Dergisi, 42, 110-114. SAU J. Sci. Vol 18, No 1, p. 31-38, 2014

Genetiği değiştirilmiş gıdalar ve potansiyel sağlık riskleri

[23]

[24]

[25]

[26]

[27]

[28]

[29]

[30]

[31]

[32]

[33]

[34]

Ewen, B.W.S., Pusztai, A. (1999) Effect of diets containing genetically modified potatoes expressing galanthus nivalis lectin on rat small intestine, The Lancet, 354(9187), 1353-1354. Fare, H.N., El-Sayed, K.A. (1998) Fine structural changes in the ileum of mice fed on δ-endotoxintreated potatoes and transgenic potatoes, Natural Toxins, 6, 219-233. Ermakova, I.V. (2006) Influence of genetically modified soya on the birth-weight and survival of rat pups, Proceedings Epigenetics, Transgenic Plants and Risk Assessment, 41-48. Velimirov, A., Binter, C., Zentek, J. (2008) Biological effects of transgenic maize NK603XMON810 fed in long term reproduction studies in mice, The Austrian Ministries of Agriculture and Health, 28-82. Malatesta, M., Tiberi, C., Baldelli, B., Battistelli, S., Manuali, E., Biggiogera, B. (2005) Reversibility of hepatocyte nuclear modifications in mice fed on genetically modified soybean. Eur J Histoche, 49:237–242. Seralini, E.G., Cellier, D., Vendomois, J.S. (2007) New analysis of a rat feeding study with a genetically modified maize reveals signs of hepatorenal toxicity, Archives of Environmental Contamination and Toxicology, 52, 596-602. Cisterna, B. Flach, F., Vecchio, L., Barabino, L.M.S., Battistelli, S., Martin, E.T., Malatesta, M., Biggiogera, M. (2008) Can a geneticallymodified organism-containing diet influence embryo development? A preliminary study on pre-implantation mouse embryos, European Journal of Histochemistry, 52 (4), 263-267. Baranov, A.S. Chernova, O.F., Feoktistova, N.Y., Surov, A.V. (2010) A new example of ectopia: oral hair in some rodent species, Doklady Akademii Nau, 431( 4), 559–562. Ermakova, I. (2006) Genetically modified soy leads to decrease of weight and high mortality of rat pups of the first generation, Preliminary studies, Ecosinform 1, 4-9. Vazquez, R.I. Moreno, L., Neri, L., Riva, G.A., Lopez, R. (1999) Intragastric and intraperitoneal administration of Cry1Ac protoxin from Bacillus thuringiensis induces systemic and mucosal antibody responses in mice, Life Sci., 64(21) 1897–1912. Vazquez, R.I., Moreno, L., Neri, L., Martinez, A.F., Riva, G.A., Lopez, R. (2000) Characterization of the mucosal and systemic immune response induced by Cry1Ac protein from Bacillus thuringiensis HD 73 in mice, Brazilian J. of Med. and Biol. Research, 33: 147– 155. Vazquez, R.I, Moreno, L., Neri, L., Martinez,

SAU J. Sci. Vol 18, No 1, p. 31-38, 2014

S. Şen, S. Altınkaynak

[35]

[36] [37] [38]

[39]

[40]

[41]

[42]

[43]

[44] [45]

[46]

[47]

A.F., Riva, G.A., Lopez, R. (1999) Bacillus thuringiensis Cry1Ac protoxin is a potent systemic and mucosal adjuvant, Scandanavian Journal of Immunology, 49, 578–584. Seralini, G.E., Clair, E., Mesnage, R., Gres, S., Defarge, N., Malatesta, M., Hennequin, D., Vendomois, J.S. (2012) Long term toxicity of a round up herbicide and a round up-tolerant genetically modified maize, Food and Chem Toxicology, 50, 4221-4231. Çetiner, S. (2012) GDO kanser ilişkisi kanıtlandı mı?, Tarla Sera Dergisi, (26), 16-18. Engeseth, J.N. (2000) Safety of genetically engineered foods, In Helferich Winters K(eds), Toxicology of Foods, CRC Press., 77-89. Nordlee, J.A., Taylor, L.S., Townsend, A.J., Thomas, L.A., Bush, R.K. (1996) Identification of Brazil Nut allergen in transgenic soybeans, The New England Journal of Medicine, 334(11), 688692. Smith, M.J. (2007) Point of view: genetically modified foods unsafe? Evidence that links GM Foods to allergic responses mounts, Genetic Engineering and Biotechnology News, 27(19). Conner, A.J., Glare, T.R., Nap, J.P. (2003) The release of genetically modified crops into the environment: Part II. Overview of ecological risk assessment, Plant J, 33, 19–46. Bernstein, J.A., Bernstein, I.L., Bucchini, L., Goldman, L.R., Hamilton, R.G., Lehrer, S., Rubin, C. (2003) Clinical and laboratory investigation of allergy to genetically modified foods, Environ Health Perspect, 111, 1114–1121. Gupta, A., Mandloi, A., Nidhi, A. (2005) Impact of Bt cotton on farmers’ health (in Barwani and Dhar district of Madhya Pradesh,), Investigation Report, 13-16. Smith, J.M. Bt-maize (corn) during pollination, may trigger disease in people living near the cornfield. Press Release, 2004. URL: (http://www.seedsofdeception.com/Mediamaizepollen.php.) Accessed on March 2013. Gücükoğlu, A., Küplülü, A. (2006) Genetik Modifiye Gıdalar, Veteriner Hekimler Derneği Dergisi, 77(2), 30-38. Pryme, I.F., Lembck, R. (2003) In vivo studies on possible health consequences of genetically modified food and feed-with particular regard to ingredients consisting of genetically modified plant materials, Nutrition and Health, 17, 1-8. Mayeno, A.N., Gleich, G.J. (1994) Eosinophiliamyalgia syndrome and tryptophan production: A cautionary tale, Trend in Biotecnology, 12(9), 346-352. Hemmer, W. (1997) Foods derived from genetically modified organisms and detection 37

S. Şen, S. Altınkaynak

[48]

[49]

[50]

[51]

Genetiği değiştirilmiş gıdalar ve potansiyel sağlık riskleri

methods, BATS Report 2, BATS, Clarastrasse 13, CH-4058, 6-12. Einspanier, R., Klotz, A., Kraft, J., Aulrich, K., Poser, R., Schwagele, F., Jahreis, G., Flachowsky, G. (2001) The fate of forage plant DNA in farm animals: A collaborative case-study investigating cattle and chicken fed recombinant plant material, European Food Research and Technology, 212, 129-134. Schubbert, R., Renz, D., Schmitz, B., Doerfler, B. (1997) Foreign (M13) DNA ingested by mice reaches peripheral leukocytes, spleen, and liver via the intestinal wall mucosa and can be covalently linked to mouse DNA, Proceedings of The National Academy of Sciences of The United States of America, 94, 961-966. Agodi, A., Barchitta, M., Grillo, A., Sciacca, S. (2006) Detection of genetically modified DNA sequences in milk from the Italian market, International Journal of Hyginene and Environmental Health, 209(1), 81-88. Tapp, H., Stotzky, G. (1998) Persistence of the insecticidal toxins from Bacillus thurigiensis susp. kurstaki in soil, Soil Biol Biochem, 30, 471476.

SAU J. Sci. Vol 18, No 1, p. 31-38, 2014

SAÜ. Fen Bil. Der. 18. Cilt, 1. Sayı, s. 39-47, 2014

SAU J. Sci. Vol 18, No 1, p. 39-47, 2014

Çimento fabrikalarında merdane, vals ve kazıyıcılardaki aşınma problemlerinin kaynak yöntemleri ile çözümü

Ahmet Oğur1*, Cihan Gürses1 1*

Sakarya Üniversitesi, Mühendislik Fakültesi, Makine Mühendisliği, Sakarya 09.05.2013 Geliş/Received, 10.12.2013 Kabul/Accepted

ÖZET Çimento fabrikalarında karşılaşılan aşınma problemlerinin önüne geçme amacıyla makine parçalarının üzerine kaynak yöntemlerinden elektrik ark kaynağı, gazaltı kaynağı ve oksi asetilen kaynağı kullanılarak kaplama yapılmış ve ömür artışları incelenmiştir. Herhangi bir kaplama işlemi uygulanmamış malzemelerin sektörde iş gücü kayıplarına neden olduğu saptanmıştır. Ball on disk deney düzeneğinde 250 metre yol ve üç farklı yük altında ağırlık kayıpları tespit edilmiştir. 60 HRC sertliğinde krom-karbür kaplanmış numunenin 2.5N yük altında ağırlık kaybı 0.0012g, 65 HRC sertliğinde niyobyum-karbür kaplanmış numunenin 2.5N yük altında ağırlık kaybı 0.0002g ve 70 HRC sertliğinde tungsten-karbür kaplanmış numunenin 2.5N yük altında ağırlık kaybı 0.0002g olduğu gözlemlenmiştir. Bu deneyler 5N ve 10N yük altında da tekrarlanarak yapılmıştır. Kaynak kaplama yöntemi ile makine parçalarının ömür artışı sağlanmıştır. Anahtar Kelimeler: aşınma, kaynak yöntemi, kaynak ile kaplama, aşınma ömrü

The solution for the roller press, roller mill and scrappers abrasion problems with welding methods in cement factories ABSTRACT The physical life increase of the machine parts through the method of coat with electric arc welding, gas metal arc welding and acetylene gas welding to overcome the abrasion problems faced in the cement factories is analysed. It has been realised that the reason of the labor force losses is the materials which are not coated. The weight loss is measured with the ball on the disc experiment with three different weights and on 250 meters course. It has been observed that the weight loss of 60 HRC hardness Chrom carbide coated sample under 2.5N weight is 0.0012g, the weight loss of 65 HRC hardness Niobium carbide coated sample under 2.5N weight is 0.0002g and the weight loss of 70 HRC hardness Tungsten carbide coated sample under 2.5N weight is 0.0002g. The same experiments have been repeated under 5N and 10 N weights. Physical life of the machine parts are increased by coating the parts with welding. Keywords: abrasion, welding method, coating with welding, wear life

Sorumlu Yazar / Corresponding Author

ogur@sakarya.edu.tr

A. Oğur, C. Gürses

1. GİRİŞ(INTRODUCTION) Çimento fabrikalarında karşılaşılan en önemli problem aşınmadır. Sektörün yaz aylarında canlı olması, ülkemizdeki çimento fabrikalarının taleplere cevap verememesi nedenlerinden dolayı, tesislerin üretim kapasitelerini zorlamasıyla makine parçalarının aşınma ömürleri üretimi sekteye uğratmaktadır. [1]. Günümüz çimento sektöründe yoğun çalışma şartları, çimento ham maddeleri olan kalker, kireç ve alçı gibi doğadan çıkarılan katkıların çimento fabrikalarının tasarımı ve imaline uygunluğu araştırılmadan üretimde kullanılması tesisin makine parçalarında aşınma problemlerinin yoğun olarak ortaya çıkmasına sebep olmaktadır. [2].

Şekil 1.Çimento üretim akış şeması [1] (Cement production flow chart)

2. 3. 4. 5. 6. 7.

Çimento üretiminde kullanılan hammaddeler; hammadde ocaklarından genellikle sert oldukları için patlayıcı maddeler yardımıyla çıkarılır ve yükleyici iş makineleri ile nakil araçlarına yüklenerek kırılmak üzere konkasörlere (Taş Kırıcı) taşınır. Hammaddeler, konkasörlerde kırıldıktan sonra stok holde stoklanır. Gezer vinçler yardımıyla stokholden alınan hammaddeler belli oranlarda karıştırılarak farin değirmenlerine alınarak öğütülürler. Farin adını alan karışım pişirilmek üzere hazır olarak farin stoklarında stoklanır. Ön ısıtıcılardan geçirilerek döner fırına sevk edilen farin yaklaşık 1400-1450 °C derece sıcaklıkta pişirilir. Döner fırından klinker olarak çıkan yarı mamül ürün soğutucuda soğutularak klinker stok holünde stoklanır. Alçıtaşı ve üretilecek çimento cinsine uygun katkılarla çimento değirmenlerinde öğütülür.

Çimento Fabrikalarında Merdane, Vals ve Kazıyıcılardaki Aşınma Problemlerinin Kaynak Yöntemleri ile Çözümü

doğadan çıkarılan bu malzemeler karşısında mukavemetlerinin yetersiz kalması, aşırı yükleme şartlarında çalışması, iş yoğunluğundan dolayı periyodik bakımların ertelenmesi, planlı bakımların zamanında ve tam olarak yapılmaması bu problemlerin oluşmasına neden olmaktadır.[3]. Çimento fabrikalarının en büyük ve en çok karşılaştıkları problem periyodik olarak aşınma olayının gerçekleşmesidir. Aşırı yükleme ve üretimde beklenmeyen zorlanmalar karşısında olması muhtemel bir problemdir. Ve bu problemleri çimento fabrikalarının teknik bakım ekipleri oluşacağını ön görerek üretim kapasitesini ticari çıkar amaçlı bilerek arttırmaktadır. Aşınma problemleri ise genellikle değirmen merdanelerinde, değirmen valslerinde ve beton mikser kazıyıcılarında periyodik olarak gerçekleşmektedir. Aşınma boyutu arttıkça üretim kapasitesi azalmakta ve son olarak ta plansız soğuk duruşa sebep olmaktadır. Çimento fabrikalarının günümüz piyasasında karlılığı göz önünde bulundurulduğunda plansız beklenmeyen soğuk duruşların fabrikaya maddi açıdan ortaya çıkardığı zarar tahmin edilemeyecek boyutlardadır.[4]. Bu sebeplerden dolayı çimento fabrikalarında aşınma ömürlerini arttırabilmek amacıyla yukarıdaki üç makine parçası hedef olarak seçilmiştir.[5]. Seçilen makine parçalarına uygun kaynak yöntemleri belirlenerek çeşitli kaynak ile kaplamalar yapılmıştır.

Şekil 2. Merdanenin uzaktan çalışma görüntüsü (View of the working roller press)

Şekil 1 de çimento üretim akış şemasında proseslerin aşındırıcı özellikleri görülmektedir. Kalker, kireç ve alçıyı öğüten değirmenlerin aşınması bu problemlerin başını çekmektedir. Değirmen parçalarının 40

SAU J. Sci. Vol 18, No 1, p. 39-47, 2014

Çimento Fabrikalarında Merdane, Vals ve Kazıyıcılardaki Aşınma Problemlerinin Kaynak Yöntemleri ile Çözümü

A. Oğur, C. Gürses

Tablo 1 Merdanelerin fiziksel durumları ve çalışma koşulları (Physical status and working conditions of the roller press)

worksite)

Bu bölümde yapılan çalışmaların hepsi sahada gerçekleştirilmiş ve sonuçları grafikler halinde aktarılmıştır. Seçilen makine parçalarına aşınma faktörleri değerlendirilerek uygun kaynak yöntemleri seçilmiş ve Castolin 4601 (AWS A 5.21) özlü teli, Castolin 4666 (DIN 8555 MF 10-65-G) özlü teli, Castolin 390N (W, Cr, B, Nb) nano teknoloji özlü teli, Castolin 8811 (%70 WC) lehim teli ürünleri arasından uygun olan seçilerek kaynakla kaplama çalışması yapılmıştır. [6]. Merdaneler üzerinde sahada gerçekleştirilen 4 farklı uygulamanın verileri Tablo 1 de gösterilmiştir.

SAU J. Sci. Vol 18, No 1, p. 39-47, 2014

MAKİNE

1400*800 1000*600 1200*700 1400*800 L=1000 L=4000 L=4000 L=400

Döner Döner Döner Merdane Merdane Merdane

AĞIRLIK 2.1. Sahada gerçekleştirilen uygulama(Application on

Döner Merdane

16 ton

TAMİR YÖNTEMİ AND METHODS)

Düşük Düşük Düşük Alaşımsız Alaşımlı Alaşımlı Alaşımlı Isıl İşlem Isıl İşlem Isıl İşlem Isıl İşlem Çeliği Çeliği Çeliği Çeliği

Kaplama

MEKANİK YORULMA

2. MALZEMELER VE YÖNTEMLER(MATERIALS

İş Parçası -4

Değişken Değişken Değişken Değişken Yük Yük Yük Yük

3.7 ton

8 ton

16 ton

Kaplama Kaplama Kaplama

ABRAZYON

Şekil 4. Valsin görüntüsü (View of roller mill)

İş Parçası -3

Yüksek Basınç

EROZYON

Şekil 3. Dökme demir kazıyıcı görüntüsü (View of cast iron scrapper)

İş Parçası -2

BOYUTLAR

ANA MALZEME

İş Parçası -1

Gaz Ortamı

İş Parçası-1 ve İş Parçası-2 de merdane üzerindeki radüsler torna tezgahın da torna kalemi aracılığı ile 25 mm talaş kaldırarak temizlenmiştir. Daha sonra yüzeyde çatlak olup olmadığına karar vermek için penetrant sıvı ile tahribatsız muayene yapılmıştır. Kaynak işleminin 41

A. Oğur, C. Gürses

daha verimli gerçekleşmesi için malzemenin karbon eş değerine göre tav sıcaklığını tayin edilip ve 150-200 °C civarına kadar tav verilmiştir.[7]. Kök paso olarak AWS A 5.22 E 307 T1 standardında Castolin DO-02 özlü teli ile 5mm dolgu yapılmıştır. Bu dolgunun üzerine AWS A 5.22 MF 7-200-400-GKP standardında Castolin DO-05 özlü teli ile 4 mm dolgu yapılmıştır. Üçüncü paso olarak AWS A 5.22 MF 3-55-GPST standardında Castolin DO15 özlü teli ile 8 mm dolgu yapılmıştır. Son olarak DIN 8555 MF 6-60-G standardında Castolin 4923 özlü teli ile 8 mm dolgu yapılmıştır. Son pasoda kaynak işlemi yapılırken yüzeyde 4 mm yüksekliğinde 15 mm genişliğinde ve 10 mm aralıklarla bilye şeklinde çıkıntı desenleri olacak şekilde kaynak dolgusu yapılmıştır. Bu işlemin amacı aşınma faktörünün minimuma indirgenmesidir. [8].

Çimento Fabrikalarında Merdane, Vals ve Kazıyıcılardaki Aşınma Problemlerinin Kaynak Yöntemleri ile Çözümü

ortalama değerler alınarak ortak bir grafik halinde Şekil 6 da gösterilmiştir.

Şekil 6. Merdanelerin çalışma süresi-aşınma boyutu grafiği(Roller press working hours-wear size chart)

Kazıyıcılar üzerinde sahada gerçekleştirilen 2 farklı uygulamanın verileri Tablo 2 de gösterilmiştir. Tablo 2. Kazıyıcıların fiziksel durumları ve çalışma koşulları(Physical status and working conditions of scrappers)

Şekil 5. Kaynak dolgusu bittikten sonra merdane yüzeyi (Roller press surface after welding)

İş Parçası-3 de merdanenin aşınan yüzeylerine Castolin CDP 4666 (DIN 8555 MF 10-65-G) DXW 0805 8+5 aşınma plakası kullanılarak giydirme yapılmak hedeflenmiştir. Çalışma alanına erişim zor olduğundan giydirme yapılacak aşınma plakaları parçalar halinde tasarlanmış ve cıvatalarla birleştirilmiştir. Aşınmanın cıvata bağlantı noktalarından olacağı da göz önüne alınarak cıvata başları DIN 8555 E 10-UM-70-GZ standardında Castolin 6715 XHD elektrotu ile sert dolgulu kaplanarak aşınmaya karşı dirençli hale getirilmiştir. [6].

ANA MALZEME MAKİNE BOYUTLAR TAMİR YÖNTEMİ ABRAZYON

İş Parçası-5

İş Parçası-6

Dökme Demir

St 37 Çelik

Beton Mikseri 300*200*20

Beton Mikseri 400*180*30

Kaplama

Düşük Basınç

İş Parçası-5 de Mikserin Castolin 4666 (DIN 8555 MF 10-65-G) DXW 1505 15+5 aşınma plakası ile imal edilmesi hedeflenmiştir. Yapılan kaplama krom-borniyobyum kompleks karbürler içerir ve 62-65 HRC [7] sertliğindedir.

İş Parçası-4 de merdanenin gövdesini Castolin 4666 (DIN 8555 MF 10-65-G) DXW 0503 5+3 aşınma plakası ile giydirme yöntemi yaparak kaplama yapılmasına karar verilmiştir. [6]. Merdanelerin boyutları, çalışma koşulları ve ana metal spesifikasyonları aşınma ömürlerine doğrudan etkiyen etmenlerdir. Tablo 1 de verilen kaynaklı kaplama işlemi uygulanmış merdaneler için sahada yapılan çalışmalar ile kaynaklı kaplama işlemi uygulanmamış bir merdanenin çalışma süresi(gün)-aşınma boyutu(mm) sonuçları

Şekil 7. 4666 (DIN 8555 MF 10-65-G) DXW 1505 ile imal edilmiş kazıyıcı (solda), dökme demir kazıyıcı (sağda) (4666 (DIN 8555 MF 10-65-G) have been produced by 1505 DXW scrapper (left), cast iron scrapper (right))

SAU J. Sci. Vol 18, No 1, p. 39-47, 2014

Kazıyıcıların boyutları, çalışma koşulları ve ana metal spesifikasyonları aşınma ömürlerine doğrudan etkiyen etmenlerdir. Tablo 2 de verilen kaynaklı kaplama işlemi uygulanmış kazıyıcılar için sahada yapılan çalışmalar ile kaynaklı kaplama işlemi uygulanmamış bir kazıyıcının çalışma süresi(gün)-aşınma boyutu(mm) sonuçları ortalama değerler alınarak ortak bir grafik halinde Şekil 8 de gösterilmiştir.

MEKANİK YORULMA

İş Parçası-6 da 52-57 HRC sertliğe sahip krom karbür yapısındaki Castolin 4601 (AWS A 5.21) özlü teli ile sert dolgu kaplanması hedeflenmiştir. [10].

A. Oğur, C. Gürses

Değişken Yük

Değişken Yük ve Darbe

Değişken Yük

ABRA ZYON

Çimento Fabrikalarında Merdane, Vals ve Kazıyıcılardaki Aşınma Problemlerinin Kaynak Yöntemleri ile Çözümü

Yüksek Basınç

Düşük Basınç

Yüksek Basınç

İş parçası-7 ve 8 de valsler yapısında krom-karbür içeren 58-60 HRC sertliğinde özlü tel ile kaynaklı kaplanması hedeflenmiştir. İş parçası-9 da vals Castolin 4666 (DIN 8555 MF 10-65-G) özlü teli ile kaplanması hedeflenmiştir. İş parçası-10 ve 11 de valslerin Castolin 4666 (DIN 8555 MF 10-65-G) özlü teli ile kaplanıp, kaplamanın üzerine 65-68 HRC sertlikte nano teknoloji ürünü Castolin 390N (W, Cr, B, Nb) kaplanması hedeflenmiştir.

Şekil 8. Kazıyıcıların çalışma süresi-aşınma boyutu grafiği(Scrapper working hours-wear size chart)

Valsler üzerinde sahada gerçekleştirilen 5 farklı uygulamanın verileri Tablo 3 de gösterilmiştir.

Yüksek Alaşımlı Çelik Döküm

Dik Değirmen

D=2400 L=7500

TAMİR YÖNTEMİ

MAKİNE

Aşınmaya Nihard Dayanıklı Dökme Demir

BOYUTLAR

ANA MALZEME

Tablo 3. Valslerin fiziksel durumları ve çalışma koşulları(Physical status and working conditions of the roller mill) İş Parçasıİş Parçası- İş Parçasıİş Parçası-7 İş Parçası-9 8 10 11

Kaplama

SAU J. Sci. Vol 18, No 1, p. 39-47, 2014

D=2500

D=1600 L=525

Kaplama

Şekil 9. Aşınmış vals yüzeyi (Worn roller mill surface)

Şekil 10.Valsin 390N (W, Cr, B, Nb) ile kaplandıktan sonraki son hali (View of roller mill after worn with 390N(W, Cr, B, Nb))

A. Oğur, C. Gürses

Valslerin boyutları, çalışma koşulları ve ana metal spesifikasyonları aşınma ömürlerine doğrudan etkiyen etmenlerdir. Tablo 3 de verilen kaynaklı kaplama işlemi uygulanmış valsler için sahada yapılan çalışmalar ile kaynaklı kaplama işlemi uygulanmamış bir valsin çalışma süresi(gün)-aşınma boyutu(mm) sonuçları ortalama değerler alınarak ortak bir grafik halinde Şekil 11 de gösterilmiştir.

Çimento Fabrikalarında Merdane, Vals ve Kazıyıcılardaki Aşınma Problemlerinin Kaynak Yöntemleri ile Çözümü

kaplanmış 70 HRC sertliğinde numuneler kullanılmıştır. Kaplama kalınlıkları 5mm olarak belirlenmiştir.

Şekil 12. Ball on disk deney cihazı(Ball on disc experiment device)

Şekil 11. Valslerin çalışma süresi-aşınma boyutu grafiği(Roller mill working hours-wear size chart)

2.2. Ball on disk deney düzeneği(Ball on disc experiment contrivance)

Sahada yapılan çalışmalara paralel olarak deneysel çalışma yapılmıştır. Deneysel çalışmalarda her ne kadar işletme şartları tam olarak oluşturulamasa da yapılan pratik çalışmaları destekleyici nitelikte sonuçlar vermiştir. Deneysel çalışmalarda kullanılan numuneler yük kayıpları, aldıkları yola göre sürtünme katsayıları ve aşındırıcı üzerinde bıraktıkları aşınma izlerine göre değerlendirmeye alınmıştır.

Deneyler oda koşullarında tüm numuneler için eşit şartlarda gerçekleştirilmiştir. Deneylere başlamadan önce her bir numunenin ağırlıkları tespit edilip deney sonlarında ağırlık kayıpları belirlenmiştir. Deneylerde her bir numune için ayrı ayrı 2.5N, 5N ve 10N yükler kullanılarak 250m yolu 0.1m/s hızla gerçekleştirilmiştir. Bu işlemler 4 numune de 3 ayrı yük altında toplam 12 deney yapılarak gerçekleştirilmiştir. Her deneyden sonra Şekil 13 ve Şekil 14 de gösterildiği gibi numunenin ve aşındırıcı alümina bilyenin yüzeyinden aşınma resimleri çekilmiştir.

Sürtünme katsayısının hesaplanmasında ve malzemelerin aşınma davranışlarının belirlenmesinde en çok kullanılan iki yöntemden biri ball on disk deneyidir. Numunenin belirlenen yük altında aldığı yola göre sürtünme katsayısını belirlemekte kullanılır. Numune de gerçekleşen ağırlık kaybı da aşınma faktörü hakkında bilgi sahibi olmamıza ışık tutar. Bu çalışma da Sakarya Üniversitesi Metalürji ve Malzeme Mühendisliği Yüzey Laboratuarı ball on disk deney cihazı kullanılmıştır. Aşındırıcı olarak 10mm çapında alümina bilye kullanılmıştır. Deney şartları her numune için standart olup; 250 metre yol 2.5N, 5N, 10N yüklerde yapılmıştır. Numuneler cihaz standartlarına uygun olup 20mm çap, 10mm kalınlık olarak hazırlanmıştır. Şartları belirlemek amacı güdülerek St37 numune, Castolin 4601 (AWS A 5.21) ürünü ile kaplanmış 60 HRC sertliğinde numune, Castolin 4666 (DIN 8555 MF 10-65-G) ürünü ile kaplanmış 65 HRC sertliğinde numune, Castolin 8811 (%70 WC) ürünü ile 44

Şekil 13.St 37 numunenin 2,5 N yük atında aşınma sonrası yüzey görüntüsü(St 37 samples extracted under 2,5 N load surface appearance after wear)

SAU J. Sci. Vol 18, No 1, p. 39-47, 2014

Çimento Fabrikalarında Merdane, Vals ve Kazıyıcılardaki Aşınma Problemlerinin Kaynak Yöntemleri ile Çözümü

Şekil 14. St 37 numunede çalışan alümina bilyenin 2.5N yük altında aşınma sonrası yüzey görüntüsü(Alumina ball run on St 37 samples of surface appearance after wear under load 2.5N)

Deneyden elde edilen verilerden sürtünme katsayısı belirlenerek her bir numunenin yol-sürtünme katsayısı grafiği her bir yük altında ayrı ayrı çıkartılmıştır. μ= F/N[8] μ: Sürtünme katsayısı F: Sürtünme kuvveti N: Uygulanan yük

Şekil 15. St37 numunenin 2.5N yük altında yol-sürtünme katsayısı grafiği(St 37 lead-friction coefficient of the sample under load chart 2.5N)

Bu işlemler her bir numune için ayrı ayrı gerçekleştirilerek numunelerin sürtünme katsayılarının yola bağlı değişimleri incelenerek aşınma faktörleri hakkında bilgiler edinilmiştir. 3. SONUÇLAR(RESULTS) Bu bölümde; yapılan deneylerden elde edilen verilerle, sahada uygulanan çözümlerin kıyaslaması yapılmıştır. Merdaneler için sahada yapılan çalışmalarda ömür artışları 2 ila 4 kat arası değişim göstermiştir. Yeni merdane maliyetleri göz önüne alındığında yaklaşık %50 fiyatlarına yapılan kaplama işlemlerinin 2 ila 4 kat ömür artışı göstermesi çimento fabrikalarının merdanelerdeki maliyetlerinde 4 ila 8 kat kara geçtiklerini kanıtlamıştır.

SAU J. Sci. Vol 18, No 1, p. 39-47, 2014

A. Oğur, C. Gürses

Yapılan çalışmalarda iş parçası-1 in aşınma ömrünün 120 günden 280 güne, iş parçası-2 nin aşınma ömrünün 90 günden 360 güne arttığı gözlemlenmiştir. İş parçası-3 ün aşınma ömrünün 180 günden 360 güne arttığı gözlemlenmiştir. İş parçası-4 ün aşınma ömrünün 180 günden 270 güne arttığı gözlemlenmiştir. İş parçası-3 ve 4 e uygulanan Castolin 4666 (DIN 8555 MF 10-65-G) özlü telinin kimyasal özelliklerine bakıldığında içerisinde krom-bor-niyobyum kompleks karbürler ihtiva eden 65 HRC sertliğinde bir ürün olduğu görülmüştür. Ömür farklılıkları yapılan kaplamanın kalınlık farkından meydana gelmiştir. İş parçası-1 ve 2 deki kaplamalar aynı özelliklerde olup sıralı pasolar halinde düşük sertlikten yüksek sertliğe doğru kademeli olarak yapılmıştır. Son pasoda elde edilen sertlik 58 HRC sertlik civarındadır. Buradaki ömür farklılıkları ise iki merdanenin boyutlarının ve ana malzemelerinin farklı olmasından kaynaklanmıştır. Kazıyıcılarda sahada yapılan çalışmalarda ömür artışları 3 ila 6 kat arası değişim göstermiştir. Yaptığımız çözüm yeni kazıyıcı maliyetinin 6 kat olmasına rağmen ömür artışının da 6 kat olması ve tesisin her duruş maliyeti göz önüne alındığı zaman çimento fabrikalarının kazıyıcılardaki maliyetlerini 40 kat azalttığı tespit edilmiştir. Yapılan çalışmalarda iş parçası-5 in aşınma ömrünün 90 günden 210 güne çıkardığı tespit edilmiştir. İş parçası-6 için yeni parça maliyeti 60 TL iken uygulanan kaynak ile kaplamanın maliyeti 180 TL olduğundan maddi yönden mantıklı bir çözüm gibi gözükmese de alınan ömür artışı ve üretimin duruş kayıpları incelendiğinde dolgu işleminin sonuçları beklenmedik şekilde olumlu çıkmıştır. Dolgu yapılmamış kazıyıcı 60 günde aşınarak iş göremez hale gelirken yapılan kaynak ile kaplama neticesinde 360 gün çalışarak 6 kat ömür artışı göstermiştir. Kazıyıcıların aşınarak iş göremez hale gelmesinden dolayı tesisin duruş maliyeti 2.500 TL olduğundan pahalı bir kaplama olsa da ömür artışının fazlasıyla bu maliyeti karşıladığı tespit edilmiştir. Valslerde sahada yapılan çalışmalarda ömür artışları 1,5 ila 3 kat arası değişim göstermiştir. Yeni vals maliyetleri göz önüne alındığında yaklaşık %30 fiyatlarına yapılan kaynak ile kaplama işlemlerinin 1,5 ila 3 kat ömür artışı göstermesi çimento fabrikalarının vals maliyetlerini azalttığı tespit edilmiştir. İş Parçası-7 ve 8 de yapılan kaplamalar aynı iken ömür artışlarına bakıldığında 7 numaralı iş parçasının 90 günden 180 güne arttığı gözlemlenmiştir. 8 numaralı iş parçasında ise 120 günden 360 güne arttığı gözlemlenmiştir. İki parça arasındaki farklılık ana malzemelerinin farklı olmasından ortaya çıkmıştır. Nihard malzemenin aşınmaya dirençli döküm malzemeye göre abrazyon direnci daha üstündür. Ayrıca yapılan kaplamalarda 62-65 HRC sertliğindeki krombor-niyobyum kompleks karbürlerin üstüne 65-68 HRC 45

A. Oğur, C. Gürses

sertlikte nano teknoloji ürünü Castolin 390N (W, Cr, B, Nb) atılması ömür artışını 9, 10, 11 numaralı iş parçalarına göre daha üstün kıldığı saptanmıştır. Ball on disk deneylerinden elde edilen verilerin sonuçlarına bakılacak olursa; 2.5N yük altında 250 metre yol yapan St37 numune, Castolin 4601 (AWS A 5.21) numune, Castolin 4666 (DIN 8555 MF 10-65-G) numune ve Castolin 8811 numunenin sürtünme katsayıları; µSt37=0.030, µ4601=0.012, µ4666=0.17, µ8811=0.4 dür. Aşınma miktarları ise St37 numunenin ağırlık kaybı=0.0087g, Castolin 4601 (AWS A 5.21) numunenin ağırlık kaybı=0.0012g, Castolin 4666 (DIN 8555 MF 10-65-G) numunenin ağırlık kaybı=0.0002g, Castolin 8811 numunenin ağırlık kaybı=0.0001g dır.[11]. 5N yük altında 250 metre yol yapan St37 numune, Castolin 4601 (AWS A 5.21) numune, Castolin 4666 (DIN 8555 MF 10-65-G) numune ve Castolin 8811 numunenin sürtünme katsayıları; µSt37=0.25, µ4666=0.17, µ8811=0.4 dür. Aşınma µ4601=0.011, miktarları ise St37 numunenin ağırlık kaybı=0.0113g, Castolin 4601 (AWS A 5.21) numunenin ağırlık kaybı=0.0015g, Castolin 4666 (DIN 8555 MF 10-65-G) numunenin ağırlık kaybı=0.0002g, Castolin 8811 numunenin ağırlık kaybı=0.0002g dır.[12]. 10N yük altında 250 metre yol yapan St37 numune, Castolin 4601 (AWS A 5.21) numune, Castolin 4666 (DIN 8555 MF 10-65-G) numune ve Castolin 8811 numunenin sürtünme katsayıları; µSt37=0.5, µ4601=0.13, µ4666=0.4, µ8811=0.5 dir. Aşınma miktarları ise St37 numunenin ağırlık kaybı=0.0296g, Castolin 4601 (AWS A 5.21) numunenin ağırlık kaybı=0.0018g, Castolin 4666 (DIN 8555 MF 10-65-G) numunenin ağırlık kaybı=0.0004g, Castolin 8811 numunenin ağırlık kaybı=0.0004g dır. Ayrıca numuneleri aşındırmak için kullanılan alümina bilyenin her yük altında yüzey görüntüleri incelendiğinde; numunelerin yüzeyde oluşturduğu aşınmanın bizlere fikir verdiği görülmüştür. Alümina bilyenin yüzeyindeki aşınmalar büyükten küçüğe doğru St37<Castolin 4601<Castolin 4666<Castolin 8811 şeklinde oluşmuştur. 2.5N yük altında yapılan deneylerde sürtünme katsayıları büyükten küçüğe doğru µ8811> µ4666> µ4601> µSt37 şeklinde sıralanmaktadır. 5N yük altında yapılan deneylerde sürtünme katsayıları büyükten küçüğe doğru µ8811> µSt37> µ4666> µ4601 şeklinde sıralanmaktadır. 10N yük altında yapılan deneylerde sürtünme katsayıları büyükten küçüğe doğru µ8811> µSt37> µ4666> µ4601 şeklinde sıralanmaktadır. 10N yük altında yapılan deneylerde ağırlık kayıpları büyükten küçüğe doğru St37>Castolin 46

Çimento Fabrikalarında Merdane, Vals ve Kazıyıcılardaki Aşınma Problemlerinin Kaynak Yöntemleri ile Çözümü

4601>Castolin sıralanmaktadır.

4666>Castolin

8811

şeklinde

2.5N yük altında yapılan deneylerde ağırlık kayıpları büyükten küçüğe doğru St37>Castolin 4601>Castolin 4666>Castolin 8811 şeklinde sıralanmaktadır. 5N yük altında yapılan deneylerde ağırlık kayıpları büyükten küçüğe doğru St37>Castolin 4601>Castolin 4666>Castolin 8811 şeklinde sıralanmaktadır. Yapılan üç kıyaslamada alümina bilyedeki aşınan yüzey görüntüleri ve ağırlık kayıpları kıyaslandığında numunelerin aşınma boyutu büyükten küçüğe doğru Castolin 8811>Castolin 4666>Castolin 4601>St37 olduğunu göstermiştir. Kıyaslama da sürtünme katsayıları göz önüne alındığında numunelerin aşınma boyutu büyükten küçüğe doğru Castolin 8811>St37>Castolin 4666>Castolin 4601 olduğunu göstermiştir. Sürtünme katsayıları göz önüne alındığında çıkan sonuçlar bizlere net bir sonuç vermemiştir. Çünkü sürtünme katsayısı yük değişimine ve alınan yola bağlı olarak değişim göstermektedir. Ayrıca malzemelerin içyapısında ki elementlerin aşınmaya karşı gösterdiği dirençte aşınma boyutunu etkileyecektir. Castolin 4601 (AWS A 5.21) numunesinin içyapısına bakılacak olursa hacimsel olarak % 40’dan fazla primer karbür bulunduğu görülür. Numune yüzeyi 60 HRC sertliktedir. Kaynak ile kaplamalı kısmın kimyasal kompozisyonun ise C=%4.8, Mn=%1.5, Cr=%32, Si=%0.8, B=%0.3 Fe=kalan olduğu görülmektedir.[7] Kaynak ile kaplama işleminde krom(Cr) ve karbon(C) krom-karbür (CrC) oluşturarak aşınma direncini arttırmaktadır.[13]. Castolin 4666 (DIN 8555 MF 10-65-G) numunesinin içyapısına bakılacak olursa hacimsel olarak % 50’den fazla primer karbür bulunduğu görülür. Numune yüzeyi 65 HRC sertliktedir. Kaynak ile kaplamalı kısmın kimyasal kompozisyonun ise C=%5.2, Nb=%7, Cr=%22, B=%1 Fe=kalan olduğu görülmektedir.[7] Kaynak ile kaplama işleminde krom(Cr) ve karbon(C) kromkarbür(CrC), niyobyum(Nb) ve karbon(C) niyobyumkarbür, krom (Cr) ve bor(B) krom-borür(CrB) oluşturarak aşınma direncini arttırmaktadır.[14]. Castolin 8811 numunesinin içyapısına bakılacak olursa hacimsel olarak % 70’den fazla tungsten-karbür(WC) bulunduğu görülür.[7] Numune yüzeyi 70 HRC sertliktedir. Tungsten-karbür(WC) aşınma direncini arttıran faktördür.[9].

SAU J. Sci. Vol 18, No 1, p. 39-47, 2014

Çimento Fabrikalarında Merdane, Vals ve Kazıyıcılardaki Aşınma Problemlerinin Kaynak Yöntemleri ile Çözümü

A. Oğur, C. Gürses

KAYNAKLAR(REFERENCES) [1] [2] [3] [4] [5] [6] [7] [8] [9]

[10]

[11]

[12]

[13]

[14]

Türkiye Çimento Tarihi, Tarih Vakfı-TÇMBÇEİS yayını, İstanbul, 2003, Yıldız Sey (ed.) Türkiye Çimento İstatistikleri, TÇMB 50. Yıl, Ankara, 2008 www.tcma.org, 10.01.2013 www.thbb.org, 12.12.2012 Best Available Techniques” for the Cement Industry, www.cembureau.be, “05.01.2013 www.castolin.com, 03.02.2013 Castolin Kaynak San. Ve Tic. Ltd. Şti. Ürün Kataloğu, 2012. ODTÜ KTM Ders Notları, 2010. YILDIRIM M.M., BUYTOZ S., ULUTAN M., “TIG Yöntemiyle Yapılan WC ile Yüzey Sertleştirme İşleminin Abrasif Aşınma Performansının İncelenmesi”, Doğu Anadolu Bölgesi Araştırmaları, 3 (2005) 2, 38-44. KAYA A.Ö., “Plazma Püskürtme ve HVOF Yöntemleri Kullanılarak, Cr3C2-NiCr(75/25) ve CrNiBSi+%80 WC-Co Tozlarıyla Kaplanan Çeliğin Yapısı ve Yüzey Özellikleri”, Yüksek Lisans Tezi, Gebze İleri teknoloji Enstitüsü, Malzeme Bilimi ve Mühendisliği Anabilim Dalı, 2007. ALAGÖZ H., “Synthesis of High Temperature Wear Resistant WC and WN Coatings”, Master Of Science, Bilkent University, Department Of Chemistry and the Graduate School of Engineering and Science, 2012. PAMUK U., “Plazma Spreylenmiş Cr3C2-NiCr ve Al2O3-TiO2 kaplamalarının abrasif aşınma davranışlarının incelenmesi”, Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi, Metalürji Mühendisliği Anabilim Dalı, 1996. ÖNDER E., “Termoreaktif Difüzyon (TRD) Yöntemiyle Krom Karbür ve Vanadyum Karbür Kaplanan AISI D3 Seri Soğuk İş Takım Çeliğinin Mikroyapı ve Aşınma Özelliklerinin İncelenmesi”, Yüksek Lisans Tezi, Bartın Üniversitesi, Metalürji ve Malzeme Mühendisliği Anabilim Dalı, 2012. KOCAMAN K., “NbN/NbCN Kaplanmış Çeliklerin Yüzey Özelliklerinin İncelenmesi”, Yüksek Lisans Tezi, Sakarya Üniversitesi, Metal Eğitimi Bölümü, 2007.

SAU J. Sci. Vol 18, No 1, p. 39-47, 2014

SAÜ. Fen Bil. Der. 18. Cilt, 1. Sayı, s. 49-69, 2014

SAU J. Sci. Vol 18, No 1, p. 49-69, 2014

Kumaş hatalarının online/offline tespit sistemleri ve yöntemleri

Kazım Hanbay1*, M. Fatih Talu2 2

1* Bingöl Üniversitesi, Enformatik Bölümü, Bingöl İnönü Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği, Malatya

20.08.2013 Geliş/Received, 23.12.2013 Kabul/Accepted

ÖZET Kumaş hatası tespiti tekstil üretim endüstrisinde önemli bir kalite kontrol adımıdır. Bu çalışma ilk olarak güncel hata tespit metotlarının özelliklerini, matematiksel formülasyonlarını, güçlü ve zayıf yönlerini incelemektedir. İkinci olarak metotların geniş bir sınıflandırması yapılarak yedi sınıfa (yapısal, istatistiksel, spektral, model tabanlı, öğrenme, melez ve karşılaştırma) ayrılmış ve bu metotlar arasında bir karşılaştırma çalışması yapılmıştır. Üçüncü olarak, incelenen her metot için ayrıca gürültü hassasiyeti, güvenilirlik, döndürme/ölçekleme bağımsızlığı ve başarı oranı sonuçları ile birlikte bir kalite analizi sunmaktadır. Son olarak, anlayışlar, ihtiyaçlar ve gelecekteki araştırma yönleri tartışılmıştır. Anahtar Kelimeler: Tekstil, kumaş hatası tespiti, görüntü işleme, doku analizi

Online/offline detection systems of fabric defects and methods ABSTRACT Fabric defect detection is a vital step of quality control in the textile manufacturing industry. This paper firstly offers an state-of-the-art survey of different defect detection methods and describes their characteristics, mathematical formulation, strengths and weaknesses. Secondly, it employs a wider classification of methods and divides them into seven approaches (structural, statistical, spectral, model-based, learning, hybrid, and comparative) and performs a comparative study across these methods. Thirdly, it also presents a qualitative analysis accompanied by results, including detection success rate, rotation/scaling invariant, reliability and noise sensitivity Keywords: Textile, fabric defect detection, image processing, texture analysis

Sorumlu Yazar / Corresponding Author

kazimhanbay@gmail.com

K. Hanbay, M. F. Talu

Kumaş hatalarının online/offline tespit sistemleri ve yöntemleri

1. GİRİŞ (INTRODUCTION) Tekstil endüstrisinde kumaş üretimi genellikle dokuma ve örgü makineleri üzerinde yapılmaktadır. Bu makinelerde meydana gelen çeşitli olumsuzluklardan dolayı üretilen kumaşlar hata içerebilmektedirler. Kumaş hataları, üretim işlemleri sonucunda kumaş yüzeyindeki istenmeyen olumsuzluklardır. Tekstil endüstrisi tarafından tanımlanan 70’den fazla kumaş hatası çeşidi vardır [1]. Bu çalışmada kumaş hatalarının tespitinde kullanılan metotlar detaylı olarak incelenmiştir. İncelenen metotlar online/offline çalışabilme özelliği, farklı kumaş ve hata türleri üzerinde uygulanabilirlikleri ve sınıflandırma başarıları açısından kapsamlı bir analizden geçirilmiştir. Her bir yöntemin temel matematiksel altyapısı ve güçlü-zayıf yönleri irdelenmiştir. Yapılan bu çalışma ile kumaş hatalarının tespit edilmesi alanında çalışacak olan araştırmacılara detaylı bir literatür bilgisi sunmak amaçlanmıştır. Bu makale şu şekilde organize edilmiştir: Bölüm 2’de tekstil endüstrisinde en sık karşılaşılan kumaş hataları ve bu hataları tespit etmede kullanılan sistem tipleri açıklanmıştır. Bölüm 3’te güncel kumaş hatası tespit yaklaşımları derinlemesine bir analiz ile incelenerek yöntemler hakkında detaylı bilgiler sunulmuştur. Bölüm 4’te ise incelenen yöntemlerin güçlü ve zayıf yönleri karşılaştırılmıştır. Bölüm 5’te öneri ve düşünceler paylaşılmıştır.

Şekil 1. Kumaş hatası örnekleri (Fabric defect samples)

Kumaş hatalarının tespit edilmesi, kumaş yüzeyinde bulunan hataların yeri, tipi ve boyutu belirlenmesi işlemidir. Offline ve Online olmak üzere iki farklı kumaş hata tespit sistemi bulunmaktadır [3]. Offline sistemlerde, kumaş üretiminin tamamlanmış olma zorunluluğu bulunmaktadır. Üretimi tamamlanan kumaş topu, yeniden açılarak makine veya insan odaklı (Şekil 2) olarak kontrol edilmektedir [4, 5]. Makine odaklı sistemler yaklaşık %90 başarı oranına sahip iken insan odaklı sistemlerin başarısı %70’lere düşmektedir [6]. Hatanın başladığı anda tespit edilememesi bu sistemlerin en büyük dezavantajıdır.

2. KUMAŞ HATASI TESPİT SİSTEMLERİ (FABRIC DEFECT DETECTION SYSTEMS)

Kumaşlardaki hatalar makine hatalarının, iplik problemlerinin, kötü sonlandırma işlemelerinin ve aşırı germe gibi işlemlerin sonuçlarıdır. Kalite standartları açısından bakıldığında, kumaş yüzeylerindeki hatalar yüzey renk değişimi ve bölgesel doku düzensizliği olmak üzere iki sınıfta toplanmaktadır [2]. Tekstil endüstrisinde önemli görülen 6 yaygın kumaş hatası türü Şekil 1’de gösterilmiştir. Bu gibi ciddi hatalar üretilen kumaşın satılmasını mümkün kılmaz ve kazanç kayıplarına yol açar.

(a)

(b)

Şekil 2. Offline kumaş hatası tespit sistemleri(a) Makine odaklı kumaş kontrolü (b) İnsan odaklı kumaş kontrolü [7] (Offline fabric error detection systems: (a) machine-based fabric control, (b) manual fabric control)

Online sistemlerde, hata tespiti, üretim esnasında gerçekleştirilmektedir. Gerçek zamanlı çalışan bu sistemler, kumaş hatası oluştuğu anda hatayı tespit ederek üretim işlemini durdurabilmekte ve operatöre hata hakkında detaylı bilgi verebilmektedir [8-10]. Optik (Şekil 3(a)) ve kameralı (Şekil 3(b)) olmak üzere iki farklı online kumaş hatası tespit sistemi bulunmaktadır. Üretim esnasında fabrika ortamında toz ve pamuk gibi istenmeyen maddelerin uçuşabilmesi optik sistemlerdeki başarı oranını oldukça düşürmektedir. Bunun yerine yüksek doğruluk oranına sahip kameralı sistemler tercih edilmektedir.

SAU J. Sci. Vol 18, No 1, p. 49-69, 2014

Kumaş hatalarının online/offline tespit sistemleri ve yöntemleri

K. Hanbay, M. F. Talu

uygulanabilir olmasıdır [17]. Hatalı bir kumaş görüntüsünde düzenli yapıdan bahsedilemeyeceği için, bu yöntemin güvenilirliği şüphelidir. b. İstatistiksel Yaklaşımlar (Statistical Approaches)

(a)

(b)

Şekil 3. Online kumaş hatası tespit sistemleri (a) Optik sistem [11] (b) Kameralı sistem[12] (Online fabric defect detection systems: (a) optical system, (b) camera system)

3. KUMAŞ HATASI TESPİT YAKLAŞIMLARI (FABRIC DEFECT DETECTION APPROACHES)

Kumaş hatalarının tespiti için önerilen yaklaşımlar genel olarak yedi başlık altında gruplandırılabilir: yapısal, istatistiksel, spektral, model tabanlı, öğrenme, melez ve karşılaştırma. a. Yapısal Yaklaşımlar (Structural Approaches) Yapısal veya geometrik yaklaşımlar kumaş dokusunda tekrarlayan en küçük birimleri inceleyen yöntemlerdir [2]. Bu yaklaşıma göre kumaşın genel doku örüntüsü, basit doku yapılarının bileşimi ile elde edilebilir. Yapısal doku analizi ardışıl iki aşamayı içermektedir [5]: i) kumaştaki temel dokuların tespiti; ii) genel kumaş doku örüntüsünün modellenmesi. [16] çalışmasında, kumaş görüntüsüne temel yapısal işlemler uygulanmış ve yapısal hataların tespiti gerçekleştirilmiştir. Başarı oranı her ne kadar %91 olarak verilmiş olsa da, yöntemin dayandığı parametre sayısı ve bu parametrelerin kontrolü yöntemin geçerliliğini ve güvenilirliğini zayıflatmaktadır. Yapısal yöntemlere getirilen genel eleştiri, bu yöntemlerin sadece düzenli dokular üzerinde

İstatistiksel yaklaşımlar, kumaş görüntüsündeki renk yoğunluk değerlerinin dağılımları incelemektedir. Bu yöntemlerin temel amacı kumaş görüntüsünde farklı istatistiksel davranışlar sergileyen bölgeleri bulmaktır. Bu yaklaşıma ait en çok kullanılan yöntemler, eş oluşum matrisi, histogram özellikleri, oto korelasyon fonksiyonu ve matematiksel morfoloji yaklaşımlarıdır. Ayrıca literatürde çapraz korelasyon, istatistiksel moment ve kenar bulma gibi başka istatistiksel yaklaşımlarda mevcut olmakla birlikte sık kullanılan yöntemler değildirler. 1. Histogram Temelli Yaklaşımlar (Histogram Based Approaches)

Histogram, görüntüdeki piksel renk dağılımlarının en temel istatistiksel bilgisini içerir [18]. Yaygın olarak kullanılan histogram özelikleri ortalama, standart sapma, varyans ve ortanca’dır. Basitliğine rağmen, histogram teknikleri düşük işlem maliyeti gibi özellikleri nedeni ile değişik uygulamalarda kullanılmıştır [19,20]. Son yıllarda, Ng [21], Otsu global eşikleme metodunu geliştirerek histogram ayırma tekniği geliştirmiştir. [2224] çalışmalarında, hatalı ve hatasız kumaş görüntülerinin histogram farklılıkları incelenerek hata tespiti gerçekleştirilmiştir. İşlem kolaylığı ve yüksek çalışma hızı histogram temelli yöntemlerin pozitif yönleridir. Ancak bu yöntemlerin güvenilirlik oranı düşüktür. Histograma dayalı yöntemlerin özeti Tablo 1’de görülmektedir.

Tablo 1. Histogram değişkeni kullanan çalışmaların özeti (The summary of studies using histogram variable)

Referanslar

Kumaş türleri

[22] [23] [24]

Dokuma Kord Jakar

İncelenen hata türleri 5 farklı hata tipi 4 farklı hata tipi 2 farklı hata tipi

2. Eş Oluşum Matrisi Temelli Yaklaşımlar (Cooccurence Matrix Based Approaches)

Renk yoğunlukları arasındaki bağımlılıkların ölçülerek doku özelliklerinin karakterize edilmesini sağlar. Kumaş görüntüsü üzerindeki belirli bir ofsetteki (uzaklıktaki) gradyan yönelimlerinin dağılımı ifade edilir. Gradyan yönelimlerinin kombinasyonları, kumaş dokusunu ifade etmek için kullanılmaktadır. Matematiksel olarak boyutundaki bir kumaş görüntüsü ve , ofset değeri SAU J. Sci. Vol 18, No 1, p. 49-69, 2014

Çalışma şekli

Sınıflandırıcı

Başarı oranı (%)

Offline Offline Offline

Kullanılmıyor Kullanılmıyor Kullanılmıyor

Bilinmiyor Bilinmiyor Bilinmiyor

için eş oluşum matrisi aşağıdaki gibi tanımlanmaktadır [25]: ,

∆ ,∆

∑

1, 0,

, ∆ , ∆

(1) Eş oluşum matrislerinden elde edilen bazı ölçümler görüntünün dokusal özellikleri ile ilgilidir. Haralick, 51

K. Hanbay, M. F. Talu

Kumaş hatalarının online/offline tespit sistemleri ve yöntemleri

doku görüntülerinin farklı özelliklerini tanımlamak için 14 tane dokusal özellik ölçümü önermiştir [26]. Bu özelliklerden en çok kullanılanları zıtlık, korelasyon, entropi ve enerji hesaplamalarıdır. Bu parametreleri ifade eden matematiksel denklemler aşağıda gösterilmiştir: ∑ ∑

∑ ∑ ∑ ∑

, ∑

. .

∑

(2) , (3) ,

(4) (5)

Yukarıdaki denklemlerde değişkeni normalize edilmiş eş oluşum matrisini, , görüntüdeki farklı piksel sayısını ve , ise matrisin ifade etmektedir. Ayrıca , satır ve sütun toplamlarının, sırasıyla ortalama ve standart sapmalarıdır. Jing ve arkadaşları [27], eş oluşum matrisinin sadece enerji, zıtlık, korelasyon ve entropi özelliklerini kullanarak kumaş görüntülerini Yapay Sinir Ağları (YSA) ile sınıflandırmıştır. Tsai ve arkadaşları [28], farklı ofset ve açı değerleri için gri seviye eş oluşum matrisleri elde etmiş ve bunları YSA ile sınıflandırmıştır. Hareketsiz kumaş görüntüleri üzerinde yapılan diğer bir çalışmada, alt bant gri seviye eş oluşum matrisi metodu

kullanılarak kumaş hatalarının tespitinde %90.78 başarı sağlanmıştır [29]. Bu çalışmada, eş oluşum matrisinin entropi, zıtlık, açısal moment hızı ve ters farklılık momenti özellikleri kullanılmıştır. Bir diğer çalışmada ise örgü kumaşlarındaki hataları bulmak için parlaklığı ayarlanmış görüntünün, birinci ve ikinci mertebeden istatistiksel özellikleri kullanılarak hata tespit işlemi gerçekleştirilmiştir [30]. [31] çalışmasında, eş oluşum matrisinin zıtlık, homojenlik, enerji ve korelasyon özellikleri elde edilmiş ve bu özellikler TMS320DM642 sinyal işleme modülünde kullanılarak online kumaş hata tespit sistemi gerçekleştirilmiştir. Bu çalışmanın dezavantajı, tek tip bir kumaş türünün kullanılmış olmasıdır. Eş oluşum matrisi yaklaşımı, piksel renk farklılığına dayandığı için gürültüden olumsuz etkilenmekte ve filtreleme aşamalarına ihtiyaç duymaktadır. Eş oluşum matrisi yaklaşımının iki temel zayıf noktası vardır: (1) yüksek çözünürlüğe sahip görüntülerde düşük performansa sahiptir. Bunun için dalgacık dönüşümü yöntemiyle birlikte kullanılarak işlem doğruluğu arttırılmaktadır [27]; (2) işlem maliyetinin yüksek oluşudur. Tablo 2’de eş oluşum yöntemini kullanan çalışmalar hakkında özet bilgiler verilmektedir.

Tablo 2. Gri seviye eş oluşum matrisi kullanan çalışmaların özeti (The summary of studies using co-occurence matrix)

Referanslar

İncelenen hata türleri Bilinmiyor Bilinmiyor Bilinmiyor

Çalışma şekli

[27] [28] [29]

İncelenen kumaş türleri Düz, fitilli, saten Fitilli Düz

[30]

Örgü

[31]

Dokuma

5 farklı hata tipi 4 farklı hata tipi

3. Oto-Korelasyon

Temelli

Yaklaşımlar

(Auto-

Correlation Based Approaches)

Başarı oranı (%) Bilinmiyor %96 %90.78

Offline

Kullanılan sınıflandırıcı YSA YSA Mahalanobis uzaklık sınıflandırıcı FCM ve ANFIS

Online

Kullanılmıyor

Bilinmiyor

Offline Offline Offline

%97.50

oto-korelasyon fonksiyonunun yanıtında tepeler veya vadi görünümleri oluşmaktadır (Şekil 4).

Kumaş görüntülerindeki tekrarlı yapıları inceleyen bir yöntemdir [32]. Bir boyutlu oto-korelasyon fonksiyonunun matematiksel ifadesi aşağıda görülmektedir: ∑ (6) toplam örnek sayısını, normalize edilmiş sinyal değerini, zamanı, zamandaki kaydırma değerini ve ise oto-korelasyon değerini göstermektedir. Gürültü tespitinde yatay kaydırma işlemi gerçekleştirilir [33]. Eğer görüntüde hata varsa, düzenli yapı bozulacağı için

SAU J. Sci. Vol 18, No 1, p. 49-69, 2014

Kumaş hatalarının online/offline tespit sistemleri ve yöntemleri

K. Hanbay, M. F. Talu

a b c d e f

4.232

x 10

x 10 4.24

4.23

4.23 r

4.228

4.22 4.21

4.226

140

r değeri

4.224

120 100

4.222

4.22

60 4.218

40 4.216

Satırlar 4.214

100

120

140

Sütunlar

100

140

120

160

Sütunlar

4.145

x 10

Hatalı sütunu ifade eden r değerleri

x 10 4.15

4.14

4.13 4.135 r değeri

4.12 4.11 140

4.13

120 100 80

4.125

60 40 20 4.12

80 Sütunlar

100

120

140

160

Satırlar

100

120

140

160

Sütunlar

Şekil 4. a) Hatasız kumaş, b) hatasız kumaşta herhangi bir satır için oto-korelasyon değerleri, c) hatasız kumaş görüntüsünün oto-korelasyon sonucu, d) hatalı kumaş, e) hatalı kumaşta herhangi bir satır için oto-korelasyon değerleri, f) hatalı kumaşın oto-korelasyon sonucu ((a) Defect-free fabric image, (b) auto-correlation values for any row in defect-free fabric, (c) auto-correlation function result of defect-free fabric image, (d) defected fabric image, (e) auto-correlation values for any row in defected fabric, (f) auto-correlation function result of defected fabric image)

Bu yöntem, gürültü ve aydınlatma değişimlerine karşı oldukça korunaklı bir yapıya sahiptir. Bu yönüyle istatistiksel yöntemlerden üstündür. Ayrıca belirli tip kumaş görüntüleri üzerindeki sınıflandırma doğruluk oranı morfolojik yöntemlere göre oldukça yüksektir [32].

Ancak işlem maliyetinin yüksek olması önemli bir dezavantajdır. [34] çalışmasında bu yöntem kullanılarak kumaş hatalarının sınıflandırılması gerçekleştirilmiştir. Tablo 3’te oto-korelasyon fonksiyonu yöntemini kullanan çalışmalar hakkında özet bilgiler verilmektedir.

Tablo 3. Oto-korelasyon fonksiyonu kullanan çalışmaların özeti (The summary of studies using auto-correlation function)

Referanslar [32]

İncelenen kumaş türleri Düz, fitilli

[34]

Bilinmiyor

[35]

Düz halı

İncelenen hata türleri 2 farklı hata tipi 2 farklı hata tipi Bilinmiyor

Çalışma şekli Offline Offline Offline

4. Matematiksel Morfoloji Temelli Yaklaşımlar (Mathematical Morphology Based Approaches)

Matematiksel morfoloji nesne geometrisi hakkında ön bilgiye dayanan özellik çıkarım yöntemidir [36]. Eş oluşum matrisiyle veya korelasyon fonksiyonuyla birlikte kullanılmaktadır. Bu melez sistemlerin sınıflandırma doğruluk oranları %96,7 seviyesine çıkmaktadır [37]. [38]’de, geliştirilmiş morfolojik aşındırma operatörü kullanarak kumaş hatalarının yerini bulan bir yöntem geliştirilmiştir. Ancak yönteme ait doğruluk oranı verilmemiştir. Yapılan güncel bir çalışmada ise eş oluşum matrisi ve dalgacık dönüşümü birlikte kullanılmıştır [14]. Bu çalışmada kumaş görüntüsüne aşındırma ve genleşme işlemleri uygulandıktan sonra yöntemin doğruluğunu arttırmak SAU J. Sci. Vol 18, No 1, p. 49-69, 2014

Kullanılan sınıflandırıcı Bilinmiyor

Başarı oranı (%) Bilinmiyor

İleri beslemeli YSA Bilinmiyor

%93.50 Bilinmiyor

için ayrık kosinüs dönüşümü uygulanmıştır. Çünkü ayrık kosinüs dönüşümü, frekans alanında görüntünün daha iyi analiz edilmesine imkân sağlamaktadır. Kumaşlarda meydana gelen yaygın hataların çoğu eşikleme operatörünün ürettiği ikilik kumaş görüntülerinde kaybolduğu için morfolojik yöntemlerin tek başına kullanıldığı uygulama alanları kısıtlıdır. Belirli tipteki farklı kumaş görüntüleri üzerinde çalışabilen bir optimal morfolojik filtre ile gerçek zamanlı bir sistem üzerinde yapılan hata bulma uygulamasında ise %97,4 doğruluk oranına ulaşılmıştır [40]. Diğer bir çalışmada ise korelasyon ve morfoloji yöntemleri birlikte kullanılarak kumaş hataları tespit edilmiştir [41]. Bu yöntemler, istatistiksel yöntemler ile karşılaştırıldığında daha düşük doğruluğa sahiptir. Piksellerin lokal yönelimleri ve düzenliliklerini ölçen yöntemlere göre de morfolojik 53

K. Hanbay, M. F. Talu

Kumaş hatalarının online/offline tespit sistemleri ve yöntemleri

yaklaşımların doğruluk oranı çok daha düşük kalmaktadır [39]. Ancak uygun yapı elemanı kullanılarak kumaş hatalarının boyutu ve yeri etkin ve hızlı bir

biçimde tespit edilebilmektedir. Tablo 4’te matematiksel morfoloji yöntemini kullanan çalışmalar hakkında özet bilgiler verilmektedir.

Tablo 4. Morfoloji yöntemi kullanan çalışmaların özeti (The summary of studies using morphology method)

Referanslar

İncelenen kumaş türleri Deri

İncelenen hata türleri 5 farklı hata tipi

Çalışma şekli

9 farklı hata tipi

[41]

Düz, fitilli, kot, dokuma Düz dokuma

3 farklı hata tipi

Offline ve online Offline

[38] [14]

Kord Örüntüsüz

1 farklı hata tipi Bilinmiyor

Offline Online

[37] [40]

c. Spektral Yaklaşımlar (Spectral Approaches) Kumaş hata tespiti ile ilgili yapılan çalışmaların büyük bir kısmı spektral yaklaşımlara odaklanmaktadır. Spektral yaklaşımlar öncelikle görüntüdeki doku temellerini çıkarmayı, daha sonra bu doku temellerini uzaysal yerleşim kuralları ile genelleştirmeyi amaçlamaktadır [42]. Bu yaklaşımlar yüksek derecede periyodiklik gerektirmektedir. Kumaş ipliklerinin veya desenlerinin periyodik yapılarda oluşu spektral yaklaşımların kullanımını sağlamaktadır. Ancak, rastgele doku içeren kumaşlar için spektral yaklaşımların kullanımı uygun değildir. Spektral yaklaşımlar altında Dalgacık dönüşümü, Fourier dönüşümü, Gabor dönüşümü ve filtreleme yöntemleri incelenecektir. 1. Dalgacık Dönüşümü (Wavelet Transform) Dalgacık dönüşümü, frekansa bağlı geçici çözünürlükleri optimize etmek için Fourier dönüşümüne alternatif olarak geliştirilen bir sinyal analiz tekniğidir [43]. Dalgacık dönüşümü tekniğinde kullanılan farklı dalgacık türleri bir ana dalgacıktan, kaydırma ve ölçekleme

Offline

Kullanılan sınıflandırıcı Geri yayılımlı YSA Bilinmiyor

Başarı oranı (%) %96.25

Hata Arama Algoritması Kullanılmıyor Kullanılmıyor

%79.10

%97.40

Bilinmiyor Bilinmiyor

parametrelerinin değiştirilmesiyle türetilen fonksiyonlardır. En çok bilinen dalgacık türleri Haar, Symlets, BiorSplines, Gaussian ve Mexican Hat dalgacıklarıdır. İki boyutlu dalgacık analizi, görüntünün satır ve sütunları boyunca sıralı olarak uygulanan bir boyutlu ayrık dalgacık dönüşümü olarak düşünülebilir [44]. Böylelikle belli ölçekte bir sinyal dört alt görüntüye ayrıştırılır. Dalgacık dönüşümü ile renk değişimi analiz edilmekle birlikte doku farklılıkları da incelenmektedir. Özellikle düzenli ve periyodik doku yapısı içeren kumaş görüntülerinde dalgacık dönüşümü tekniği kullanılarak daha etkili doku analizi yapmak mümkündür. Yapılan güncel bir çalışmada iplik görüntülerinin özelliklerinin çıkartılması için istatistiksel ölçümler ve ayrık dalgacık dönüşümü birlikte kullanılmıştır [38]. 576 iplik görüntüsü kullanılan çalışma, özellik çıkarımı ve sınıflandırma aşamalarından oluşmaktadır. İplik görüntüleri iki seviyeye dönüştürüldükten sonra sekiz farklı ölçekte ayrık dalgacık dönüşümü uygulanmıştır. Yöntemin akış diyagramı Şekil 5’te gösterilmektedir.

SAU J. Sci. Vol 18, No 1, p. 49-69, 2014

Kumaş hatalarının online/offline tespit sistemleri ve yöntemleri

K. Hanbay, M. F. Talu

Şekil 5. Dalgacık dönüşümü ile yapılan iplik derecelendirme sisteminin işlem adımları [44] (Operation steps of yarn grading system performed with the wavelet transform)

[45]’de, dalgacık dönüşüm yöntemi kullanılarak gerçek zamanlı bir kumaş üretim makinesi üzerinde 1m genişliğindeki kumaş görüntülerinde hata tespiti yapılmıştır. Uyarlanabilen dalgacıklar kullanılarak yapılan bir çalışmada ise sekiz farklı hata türü içeren görüntülerde hatalar tespit edilmiştir [46]. Çok ölçekli ve uyarlanabilir kullanım sayesinde hata ve kumaş arka planı arasındaki fark arttırılarak hatalı bölgenin ayırt edilmesi sağlanmıştır. [47]’de, örgü kumaşlarındaki hataları bulmak için Dempster–Shafer karar teorisi ve dalgacık dönüşümüne dayanan bir yöntem geliştirmişlerdir. Bu çalışmada, incelenen hata türlerini en iyi karakterize eden üç ana dalgacık belirlenmiştir. Li ve arkadaşları [48], görme sensörleri, dijital sinyal işleme modülü ve dalgacık dönüşümü tekniği ile geliştirdikleri sistemde örgü makinesi üzerinde hata tespiti yapmışlardır. Her biri 2MP çözünürlüğe ve 800mm genişliği tarama kapasitesine sahip altı adet akıllı görme algılayıcıdan alınan görüntü dijital sinyal işleme modülü üzerinden alınarak bu görüntünün dalgacık analizi yapılmıştır. Doğrudan eşikleme tekniği ile yüksek frekanslı bileşenler seçilmiştir. Ayrıca gürültüyü gidermek için morfolojik işlemler de kullanılarak hata tespiti yapılmıştır. Yang ve arkadaşları ise [49], öteleme

SAU J. Sci. Vol 18, No 1, p. 49-69, 2014

bağımsızlığı sağlamak için orthogonal dalgacık dönüşümü yerine ayırt edebilen dalgacık çerçeveleri dönüşümü yöntemini kullanarak 466 tekstil görüntüsünde hata tespiti gerçekleştirmişlerdir. Kullanılan dalgacık çerçevelerinin dizaynında ayırt edilebilen özellik çıkartma [50] metodu kullanılmıştır. Haar ve Daubechies dalgacıkları gibi önceden tanımlı standart dalgacık çerçeveleri yerine ayırt edebilen dalgacık çerçeveleri kullanılarak tekstil dokularının doğasında var olan yapısal özellikler daha güçlü bir şekilde elde edilmiştir. Dalgacık dönüşümü tekniğiyle kumaş hatası bulan bazı yöntemlerin başarı oranı yüksektir. Ancak her çalışma sadece belli kumaş türü ve belli hata sınıfları için çalışabilmektedir. İncelediğimiz çalışmalardaki görüntüler genel bir görüntü veri tabanına ait olmayıp yazarların kendilerinin elde ettikleri görüntülerden oluşmaktadır. Bu da yöntemlerin güvenilirliğini ve geçerliliğini zayıflatmaktadır. Yine belli hata türlerini bulan makalelerde kullanılan ana dalgacık türlerinin neden tercih edildiklerine dair açık bir bilgi yoktur. Ancak dalgacık dönüşümü tekniği hesaplama zamanının uygunluğu nedeniyle gerçek zamanlı uygulamalar için uygundur. Dalgacık dönüşümü kullanan çalışmaların özeti Tablo 5‘te görülmektedir.

K. Hanbay, M. F. Talu

Kumaş hatalarının online/offline tespit sistemleri ve yöntemleri

Tablo 5. Dalgacık dönüşümü kullanan çalışmaların özeti (The summary of studies using wavelet transform)

Referanslar

Kullanılan ana dalgacık

İncelenen hata türleri Yok

Çalışma şekli

Kullanılan sınıflandırıcı

Başarı oranı (%)

Offline

Bilinmiyor

Online

[46]

Adaptive

Düz, fitilli

Offline

[47]

Daub2, daub5,sym9 Daubechies

Örgü

Offline

YSA

%89.48

Online

Kullanılmıyor

%98

Ayırt edebilen dalgacık çerçeveleri

Düz, fitilli

8 farklı hata tipi 4 farklı hata tip 2 farklı hata tipi 8 farklı hata tipi

Fuzzy ARTMAP YSA Geri yayılımlı YSA Bilinmiyor

%87.30

Daubechies 16

İncelenen kumaş türleri 5 kategoride iplik görüntüleri Dokuma

[44]

Coif2, coif5, sym2, sym5

[45]

Offline

Euclidean

%95.8

[48] [49]

Örgü

%94 %97.5

2. Fourier Dönüşümü Temelli Yaklaşımlar (Fourier Transform Based Approaches)

Fourier dönüşümü, sinyalleri zaman alanından frekans alanına taşıyarak detaylı analizlerin yapılmasını sağlayan bir analiz tekniğidir. Görüntü işlemede bu teknik ile doku görüntüleri frekans bileşenleri açısından karakterize edilmektedir. Dönüşümde kumaş görüntü boyutu değişmez. Ancak, bilgi kaybını en aza indirmek için karesel görüntüler kullanılır. boyutunda bir görüntüde , gri seviye görüntü piksel koordinatlarının Fourier dönüşümü aşağıdaki gibi ifade edilir: ,

∑

(7)

Kumaşta bir hata oluştuğunda kumaşta var olan düzenli yapı bozulur. Ayrıca bozulmanın olduğu noktaya karşılık gelen frekans spektrumundaki özel pozisyonlar da hatayı önemli ölçüde ifade eder. Güncel bir doktora tezinde bu teknik kullanarak kumaş hatalarının gerçek zamanlı tespiti gerçekleştirilmiştir [12]. Bu tezde, öncelikle çapraz korelasyon ve hızlı Fourier dönüşümü teknikleri ile durağan hatalı kumaş görüntülerinin öznitelikleri elde edilerek sistemin eğitimi geçekleştirilmiştir. Sonraki adımda ise dokuma makinesi üzerine yerleştirilen sistem ile çizgi tarama kamerası kullanılarak gerçek zamanlı kumaş hatası tespit sistemi geliştirilmiştir. Bu çalışmaya ait işlem adımları Şekil 6’da görülmektedir. Bir diğer çalışmada düz kumaşlarda yaygın görülen dört kumaş hatasını sınıflandırmak için Fourier dönüşümünden elde edilen merkezi uzaysal frekans spektrumu kullanılmıştır [51]. Bu çalışmada Fourier tekniği ile elde edilen üç boyutlu frekans spektrumu yerine kullanımı daha kolay olan iki boyutlu merkezi uzaysal frekans spektrumu kullanılmıştır.

Şekil 6. Fourier tekniği ile kumaş hatası tespiti [12] (Fabric defect detection with fourier technique)

Zhao ve arkadaşları [52], Fourier spektrumuna dayanan bir hata bulma algoritması geliştirmişlerdir. Bu çalışmaya göre düzenli doku örüntüsüne sahip kumaş görüntüsünün 2 boyutlu Fourier spektrumunda birkaç tane önemli tepe noktası varken, rastgele doku örüntüsüne sahip kumaş görüntüsünde böyle bir durum yoktur. Bu tepe değerlere göre yapılan eşikleme ile görüntüler hatalı veya hatasız olarak sınıflandırılmıştır. Ancak bu çalışmada hatasız görüntülerde daha yüksek ve hatalı görüntülerde ise daha düşük bir eşik değer seçilerek kumaş görüntüleri sınıflandırılmış olsalar da global eşik değerin seçimi yöntemin zayıf yanıdır. Yapılan bir diğer çalışmada ise Fourier dönüşümünden elde edilen Fourier spektrumu kullanılarak kumaş görüntülerinin gerçeklikleri değerlendirilmiştir [53]. Bu çalışmada histogram eşitleme işleminden yararlanılmış ve görüntülerin spektrum büyüklükleri ve fazları hesaplanarak karşılaştırılmıştır. Bu çalışmanın özetleyen bir şekil Şekil 7’de görülmektedir. SAU J. Sci. Vol 18, No 1, p. 49-69, 2014

Kumaş hatalarının online/offline tespit sistemleri ve yöntemleri

Örnek

Orijinal kumaş

K. Hanbay, M. F. Talu

Gri seviye Histogram Eşiklenmiş Fourier Büyüklük görüntü eşitleme görüntü spektrum

Kumaş görüntüsü (RGB görüntü)

Faz

Yakalama Tahmini

Sonuç

Orijinal

Geç

Orijinal

Geç

Belirlenecek kumaş

Orijinal kumaş

Belirlenecek kumaş

Şekil 7. Fourier dönüşümü kullanılarak kumaş görüntülerinin karşılaştırılması [45] (The comparison of fabric images using fourier transform)

Ayrıca [54-56] nolu referanslarda Fourier dönüşümü ile hata bulmada başarılı olunduğu iddia edilse de, onların güvenilirliği tam olarak bilinmemektedir. Fourier dönüşümü gerçek zamanlı sistemlerde hareket eden kumaş görüntülerinin izlenmesinde oldukça güçlüdür. Çünkü Fourier spektrumunun büyüklüğü mutlak değerli bir büyüklük olduğundan, kumaşın yönündeki

hareketleri Fourier spektrumunun değerini değiştirmez. Yani Fourier spektrumu sadece kumaş yapısındaki değişimden etkilenir. Bu avantajından dolayı gerçek zamanlı kumaş hatası tespit etme işleminde kullanılması uygundur. Fourier dönüşümü kullanan çalışmaların özeti Tablo 6‘da görülmektedir.

Tablo 6. Fourier dönüşümü kullanan çalışmaların özeti (The summary of studies using fourier transform)

Referanslar

İncelenen kumaş türleri

İncelenen hata türleri

Çalışma şekli

Kullanılan sınıflandırıcı

Başarı oranı (%)

[12]

Kullanılan fourier türü FFT

Düz

10 farklı hata tipi

Online

Seviye seçim filtresi

[51]

FFT

Düz

Offline

Bilinmiyor

[52]

FFT

Bilinmiyor

4 farklı hata tipi Düğüm

%97.22 (seviye 3 için) Bilinmiyor

Offline

[53]

FFT

Spor örgü

Yok

Offline

Geri yayılımlı YSA Bilinmiyor

3. Gabor Dönüşümü Temelli Yaklaşımlar (Gabor Transform Based Approaches)

%95 %90

şekilde kullanılmaktadır. 4 farklı ölçek ve 6 farklı açı için üretilen 24 adet Gabor filtresi Şekil 8’de görülmektedir.

Kumaş hatası tespitinde kullanılan Gabor filtreleri karmaşık bir sinüzoidal tarafından elde edilen gauss dağılımının bir fonksiyonudur. Gabor filtreleri hem uzaysal hem de frekans alanında doku analizleri yapmak için kullanılmaktadır. İncelenecek doku yapısına göre farklı ölçek ve açı değerleri ile özelleştirilebilen bu filtreler, kumaş hatalarının bulunmasında yaygın bir SAU J. Sci. Vol 18, No 1, p. 49-69, 2014

K. Hanbay, M. F. Talu

Kumaş hatalarının online/offline tespit sistemleri ve yöntemleri

Şekil 8. Gabor filtre kümesi (Gabor filter set)

Zhang ve arkadaşları [57], hatalı kumaş dokusunun frekans bileşenlerine hakim olabilen optimal bir Gabor filtresi ile 128 görüntü üzerinde hata tespiti yapmıştır. Bu görüntülerin 100’ü hatalı 28’i ise hatasız görüntülerdir. Geliştirilen yöntemde, Gabor filtresinden elde edilen görüntüleri görüntü birleştirme, yumuşatma ve görüntüyü ikilik hale getirme işlemlerine tabi tutarak gürültünün etkilerini azaltmışlardır. Elde edilen öznitelik vektörleri Elman tarafından YSA ile sınıflandırılmıştır. Dokuma tezgâhında üretim kontrolü yapmak üzere geliştirilen bir sistemde ise, 4 farklı açı ve ölçekte toplam 16 adet Gabor filtresinin konvolüsyonundan elde edilen frekans ve yön bilgileri hesaplanmış ve bu bilgiler kumaş kontrolünde kullanılmıştır [58]. İncelenen bu iki yöntemin temel zayıflığı sınırlı sayıda örnek üzerinde çalışılmış olmalarıdır. Yakın zamanda yapılan bir çalışmada ise Gabor dönüşümü ve Gaussian fonksiyonu melez bir yapıda kullanılarak 360 kumaş görüntü sınıflandırılmıştır [59]. [60]’da, kompleks simetrik

Gabor filtre bankası kullanılarak düzenli iplik hataları bulunmuştur. Bu çalışmada, Gabor filtreleri ile elde edilen öznitelik vektörlerinin boyutları temel bileşen analizi ile küçültülerek sistemin hızlanması sağlanmıştır. Han ve Zhang [61], parametreleri genetik algoritma tarafından optimize edilen optimal Gabor filtresi kullanarak farklı arka plana sahip 42 adet kumaş görüntüsü üzerinde hata bulma yöntemi geliştirmişlerdir. Alimohamadi ve arkadaşları [62], Gabor filtreleri ve morfoloji tekniğini birlikte kullanarak kumaş hatalarını tespit etmişlerdir. Onlar öncelikle tekstil görüntüsünü farklı frekans ve açılardaki Gabor filtrelerinden geçirerek özellik matrisini elde etmişlerdir. Daha sonra hesaplanan bu özellik matrisini bir yüzey kabul edip bu yüzey üzerinde kumaş hatalarına karşılık gelen havuz veya kubbe görünümlü yerleri tespit ederek eşikleme yerine temel morfolojik işlemlerle hatalı kumaşları tespit etmişlerdir. Jing ve arkadaşları [63], 4 farklı açı ve ölçekte tanımladıkları Gabor filtrelerini 11x11 boyutunda konvolüsyon maskeleri ile 256x256 boyutunda 90 adet hatalı ve hatasız kumaş görüntüsüne uygulamışlarıdır. Daha sonra ise 3x3 boyutlu pencereler kullanan bölgesel ikilik yamalar yöntemi ve Tamura metodu [64] ile özellik çıkarımı yaparak hata tespiti yapmışlardır. Tamura metodu basitlik, zıtlık, yönlülük, satır benzerliği, pürüzlülük ve düzenliliği olmak üzere altı tane dokusal özelliği hesaplayan bir yöntemdir. Gabor dönüşümü kullanan yöntemler incelendiğinde, çalışmaların neredeyse hepsinin sınırlı sayıda örnek görüntü ve hata türü üzerinde çalıştığı anlaşılmaktadır. Ayrıca Gabor filtreleri döndürme bağımlı filtreler olduğu için görüntülerdeki açı değişimlerinden olumsuz etkilenmektedir. Bu tekniği kullanan çalışmaların özeti Tablo 7‘de görülmektedir.

Tablo 7. Gabor dönüşümü kullanan çalışmaların özeti (The summary of studies using gabor transform)

Referanslar

İncelenen kumaş türleri

İncelenen hata türleri

Çalışma şekli

Kullanılan sınıflandırıcı

Başarı oranı (%)

[57]

Gabor filtre sayısı 1

Fitilli, düz, kot

Online

Elman YSA

%100

[58]

Dokuma

Offline

Bilinmiyor

[59]

Bilinmiyor

Düz

Offline

Bilinmiyor

[61] [62]

2 24

TILDA’dan R1 ve R3 hataları Bilinmiyor Bilinmiyor

GMM temelli sınıflandırıcı En yakın komşuluk Bilinmiyor Kullanılmıyor

%87

[60]

4 farklı hata tipi 3 farklı hata tipi 9 farklı hata tipi TILDA’dan 5 farklı hata tipi

32 farklı hata tipi

Offline Offline Offline

%98.8 Bilinmiyor Kullanılmı yor

SAU J. Sci. Vol 18, No 1, p. 49-69, 2014

Kumaş hatalarının online/offline tespit sistemleri ve yöntemleri

4. Filtre

Temelli

Yaklaşımlar

(Filter

K. Hanbay, M. F. Talu

Based

Approaches)

Filtreleme yaklaşımı görüntü iyileştirme, gürültü giderme ve özellik çıkarma gibi işlemlerde yaygın bir biçimde kullanılan bir tekniktir. Kullanılacak filtreler

uzaysal veya frekans alanında tasarlanmaktadır [65]. Uzaysal alanda konvolüsyon ile frekans alanında ise çarpma işlemi ile filtreli görüntü elde edilir. Filtrelemede, global yoğunluk değişimlerinin önlene bilmesi için sıfır ortalama ve normalizasyon yöntemi kullanılır. Yaygın olarak kullanılan filtreler Tablo 8’de listelenmiştir.

Tablo 8. Farklı filtre tekniklerinin karşılaştırılması (The comparison of different filter methods)

Bölgesel tanımlayıcılar S küme [66] MR8 küme [66] Gabor küme [67] LD küme [67] CMR [69] PC [69]

Uzaysal veya frekans alanı Uzaysal Uzaysal

Döndürme bağımsızlığı

Vektör boyutu

Sürekli döndürme bağımsız Sürekli döndürme bağımsız

13 8

Uzaysal

Yok

Uzaysal Uzaysal Uzaysal

Yok Sürekli döndürme bağımsız Sürekli döndürme bağımsız

8 8 8

Kumaş hatalarının tespit edilmesinde Rong ve arkadaşları [70], bölgesel ikilik örüntüler yöntemi ile altı farklı hata türü içeren 768x512 boyutundaki kumaş görüntülerini 16x16’lık boyutunda görüntü blokları şeklinde ele alıp filtreleyerek özellik çıkarımı yapmışlardır. Başka bir çalışmada ise kumaş görüntüleri 3x3 boyutunda pencereler kullanarak medyan filtre ile görüntülerdeki tekil noktalar ortadan kaldırılmıştır [16]. Dolayısıyla Medyan filtre sayesinde yanlış sınıflandırma oranı azaltılmıştır. Ayrıca başlangıçta Medyan filtrenin hızlı çalışmasını sağlamak için görüntülerin boyutu indirgenmiş, filtre işleminden sonra tekrar eski boyutuna getirilmiştir. Zeng ve Hirata [71], çok ölçekli ve 2 boyutlu bir türev alma şeması kullanarak kumaş görüntülerinin birinci türevlerini hesaplamıştır. Ayrıca algoritmanın zaman karmaşıklığını azaltmak için Bspline dönüşümünden faydalanılmıştır. Meylani ve arkadaşları ise üç, altı ve sekiz parametreli ve türeve dayanan 2 boyutlu uyarlanabilir rapor (lattice) filtreleri tasarlayarak kumaş hatalarının tespitini

gerçekleştirmişlerdir [72]. Filtreleme yaklaşımı kullanan çalışmalar incelendiğinde, çalışmaların belirli tip kumaş üzerinde gerçekleştirildiği, bazı çalışmaların doğruluk oranlarını belirtmediği anlaşılmaktadır. Bununla birlikte Tablo 8‘de ifade edilen filtre tekniklerini kullanan güncel çalışmaların da olmadığı görülmektedir. Hâlbuki özellikle PC ve CMR teknikleri hem güncel hem de dönmeden bağımsız çalışan tekniklerdir [69]. Ayrıca iyi bilinen CUReT [73], KTH-TIPS [74] ve KTH-TIPS2-a [75] gibi içerisinde kumaş görüntüleri de içeren doku veri tabanları üzerinde de yüksek sınıflandırma oranlarına sahiptirler. Dolayısıyla Tablo 8‘de ki filtre tekniklerinin kullanılması ile etkin ve hızlı çalışabilecek kumaş hatası tespit algoritmalarının geliştirilebileceği düşünülmektedir. Yine güncel bir çalışmada geliştirilen Joint_Sort tekniğinin de kumaş hatası tespitinde kullanılabileceği önerilmiştir [76]. Filtreleme yaklaşımları kullanan çalışmaların özeti Tablo 9‘da görülmektedir.

Tablo 9. Filtreleme yaklaşımı kullanan çalışmaların özetleri (The summary of studies using filtering approach)

Referanslar

İncelenen kumaş türleri

[70]

Bilinmiyor

[72]

Bilinmiyor

[16]

Düz

[71]

Düz

İncelenen hata türleri 6 farklı hata tipi 4 farklı hata tipi 3 farklı hata tipi 3 farklı hata tipi

SAU J. Sci. Vol 18, No 1, p. 49-69, 2014

Çalışma şekli

Kullanılan sınıflandırıcı

Başarı oranı (%)

Offline

Bilinmiyor

Offline

Bilinmiyor

Online

Bilinmiyor

%91

Online

Bilinmiyor

K. Hanbay, M. F. Talu

Kumaş hatalarının online/offline tespit sistemleri ve yöntemleri

d. Model Tabanlı Yaklaşımlar (Model Based Approaches)

Model tabanlı doku analiz teknikleri bir görüntü modelinin inşasına dayanmaktadır. İnşa edilen model yardımıyla hem doku tanımlaması hem de doku sentezi yapılabilmektedir. Bu teknik iğne kırılması, iplik kopması gibi hatalar nedeniyle yüzey değişimlerine uğrayabilen kumaş görüntüleri için uygundur. Kullanılacak modelin parametreleri gerekli doku bilgilerini yakalayabilmek için önemlidir. Burada en çok kullanılan Autoregressive modeli ve Gauss Markov Rastgele Alan teknikleri incelenmiştir. 1. Autoregressive

(AR)

Modeli

(Auto-Regressive

Model)

Bu model doku içeren bir görüntünün farklı pikselleri arasındaki lineer bağımlılığın derecesini ifade etmek amacıyla kullanılmaktadır. Bu tekniğin yaygın bir şekilde kullanılmasının nedeni sadece lineer denklem sistem çözümü gerektirmesidir. Lineer olmayan denklem sistemleri ile karşılaştırıldığında bu teknik önemli zaman kazanımı sağlar. Gerçek zamanlı kumaş kontrolü için TMS320C5X model dijital sinyal işleme modülü üzerinde bir boyutlu AR modeli kullanılmıştır [77]. Ayrıca kumaş kontrolü ve görüntü bölütleme amacıyla yapılmış birkaç çalışma olsa da [78,79], son yıllarda

yapılmış güncel ve güvenilirliği yüksek bir çalışma yoktur. Ayrıca incelenen çalışmalar sınırlı örnekler üzerinde yapılmış ve doğruluk oranları açıklanmamıştır. 2. Gauss Markov Rastgele Alan Modeli (Gauss Markov Random Field Model)

Kumaş görüntülerdeki piksel noktaları gürültü içermedikçe birbirleri ile bağımlıdırlar. Markov Rastgele Alanları (MRA) bu bağımlılığı kullanan hassas modellerdir. Bu modellerde, her pikselin lokal bir alan üzerindeki yoğunluk değeri hesaplanarak pikseller arası ilişkiler ve ani değişimler değerlendirilmektedir. Bu yöntem, bölütleme, sınıflandırma ve özellik çıkarma gibi birçok alanda kullanılmaktadır [80-82]. Cohen ve arkadaşları MRA tekniği kullanılarak, hata içermeyen kumaş görüntülerini modellemişlerdir [83]. Huang ve arkadaşları ise [84], 3x3 boyutunda pencereler kullanıp MRA modeli ile dört tane lokal doku özelliği parametresi elde ederek kumaş hatalarının bölütlemesini gerçekleştirmişlerdir. Özdemir ve Erçel [85], TMS320C40 dijital sinyal işleme modülü üzerinde Karhunen-Loeve dönüşümü ve MRA yöntemleri ile tekstil kumaşlarının hata tespitini gerçekleştirmişlerdir. Yaptıkları çalışmada 256 x 256 boyutundaki görüntüler üzerinde MRA tekniğinin Karhunen-Loeve dönüşümünden 10 kat daha hızlı çalıştığını göstermişlerdir. Model tabanlı yaklaşımlar Tablo 10‘da görülmektedir.

Tablo 10. Model tabanlı yaklaşımlar kullanan çalışmaların özetleri (The summary of studies using model-based approaches)

Metotlar

Referanslar

İncelenen kumaş türleri

Autoregressive modeli

[77] [78] [79]

Gauss Markov Rastgele Alanlar

[83]

[84]

Dokuma Deri Brodatz’dan görüntüler Kot, kord, pamuklu, dokuma, yün, deri Dokuma

[85]

Beyaz yün

İncelenen hata türleri Bilinmiyor Bilinmiyor Bilinmiyor

Çalışma şekli

Kullanılan sınıflandırıcı

Başarı oranı (%)

Offline Offline Offline

Kullanılmıyor Kullanılmıyor Kullanılmıyor

Bilinmiyor Bilinmiyor Bilinmiyor

4 farklı hata tipi

Offline

Bayessian

Bilinmiyor

2 farklı hata tipi 4 farklı hata tipi

Offline

Kullanılmıyor

Bilinmiyor

Offline

Kullanılmıyor

e. Öğrenme Yaklaşımı (Learning Approach) Yapay Sinir Ağları (YSA), parametrik olmayan ve paralel çalışma özellikleri ile hem hızlı hem de esnek sınıflandırıcılar arasında yer almaktadırlar. Kompleks lineer olmayan giriş-çıkış ilişkilerini öğrenebilme yetenekleri sayesinde öğrenme, sınıflandırma ve optimizasyon gibi bir çok alanda halen yaygın bir biçimde başvurulan bir tekniktir [86-89].

Tekstil alanında Kumar [90], ham tekstil görüntülerinde piksellerin bölgesel ilişkilerine dayanan bir yöntem ile doku özelliklerini elde ederek geri beslemeli YSA üzerinde hata tespiti gerçekleştirmiştir. Elde ettiği özellik vektörlerinin boyutunu Temel Bileşenler Analizi tekniği ile azaltarak YSA’nın hızlı çalışmasını sağlamıştır. Nemli dokuma kumaşların yüzeyleri üzerinde plazma işlemlerinin ve kumaş özelliklerinin etkisini anlamak amacıyla YSA kullanan bir modelleme çalışması yapılmıştır [91]. Yapılan çalışmada bulanık mantık SAU J. Sci. Vol 18, No 1, p. 49-69, 2014

Kumaş hatalarının online/offline tespit sistemleri ve yöntemleri

K. Hanbay, M. F. Talu

temelli özellik seçimi yapılarak kumaşı ifade etmek için on dört, plazmayı ifade etmek için ise iki özellik çıkarılarak YSA yardımıyla sınıflandırma yapılmıştır. Semnani ve Vadood [92], örgü kumaşların dış görünüş kalitelerinin hesaplayan YSA tabanlı akıllı bir sistem geliştirmişlerdir. Onlar kullandıkları YSA’yı Genetik Algoritma ile optimize ederek ağın en iyi şekilde optimize edilmesini sağlamışlardır. Bu çalışmada YSA ile gözleyici arasındaki korelasyon katsayısı 0.972 olarak elde edilmiştir. Wong ve arkadaşları [93], dalgacık dönüşümü tekniğine dayanan doğrudan eşikleme metodu ile beş farklı türde dikiş hatası içeren kumaş görüntülerinde hata tespiti ve sınıflandırması yapan bir yöntem geliştirmişlerdir. Yaptıkları çalışmada

görüntünün dalgacık dönüşümü hesaplanarak gürültü giderme işlemi sonrasında hatalı pikseller bölütlenmiştir. Shi ve arkadaşları [94], 2048 sensör dizisine sahip çizgi tarama kamera ve TILDA [95] kumaş veri tabanından elde ettikleri kumaş görüntülerindeki hataların bölütlenmesi için YSA kullanmıştır. YSA giriş olarak görüntülerden elde ettikleri altı tane istatistiksel dört tane de zıtlık parametresini vererek bölütleme yapmışlardır. Bununla Destek Vektör Makineleri (Support Vector Machine -SVM) gibi sınıflandırıcılar kullanılarak yapılan kumaş hatası tespiti yapabilen farklı çalışmalarda vardır [96]. Öğrenme yaklaşımı kullanan çalışmaların özeti Tablo 11‘de görülmektedir.

Tablo 11. Öğrenme yaklaşımı kullanan çalışmalarının özetleri (The summary of studies using learning approach)

Referanslar [90]

İncelenen kumaş türleri Fitilli, düz

[91] [92] [93]

Dokuma Örgü Örgü

[94]

Dokuma

[96]

Dokuma

İncelenen hata türleri 5 farklı hata tipi Yok Yok 5 farklı hata tipi TILDA’dan 17 hata tipi TILDA’dan 9 hata tipi

Çalışma şekli

Kullanılan sınıflandırıcı İleri beslemeli YSA

Başarı oranı (%) Bilinmiyor

YSA YSA Geri yayılımlı YSA

%99.20 %97.20 %100

Offline

Adım birleştirmeli YSA

Bilinmiyor

Offline

SVM

%96.36

Offline online Offline Offline Offline

f. Melez Yaklaşımlar (Hybrid Approaches) Otomatik bir kumaş hatası tespit yöntemi üstün yanlara sahip iken aynı zamanda bazı noktalarda da eksiklik kalabilmektedir. Bu yüzden birçok araştırmacı iki veya daha fazla tekniği bir arada kullanarak daha etkili hata tespiti gerçekleştirmişlerdir. Buradaki temel amaç hesaplama karmaşıklığını minimize etmek ve hata tespit oranını yükseltmek olarak söylenebilir. Han ve Xu [97], küçük boyutlu kumaş hatalarını bulmak için şablon eşleştirme metodu ve eşikleme metodunu bir arada kullanmışlarıdır. Bu metotta kumaş dokusundan istatistiksel bilgiler çıkartılarak kullanılan şablon eşleştirme metodu geliştirilmiştir. Mak ve arkadaşları, önceden eğitilmiş Gabor dalgacık ağı ve lineer yapı elemanına sahip morfolojik elemanlar kullanarak kumaş hatalarını bulmuşlardır [40]. Dalgacık ön işlemeli altın görüntü çıkarma yönteminde ise dalgacık dönüşümü ve istatistiksel metotlar bir arada kullanılarak belirli tipte kumaşların hataları başarılı bir şekilde tespit edilmiştir [98,99]. Ancak bu teknik siyah ve beyaz örüntülere sahip kumaş görüntülerinde yüksek zıtlık oranından dolayı eşikleme aşamasında başarısız kalmaktadır. Jayashree ve Subbaramn ise [41], korelasyon ve morfoloji yaklaşımlarını birlikte kullanarak hata tespiti gerçekleştirmişlerdir. Bu yaklaşımda hatasız kumaş SAU J. Sci. Vol 18, No 1, p. 49-69, 2014

görüntülerin korelasyon hesaplaması yapılarak oluşturulan şablon model ile hatalı kumaş görüntüleri karşılaştırılmıştır. Aziz ve arkadaşları ise [14], morfolojik işlemler ve Ayrık Kosinüs Dönüşümü yöntemleri ile kumaş hatası tespit eden melez bir yöntem geliştirmişlerdir. Onlar morfolojik işlemlerden geçirdikleri gri seviye görüntülerin Ayrık Kosinüs Dönüşümü ile özelliklerini çıkartarak en son yapılan filtreleme işlemi ile hataları tespit etmişlerdir. Diğer bir çalışmada ise [100], çoklu fraktal özellikleri ve destek vektör data tanımlama modeli ile yedi farklı kumaş hatası türü tespit edilmiştir. Bu çalışma fraktal özelliklerine dört yeni özellik ekleyerek bu metodu geliştirerek kullanmıştır. Venkatesan ve arkadaşları [101], hatalı kumaşların dalgacık dönüşümlerini hesaplayarak elde edilen görüntülerin gri seviye eş oluşum matrisi tekniği zıtlık, korelasyon, homojenlik ve enerji özelliklerini çıkartmışlardır. Çıkartılan bu özellikler ANFIS ile sınıflandırılmıştır. Güncel bir diğer çalışmada ise [102], Gabor filtreleri ve Temel Bileşenler Analizi yöntemleri birlikte kullanılarak düzenli yapıya sahip kumaş görüntüleri üzerinde hata tespiti yapmışlarıdır. TILDA veri tabanından elde ettikleri kumaş görüntülerinin Gabor filtreleri ile özniteliklerini çıkartarak Temel Bileşenler Analizi yöntemi ile özellik boyutunu indirgemişlerdir. Ayrıca Euclidian norm ile norm 61

K. Hanbay, M. F. Talu

Kumaş hatalarının online/offline tespit sistemleri ve yöntemleri

kıyaslamaları yapılarak sonuçlar arasındaki farklarda vurgulanmıştır. Yapılan çalışmalar incelendiğinde dalgacık dönüşümü gibi hızlı, gri seviye eş oluşum matrisi gibi etkili istatistiksel yöntemlerin birlikte kullanılmalarının etkili sonuçlar vereceği söylenebilir.

Bu şekilde iki veya daha fazla yöntem bir arada kullanılarak bir yöntemin eksik yanları diğer yöntem ile giderilmiş olunmaktadır. Melez yaklaşım kullanan çalışmaların özetleri Tablo 12‘de görülmektedir.

Tablo 12. Melez yaklaşım kullanan çalışmaların özeti (The summary of studies using hybrid approach)

Referanslar

[98,99]

İncelenen kumaş türleri Fitilli Düz, fitilli, kot, dokuma Jakar

[41]

Düz dokuma

[14] [100]

Örüntüsüz 7 farklı kumaş tipi TILDA’dan 3 farklı kumaş tipi

[97] [40]

[102]

İncelenen hata türleri Bilinmiyor 9 farklı hata tipi 6 farklı hata tipi 3 farklı hata tipi Bilinmiyor Çözgü TILDA’dan 9 hata tipi

Çalışma şekli

Kullanılan sınıflandırıcı Kullanılmıyor Bilinmiyor

Başarı oranı (%)

Bilinmiyor

%96.70 %79.10

Online Offline

Hata arama algoritması Kullanılmıyor Bilinmiyor

Bilinmiyor Bilinmiyor

Offline

Bilinmiyor

%98.8

Offline Offline ve online Offline Offline

g. Karşılaştırma Çalışmaları (Comparative Studies) Literatürde çok sayıda kumaş hatası tespit metodu olduğu için, bu metotlar arasında karşılaştırmalar yapılması önem kazanmaktadır. Bu nedenle literatürde farklı karşılaştırma çalışmaları yapılmıştır. Bu çalışmalar araştırmacılara rehberlik edip metotlar arasında kumaş ve hata türlerine göre en uygun metotları seçim yapma imkânı sağlamaktadır. Ancak yapılan çalışmaların farklı veri tabanları, farklı görüntüleme sistemleri ve farklı parametreler kullandıkları göz önünde bulundurulmalıdır. Bu nedenle çalışmalar yorumlanırken çalışmada kullanılan görüntülerin çözünürlükleri, hesaplama karmaşıklıkları, performans göstergeleri ve alıntılanma sayıları gibi önemli parametreler dikkatle değerlendirilmelidir. Örneğin yüksek çözünürlüklü görüntüler hata tespitinde oldukça kolaylık sağlarken gerçek zamanlı sistemlerde yüksek hesaplama maliyetine yol açmaktadır. Özdemir ve arkadaşları [103], Markov Rastgele Alanlar, 2 boyutlu rapor filtreleri, FFT, KL dönüşümü, Laws filtreleri ve eş oluşum matrisi yöntemlerini karşılaştıran bir çalışma yapmışlardır. Her biri farklı parametrelere sahip bu metotlar arasında en iyi sonucun Markov Rastgele Alanlar metodu olduğu iade edilmiştir. Lee Tin Chi ise [104], sekiz farklı kumaş hatası türü üzerinde, dalgacık dönüşümü ve eşleştirme maskeleri yöntemlerini karşılaştıran bir çalışma yapmıştır. Yaptığı deneysel uygulamalar sonucu en iyi sonucu 2 boyutlu filtrelere kullanan eşleştirme maskeleri yöntemi olduğu tespit edilmiştir. Güncel bir çalışmada ise [105], Düzenli bant, Gabor filtreleri, Dalgacık dönüşümü, bilgisayar görmesi ve sayısal görüntü işleme metotlarının karşılaştırılması yapılmıştır. Doğruluk oranları %65 ile %99.40 arasında değişen bu metotlardan 62

Bilinmiyor %97.40

düzenli bant yaklaşımı en iyi sonucu veren yöntemdir. Ancak fazla sayıda hata içeren kumaş görüntülerinde Gabor filtreleri yaklaşımı %96 doğruluk oranı ile en yüksek doğruluk oranına sahip yöntem olarak ifade edilmiştir [105]. 4. SONUÇLAR (RESULTS) Tekstil kalitesi geleneksel olarak insan gözü ile yapılmaktadır. Ancak bu manuel yöntem düşük verimliliğe ve yüksek pazar kayıplarına yol açmaktadır. Bu çalışmada otomatik ve online-offline çalışan kumaş kontrol yöntemleri yedi alt grupta incelenmiştir. Bütün kumaş türleri ve bunların içerebilecekleri hata türleri üzerinde çalışabilen mükemmel bir metoda rastlanmamıştır. Ayrıca dokuma ve örgü makinesi üzerinde otomatik ve gerçek zamanlı çalışabilen çok az sayıda sistem vardır. Özellikle örgü makineleri üzerinde genellik ve geçerlilik özelliklerine sahip, operatöre hata hakkında bilgi verip makineyi durduran gerçek zamanlı ve otomatik bir hata tespit sistemi geliştirilmemiştir. Tablo 13‘te istatistiksel yöntemlerin güçlü ve zayıf yönleri özetlenmiştir. Kumaş görüntülerini frekans alanında analiz spektral yaklaşımlar her ne kadar hızlı ve etkili sonuçlar verseler de, genellikle düzenli doku örüntülerinde çalışabilmektedirler. Tablo 14’te spektral yaklaşımların güçlü ve zayıf yönleri özetlenmiştir. Tablo 15’te hesaplama maliyeti düşük ve piksellerin lokal ve global ilişkilerini irdeleyen model tabanlı yaklaşımlar ile görüntü işlemede ve kumaş hatası tespitinde yaygın olarak kullanılan öğrenme yaklaşımlarının güçlü ve zayıf yönleri özetlenmiştir.

SAU J. Sci. Vol 18, No 1, p. 49-69, 2014

Kumaş hatalarının online/offline tespit sistemleri ve yöntemleri

K. Hanbay, M. F. Talu

Tablo 13. Kumaş hatası tespitinde istatistiksel yaklaşımların güçlü ve zayıf yanları (Strengths & weaknesses of statistical approaches in fabric defect detection)

Metotlar Güçlü yanları Zayıf yanları Gri seviye  14 farklı istatistiksel hesaplama ile detaylı doku  Hesaplama maliyeti yüksektir eş oluşum karakterizasyonu sağlar  Optimum yer değiştirme vektörü matrisi belirlenmesi zordur  Kullanılan çalışmalarda yüksek doğruluk oranı  14 farklı özellik arasından en kullanışlı olanı seçmek için özellik seçimi prosedürü gerektirir  Döndürme ve ölçekleme bağımlı Histogram tekniği

 İşlem karmaşıklığı ve hesaplama karmaşıklığı  Gürültüye karşı hassas düşük  Düzenli olmayan örüntülerde hata tespit oranı düşük

Oto Gürültü ve aydınlatma değişimlerine karşı  Gerçek zamanlı çalışmalarda ve korelasyon dayanıklıdır büyük boyutlu görüntülerde yavaş fonksiyonu  Hesaplama karmaşıklığı oldukça düşük çalışmakta Morfoloji tekniği

 Melez yöntemlerde yüksek başarı oranı  Elde edilen ikilik görüntüden yaygın kumaş hatası türleri kaybolmaktadır.  Doku örüntülerinin detaylı geometrik temsili elde edilir.

Tablo 14. Kumaş hatası tespitinde spektral yaklaşımların güçlü ve zayıf yanları (Strengths & weaknesses of spectral approaches in fabric defect detection)

Metotlar Dalgacık dönüşümü

Güçlü yanları  Görüntünün çok ölçekli analizini sağlar  Farklı ana dalgacıklar ile farklı hata türlerini tanımlayabilir  Yüksek doğruluk oranı  Dokusal özellik çıkarımı ve doğrudan eşikleme imkanı sağlaması  Gürültü giderme işlemlerinde kullanılabilir Fourier  Uzaysal frekans spektrumu öteleme, dönüşümü döndürme ve ölçeklemeden bağımsızdır  Kumaş görüntüleri frekans alanında karakterize edilir.  OFT’nin uygulaması kolay ve hızlıdır  DFT ve OFT global ve lokal hataların tespitinde uygun  FFT uygun hesaplama zamanına sahiptir (2 log ) Gabor  Hem uzaysal hem de frekans alanında optimal dönüşümü hata tespiti  Farklı ölçeklerde üretilen filtre bankası sayesinde yüksek boyutlu özellik uzayı  İnsan görme sistemine benzediği için doku analizinde yaygın kullanım  Boşluk ve kenarlardaki hatalarda yüksek başarı Filtre  Farklı filtre bankası seçenekleri ile farklı yaklaşımları türdeki kumaş hatalarının tanımlanabilmesi  Texton temelli yöntemlerde yoğun kullanım

SAU J. Sci. Vol 18, No 1, p. 49-69, 2014

Zayıf yanları  Uyarlanabilir kullanımda yüksek hesaplama maliyeti  Doğrudan kullanımı döndürme bağımlıdır

 Düzensiz doku örüntülerinde başarısız  Uzaysal doku analizinden yoksun

 Filtre parametrelerinin seçimi zordur  Döndürme bağımlıdır  Hesaplama maliyeti yüksek

 Hesaplama maliyeti yüksek  Her bir filtre bankası için optimum parametre seçimi zordur

K. Hanbay, M. F. Talu

Kumaş hatalarının online/offline tespit sistemleri ve yöntemleri

Tablo 15. Kumaş hatası tespitinde model tabanlı ve öğrenme yaklaşımlarının güçlü ve zayıf yanları (Strengths & weaknesses of model-based and learning approaches in fabric defect detection)

Metotlar Autoregressive tekniği

Güçlü yanları  Pikseller arasındaki lineer ilişki incelenir  Hesaplama maliyeti düşük  Dairesel Autoregressive modeli döndürme bağımsızdır Gauss Markov  İstatistiksel ve spektral yöntemler Rastgele Alan ile birlikte kullanılabilme tekniği  Eş yönlülük özelliği nedeniyle bölütleme uygulamaları için uygun  Bölgesel doku özelliklerini elde edebilme Öğrenme yaklaşımı

Zayıf yanları  Büyük boyutlu ve düzensiz doku örüntülerinde düşük hata tespiti  Döndürme, öteleme ve ölçeklemeye bağımlı.  Kumaştaki küçük hatalar için başarısız  Global doku analizi açısından yetersiz  Parametreleri ayarlanmadıkça döndürme ve ölçekleme bağımlı

 Farklı eğitim metotları sayesinde  Büyük boyutlu özellik vektörleri ile farklı tür kumaş hatalarında etkin çalışmada yavaş çalışma  Paralel çalışan YSA ile gerçek zamanlı uygulamalar için uygun  Kullanılan çalışmalarda yüksek doğruluk oranı

5. ÖNERİLER (SUGGESTIONS) a. Kumaş Hatası Türünün Fazlalığı (The

çözüme kavuşturulmuş güncel ve yüksek doğruluk oranına sahip görüntü işleme problemleri vardır [106,108,109].

Redundancy of Fabric Defect Types)

Tekstil endüstrisinde üretilen çok sayıdaki kumaş türü vardır. Buna ek olarak bu kumaşların içerebileceği hata türü sayısı da azımsanamayacak kadar fazladır [1]. Bu kadar fazla sayıda ve değişik doku karakteristiğine sahip hataların tek bir yöntem ile tespit edilmesi mümkün değildir. Bu nedenle metotların melez şekilde kullanılması geliştirilen sistemin genelliğini ve geçerliliğini arttıracaktır [14]. Bu inceleme yayınında bölüm 3-f’de melez yaklaşımlara değinilmiştir. Bununla birlikte geliştirilen metotlar eğitim ve referans görüntü alma aşamasında tek bir hata türü yerine farklı hata türleri ile eğitilip değerlendirilmesi geliştirilen metodun dayanıklılığını arttıracaktır.

c. Kumaş Veri Tabanı (Fabtic Database) Geliştirilen yöntemler incelendiğinde her çalışmaların büyük çoğunluğunun kendi veri tabanını inşa ettiği görülmüştür. Bu nedenle yöntemlerin güvenilirliği ve geçerliliği objektiflikten uzaktır. Bazı çalışmalar TILDA [95] kumaş veri tabanını kullanmışlardır. Ancak bu veri tabanı ücretli olduğu için tüm araştırmacıların bu verileri elde etmesi zordur. Objektif ve güvenilir yöntemlerin geliştirilmesi için anonim erişime açık ücretsiz kumaş veri tabanlarına ihtiyaç bulunmaktadır. d. Gerçek Zamanlı Hata Tespit Sistemleri (RealTime Defect Detection Systems)

b. Farklı Doku Analiz Yöntemleri (Different Texture Analysis Methods)

Bu çalışmada incelenen çalışmalar, görüntü işleme alanında iyi bilinen ve yaygın olan metotları kullanmaktadırlar. Ancak literatürde özellik çıkarma, bölütleme ve iyileştirme gibi işlemlerde kullanılan Hessian matrisi, öz değer-öz vektör hesaplamaları, gauss eğriliği, ortalama eğrilik ve temel eğrilikler gibi sağlam matematiksel alt yapıya sahip çalışmalar bulunmaktadır [106,107]. Kumaş hatalarının tespit edilmesinde bu tip diferansiyel yöntemler kullanılarak başarılı sonuçlar elde edileceği düşünülmektedir. Çünkü bu yöntemler ile 64

Mevcut kumaş hatası tespit yöntemlerinin büyük kısmı gerçek zamanlı olmayan çalışmalardır. Ancak tekstil endüstrisinde kullanılan dokuma ve örme makineleri üzerinde çalışacak online kumaş hatası tespit sistemlerine gereksinim duyulmaktadır. Bugün endüstride dokuma makineleri üzerinde çalışan online hata tespit sistemleri [8-10] olmasına karşılık örgü makineleri üzerinde çalışabilen genel online sistem bulunmamaktadır. Yapılan bir çalışmada akıllı görme sensörleri ile örme makinesi üzerinde çalışan bir sistem olsa da, bu sistemin hata oluştuğu anda makineyi durdurup operatöre hata hakkında bilgi veri vermediği bilinmemektedir [48]. Bu nedenle hammadde, işçilik ve SAU J. Sci. Vol 18, No 1, p. 49-69, 2014

Kumaş hatalarının online/offline tespit sistemleri ve yöntemleri

enerji kayıplarının önüne geçmek için örme makinesi üzerinde çalışacak gerçek zamanlı kumaş hatası tespit sistemlerine ihtiyaç duyulmaktadır. 6. KAYNAKLAR (REFERENCES) [1] [2]

[3] [4]

[5]

[6] [7] [8] [9] [10] [11] [12] [13] [14]

[15]

Textile Handbook 2000, Hong Kong Productivity Council, The Hong Kong Cotton Spinners Association 2000. P.M. Mahajan, S.R. Kolhe, P.M. Pati, A review of automatic fabric defect detection techniques, Advances in Computational Research, 1 (2009) 18-29. A.Kumar, Computer vision-based fabric defect detection: a survey, IEEE Transactions on Industrial Electronics, 55 (2008) 348-363. C. Anagnostopoulos, I. Anagnostopoulos, D. Vergados, G. Kouzas, E. Kayafas, V. Loumos, G. Stassinopoulos, High performance computing algorithms for textile quality control, Mathematics and Computers in Simulation, 60 (2002) 389-400. C. Anagnostopoulos, D. Vergados, E. Kayafas, V. Loumos, G. Stassinopoulos, A Computer Vision Approach for Textile Quality Control, the Journal of Visualization and Computer Animation, 12 (2001) 31-44. G.K.H.P. C.H. Chan, Fabric defect detection by Fourier analysis, IEEE Trans.Industry Applications, 36(5) 1267–1276. H.Y.T. Ngan, G.K.H. Pang, N.H.C. Yung, Automated fabric defect detection—A review, Image and Vision Computing, 29 (2011) 442-458. BarcoVision | Energy and loom production monitoring software | MES, in, http://www.visionbms.com/textiles/, 2013. Jose Fuster, S.A. maquinaria textil, in, http://www.fuster.com/index.htm, 2013. Elbit Vision Systems, in, http://www.evs.co.il., 2013. http://www.iletex.com., 2013 A.S.MALEK, Online Fabric Inspection by Image Processing Technology, in: Mechanical Engineering, University of Haute Alsace, 2012. http://www.graftek.com/lensselect.php., 2013 M.A. Aziz, A.S. Haggag, M.S. Sayed, Fabric defect detection algorithm using morphological processing and DCT, in: Communications, Signal Processing, and their Applications (ICCSPA), 2013 1st International Conference on, 2013, pp. 1-4. A.Gardner, C. Tchou, T. Hawkins, P. Debevec, Linear Light Source Reflectometry, In ACM Transactions on Graphics, (2003).

SAU J. Sci. Vol 18, No 1, p. 49-69, 2014

K. Hanbay, M. F. Talu

[16]

[17]

[18] [19]

[20] [21]

[22]

[23]

[24]

[25]

[26]

[27]

[28]

A. Abouelela, H.M. Abbas, H. Eldeeb, A.A. Wahdan, S.M. Nassar, Automated vision system for localizing structural defects in textile fabrics, Pattern Recognition Letters, 26 (2005) 14351443. C. Duchesne, J.J. Liu, J.F. MacGregor, Multivariate image analysis in the process industries: A review, Chemometrics and Intelligent Laboratory Systems, 117 (2012) 116128. R.C. Gonzalez, R.E. Woods, Digital Image Processing, 2nd edition Prentice Hall, 1982. M. Pietikainen, T. Maenpaa, and J. Viertola.Color texture classification with color histograms and local binary patterns. In International Workshop on Texture Analysis and Synthesis, pages 109–112, 2002. M. Swain and D. Ballard.Indexing via color histograms.International Journal of Computer Vision, 7(1):11–32, 1990. Hui-Fuang Ng, Automatic thresholding for defect detection, Pattern Recognition Letters, Volume 27, Issue 14, 15 October 2006, Pages 1644-1649. Y. Yuan, Fabric Defect Detection Using Fuzzy Inductive Reasoning Based on Image Histogram Statistic Variables, in: Fuzzy Systems and Knowledge Discovery, 2009. FSKD '09. Sixth International Conference on, 2009, pp. 191-194. Z. Wuyi, Z. Jichao, H. Yuanshao, G. Shiyong, MWGR: A new method for real-time detection of cord fabric defects, in: Advanced Mechatronic Systems (ICAMechS), 2012 International Conference on, 2012, pp. 458-461. H.Y.T. Ngan, G.K.H. Pang, S.P. Yung, M.K. Ng, Defect detection on patterned jacquard fabric, in: Applied Imagery Pattern Recognition Workshop, 2003. Proceedings. 32nd, 2003, pp. 163-168. T.Watanabe, S. Ito, and K. Yokoi, “Cooccurrence histograms of oriented gradients for pedestrian detection,” in Proc. 3rd IEEE PacificRim Symp. Image Video Technol., 2009, pp. 37– 47. R.M. Haralick, K. Shanmugam, I.H. Dinstein, Textural Features for Image Classification, Systems, Man and Cybernetics, IEEE Transactions on, SMC-3 (1973) 610-621. J. Jing, J. Wang, P. Li, Y. Li, Automatic Classification of Woven Fabric Structure by Using Learning Vector Quantization, Procedia Engineering, 15 (2011) 5005-5009. I.-S. Tsai, C.-H. Lin, J.-J. Lin, Applying an Artificial Neural Network to Pattern Recognition in Fabric Defects, Textile Research Journal, 65 (1995) 123-130. 65

K. Hanbay, M. F. Talu

[29]

[30]

[31]

[32]

[33]

[34]

[35]

[36] [37]

[38]

[39] [40] [41]

A. Latif-Amet, A. Ertüzün, A. Erçil, An efficient method for texture defect detection: sub-band domain co-occurrence matrices, Image and Vision Computing, 18 (2000) 543-553. H.M. Elragal, Neuro-Fuzzy Fabric Defect Detection and Classification for Knitting Machine, in: Radio Science Conference, 2006. NRSC 2006. Proceedings of the Twenty Third National, 2006, pp. 1-8. J.L. Raheja, B. Ajay, A. Chaudhary, Real time fabric defect detection system on an embedded DSP platform, Optik - International Journal for Light and Electron Optics, (2013). Y.F. Zhang, R.R. Bresee, Fabric Defect Detection and Classification Using Image Analysis, Textile Research Journal, 65 (1995) 19. K. Hoshino, H. Sumi, T. Nishimura, Noise Detection and Reduction for Image Sensor by Time Domain Autocorrelation Function Method, in: Industrial Electronics, 2007. ISIE 2007. IEEE International Symposium on, 2007, pp. 17371740. A. Tilocca, P. Borzone, S. Carosio, A. Durante, Detecting Fabric Defects with a Neural Network Using Two Kinds of Optical Patterns, Textile Research Journal, 72 (2002) 545-550. E.J. Wood, Applying Fourier and Associated Transforms to Pattern Characterization in Textiles, Textile Research Journal, 60 (1990) 212220. C. Solomon, T. Breckon, Fundamentals of Digital Image Processing, Wiley-Blackwell, 2011. C. Kwak, J. Ventura, K. Tofang-Sazi, A neural network approach for defect identification and classification on leather fabric, Journal of Intelligent Manufacturing, 11 (2000) 485-499. W. Dongyun, L. Huiqin, Edge detection of cord fabric defects image based on an improved morphological erosion detection methods, in: Natural Computation (ICNC), 2010 Sixth International Conference on, 2010, pp. 39433947. D. Chetverikov, A. Hanbury, Finding defects in texture using regularity and local orientation, Pattern Recognition, 35 (2002) 2165–2180. K.L. Mak, P. Peng, K.F.C. Yiu, Fabric defect detection using morphological filters, Image and Vision Computing, 27 (2009) 1585-1592. V. Jayashree, S. Subbaramn, Hybrid Approach using correlation and morphological approaches for GFDD of plain weave fabric, in: Control and System Graduate Research Colloquium (ICSGRC), 2012 IEEE, 2012, pp. 197-202.

Kumaş hatalarının online/offline tespit sistemleri ve yöntemleri

[42]

[43]

[44]

[45]

[46]

[47]

[48] [49]

[50]

[51] [52]

Vilnrotter, Felicia M.; Nevatia, R.; Price, Keith E., "Structural Analysis of Natural Textures," Pattern Analysis and Machine Intelligence, IEEE Transactions on , vol.PAMI-8, no.1, pp.76,89, Jan. 1986 Y. Han, P. Shi, An adaptive level-selecting wavelet transform for texture defect detection, Image and Vision Computing, 25 (2007) 12391248. Z. Liang, B. Xu, Z. Chi, D. Feng, Intelligent characterization and evaluation of yarn surface appearance using saliency map analysis, wavelet transform and fuzzy ARTMAP neural network, Expert Systems with Applications, 39 (2012) 4201-4212. Y.A. Karayiannis, R. Stojanovic, P. Mitropoulos, C. Koulamas, T. Stouraitis, S. Koubias, G. Papadopoulos, Defect detection and classification on web textile fabric using multiresolution decomposition and neural networks, in: Electronics, Circuits and Systems, 1999. Proceedings of ICECS '99. The 6th IEEE International Conference on, 1999, pp. 765-768 vol.762. X. Yang, G. Pang, N. Yung, Robust fabric defect detection and classification using multiple adaptive wavelets, Vision, Image and Signal Processing, IEE Proceedings -, 152 (2005) 715723. M. Tabassian, R. Ghaderi, R. Ebrahimpour, Knitted fabric defect classification for uncertain labels based on Dempster–Shafer theory of evidence, Expert Systems with Applications, 38 (2011) 5259-5267. Y. Li, J. Ai, C. Sun, Online Fabric Defect Inspection Using Smart Visual Sensors, Sensors, 13(4), (2013) 4659-4673. Xuezhi Yang; Jun Gao; Pang, G.; Nelson Yung, "Textile defect classification using discriminative wavelet frames," Information Acquisition, 2005 IEEE International Conference on , vol., no., pp.5. j5010j A. Biem, S. Katagiri, E. McDermott and B.H. Juang, “An application of discriminative feature extraction to filter-bank-based speech recognition”, IEEE Trans. on Speech and Audio Processing, vol. 9, no. 2, pp. 96-110, 2001. C. Chi-Ho, G.K.H. Pang, Fabric defect detection by Fourier analysis, Industry Applications, IEEE Transactions on, 36 (2000) 1267-1276. D.X. Zhao, H. Wang, J.L. Zhu, J.L. Li, Research on a New Fabric Defect Identification Method, in: Computer Science and Software Engineering, 2008 International Conference on, 2008, pp. 814817.

SAU J. Sci. Vol 18, No 1, p. 49-69, 2014

Kumaş hatalarının online/offline tespit sistemleri ve yöntemleri

[53]

[54]

[55]

[56]

[57]

[58]

[59]

[60]

[61]

[62]

N. Ismail, W.M. Syahrir, J.M. Zain, T. Hai, Fabric authenticity method using fast Fourier transformation detection, in: Electrical, Control and Computer Engineering (INECCE), 2011 International Conference on, 2011, pp. 233-237. B. Mallik, A.K. Datta, Defect Detection in Fabrics with a Joint Transform Correlation Technique: Theoretical Basis and Simulation, Textile Research Journal, 69 (1999) 829-835. R.Perez, J.Silvestre, J.Munoz, Defect detection in repetitive fabric patterns, in: Proceeding of Visualization,Imaging and Image Processing, 2004. S.-H. Chiu, Shen Chou, J.-J. Liaw, C.-Y. Wen, Textural Defect Segmentation Using a FourierDomain Maximum Likelihood Estimation Method, Textile Research Journal, 72 (2002), 253-258. Y.H. Zhang, C.W.M. Yuen, W.K. Wong, A new intelligent fabric defect detection and classification system based on Gabor filter and modified Elman neural network, in: Advanced Computer Control (ICACC), 2010 2nd International Conference on, 2010, pp. 652-656. S. Yuan, T. Zheng, Fabric defects automatic detection using Gabor filters, in: Intelligent Control and Automation, 2004. WCICA 2004. Fifth World Congress on, 2004, pp. 3378-3380 Vol.3374. Y. Zhang, Z. Lu, J. Li, Fabric Defect Detection and Classification Using Gabor Filters and Gaussian Mixture Model, in: H. Zha, R.-i. Taniguchi, S. Maybank (Eds.) Computer Vision – ACCV 2009, Springer Berlin Heidelberg, 2010, pp. 635-644. L. Bissi, G. Baruffa, P. Placidi, E. Ricci, A. Scorzoni, P. Valigi, Patch based yarn defect detection using Gabor filters, in: Instrumentation and Measurement Technology Conference (I2MTC), IEEE International, 2012, pp. 240-244. Runping Han; Lingmin Zhang, "Fabric Defect Detection Method Based on Gabor Filter Mask," Intelligent Systems, 2009. GCIS '09. WRI Global Congress on , vol.3, no., pp.184,188, 19-21 May 2009 H. Alimohamadi, A. Ahmadyfard, E. Shojaee, Defect Detection in Textiles Using Morphological Analysis of Optimal Gabor Wavelet Filter Response, in: Computer and Automation Engineering, 2009. ICCAE '09. International Conference on, 2009, pp. 26-30. J. Jing, H. Zhang, J. Wang, P. Li, J. Jia, Fabric defect detection using Gabor filters and defect classification based on LBP and Tamura method, Journal of The Textile Institute, 104 (2012) 18-27.

SAU J. Sci. Vol 18, No 1, p. 49-69, 2014

K. Hanbay, M. F. Talu

[63]

[64]

[65]

[66] [67] [68]

[69]

[70]

[71]

[72]

[73]

[74] [75]

H. Tamura, S. Mori, T. Yamawaki, Textural features corresponding to visual perception, IEEE Transactions on Systems, Man and Cybernetics, 8(6) (1978), 460–473. M.Varma, A.Zisserman, A Statistical Approach to Material Classification Using Image Patch Exemplars, Pattern Analysis and Machine Intelligence, IEEE Transactions on, 31 (2009) 2032-2047. M.Varma, A.Zisserman, A Statistical Approach to Texture Classification from Single Images, International Journal of Computer Vision, 62 (2005), 61-81. T. Ahonen, M. Pietikäinen, Image description using joint distribution of filter bank responses, Pattern Recognition Letters, 30 (2009), 368-376. J.M. Coggins, A.K. Jain, A spatial filtering approach to texture analysis, Pattern Recognition Letters, 3 (1985), 195-203. J. Zhang, H. Zhao, J. Liang, Continuous rotation invariant local descriptors for texton dictionarybased texture classification, Computer Vision and Image Understanding, 117 (2013), 56-75. F. Rong, S. Meihong, W. Hongli, C. Huijuan, Fabric defect detection based on adaptive local binary patterns, in: Robotics and Biomimetics (ROBIO), 2009 IEEE International Conference on, 2009, pp. 1336-1340. Peifeng Zeng; Hirata, T., "On-loom fabric inspection using multi-scale differentiation filtering," Industry Applications Conference, 2002. 37th IAS Annual Meeting. Conference Record of the , vol.1, no., pp.320,326. R. Meylani, A. Ertuzun, A. Ercil, A comparative study on the adaptive lattice filter structures in the context of texture defect detection, in: Proceedings of the 3rd IEEE International Conference on Electronics, Circuits and Systems (ICECS), 1996, pp. 976-979. K.J. Dana, B.v. Ginneken, S.K. Nayar, J.J. Koenderink, Reflectance and texture of realworld surfaces, ACM Trans. Graph., 18 (1999) 134. E. Hayman, B. Caputo, M. Fritz, J.-O. Eklundh, On the Significance of Real-World Conditions for Material Classification, in: T. Pajdla, J. Matas (Eds.) Computer Vision - ECCV 2004, Springer Berlin Heidelberg, 2004, pp. 253-266. P. Mallikarjuna, A.T. Targhi, M. Fritz, E. Hayman, B. Caputo, J. Eklundh, The kthtips and kth-tips2 databases, (2006). Z. Guo, et al., Is local dominant orientation necessary for the classification of rotation invariant texture, Neurocomputing, (2012).

K. Hanbay, M. F. Talu

[76]

[77]

[78]

[79]

[80]

[81]

[82]

[83]

[84]

[85] [86]

[87]

S.H. Hajimowlana, R. Muscedere, G.A. Jullien, J.W. Roberts, 1D autoregressive modeling for defect detection in web inspection systems, in: Circuits and Systems, 1998. Proceedings. 1998 Midwest Symposium on, 1998, pp. 318-321. A.F. Limas Serafim, Segmentation of natural images based on multiresolution pyramids linking of the parameters of an autoregressive rotation invariant model. Application to leather defects detection, in: Pattern Recognition, 1992. Vol.III. Conference C: Image, Speech and Signal Analysis, Proceedings., 11th IAPR International Conference on, 1992, pp. 41-44. O. Alata, C. Ramananjarasoa, Unsupervised textured image segmentation using 2-D quarter plane autoregressive model with four prediction supports, Pattern Recognition Letters, 26 (2005) 1069-1081. A. Bouhamidi, K. Jbilou, An iterative method for Bayesian Gauss–Markov image restoration, Applied Mathematical Modelling, 33 (2009) 361372. J.P. Monaco, A. Madabhushi, Class-specific weighting for Markov random field estimation: Application to medical image segmentation, Medical Image Analysis, 16 (2012) 1477-1489. S.Colonnese, S.Rinauro, G.Scarano, Bayesian image interpolation using Markov random fields driven by visually relevant image features, Signal Processing: Image Communication, (2012). F.S. Cohen, Z. Fan, Rotation and scale invariant texture classification, in: Robotics and Automation, 1988. Proceedings., 1988 IEEE International Conference on, 1988, pp. 1394-1399 vol.1393. H. Xun, D. Jixian, W. Mengxiao, Paper web defection segmentation using Gauss-Markov random field texture features, in: Image Analysis and Signal Processing (IASP), 2011 International Conference on, 2011, pp. 167-170. S. Ozdemir, A. Ercil, Markov random fields and Karhunen-Loeve transforms for defect inspection of textile products, in: Emerging Technologies and Factory Automation, 1996. EFTA '96. Proceedings., 1996 IEEE Conference on, 1996, pp. 697-703 vol.692. X. Xie, A Review of Recent Advances in Surface Defect Detection using Texture analysis Techniques, 2008. J. Liu, B. Zuo, X. Zeng, P. Vroman, B. Rabenasolo, Wavelet energy signatures and robust Bayesian neural network for visual quality recognition of nonwovens, Expert Systems with Applications, 38 (2011) 8497-8508. Z. Miljković, M. Mitić, M. Lazarević, B. Babić, Neural network Reinforcement Learning for

Kumaş hatalarının online/offline tespit sistemleri ve yöntemleri

[88]

[89] [90] [91]

[92]

[93]

[94]

[95]

[96] [97]

[98]

[99]

visual control of robot manipulators, Expert Systems with Applications, 40 (2013) 1721-1736. S.-K. Oh, S.-H. Yoo, W. Pedrycz, Design of face recognition algorithm using PCA -LDA combined for hybrid data pre-processing and polynomial-based RBF neural networks : Design and its application, Expert Systems with Applications, 40 (2013) 1451-1466. A. Kumar, Neural network based detection of local textile defects, Pattern Recognition, 36 (2003) 1645–1659. R. Abd Jelil, et al., Modeling plasma surface modification of textile fabrics using artificial neural networks, Eng. Appl.Artif.Intel., (2013). D. Semnani, M. Vadood, Improvement of intelligent methods for evaluating the apparent quality of knitted fabrics, Engineering Applications of Artificial Intelligence, 23 (2010) 217-221. W.K. Wong, C.W.M. Yuen, D.D. Fan, L.K. Chan, E.H.K. Fung, Stitching defect detection and classification using wavelet transform and BP neural network, Expert Systems with Applications, 36 (2009) 3845-3856. M. Shi, S. Jiang, H. Wang, B. Xu, A Simplified pulse-coupled neural network for adaptive segmentation of fabric defects, Machine Vision and Applications, 20 (2009) 131-138. TILDA Textile Texture-Database, in, http://lmb.informatik.unifreiburg.de/resources/datasets/tilda.en.html, 2013. A. Basu, J.K. Chandra, P.K. Banerjee, S. Bhattacharyya, A.K. Datta, Sub image based eigen fabrics method using multi-class SVM classifier for the detection and classification of defects in woven fabric, in: Computing Communication & Networking Technologies (ICCCNT), 2012 Third International Conference on, 2012, pp. 1-6. L.-W. Han, D. Xu, Statistic learning-based defect detection for twill fabrics, International Journal of Automation and Computing, 7 (2010) 86-94. H.Y.T. Ngan, G.K.H. Pang, S.P. Yung, M.K. Ng, Wavelet based methods on patterned fabric defect detection, Pattern Recognition, 38 (2005) 559576. H.Y.T. Ngan, G.K.H. Pang, Defect Detection on Patterned Objects, MECHATRONIC SYSTEMS—Devices, Design, Control, Operation, and Monitoring, Taylor & Francis,CRC Press, (2007) pp.24/21–24/10. H.-g. Bu, J. Wang, X.-b. Huang, Fabric defect detection based on multiple fractal features and support vector data description, Engineering

SAU J. Sci. Vol 18, No 1, p. 49-69, 2014

Kumaş hatalarının online/offline tespit sistemleri ve yöntemleri

[100]

[101]

[102]

[103] [104] [105]

[106] [107]

[108]

K. Hanbay, M. F. Talu

Applications of Artificial Intelligence, 22 (2009) 224-235. B. Venkatesan, U.S.Ragupathy, P.Vidhyalakshmi, B.Vinoth, Inspection of faults in textile web materials using wavelets and ANFIS in: Machine Vision and Image Processing (MVIP), 2012 International Conference, 2012, pp. 189 - 192. Lucia Bissi, Giuseppe Baruffa, Pisana Placidi, Elisa Ricci, Andrea Scorzoni, Paolo Valigi, Automated defect detection in uniform and structured fabrics using Gabor filters and PCA, Journal of Visual Communication and Image Representation, Volume 24, Issue 7, October 2013, Pages 838-845. A. Baykut, S. Ozdemir, R. Meylani, A. Ercil, A. Ertuzun, Comparative Evaluation of Texture Analysis Algorithms for Defect Inspection of Textile Products, in: Proceedings of the 14th International Conference on Pattern Recognition (ICPR), 1998, pp. 1738-1741. T.C. Lee, Fabric defect detection by wavelet transform and neural network, The University of Hong Kong (Pokfulam, Hong Kong), (2004). A. Javed, M.A. Ullah, A. Rehman, Comparative Analysis of Different Fabric Defects Detection Techniques, IJIGSP, 5(1) (2013) pp.40-45. L. Ferraz, X. Binefa, A sparse curvature-based detector of affine invariant blobs, Computer Vision and Image Understanding, 116 (2012) 524-537. J.J. Koenderink, A.J. van Doorn, Surface shape and curvature scales, Image and Vision Computing, 10 (1992) 557-564. E. Bas, D. Erdogmus, R.W. Draft, J.W. Lichtman, Local tracing of curvilinear structures in volumetric color images: Application to the Brainbow analysis, Journal of Visual Communication and Image Representation, 23 (2012) 1260-1271. M. Mellor, B.W. Hong, M. Brady, , Locally Rotation, Contrast, and Scale Invariant Descriptors for Texture Analysis IEEE Transactions on Pattern Analysis and Machine Intelligence, 30(1) (2008) 52 - 61.

SAU J. Sci. Vol 18, No 1, p. 49-69, 2014

SAÜ. Fen Bil. Der. 18. Cilt, 1. Sayı, s. 71-79, 2014

SAU J. Sci. Vol 18, No 1, p. 71-79, 2014

Çeşitli ligandları kullanarak Fe3+, Al3+ ve Cu2+ nin bir arada spektrofotometrik tayinleri için yöntem geliştirilmesi ve elde edilen verilerin en küçük kareler kalibrasyon yöntemi (PLS) ve temel bileşen regresyon (PCR) yöntemi ile değerlendirilmesi Ahmet Kaba, A.Hakan Aktaş1* 1

Süleyman Demirel Üniversitesi, Fen - Edebiyat Fakültesi, Kimya Bölümü, 32260 Isparta 12.11.2013 Geliş/Received, 26.12.2013 Kabul/Accepted

ÖZET Bu çalışmada iki farklı ligand alizarin red (AR) ve eriochrome black T (ECR) denenmiş, bunlardan ECR ile daha doğru sonuçlar elde edildiğinden çalışmalara ECR ile devam edilmiştir. Fe3+, Al3+ ve Cu2+ ' nın ECR ile kompleksleri oluşturularak spektrofotometrik yöntemle bir arada tayinleri yapılmıştır. Uygun parametreler belirlenmiş (ligand miktarı, pH, bekleme süreleri, metal derişimi ile absorbans arasındaki ilişki ve yabancı iyon etkisi) ve optimum koşullar sağlanmıştır. Optimum şartlar sağlandıktan sonra Fe3+, Al3+ ve Cu2+ içeren karışımların spektrofotometrik tayinleri gerçekleştirilmiş ve veriler en küçük kareler kalibrasyon yöntemi (PLS) ve temel bileşim regresyon (PCR) yöntemleri kullanılarak değerlendirilmiştir. Uygulanan kemometrik yöntemler hızlı, basit ve çıkan sonuçlar uygulanabilirdir. Anahtar Kelimeler: Demir, alüminyum, bakır, spektrofotometri, kemometrik yöntem.

Development a spectrophotometric method for simultaneous determination of Fe3+, Al3+ and Cu2+ using various ligands and assesment of the obtained data by least squares calibration (PLS) and principal component regression (PCR) methods ABSTRACT In this study, two different ligand alizarin red (AR), and eriochrome black T (ECR) tried these ECR more accurate results are obtained from studies ECR continued with. Fe3+, Al3+ and Cu2+ complexes formed by the ECR were determined by a combination of spectrophotometric method. Accordance with determined parameters (ligand concentration, pH, waiting times, the relationship between absorbance and concentration of metal ion effect and foreign) are provided and the optimum conditions. After establishing the optimum conditions Fe3+, Al3+ and Cu2+ containing mixtures spectrophotometric determinations and the data calibration method of least squares (PLS) regression, and principal component regression (PCR) methods were used. Chemometric methods are applied in a fast, simple, and the results are applicable. Keywords: Iron, aluminum, copper, spectrophotometry, chemometric method.

Sorumlu Yazar / Corresponding Author

hakanaktas@sdu.edu.tr

Çeşitli ligandları kullanarak Fe3+,Al3+ ve Cu2+nin bir arada spektrofotometrik tayinleri için yöntem geliştirilmesi ve elde edilen verilerin en küçük kalibrasyon yöntemi (PLS) ve temel bileşen regresyon (PCR) yöntemi ile değerlendirilmesi

A. Kaba, A. H. Aktaş

1. GİRİŞ (INTRODUCTION) Bu metallerin bir arada veya ikisinin bir arada veya tek başlarına analiz edildiği, literatürde çok sayıda metot mevcuttur. Bunlardan bazıları elektro termal atomik absorpsiyon metodu (ETAAS) ve grafit fırınlı atomik absorpsiyon metodu (GFAAS) [1,2], indüktif eşleşmiş plazma - optik emisyon spektrometre metodu (ICPOES) [3,4], atomik absorpsiyon spektrofotometri (AAS) [5], kromatografi [6,7], spektrotofometri [8-11] ve voltametri'dir [12]. Yine yapılan kaynak araştırmasına göre, demir, alüminyum ve bakırın spektrofotometrik tayinleri için çeşitli ligandların kullanıldığını göstermiştir. Bunlara örnek olarak da krezol sarısı [4], alizarin kırmızısı[13], 2-hidroksi-1-naftaldehit benzoil hidrazon [14], eriochrome black T [15], setil trimetilamonyum bromür [16,17], krom azurol S [18] ve setil piridinyum klorür [19] verilebilir. Son yıllarda kemometri alanındaki gelişmeler kompleks sistemlerin çözümü için çok değişkenli kalibrasyonların gelişmesine yol açmıştır. Çok değişkenli kalibrasyon yöntemleri ile birden fazla bileşen içeren numunelerdeki bileşenler çok sayıdaki dalga boylarını kullanarak kantitatif olarak tayin edilebilmektedir. Absorbsiyon piklerinin dalga boyları birbirine yakın olan bileşenleri içeren karışımların spektrofotometrik yöntemle bir arada analizleri son yıllarda kemometrik kalibrasyon teknikleri ile kolaylıkla yapılmaktadır [20]. Bu çalışmada aynı ortamda bulunan bazı metal katyonlarının komplekslerinin oluşturulması suretiyle bir arada tayinleri amaçlanmıştır. Ancak burada karşılaşılan temel sorun katyonların birbiri üzerinde bozucu etki yapması dolayısıyla bu bozucu etki yapanların belirlenip ayrılması ya da katyonların ayrı ayrı tayinlerinin yapılmasıdır. Ayrı ayrı tayinlerde ayırma ve maskeleme sırasında ortamda bulunan türlerden bazıları analitle kısmen de olsa benzerlik gösterir ve ayırma işleminde bir miktar analit de ortamdan uzaklaşabilir. Her iki durumda da hata yapılması kaçınılmaz bir gerçektir [1]. Bu nedenle bu çalışmada bu üç metalin bir arada bulunduğu sentetik matriks ortamları oluşturulmuş ve kemometrik yöntemler yardımıyla hiçbir ön ayırma işlemi yapmadan tayinleri gerçekleştirilmiştir. 2. MATERYAL VE METOT (MATERIAL AND METHOD)

2.1. Kullanılan Cihaz (Apparatus)

spekrofotometresi (Shimadzu, kullanılarak gerçekleştirilmiştir.

Kyoto,

Japan)

2.2. Kemometrik Yazılım (Chemometric Software) Elde edilen verileri kullanarak oluşturulan PCR ve PLS kemometrik yöntemleri için elimizde lisansı bulunan Minitab 16 paket programı kullanılmıştır. 2.3. Kullanılan Kimyasallar (Reagents) Deneylerde analitik saflıkta olan kimyasallar kullanılmıştır. Kullanılan maddeler bakır (II) nitrat, alüminyum potasyum sülfat ve demir (III) klorür maddeleri ve pH çalışmaları için kullanılan asetik asit, sodyum asetat, amonyum klorür ve amonyak maddeleri Merck, eriochrome black T Fluka ve alizarin red Aldrich marka saf maddelerdir. Bütün maddelerin 1 g / 100 mL olacak şekilde stok çözeltileri hazırlanmış ve bu maddelerden yola çıkılarak deneyler yapılmıştır. 2.4. Yöntem (Method) Bu çalışmada ilk olarak komplekslerin oluşumu için en uygun parametreler belirlenmiş (ligand miktarı, pH, bekleme süreleri, metal derişimi ile absorbans arasındaki ilişki ve yabancı iyon etkisi) ve optimum koşullar sağlanmıştır. Optimum koşullar sağlandıktan sonra her bir metalin önce tek tek sonra farklı oranlarda hazırlanan karışımlarının spektrumları alınmıştır. Elde edilen veriler, PCR ve PLS kalibrasyon yöntemleriyle değerlendirilmiştir. Spektrofotometrik çalışmanın ilk basamağında cihazının kalibrasyonu yapılmıştır. Kalibrasyon işlemi önce her iki hücre boş bırakılarak havaya karşı yapılır. Sonra aynı işlem bu kez her iki ışık yoluna saf su ile hazırlanan kör numunesi konularak yapılır. Bütün okumalarda hep kör bu şekilde hazırlanır. Kör seçimi yapılırken girişim etkilerini yok etmek için, kör olarak çözücü tercih edilir. İkinci basamakta, her bir maddenin tek tek spektrumları alınmıştır. Bu işlem esnasında stok maddelerinden derişimleri 2-10 ppm arasında olacak şekilde saf maddeler stoklardan alınarak toplam hacim 10 mL ye tamamlanarak çözeltileri hazırlanmış ve UV spektroskopisinde absorbans okumaları yapılmıştır. Üçüncü basamakta, her bir madde ayrı bir dalga boyunda maksimum verdiğinden saf maddelerden oluşturulan sentetik karışımların UV spektroskopisinde absorbans okumaları yapılmış ve birbiri yanında herhangi bir ön ayırma işlemine gerek olmaksızın maddeler incelenmiştir. En son basamakta ise, hazırlanan sentetik numune çözeltileri incelenmiştir.

UV–Vis spektrum ölçümleri, bilgisayar kontrollü 1 cm kuartz hücreli UV 1700 Pharmaspec Shimadzu 72

SAU J. Sci. Vol 18, No 1, p. 71-79, 2014

A. Kaba, A. H. Aktaş

3. BULGULAR (RESULTS) 3.1. Ligand Miktarı (Amount of Ligand) Çalışmada iki farklı ligand alizarin red (AR) ve eriochrome black T (ECR) denenmiş, bunlardan ECR ile daha doğru sonuçlar elde edildiğinden çalışmalara ECR ile devam edilmiştir. Al(III)-ECR, Fe(III)-ECR ve Cu(II) -ECR komplekslerinin oluşumu için en uygun ligand miktarının bulunması amacı ile 10 ppm lik Al(III) metal çözeltisinin 0,2 mL sine 7,4.10-4 M ECR çözeltisinden,10 ppmlik Fe(III) metal çözeltisinin 0,5 mL sine 8,9.10-4 M ECR çözeltisinden ve Cu(II) metal çözeltisinin 0,8 mL sine 0,1;0,2;0,5;0,8;1,0 ve 1,2 mL eklenerek çözeltilerin hacimleri pH 4 tamponu ile 10 mL ye tamamlanmış ve 10 dakika bekletilmiştir. Bu işlemlere ait grafikler Şekil 1, 2 ve 3 de gösterilmiştir. En yüksek absorbans değerlerine 12 kat ligand ile ulaşılmıştır.

Şekil 3.Cu(III)-ECR kompleksinin oluşumuna ligand miktarının etkisi (The effect of amount of ligand complex formation Cu(III)-ECR)

3.2. pH (pH) 10 ppm’lik Al(III) çözeltisinin 0,2mL’sine 7,4.10-4 M ECR çözeltisinden 1,2 mL, 10 ppm’lik Fe(III) çözeltisinin 0,5 mL’sine 8,9.10-4 M ECR 1,2 mL ve 10 ppm'lik Cu(II) çözeltisinin 0,8 mL sine 7,4.10-4 M katılarak 10 mL’lik balon jojelere alınmış ve pH=4,0; 5,0; 6,0; 7,0 ve 8,0 tampon çözeltileri ile hacimlerine tamamlanmış ve final çözeltilerin pH'ları 4,0 ; 5,0; 6,0; 7,0 ve 8,0 yapılmıştır. 10 dakika bekletildikten sonra oluşan çözeltilerin spektrumları boş deneme çözeltisine karşı alınmış, pH değerlerine karşılık absorbans değerlerinin grafikleri Şekil 4, 5 ve 6 da gösterilmiştir. Grafiklerden de görüldüğü gibi en uygun pH değeri 4 olarak saptanarak çalışmalara devam edilmiştir.

Şekil 1.Al(III)-ECR kompleksinin oluşumuna ligand miktarının etkisi (The effect of the amount of ligand complex formation Al(III)-ECR)

Şekil 4.Al(III)-ECR kompleksinin oluşumuna pH'ın etkisi (The effect of pH on the formation of the complex Al(III)-ECR)

Şekil 2. Fe(III)-ECR kompleksinin oluşumuna ligand miktarının etkisi (The effect of the amount of ligand complex formation Fe(III)-ECR)

SAU J. Sci. Vol 18, No 1, p. 71-79, 2014

A. Kaba, A. H. Aktaş

Fe(III)-ECR kompleksine ait derişim-absorbans eğrisinin hazırlanması için 10 mL’lik 5 adet balon jojeye 10ppm’lik demir çözeltisinden sırasıyla 0,2; 0,4; 0,6; 0,8; 1,0; 1,2 mL ve her birine 1,6x10-3M ECR çözeltisinden 1,2 mL konulmuş ve pH=4 tamponu ile hacimlerine tamamlanmıştır. Çözeltilerin absorbans değerleri boş deneme çözeltisine karşı okunmuş, her derişim için 3 kez ölçüm yapılmış ve ortalama değerlerle derişimler arasında grafik çizilerek derişim-absorbans eğrisi oluşturulmuştur. Şekil 5. Fe(III)-ECR kompleksinin oluşumuna pH'ın etkisi (The effect of pH on the formation of the complex Fe(III)-ECR)

Cu(II)-ECR kompleksine ait derişim-absorbans eğrisinin hazırlanması için 10mL’lik 5 adet balon jojeye 10ppm’lik bakır çözeltisinden sırasıyla 0,4; 0,6; 0,8; 1,0; 1,2 mL ve her birine 1,6x10-3M ECR çözeltisinden 1,2 mL konuldu ve pH=4 tamponu ile hacimlerine tamamlanmıştır. Çözeltilerin absorbans değerleri boş deneme çözeltisine karşı okunmuş, her derişim için 3 kez ölçüm yapılmış ve ortalama değerlerle derişimler arasında grafik çizilerek derişim-absorbans eğrileri oluşturulmuş ve regresyon denklemleri verilmiştir. Elde edilen grafikler Şekil 7, 8 ve 9 da gösterilmiştir.

Şekil 6. Cu(II)-ECR kompleksinin oluşumuna pH'ın etkisi (The effect of pH on the formation of the complex Cu(II)-ECR)

3.3. Bekletme Süresi (Holding Time) 10 ppm’lik Al(III) çözeltisinin 0,2 mL’sine 7,4.10-4 M ECR çözeltisinden 1,2 mL ve 10 ppm’lik Fe(III) çözeltisinin 0,5 mL' sine 8,9.10-4 M ECR çözeltisinden 1,2 mL ve 10 ppm'lik Cu(II) çözeltisinin 0,8 mL sine 1,2 mL eklenip hacimleri pH=4 asetat tamponu ile 10 mL’ye tamamlanmıştır. Oda sıcaklığında 5’er dakika aralıklarla absorbansları ölçülmüş, yapılan ölçümler neticesinde bekletme süresinin fazla bir etkisi olmadığı saptanmıştır. Bu sebeple metal-ligand etkileşimini deney hazırlanır hazırlanmaz spektrofotometrede okunmasına karar verilmiş ve bir sonraki aşamaya geçilmiştir.

Şekil 7. Alüminyuma ait derişim-absorbans grafiği (Concentrationabsorbance graph of alüminium)

3.4. Metal Derişimi - Absorbans İlişkisi (Metal Concentration - Absorbance Relatioship) Al(III)-ECR kompleksine ait derişim-absorbans eğrisinin hazırlanması için 10 mL’lik 5 adet balon jojeye 10ppm’ lik alüminyum çözeltisinden sırasıyla 0,1; 0,15; 0,2; 0,25; 0,3; 0,35; 0,4 mL ve her birine 1,6x10-3 M ECR çözeltisinden 1,2 mL konulmuş ve pH=4 tamponu ile hacimlerine tamamlanmıştır. Çözeltilerin absorbans değerleri boş deneme çözeltisine karşı okunmuş, her derişim için 3 kez ölçüm yapılmış ve ortalama değerlerle derişimler arasında grafik çizilerek derişim-absorbans eğrisi oluşturulmuştur. 74

Şekil 8. Demire ait derişim-absorbans grafiği (Concentrationabsorbance graph of iron)

SAU J. Sci. Vol 18, No 1, p. 71-79, 2014

A. Kaba, A. H. Aktaş

3.7. Kalibrasyon ve Validasyon (Calibration and Validation)

Şekil 9. Bakıra ait derişim-absorbans grafiği (Concentrationabsorbance graph of cupper)

3.5. Yabancı İyon Etkisi (Interference Study) Kadmiyum, kurşun ve mangan iyonlarının 100 ppm’ lik çözeltilerinin 0,5 mL’sine 1,6.10-3 M ECR çözeltisinin 1 mL’si katılarak tampon çözelti ile 10 mL’ ye tamamlanmıştır. Çözeltilerin 400-600 nm arasındaki spektrumları boş deneme çözeltisine karşı alınmıştır. Çalışılan iyonların çalışma koşullarında absorbans oluşumuna etki edecek herhangi bir reaksiyon vermediği saptanmıştır. 3.6. Spektral Koşulların Optimizasyonu (Optimization of Spectral Conditions) Spektrofotometrik çalışmalarda Al3+, Fe3+ ve Cu2+ nin uygun çözeltileri hazırlanmış ve bunların önce tek başlarına sonra da karışımlarının 400 - 600 nm dalga boyu aralığında spektrumları alınmıştır (Şekil 10). Şekil 10' dan da görüldüğü gibi her üç bileşik aynı dalga boyu aralığında girişim yapmaktadır. Bu nedenle klasik spektroskopik yaklaşımlarla her üç bileşiğin aynı anda miktar tayinleri mümkün olmadığından kemometrik metotlara başvurulmuştur.

Her bir metalden elde edilen optimum şartlarda belli hacimlerde miktarlar alınarak çeşitli karışımlar hazırlanarak kalibrasyon ve validasyon çalışmalarına geçilmiştir. Kalibrasyon işlemi için aşağıdaki Tablo 1 de gösterildiği gibi 18 tane karışım hazırlanmış ve bunların ilk 15'i validasyon işleminde kullanılmıştır. Validasyon işleminde kullanılan karışımların spektrofotometrik grafikleri Şekil 11'de gösterilmiştir. Tablo 1. Al3+, Fe3+ ve Cu2+ nin kalibrasyon ve validasyon çalışmaları için hazırlanan karışım ( A concentration set of the mixture solutions Al3+, Fe3+ and Cu2+ substances for the calibration and validation)

No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

Al+3(ppm) 0,10 0,20 0,30 0,40 0,50 0,20 0,20 0,20 0,20 0,20 0,20 0,20 0,20 0,20 0,20 0,30 0,00 0,30

Fe3+(ppm) 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,25 0,50 0,75 1,00 1,25 0,30 0,30 0,00

Cu2+(ppm) 0,60 0,60 0,60 0,60 0,60 0,40 0,60 0,80 1,00 1,20 0,60 0,60 0,60 0,60 0,60 0,00 0,30 0,30

Şekil 10. 0,1 ppm Al3+, 0,5 ppm Fe3+, 0,6 ppm Cu2+ komplekslerinin ve bunlara karşılık gelen karışımın absorpsiyon spektrumları (Absorption spectra of 0,1 ppm Al3+, 0,5 ppm Fe3+ and 0,6 ppm Cu2+ complexes and their mixture)

SAU J. Sci. Vol 18, No 1, p. 71-79, 2014

A. Kaba, A. H. Aktaş

Şekil 11. Al3+, Fe3+ ve Cu2+ nin kalibrasyon spektrumları ( Calibration spectra of Al3+, Fe3+ and Cu2+) Tablo 2. Yapay karışıma PCR ve PLS yöntemlerinin uygulanması sonucunda ele geçen geri kazanım değerleri ( Recovery data obtainedfrom the synthetic mixture by using the proposed PCR and PLS methods)

Karışım

Al3+ Fe3+ (ppm) (ppm) 0,10 0,50 0,20 0,50 0,30 0,50 0,40 0,50 0,50 0,50 0,20 0,50 0,20 0,50 0,20 0,50 0,20 0,50 0,20 0,50 0,20 0,25 0,20 0,50 0,20 0,75 0,20 1,00 0,20 1,25 Ortalama SDa a : Standart Sapma

Cu2+ (ppm) 0,60 0,60 0,60 0,60 0,60 0,40 0,60 0,80 1,00 1,20 0,60 0,60 0,60 0,60 0,60

Al3+

Geri Kazanım (%) PCR Fe3+

Cu2+

Al3+

PLS Fe3+

Cu2+

81,97 104,95 108,59 102,84 92,49 90,84 91,50 106,92 102,60 111,59 108,02 91,50 97,96 103,53 99,86 99,68 8,38

134,69 137,91 137,17 136,80 133,47 133,72 134,85 137,34 134,94 138,80 176,21 134,85 124,02 116,35 115,40 135,10 13,60

114,56 89,86 90,95 129,89 124,82 113,57 91,21 99,10 89,65 85,38 113,57 102,70 101,39 95,59 80,58 101,52 14,74

104,44 118,83 112,42 106,42 88,57 90,84 94,97 104,61 104,03 109,73 87,18 94,97 92,51 98,36 98,52 100,44 9,21

97,80 100,81 100,72 100,24 98,26 97,72 98,58 101,52 98,83 102,95 107,53 98,58 100,32 98,55 101,05 100,23 2,53

116,35 92,08 81,48 128,24 124,75 114,09 90,89 99,21 89,47 81,94 114,09 101,76 100,54 95,32 92,07 101,48 14,77

SAU J. Sci. Vol 18, No 1, p. 71-79, 2014

3.8. PCR ve PLS Kemometrik Yöntemlerinin Uygulanması (Applying PCR and PLS Chemometric Methods) Gerekli kalibrasyon çalışmaları hazırlandıktan sonra kemometrik uygulamalara geçilmiştir. Bu aşamada Al3+, Fe3+ ve Cu2+ yi içeren 15 farklı karışım hazırlanmış ve bu karışımların spektrumları alınarak veriler elde edilmiştir. Ele geçen veriler önce Excel'de gerekli hale getirilmiş ve buradan Minitab 16 paket programına taşınarak gerekli işlemlerin yapılmasıyla PCR ve PLS yöntemleri ile geri kazanımlar hesaplanmış ve hesaplanan değerler Tablo 2'de gösterilmiştir. 3.9. Kemometrik Yöntemlerin Validasyonu (Validation of Chemometric Methods) PCR ve PLS kalibrasyonlarının kurulmasında faktör seçimi için çapraz validasyon işlemi kullanılır. Bunun için karelerin tahmin hatalarının toplamı (prediction error sum of squares → PRESS) hesaplanır. Optimal faktör sayısını bulmak için önerilen kriterler PRESS değeri ve F- istatistiğidir [21,22]. Hesaplanan PRESS değerleri için aşağıda verilen formül kullanılmıştır. PRESS = ∑

Kemometrik kalibrasyonların validasyonu için kalibrasyonu ve tayin basamaklarında kalibrasyonun standart hatası (standard error of calibration → SEC) parametresi kullanılmaktadır. SEC değerini minimum yapan kalibrasyon koşulları ve F-istatistiği kullanılır. Çalışmada hesaplanan SEC değerleri için aşağıdaki formül kullanılmıştır. SEC =

∑

Burada n değeri yapay karışımların toplam sayısıdır. PCR ve PLS yöntemlerini doğrulamak amacıyla Al3+ için 0,1-0,5 ppm, Fe3+ için 0,2-1,25 ppm ve Cu2+ için 0,4-1,2 ppm çalışma aralığı içinde olacak şekilde farklı derişimlerde 15 adet yapay karışım çözeltisinden ibaret olan bir set hazırlanmıştır. Hazırlanan bu validasyon seti (Tablo1) kullanılarak kurulan PCR ve PLS kalibrasyonunun kesinlik ve doğruluğu test edilmiştir. PCR ve PLS kalibrasyon yöntemlerinin doğruluk ve kesinliğini doğrulamak amacıyla elde edilen sonuçlara ANOVA testi uygulanmıştır.

SAU J. Sci. Vol 18, No 1, p. 71-79, 2014

A. Kaba, A. H. Aktaş

4. SONUÇLAR VE TARTIŞMA (RESULTS AND DISCUSSION)

Bu çalışmada, Al3+, Fe3+ ve Cu2+' ın çeşitli ligandlarla en uygun kompleksleri oluşturulmuş ve optimum şartlar belirlenmiş ve daha sonra spektrofotometrik yöntemle bir arada analizi yapılmıştır. Optimum şartlar oluşturulurken çeşitli parametreler göz önüne alınmıştır. Bunlardan ligand miktarı çalışmada 1,2 ; optimum pH 4 olarak tespit edilmiştir. Oluşan metal - ligand kompleksinin bekletme süresine etkisi olmadığı saptanmıştır. Metal derişimi-absorbans ilişkisinin saptandığı denemelerde Al3+ için 0,9863, Fe3+ için 0,9791 ve Cu2+ için ise 0,9975 R2 değerlerine ulaşılmıştır. Bu sonuçlar bize metal-absorbans ilişkisinin en yüksek değerlerde olduğunu göstermektedir. Çalışmada ayrıca kadmiyum, kurşun ve mangan iyonlarının çalıştığımız her üç metalin absorpsiyonuna etki etmediği anlaşılmıştır. Optimum şartlar sağlandıktan sonra çalıştığımız metallerin her birinin saf haldeki spektrumları alınmış ve aynı dalga boylarında absorbans vermelerinden yararlanarak bu metallerin sentetik karışımları hazırlanmıştır. Şekil 10' dan da görüldüğü gibi her üç metal aynı dalga boyu aralığında girişim yapmaktadır bu durumda her üç metalin klasik spektroskopik yaklaşımlarla aynı anda miktar tayinlerinin mümkün olmadığı görülmüştür. Bu gibi hallerde kemometri bize yardımcı olduğundan bu metallerin bir arada tayinleri için PCR ve PLS kemometrik yöntemleri geliştirilmiştir. Hazırlanan validasyon seti (Çizelge 2) kullanılarak kurulan PCR ve PLS kalibrasyonun kesinlik ve doğruluğu test edilmiştir. PCR ile geri kazanım (GK) değerleri; Al3+ için % 99,68 ; Fe3+ için % 135,10 ve Cu2+ için % 101,52 olarak PLS ile ise Al3+ için % 100,44 ; Fe3+ için % 100,23 ve Cu2+ için % 101,48 bulunmuştur. PCR ve PLS kalibrasyon yönteminin doğruluk ve kesinliğini doğrulamak amacıyla elde edilen sonuçlara ANOVA testi uygulanmıştır. Gruplar arası serbestlik derecesi=1, grup içi serbestlik derecesi=28 % 95 güven aralığında F-tablo değeri 4,19 olmasına karşılık PCR için, Al3+ için hesaplanan F-test değeri 1,78.10-7 ve pdeğeri 0,99, Fe3+ için hesaplanan F-test değeri 4,08 ve p-değeri 0,05 ve Cu2+ için ise hesaplanan F-test değeri 1,79.10-5 ve p değeri 0,99 olarak bulunmuştur. PLS için ise Al3+ için hesaplanan F-test değeri 0,11 ve p-değeri 1,00, Fe3+ için hesaplanan F-test değeri 3,7.10-5 ve pdeğeri 0,99 ve Cu2+ için ise hesaplanan F-test değeri 1,30.10-14 ve p değeri 0,98 olarak bulunmuştur. ANOVA testinde F-hesaplanan< F-tablo ve p-değeri> p=0,05 olduğu için % 95 güven aralığında elde edilen 77

A. Kaba, A. H. Aktaş

sonuçlar arasında anlamlı bir fark olmadığı bulunmuştur. Varyans analizinde iki serbestlik derecesi kullanılmıştır. Gruplar arası serbestlik derecesi=1 Grup içi serbestlik derecesi=28. F-hesaplanan< F-tablo ve pdeğeri> p=0,05 olduğu için bu kalibrasyon modellerinden PLS' in bu metallerin karışımlarının analizinde PCR' ye karşı üstünlük kurduğunu bize göstermiştir. Al3+, Fe3+ ve Cu2+ içeren karışımlarda bu maddelerin miktar tayini için PCR ve PLS kalibrasyonun kurulmasında çapraz validasyon işleminde tahmin edilen hataların karelerinin toplamı (Predicted Resudiual Error Some of Squares→ PRESS) değerleri ve kalibrasyonun standart hatası (standard error of calibration →SEC) değerleri de hesaplanmıştır. Kurulan PCR kalibrasyonunda PRESS değeri Al3+, Fe3+ ve Cu2+ için sırasıyla 0,0046 ; 0,4872 ve 0,1123 olarak ve PLS için ise PRESS değeri Al3+, Fe3+ ve Cu2+ için sırasıyla 0,0087; 0,0015 ve 0,1133 olarak ve PCR kalibrasyonunda SEC değerleri Al3+, Fe3+ ve Cu2+ için sırasıyla 0,0175 ; 0,1802 ve 0,0865 olarak ve PLS için SEC değerleri Al3+, Fe3+ ve Cu2+ için sırasıyla 0,0241 ; 0,0100 ve 0,0869 olarak hesaplanmıştır. PRESS ve SEC değerlerinin sıfıra yakın olması doğruluk derecesini arttırmaktadır. Elde edilen PRESS ve SEC değerleri PLS' de yeterince küçüktür ve bu da PLS yönteminin bu çalışmada PCR 'ye üstün olduğunu bize tekrar göstermektedir. Sonuç olarak, geliştirilen kemometrik yöntemlerden PLS yönteminin Al3+, Fe3+ ve Cu2+ karışımlarının analizinde uygun olduğu ve bu yöntemin tekrarlanabilirliğinin yüksek olup duyarlı ve doğru sonuçlar verdiği gözlemlenmiştir.

[3]

[4]

[5]

[6]

[7]

[8]

[9]

Teşekkür 3405-YL1-12 no'lu proje ile bu çalışmayı destekleyen Süleyman Demirel Üniversitesi Bilimsel Araştırma Projeleri Yönetim Birimi Başkanlığına teşekkür ederiz. KAYNAKLAR (REFERENCES) [1]

[2]

Zarei K., Atabati M., Malekshabani Z., (2006) "Simultaneous spectrophotometric determination of iron, nickel and cobalt in micellar media by using direct orthogonal signal correction-partial least squares method", Anal. Chim. Acta, 556, 247-254. Scancar J., Benedik R.M.M., Krızaj I., (2003) "Total metal concentrations in serum of dialysis patients anf fractionation of Cu, Rb, Al, Fe and Zn in spent continuous ambulatory peritoneal dialysis fluid", Talanta, 59, 355-364.

[10]

[11]

[12]

Tahan J.E., Granadilla V.A., Romero R.A., (1994) "Electrothermal atomic absorption spectrometric determination of Al, Cu, Fe, Pb, V and Zn in clinical samples and certified environmental reference materials", Anal. Chim. Acta, 295, 187-197. Nagaoku M.H., Maitani T., (2000) "Binding patterns of co-existing aluminium and iron to human serum transferrin studied by HPLC-high resolution ICP-MS", Analyst, 125,1962-1965. Coscaine A.R, Andrade J.C., Poppi R.J.,(2002) "PLS regression using real sample calibration for aluminium and iron determination in plant extracts", Analyst, 127,135-139. Kendüzler E., Türker A.R., (2003) "Atomic absorption spectrophotometric determination of trace copper in waters, aluminium foil and tea samples after preconcentration with 1-nitroso-2napthol-3,6-disulfonic acid on Amsersorb 572", Anal. Chim. Acta, 480, 259-266. Ryan E., Meaney M., (1992) "Determination of trace levels of copper (II), aluminium (III) and iron (III) by reversed phase high performance liquid chromatography using a novel on-line sample preconcentration technique", Analyst, 117, 1435-1439. Bond A.M., Nagaosa Y., (1985) "Determination of aluminium, copper and manganase in biological and other samples as 8-quinolinol complexes by high-performance liquid chromatography with electrochemical and spectrohotometric detection", Anal. Chim. Acta, 178, 197-208. Coscine A.R., Andrade J.C., Poppi R.J., Mello C., Raji B.V., Mbreu M.F., (2000) " Multivariate calibration applied to a highly interfering chemical system: The simultaneous spectrophotometric determination of aluminium and iron in plants using xylenol orange and partial least squares regression", Anal. Chim. Acta, 423, 31-40. Wang N., Liang W., (1993) "Simultaneous thirdderivative spectrophotometric determination of copper and nickel in iron alloys and aluminium alloy", Talanta, 40(6), 897-899. Thakur M., Deb M.K., (1999) " The use of 1jpyridyl-(2)-azoj-naphthol-(2) in the presence of Tx-100 and N-N'-diphenylbenzamidine for the specrophotometric determination of copper in real samples", Talanta, 49, 561-569. Limson J., Nyokong T., Daya S.,(1998) "The interaction of melatonin and its precusors with aluminium, cadmium, copper, iron, lead, and

SAU J. Sci. Vol 18, No 1, p. 71-79, 2014

[13]

[14]

[15]

[16]

A. Kaba, A. H. Aktaş

zinc: An adsorptive voltametric study", Journal of Pineal Research, 24(1), 15-21. Safavi A., Abdollahi H., Mirzajani R., (2006) "Simultaneous spectrophotometric determination of Fe(III), Al (III) and Cu(III) by partial least squares calibration method", Spectrochimica Acta Part A, 63, 196-199. Reddy V.K., Reddy S.M., Reddy P.R., Reddy T.S., (2000) "Simultaneous spectrophotometric determination of copper (II), vanadium (V) and iron (III) using 2-hydroxy-1-naphthaldehyde benzoylhydrazone", Journal of Analytical Chemistry, 55(5), 435-439. Honorato R.S., Carneiro J.M.T., Zagatto E.A.G., (2001) "Spectrophotometric flowbatch determination of aluminium in plant tissues exploiting a feedback mechanism", Anal. Chim. Acta, 441, 309–315. Rodrigues J.L., de Magalhaes S.C., Luccas P.O.,(2005) "Flow injection spectrophotometric determination of Al in hemodialysis solutions", Journal of Pharmaceutical and Biomedical Analysis, 36, 1119–1123.

SAU J. Sci. Vol 18, No 1, p. 71-79, 2014

YAYIN İLKELERİ 1.

Sakarya Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Ocak 1997’de kurulmuş bir dergidir. Dergimiz 2012 yılından itibaren fen, mühendislik ve doğa bilimleri alanlarında olmak üzere düzenli olarak Nisan, Ağustos ve Aralık aylarında yılda üç sayı halinde yayımlanan bir dergidir. Yayınlanmak üzere gönderilen bütün makaleler, editör, yayın danışma kurulu ve hakemlerce değerlendirilir. 2. Dergimizde Türkçe veya İngilizce yazılmış orijinal araştırma makalesi, teknik not, editöre mektup ve derleme türünde bilimsel çalışmalar yayınlanır. 3. Yalnızca özgün niteliği olan bilimsel araştırma çalışmalarına yer verilir. Bilimsel çalışmada üretilen bilginin yeni olması, yeni bir yöntem öne sürmesi ya da daha önce var olan bilgiye yeni bir boyut kazandırmış olması gibi niteliklerin aranması esastır. 4. Yayımlanmak üzere gönderilen makaleler iki veya üç hakem tarafından değerlendirilir; kabul‐ret kararı Yayın Kurulu tarafından verilir. Yazıları değerlendiren hakemlerin adları yazarlara bildirilmez. Hakemler de yazarların adlarını göremez. Yeterli görülmeyen yazıların hakem önerileri doğrultusunda geliştirilmesi genel esastır. Amaçlanan düzeye varamayan yazılar, bilimsel açıdan yeterli görülmeyen çalışmalar gerekçesi açıklanmadan reddedilir. 5. Yayınlanması istenilen eserlerin herhangi bir yerde yayınlanmamış veya yayınlanmak üzere herhangi bir dergiye gönderilmemiş olması zorunludur. Bunun için yazarlardan makaleyi gönderdiklerinde bu durumu açıklayıcı bir ön yazı talep edilir. 6. Eserlerin tüm sorumluluğu ilgili yazarlarına aittir. Eserler uluslararası kabul görmüş bilim etik kurallarına uygun olarak hazırlanmalıdır. Gerekli hallerde, Etik Kurul Raporu'nun bir kopyası eklenmelidir. 7. Dergimize yayınlanmak üzere gönderilen makaleler 01.08.2013 tarihinden itibaren bir benzerlik kontrol programı olan ithenticate ile kontrol edilecektir. Benzerlik raporu ilgili yayın danışma kurulu üyesine kontrol etmesi için gönderilecektir. 8. Dergimizde yayınlanması kabul edilen eserler için, imzalı Telif Hakkı Devir Formu sisteme yüklenmeli ya da saujs@sakarya.edu.tr e‐ posta adresine gönderilmelidir. 9. Dergimizde yayımlanmak üzere gönderilen eserler dergi yazım kurallarına göre hazırlanmalıdır. Yazım kuralları ve ilgili şablon www.saujs.sakarya.edu.tr adresinde mevcuttur. 10. Yayınlanan her sayının ön kapağında, o sayıdaki makalelerden yayın danışma kurulunca belirlenen bir görsel bir şekil veya grafik yer alır. 11. Makale kabulünde verilen minör revizyondan sonra 30 gün, majör revizyondan sonra 60 gün, yeniden yazılması gerekli revizyonundan sonra 90 gün içinde gerekli değişiklikler yazar tarafından yapılmalıdır.

PRINCIPLES OF PUBLICATION Sakarya University Journal of Science is a journal founded in January 1997. Our journal of science is a journal which is published in the areas of engineering and natural sciences three times in a year including in April, August and December regularly since 2012. All articles submitted for publication, are evaluated by editor, editorial advisory board and the referees. 2. Original research paper, technical notes, letters to the editor and reviews in Turkish or English are published in our journal. 3. Only the original scientific research are included. It is essential that the information created in scientific study needs to be new, suggest new method or give a new dimension to an existing information. 4. Articles submitted for publication are evaluated by 2 or 3 referees, accept‐decline decision are taken by editorial board. Names of referees evaluating studies aren’t informed to the authors. And also referees can’t see the names of authors. It’s general essential that studies which aren’t seemed enough need to be changed in accordance with suggests of referees. Studies which aren’t reached intended level or aren’t seemed enough in terms of scientific are refused with unexplained reason. 5. Studies mustn’t be published in another journal or mustn’t be sent another journal to be published. For this, a cover letter explaining this situation is asked from authors. 6. All responsibility of the studies belong to the authors. Studies should be prepared in accordance with international scientific ethics rules. Where necessary, a copy of the ethics committee report must be added. 7. Articles submitted for publication in our journal are checked with Ithenticate which is a similarity control software since 01.08.2013. Similarity report will be sent on the advisory board to be checked. 8. For the studies accepted for publication in our journal, copyright transfer form signed must be added to the system or mail to saujs@sakarya.edu.tr. 9. Studies submitted for publication in our journal must be prepared according to the rules of spelling of journal. Spelling and template are included in www.saujs.sakarya.edu.tr 10. On the front cover of each issue, an image, a pattern or a graphic determined by editorial board is located. 11. 30 days after minor revision, 60 days after major revision, 90 days after needed to rewrite revision required changes must be done by authors 1.