ENDÜSTRİYEL OTOMASYON SİSTEMLERİ · 2017-10-21 · ENDÜSTRİYEL OTOMASYON SİSTEMLERİ. Otomatik Kontrol Ulusal Toplant Õs Õ, TOK2013, 26-28 Eylül 2013, Malatya 437. Elektroerozyon

ENDÜSTRİYEL OTOMASYON SİSTEMLERİ

Otomatik Kontrol Ulusal Toplantısı, TOK2013, 26-28 Eylül 2013, Malatya

437

Elektroerozyon Tezgâhlarında İşleme Parametrelerinin PLC İle

Denetimi

Mehmet Fatih IŞIK1, Halil AYKUL

2, Erhan ÇETİN

2*

1Elektrik-Elektronik Mühendisliği Bölümü

Hitit Üniversitesi, Çorum [email protected]

2Makine Mühendisliği Bölümü

Hitit Üniversitesi, Çorum [email protected] *[email protected]

Özetçe

Elektroerozyon işleme (EEİ) malzeme işleme yöntemleri

içinde en iyi alternatiflerden biridir. Elektroerozyon ile işleme

prensip olarak elektriksel bir kıvılcımın metali aşındırmasına

dayanır. Bu çalışmada istenilen elektriksel kıvılcımı

oluşturabilmek için gerekli olan güç kaynağı ünitesinin

tasarımı ve imalatı gerçekleştirilmiştir. Güç kaynağının

kontrolünü gerçekleştirmek için PLC ve Operatör Panel

kullanılmıştır. Gerçekleştirilen kontrol ile hızlı açma ve

kapama işlemleri için uygun bir yapı sağlanmıştır. Kontrolör

olarak Panasonic PLC kullanıcı denetimi için Easy View

operatör panel kullanılmıştır. PLC ve operatör panel

arasındaki haberleşme için seri port kullanılmıştır. Bilgisayar

ortamında geliştirilen yazılımlar USB üzerinden PLC ve

operatör panele aktarılmıştır. Kullanıcı operatör panel

üzerinden tek yâda reçete sistemi ile birden fazla işlem

yapabilmektedir.

1. Giriş

Günümüzde geleneksel olmayan üretim yöntemlerinden

biri olan elektroerozyon ile işleme (EDM - Electrical

Discharge Machining) yaygın olarak kullanılmaktadır.

Özellikle CNC ve benzeri tezgahlarda yapılması zor olan

parçaların, çok sert malzemelerin ve karmaşık biçimlerin

kolaylıkla işlenebilmesi bu yöntemin kullanım alanını

genişletmiştir[1-3]. Elektroerozyon tezgâhında, kontrollü

elektrik arklarıyla talaş kaldırılır. Her bir ark iş parçası

üzerinde küçük bir krater meydana getirir. Arkın sürekli

dolaşmasıyla şablonun şekli karşı tarafa geçirilir. Klasik

tezgâhların aksine bu teknikle sertleştirilmiş parçalar ve sert

maden uçlar kolaylıkla işlenebilir[4]. Bu özellik, tezgâha çok

önemli bir uygulama sahası açmaktadır. Elektroerozyon

tezgâhının önemli bir avantajı da kesme kuvvetinin

olmamasıdır[5]. Şekil 1’de dalma elektroerozyon tezgâhının

şematik olarak gösterimi verilmiştir[6].

Şekil 1. Dalma EDM elemanlarının şematik olarak

gösterimi Elektroerozyon işlemi, özellikle uzay malzeme ve

alaşımları, iletken malzemeler ve süper tok olan malzemelerin

işlenmesinde başarılı olarak kullanılmaktadır. Özellikle

işlenmesi zor olan veya imkânsız olan karmaşık şekilli

parçaların işlenmesi özellikle bu işlemle rahat bir şekilde

yapılmaktadır. Elektroerozyon ile işleme imalat sanayinde

sürekli artan bir şekilde kullanılmaktadır. Bu metot, plastik

sanayinde de çelik kalıplar, ekstrüzyon kalıplar içinde

kullanılmaktadır[7].

2. Güç kaynağı ünitesi

Bu çalışma ile dalma elektroerozyon tezgahları için güç

kaynağı (jeneratör) ünitesinin tasarımı ve uygulaması

geliştirilerek, elektroerozyon tezgahlarında kullanılması

amaçlanmıştır. Uygulama aşamasında ilk olarak kıvılcım

işlemini sağlayacak olan güç kaynağı ünitesi için gerekli olan

elektronik kartlar tasarlanmıştır. Sonraki aşamada talaş

kaldırma işlemi için elektrodun bağlı olduğu ekseni hareket

ettirecek olan DC servomotorun kontrolü için elektronik

sürücü devresi tasarlanmıştır. Son olarak kıvılcım işlemi ve

servomotor kontrolü sağlanmıştır. Kontrolör olarak

endüstriyel uygulamalarda çok sık kullanılan PLC ve çalışma

durumunu izleme ve kontrol için operatör panel kullanılmıştır

[8].


438

Elektroerozyon ile işleme için gerekli olan talaş kaldırma

ünitesi, temel olarak şu bileşenlerden oluşur;

1. DC güç kaynağı ( Çok hızlı açma-kapatma işlemi yapabilen)

2. Dielektrik Sıvı

3. İş parçası ve Elektrot

4. Servo Sistem

Elektroerozyon ile işlemede talaş kaldırma işlemi için iyi

bir jeneratör tasarlayabilmek erozyon sistemi içinde olan gap

(aralık) voltajını iyi tespit etmek ve buna göre güç ünitesini

tasarlamak ile mümkündür. EDM sistemi, iş parçası ile

elektrot arasında meydana gelen aralık voltajının kontrolüne

göre çalışmaktadır. Bunun yanı sıra güç kaynağı tasarımı

sırasında, elektrot ile iş parçası arasında meydana gelen

kıvılcımın vurum süresi ve işlem bitiminde ne kadarlık bir

süre bekleneceği gibi hususlar önemli olduğu için göz önüne

alınmalıdır. Aralık geriliminin çalışma modeli Şekil 2’ de

gösterilmiştir[9].

Şekil 2. Gap voltajının çalışma modeli

Tasarlanan sistemin kontrol diyagramı Şekil 3’te

sunulmuştur. Kontrol sisteminde transformatör katı, AC-DC

dönüşümü, tek faz doğrultma işlemi ve filtreleme işlemi, GAP

voltajı, ton, toff, bekleme süresi ve geri çekme sürelerini

ayarlama işlemi ve DC servo motoru sürme işlemi ve diğer

devre kartları güç kaynağı içine yerleştirilmiştir[8].

Şekil 3. Geliştirilen güç kaynağı blok diyagramı

Geliştirilen güç kaynağına ait fotoğraf Resim 1’de

sunulmuştur.

Resim 1. Tasarlanan güç kaynağı ünitesi

3. Dc servomotor kontrol ünitesi

Elektroerozyon tezgâhları için geliştirilen güç kaynağı

ünitesi DC kaynak olarak kullanıldığı için bu çalışmada

elektrodun bağlı olduğu kafayı hareket ettirecek olan eksen

için DC servomotor tercih edilmiştir. Elektrodun bağlı olduğu

kafayı hareket ettirecek olan Z ekseni için Tablo 1’ deki

özelliklere sahip bir DC servomotor kullanılmıştır[8].

Tablo 1. DC Servomotorun teknik özellikleri

Eksen Gerilim

(VDC)

Akım

(A)

Güç

(W)

Tork

(Nm)

Devir

Sayısı

(d/dk)

Servomotor

Sürücü

Tipi

Z 12 DC 6,5 78 1,27

Nm 3000

DC Servo

Motor

Doğru akım motorların kontrolü iki aşamalı olarak

yapılmıştır. Birincisi doğru akım motoru için hız kontrolü

diğeri ise konum kontrolüdür. Buna göre bir doğru akım

ayarlayıcısına değişik yöntemlerle kumanda ederek akım

ayarlanabilir. Bu yöntemlerden bazıları darbe genişlik

modülasyonu (PWM) ve darbe periyodu modülasyonu (PFM)

dir[10]. Bu çalışmada darbe genişlilik modülasyonu

kullanılmıştır. Çünkü değişken ve yüksek frekanslı sistemlerde

filtre etme güçlükleri söz konusudur. Buna göre elektrotun

bağlı olduğu kafayı hassas hareket ettirecek olan Z ekseni için

tasarlanan sürücüye ait açık devre şeması Şekil 4’de, fotoğraf

ise Resim 2’de gösterilmiştir[8].

Transformatör

Katı

Tek Faz

Doğrultucu

Filtreleme

ve Sinyal

Durumu

Akım Seçici

ve Gerilim

Kıyıcı

Kontrol

Devresi

Operatör

Panel

PLC 220 V

50 Hz

Elektrot

İş Parçası


439

Şekil 4. Z ekseni için DC servomotor sürme devresi

Resim 2. Z ekseni için servomotor sürücüsü fotoğrafı

4. Denetleme ve kontrol ünitesi

Geliştirilen güç kaynağı ünitesinin denetimini sağlamak

üzere PLC ve operatör panel kullanılmıştır. PLC ve operatör

panel için gerekli olan yazılımlar bilgisayar ile cihazlara

gönderilmiştir.

4.1. PLC kontrol yazılımı

Kontrol ünitesi için Tablo 2’deki özellikler sahip

Panasonic FP-X serisi PLC kullanılmıştır. PLC den istenilen

analog çıkışları elde etmek için iki çıkışlı D/A dönüştürücü

kullanılmıştır.

Panasonic FPX PLC’ nin önemli üstünlükleri, aynı anda

dört eksen çıkış verme özelliğine sahip olması, PWM çıkış

verebilmesi, USB ile programlanabilme özelliğine sahip

olması, ekstra modüllerin eklenebilmesi, takılacak bir pil

vasıtasıyla adreslerdeki bilgilerin saklanabilmesi, doğrudan

operatör panel ile haberleşme yapabilmesi ve yazılımının

kolay bulunabilmesidir.

Tablo 2. Panasonic FP-X serisi PLC özellikleri

İşlemci hızı 0.32 usec Çalışma anında düzenleme

32K program hafızası FP-X 24v sensör güç kaynağı

Eklenebilen kartlar 16 İstasyonlu master/master

ağı

50 Micro saniyeli işlem

hızı

USB Girişi

I-PD kontrol Otomatik ayarlı PID

100KHz Hareket hızı Kayan nokta birimi

Modbus Master & Slave 8 Kanal hızlı sayacı

PLC ve çevre birimlerinin bağlantısı ve kontrolüne ait blok

diyagram Şekil 5’te sunulmuştur[8].

“

Şekil 5. Kullanılan PLC çıkış modülleri kullanımı blok

diyagramı

PC üzerinden gönderilen pozisyon bilgileri PLC aracılığı

ile servo sürücülere gerçek zamanlı bilgi olarak

gönderilmektedir. Servo sürücüler pozisyon bilgilerine göre

(Darbe Miktarı) istenilen pozisyona hareket etmektedir. Bu

sırada servomotorlara bağlı enkoderlerden alınana gerçek

zamanlı bilgiler ile karşılaştırarak sürücünün karşılaştırma

yapmasına imkân sağlamaktadır[11].

4.2. Operatör panel (touch panel) denetimi

Operatör panel (Touch Panel) endüstriyel uygulamalarda

çok sık kullanılan kullanıcının sistemi kontrol edebileceği

dokunmatik ekranlardır. Bir nevi mini bilgisayar olarak da

adlandırılabilir[8]. Geliştirilen sistemin servo kontrol

ünitesinin ve güç kaynağı ünitesinin kullanıcı denetimini

sağlamak için Easy View marka MT506S modeli renkli

operatör panel kullanılmıştır.

Geliştirilen güç kaynağı ünitesi PLC tabanlı ve operatör

panel kontrollü bir sistem olup operatör panel denetim blok

diyagramı Şekil 6’da gösterilmiştir[8].

Şekil 6. Operatör panel kontrolü blok diyagramı

Operatör panel üzerinden gönderilen değerler (dijitial

değer olarak 1 bit gönderilmiş ve bu 1 bitlik sürenin zamanı

FPX

PLC

Dij

ital

Çık

ışla

r (O

utp

ut)

Dij

ital

Gir

iş

(In

pu

t)

Analog Çıkış Modülü

D/A- 1 D/A- 2

GAP

Voltajı

Hassasiyet

Bekleme

Süresi

Geri

Çekme

Süresi

DC Servo

Motor

Operatör Panel

(Touch Panel)

FPX PLC

Güç Kaynağı Ünitesi Servo Kontrol Ünitesi


440

ayarlanmıştır) PLC üzerinden güç kaynağı ünitesinin çalışma

durumunu belirlemektedir. Operatör panelin çalışma durumu

Şekil 7’de gösterilmiştir[8].

Geliştirilen operatör panel yazılımı EBW-500 programı

kullanarak geliştirilmiştir. Kullanıcı isteğine bağlı olarak

işleme seçeneği seçilmek suretiyle işlem yapılabilmektedir.

Geliştirilen operatör panel yazılımının bilgisayar üzerinden

online kontrol edilebilmesi önemli bir avantaj olarak

görülmektedir[8].

Geliştirilen operatör panel yazılımı endüstriyel

uygulamalarda kullanılan klasik kontrol sisteminin aksine

işleme parametreleri kullanıcı isteğine bırakmaktadır.

Kullanıcı klasik kontrol sistemlerinde olan kademe seçiminin

yanında istediği değeri PLC üzerinden hem servo kontrol

ünitesine hemde jeneratör ünitesine gönderebilmektedir.

Şekil 7. Operatör panel çalışma durumu

Kullanıcı Şekil 7’ de vurum frekansı, ton (PWM) oranını

ve buna bağlı olarak bekleme ve geri çekme süreleri ile aralık

voltajı (kıvılcım aralığı)’ nı ayarlamalıdır.

Frekans kademeleri 0-12,5 KHz arasında

ayarlanabilmektedir. Tezgâhın uygun çalışma işlemini

gerçekleştirmesi için frekans 1KHz den itibaren ayarlanmıştır.

Şekil 8. Güç ayarı ekranı

Güç değerlerinin ayarlanmasından sonra Şekil 8’ de start

butonuna basıldığında belirtilen değerlerde işlem

başlamaktadır.

Şekil 9’ da Otomatik mod “Reçete ile işleme” seçeneği

olarak adlandırılmıştır.

Kullanıcı isteğine bağlı olarak geliştirilen reçete sistemi ile

işlenecek malzemenin farklı konumlarına ister adım adım ister

her adım bittiğinde diğer adıma geçiş şeklinde otomatik olarak

ayarlanabilmektedir. Bu durumda kullanıcı için geliştirilen

önemli bir fark her adım için farklı işleme parametreleri (Güç

kaynağı ünitesi için) girebilmektedir[8].

Zaman kısmında ki değer ise farklı eksenel noktalar için

belirtilen işleme zamanlarıdır. Örneğin; kullanıcı üç noktada

işleme yaptığını varsayarsak birinci noktada 40 s, ikinci

noktada 20 s üçüncü noktada ise 50 s çalışması isteniyorsa

belirtilen değerler işleme adımlarının yanında belirtilen alana

girilmesi suretiyle yapılmaktadır. Bu adımların sayısı PLC

içinde belirtilen sayı kadar oluşturulabilmektedir[8].

Şekil 9. Otomatik mod çalışma ekranı

Tasarımı yapılan ve geliştirilen güç kaynağı Resim 3’de

gösterilmiştir[8].

Resim 3. Tasarlanan güç kaynağı ünitesi

Geliştirilen PLC tabanlı operatör panel kontrollü güç

kaynağının teknik özellikleri Tablo 2’ de verilmiştir.


441

Tablo 2. Güç kaynağına ait teknik bilgiler Elektronik Güç Devresi

Güç (220 V, 50 Hz, 1~) 2,5 KVA

Boşalım Akım

Kademeleri

0 – 5 – 10 – 15 – 25 A

Vurum Süresi

Kademeleri *

4-6-12-25-50-100-200-400-

800-1000 μs

Bekleme Süresi

Kademleri *

4-6-12-25-50-100-200-400-

800-1000 μs

Çalışma Süresi

Kademeleri *

0,2-0,4-0,8-0,8-1,6-3,2-6,4-

12,8 s

Geri Çekme Süresi

Kademeleri *

0,2-0,4-0,8-0,8-1,6-3,2-6,4-

12,8 s

Vurum Frekansı 1-12.5 Khz ( 19 kademe)

* Verilen değerler standart değerlerdir, fakat bu değerler

kullanıcı isteğine göre ayarlanabilmektedir.

** İsteğe göre ayarlanabilmektedir.

5. Sonuç

Geliştirilen PLC tabanlı ve operatör panel kontrollü güç

kaynağı endüstriyel uygulamalardaki yapıya benzer olarak

tasarlanmış ve imal edilmiştir. Geliştirilen güç kaynağına hem

hızlı bir tepki zamanı özelliği hemde istenilen değerler dış

etkilerden etkilenmeden daha doğru ve hatasız değerler

gönderilebilme imkânı sağlanmıştır. Operatör panel ile PLC

arasında veri iletme hızı çok yüksek olduğundan hızlı açma ve

kapama işlemleri için uygun bir yapı sunulmuştur. Aynı

zamanda PLC ve güç kaynağı arasındaki haberleşme hızın da

yüksek olması talaş kaldırma oranının istenilen değerde

tutulmasını sağlamıştır. Gerçekleştirilen uygulama istenildiği

takdirde bilgisayar üzerinden de kontrol edilebilmektedir.

Ayrıca PLC yazılımı sayesinde operatör panel üzerinden

birden fazla işleme parametresi ayarlanabilmektedir. Bunun

yanında geliştirilen operatör panel yazılımı ile tek işleme ya da

çoklu işleme durumları için de uygun bir yapı oluşturulmuştur.

Kaynakça

[1] S. H. Halkacı, Elektroerozyon (EDM) İle İşlemede Yarı

Küresel Uçlu Genel Amaçlı Elektrodların

kullanılabilirliğini Araştırılması S.Ü. Bilimsel Araştırma,

Konya, Proje No : 98/081, 2002.

[2] B. Ekmekçi , O. Elkoca , A. Erden, “Comparative Study

on the Surface Integrity of Plastic Mold Steel due to

Electric Discharge Machining,” Metallurgical and

Materials Transactions B, Cilt:36 No:2, s: 117-117, 2005.

[3] B. Ekmekçi, O. Elkoca, A. E. Tekkaya, A. Erden,

“Residual Stress State and Hardness Depth in Electric

Discharge Machining: De-ionized Water as Dielectric

Liquid”, Machine Science and Technology, Cilt: 9, s: 39–

61, 2005.

[4] J. Doval-Gandoy, R. Pasandin, B. Fernandez, “Sharpened

of saw blades by electrical discharge machining”,

Industrial Electronics Society, IECON 2005. 32nd Annual

Conference Of IEEE, s:5, 2005.

[5] Furkan Makine Sanayi “Elektroerozyon Tezgahları Temel

Bilgiler Kılavuzu”, 2000.

[6] C. Çoğun, Ş. Akaslan, “The effect of Machining

parameters on tool wear and machining performance in

EDM,” KSME International Journal, Cilt: 16, No: 1, s:

46-59, 2002.

[7] Y. Şahin, “Talaş Kaldırma Prensipleri 2” , Nobel Yayın

Dağıtım, Ankara, 2001.

[8] M. F. Işık, Bilgisayar Destekli Elektro Erozyon Yöntemi

ile Talaş Kaldırma Sistminin Tasarımı ve Uygulanması,

Gazi Üniversitesi Fen Bilimleri Enstitüsü Elektrik Eğitimi

Anabilim Dalı, Doktora Tezi, 2009

[9] G. Wollnberg, H. P. Shulze, M. Timm, T. Pape,

“Simulation of EDM Installations”, Proceedings of ISEM

XI”, Lausanne Switzerland, s: 153-162, 1995.

[10] L. Fu, “Robust Adaptive Decentralized Control of Robot

Manipulators”, IEEE Transactions on Automatic

Control, Cilt: 37, No:2, 1996.

[11]Coşkun, İ., Işık, M.F., “Position and speed control of

servomotor using microcontroller", Gazi University

Institute of Science and Technology , G.U. Journal of

Science, 17 (3) -2004.


442

http://ieeexplore.ieee.org/xpl/RecentCon.jsp?punumber=10487

http://ieeexplore.ieee.org/xpl/RecentCon.jsp?punumber=10487

Esnek Üretim Sistemlerinde Kördüğüm Problemi ve Çözüm Yöntemleri

Murat Uzam1, Gökhan Gelen2

1Elektrik-Elektronik Mühendisliği Bölümü

Melikşah Üniversitesi, Talas-Kayseri [email protected]

2Mekatronik Mühendisliği Bölümü Gaziosmanpaşa Üniversitesi, Tokat

[email protected]

Özetçe

Esnek üretim sistemleri, bilgisayar kontrollü makine takımlarının, tamponların, konveyörlerin, robotların, otomatik güdümlü araçların ve diğer makinaların birleşimi olan pazar değişimlerine hızlı cevap verebilen sistemlerdir. Esnek üretim sistemlerinde esneklik kaynakların paylaşımı arttırılabilir. İki veya daha çok iş kümesinin her birinin diğer kümedeki işlerin tutmakta oldukları kaynakları bırakmaları için belirsizce beklemesine kördüğümün (deadlock) denilmektedir. Bu çalışmada esnek üretim sistemlerinde meydana kördüğüm problemi ve çözüm metotları incelenmektedir.

1. Giriş

Yirminci yüzyılın başlarında Henry Ford tarafından popüler hale getirilen seri üretim (mass production) insan toplumunun ve medeniyetinin gelişmesine ve ilerlemesine çok büyük katkı sağlamıştır. Ancak son otuz yılda hızlı pazar değişimleri sebebiyle gereksinim duyulan küçük miktardaki çoklu ürün türleri sebebiyle bazı problemler ortaya çıkmaktadır [1]. Bir üretim sisteminin uzun vadede hayatiyetini devam ettirebilmesi her şeyden önce değişken pazar taleplerine hızlı cevap verebilmesine bağlıdır. Bu tür teknolojik sınıra ancak esnek üretim sistemleri (flexible manufacturing systems - FMS) yardımıyla ulaşılabilir [2,3]. Bir FMS, bilgisayar kontrollü makine takımlarının, tamponların, konveyörlerin, robotların, otomatik güdümlü araçların (automated guided vehicles - AGV) ve diğer malzeme aktarma araçlarının (material-handling devices) bir birleşimidir. Pazar değişimlerine hızlı cevap verebilmek için esnekliği attırmak gerekir. Bu amaçla FMS genellikle yüksek seviyede kaynak paylaşımı (resource sharing) sergiler. Kaynak paylaşımının mevcudiyeti, iki veya daha çok iş kümesinin her birinin diğer kümedeki işlerin tutmakta oldukları kaynakları bırakmaları için belirsizce beklemesi anlamına gelen kördüğümün (deadlock) gerçek sebebi olan dairesel bekleme (circular wait) durumlarına sebep olabilir. Bu tür bir sistemde kördüğümler oluşur oluşmaz devam ederler ve bir insan veya başka harici bir işlemin müdahalesi olmaksızın çözümlenemezler. Bilgi teknolojisinin modern üretim sistemlerinde yaygın uygulanması sonucunda, modern üretim sistemlerinin güvenlik (safety), güvenilirlik (reliability) ve diğer muhtelif karmaşık talepleri kontrol yazılımı ile karşılanmaktadır [4]. Tesis ve bakım işlemleriyle karşılaştırıldığında kontrol

yazılımının tasarımı kontrol mühendisleri için karmaşık ve zahmetli bir görevdir. Kördüğüm, sistemin bir kısmının veya tamamının durmasına sebep olabileceğinden, yarı iletken üretimi veya kritik dağıtılmış veri tabanları gibi yüksek derecede otomatik sistemlerde kötü sonuçlara sebebiyet verebileceğinden kontrol mühendisleri kördüğüm problemlerini dikkatli bir şekilde hesaba katmalı ve uygun bir şekilde çözmelidir. Otomatik üretim sistemlerindeki kördüğüm problemlerine hem akademik hem de endüstri çevrelerinden yoğun ilgi gösterilmektedir [1]. Bir kördüğüm oluşması için, ilk defa [5]’de ortaya konulan ve Coffman şartları olarak bilinen dört şart mevcuttur:

1. Karşılıklı dışlama şartı (mutual exclusion condition): bir kaynak bir anda birden fazla işlem tarafından kullanılamaz.

2. Tut ve bekle şartı (hold and wait condition): hâlihazırda kaynakları tutan işlemler yeni kaynakları talep edebilirler.

3. Boşaltmama şartı (no pre-emption condition): hiçbir kaynak o kaynağı tutmakta olan işlemden zorlamayla boşaltılamaz ve kaynaklar ancak işlemin açık aksiyonu ile serbest bırakılabilirler.

4. Dairesel bekleme şartı (circular wait condition): her bir işlemin zincirdeki bir sonraki işlem tarafından tutulan bir kaynak için beklediği iki veya daha fazla işlem dairesel bir zincir oluşturur.

Bir kördüğüm oluşmasına sebep olan dört şarttan birinin etkisini yok etmek bir kaynak paylaşım sisteminde kördüğümlerin oluşmasını imkânsız hale getirir. Bir otomatik FMS’in fiziksel karakteristikleri ve teknik altyapısı ilk üç şartın her zaman mevcut olduğunu ve kördüğümleri yok etmenin tek çaresinin de dairesel bekleme şartının ortadan kaldırılması olduğunu ortaya koymaktadır [1,6]. FMS’te kördüğüm problemlerinin araştırılması için kullanılan üç temel matematik araç mevcuttur. Bunlar; Digraflar (directed graphs – yönlenmiş graflar), otomata ve Petri ağlarıdır [6]. Bir Digraf kendisinden kördüğüm kontrol prensibi türetilebilen, operasyonlar ve kaynaklar arasındaki etkileşimi tanımlayan basit ve sezgisel bir araçtır. Formal diller ve sonlu durum makineleri temelleri üzerine kurulan gözetimli kontrol teorisi (Supervisory control theory - SCT) [7] ayrık olay sistemlerinin (discrete event systems) modellenmesi ve kontrolü işlemlerini kapsamlı ve yapısal olarak


443

gerçekleştirmeyi hedeflemektedir. Bazı etkili ve hesaplaması verimli kördüğüm kontrol prensipleri otomata temelli olarak geliştirilmiştir. [8-12]. Özellikle belirli bir sınıf kaynak atama sistemi için polinom karmaşıklığına sahip teorik olarak önemli bir kördüğüm önleme prensibi [13]’te geliştirilmiş ve daha sonra Petri ağı formunda tekrar tanımlanmıştır [14]. FMS’lerle ilgili kördüğüm önleme üzerine yapılan çalışmalar dikkate alındığında, FMS’lerin modellenmesi ve kontrolü konularının incelenmesinde Petri ağlarının önemi gün geçtikçe artmaktadır. Bu bildirinin ikinci bölümünde esnek üretim sistemleri ve özellikleri kısaca tanıtılmaktadır. Üçüncü bölümde kördüğüm problemi temel bir örnek FMS üzerinde açıklanmış ve dördüncü bölümde bu kördüğüm probleminin Petri ağları ile çözümü kısaca sunulmuştur. Beşinci bölümde FMS’lerde kördüğüm çözüm stratejileri ve çözüm bekleyen problemler açıklanmıştır. Altıncı bölümde ise bu çalışmanın sonuçları yer almaktadır.

2. Esnek Üretim Sistemleri

Yalın ve atölye tipi üretim yapan geleneksel üretim sistemlerinde yüksek düzeyde yarı mamul stoku, uzun iş kuyrukları, düşük tezgah faydalanma oranları gibi problemlerle karşılaşılmaktadır. Diğer bir deyişle, etkinlik ve esneklik geleneksel üretim sistemlerinin üzerinde önemle durduğu problemler olmaktadır. Son yıllarda adları çok sık duyulan ve giderek daha geniş bir uygulama alanı bulan bir bilgisayar bütünleşik üretim (computer integrated manufacturing – CIM) sistemi olan esnek üretim sistemleri (flexible manufacturing systems – FMS), bu problemlere çözüm getirmek amacıyla geliştirilmişlerdir. FMS, değişikliklere belirli bir esneklik ölçüsünde cevap verme yeteneği bulunan üretim sistemidir. Esneklik temelde makine esnekliği (machine flexibility) ve rotalama esnekliği (routing flexibility) olmak üzere iki grupta düşünülebilir. Makine esnekliği, yeni ürün türlerini üretmek için yapılabilecek değişikliklere karşı sistemin müsaade kabiliyetini ve bir parça üzerinde gerçekleştirilen işlemlerin sırasını değiştirebilme kabiliyetini ifade eder. Rotalama esnekliği, bir parça üzerinde aynı işlemi gerçekleştirebilecek çoklu makinelerin kullanılabilme kabiliyeti ile hacim, kapasite veya yapabilirlik gibi büyük ölçekli değişiklikleri sistemin yerine getirebilme kabiliyetini ifade etmektedir. FMS sistemlerinin çoğu üç ana kısımdan oluşur. Bunlar; CNC vb. otomatik iş makineleri; makineleri birbirine bağlayan parça akışının sağlandığı malzeme aktarma sistemi; ve malzeme hareketlerini ve makine akışını kontrol eden merkezi kontrol bilgisayarıdır. Şekil 1’de basit bir esnek üretim sistemi görülmektedir. Bir FMS’in en önemli avantajı, yeni bir ürünü üretmek için gerekli zaman ve çaba gibi üretim kaynaklarının işletilmesindeki yüksek esnekliktir. FMS’in en iyi uygulaması, seri üretimdekine benzer küçük ürün gruplarının üretimidir. FMS’in gelişimindeki en büyük etken, bilgisayar teknolojisinde gerçekleştirilen ilerlemelerdir. FMS’lerin en önemli özelliği, belli bir süre boyunca insan müdahalesine gerek göstermeden çalışabilmeleridir. Esnek üretim sistemlerinin genel özellikleri aşağıda sıralanmaktadır.

Esnek Üretim Sistemleri ürün türünün fazla olduğu işletmelerde uygulanabilir.

Esnek Üretim Sistemleri aynı gruptan olup farklılık gösteren parçaları üretmek amacıyla kullanılmaktadır.

Arklı parçaları üretmek için makine-teçhizatta küçük çaplı değişiklikler yapılabilir.

Mamul, yarı mamul ve hammadde otomatik bantlarla, malzeme ve taşıyıcılarla hareket edebilmektedir.

Genel amaçlı makine-teçhizat ve malzeme taşıma sistemini kontrol eden ana bir bilgisayar vardır.

Farklı parçaların üretilmesi makineler üzerinde gerçekleşen otomatik değişikliklerle mümkün olabilmektedir.

Fabrikaya hammadde girişinden mamul çıkışına kadar tüm işlemler otomasyona dayalı olarak bilgisayarla gerçekleştirilmektedir.

Şekil 1: Basit bir esnek üretim sistemi.

3. Kördüğüm Problemi

Esnek üretim sistemlerinde esneklik kaynakların paylaşımı ile sağlanmaktadır. İki veya daha çok iş kümesinin her birinin diğer kümedeki işlerin tutmakta oldukları kaynakları bırakmaları için belirsizce beklemesine kördüğümün (deadlock) denilmektedir. İki makine ve bir robottan meydana gelen basit bir FMS’te körüğümün nasıl oluşabileceği bu kısımda açıklanmaktadır. İncelenecek olan sistem Şekil 2’de görülen esnek üretim sistemidir. Makineler (M1 ve M2) aynı anda sadece bir parçayı işleyebilir ve benzer şekilde robot (R) sadece bir parçayı bir makineden diğerine aktarabilir. P1 ( )

ve P2 ( ) adında iki farklı parça bu sistem tarafından işlenmektedir. Parçalar makinelere I/O1 ve I/O2 giriş/çıkış tamponları tarafından yüklenip çıkarılmaktadır. Buna göre bu iki farklı parçanın makineler ve robot tarafından işlenmesini ifade eden iki farklı üretim akışı söz konusudur: P1 için üretim akışı P1: M1 R M2 şeklindedir. Yani P1 parçası 1nci giriş/çıkış tamponundan M1’e alınarak işlenir. M1’de işlenen parça robot tarafından alınarak M2’ye aktarılır. M2’de işlenmesi biten P1 parçası daha sonra 2nci giriş/çıkış tamponu üzerinden sistem dışına gönderilir. Benzer şekilde P2 için üretim akışı P2: M2 R M1 şeklindedir. Bu sistemde spesifikasyon olarak herhangi bir kördüğüm (deadlock) olmaksızın iki farklı üretim akışının sağlanması istenmektedir.

Şekil 2: Basit bir esnek üretim sistemi (FMS) ve iki farklı

parça için üretim akışları.


444

Bu sistemde kördüğüm problemi ortaya çıkmaktadır. Şekil 3’te basit FMS’te kördüğüm oluşması aşamalarından biri incelenmektedir. Şekil 3.(a)’da sistemde işlenen her hangi bir parça bulunmamaktadır. Şekil 3.(b)’de sistemde P1 parçası M1 tarafından işlenmektedir. Şekil 3.(c)’de M1 tarafından işlenen P1 parçası robot tarafından alınmıştır. Şekil 3.(d)’de robot P1 parçasını M1’den M2’ye taşırken bu kez M2 bir P2 parçasını işlemeye başlamıştır. Son olarak Şekil 3.(e)’de robotta yüklü P1 parçası varken ve M2 bir P2 parçasını işlerken M1 de bir P1 parçasını işlemeye başlamıştır. Bu durumda sistem kördüğüme girmiştir. Çünkü M2 bir P2 parçasını işlemekte olduğu için robot yüklediği P1 parçasını M2’ye aktaramamaktadır. M2 işlediği P2 parçasıyla ilgili işlemini bitirse bile robot yüklü olduğu için bu parçayı boşaltması mümkün değildir. Benzer şekilde M1 işlediği P1 parçasıyla ilgili işlemini bitirse bile robot yüklü olduğu için bu parçayı boşaltması mümkün değildir. Böylece sistemdeki paylaşılan kaynaklar olarak makineler ve robot her biri bir diğerini beklemeye devam eder. Buna dairesel bekleme durumu adı verilir. Sistem bu kördüğüm durumundan kurtulmazsa sürekli olarak bu şekilde beklemeye devam edecektir.

Şekil 3: Basit FMS’te kördüğüm oluşması.

Bu sistemde kördüğüm oluşumunu bu şekilde takip etmek mümkündür. Fakat çok karmaşık bir FMS için kördüğümün bu şekilde bulunması mümkün değildir. Bu nedenle modelleme yöntemlerinden faydalanarak FMS’te kördüğümle ilgili analiz ve kontrol yöntemleri geliştirilmiştir. Bir sonraki kısımda burada incelenmiş olan basit FMS için Petri ağı kullanılarak kördüğüm kontrolünün nasıl yapıldığı kısaca incelenmektedir.

4. Petri Ağları Kullanılarak Kördüğüm Önleme

Petri ağları kullanılarak FMS’te kördüğüm konusuyla ilgili gerçekleştirilmiş pek çok çalışma mevcuttur. Bu kısımda Petri ağları kullanılarak FMS’te kördüğüm önleme (deadlock prevention) konusunda kısa bir inceleme sunulmaktadır. Öncelikle FMS’in (kontrol edilmemiş) Petri ağı modeli elde edilir. Sonra bu model bir Petri ağı yazılımı yardımıyla analiz edilerek kördüğüm problemi olup olmadığı incelenir. Kördüğümün varlığı durumunda mevcut bir yöntem

kullanılarak kördüğümün çözümü için kontrol mevkileri (monitörler) hesaplanır. Bulunan bu monitörler kontrol edilmemiş Petri ağı modeline eklenerek kontrol edilmiş model elde edilir. Sonuçta elde edilen kontrol edilmiş model PLC (programmable logic controller) gibi bir sistem gerçekleme aracı yardımıyla FMS’in kontrolünde kullanılır. Bir önceki kısımda incelenen basit FMS için burada incelenen çözümün daha detaylı şekli [15]’te mevcuttur. Verilen iki üretim akışı için oluşturulan Petri ağı modeli Şekil 4’te görülmektedir. Bu Petri ağı analiz edilirse sistemin olası toplam 20 farklı duruma ulaşabildiği ve bu durumlardan 5’inde sistemin kördüğüm problemine maruz kaldığı anlaşılmaktadır. Buna göre maksimum müsaade edici (optimal) bir çözüm elde edilmesi için kontrol edilmiş modelde sistemin canlı olması ve 15 duruma ulaşabilmesi gerekir. [15]’te önerilen yöntemin kullanılması sonucunda bu ağdaki kördüğüm probleminin optimal şekilde çözülmesi için Şekil 5’de görülen 3 tane kontrol mevkisi hesaplanmıştır.

p1

p2 p3 p4

p5 p6 p7

p8 p9 p10

p11

t1

t2

t3

t4 t5

t6

t7

t8 Machine 1

Robot

Machine 2

Şekil 4: Üretim akışları için FMS’in Petri ağı modeli.

Sonuçta bu üç kontrol mevkisinin Şekil 4’teki kontrol edilmemiş Petri ağına ilave edilmesiyle Şekil 6’da görülen kapalı-çevrim kontrol sistemi ya da bir başka deyişle kontrol edilmiş model elde edilir. t1

t2 t5

t6

C1 t2

t3 t5

t6 t1

t2 t6

t7

(a) (b) (c)

C2 C3

Şekil 5: Petri ağı modelinin canlı (live) olması için hesaplanan kontrol mevkileri

5. Kördüğüm Çözüm Stratejileri

Kavramsal açıdan esnek üretim sistemlerinde kördüğüm çözümlenmesi için dört farklı strateji mevcuttur: kördüğüm ihmal etme (deadlock ignoring), kördüğüm önleme (deadlock prevention), kördüğümden sakınma (deadlock avoidance), kördüğüm bulma ve telafi etme (deadlock detection and recovery) [1]. 5.1 Kördüğüm İhmal Etme Kördüğüm olasılığı çok düşükse ve diğer kördüğüm kontrol stratejilerinin uygulanması teknik veya mali olarak çok zor ise


445

Ostrich algoritması [16] olarak bilinen kördüğüm ihmal etme (deadlock ignoring) stratejisi kullanılır. Kördüğüm ihmal etme konusundaki önemli bir örnek; işlem tablosunun dolu olduğu ve tüm işlemlerin daha fazla alt işlemi başlatmaya çalışıyor olduğu durumdaki UNIX işletim sistemidir. Fakat bu, çok nadir olarak karşılaşılan bir durumdur ve bu tür bir durumun önlenmesi çok gereksiz kısıtlamaların kullanılmasını gerektirdiğinden genellikle ihmal edilir. Teorik olarak kördüğüm ihmal etme stratejisi ikna olma ve doğruluk arasında bir değiş tokuştur (trade-off). Otomatik bir üretim sisteminde, teknik ve mali açıdan eğer kaynak paylaşımı yüksek oranda değilse ancak o zaman kördüğüm ihmal etme makul ve mantıklıdır. Bu strateji esnek üretim sistemlerinin ilk gelişim aşamalarında yaygın olarak kullanılmıştır.

Şekil 6: Optimal kontrol edilen kapalı-çevrim kontrol sistemi. 5.2 Kördüğüm bulma ve telafi etme Kördüğüm bulma ve telafi etmede (deadlock detection and recovery) kaynaklar bir işlem için her hangi bir kontrol yapılmadan tahsis edilir. Kaynak tahsisi ve taleplerinin durumu bir grup işlemin kördüğümlenip kördüğümlenmediğini belirlemek için periyodik olarak tetkik edilir. Bu işlem bir kördüğüm bulma algoritması ile gerçekleştirilir. Eğer kördüğüm bulunursa sistem kördüğümü telafi etmek için bir veya daha fazla işlemi bırakır. Doğru bir kördüğüm bulma algoritması için temel bir gereksinim, olası tüm kördüğümlerin raporlanması ve mevcut olmayan kördüğümlerin ise raporlanmamasıdır. Üretim pratiğinde bu strateji için genellikle insan operatörlere ihtiyaç duyulur. Bu sebepten bu stratejiler çok pahalı olabilir. Bir kördüğümün devam etmesi sistemin tamamının veya bir kısmının durması demektir. Kördüğüm telafisi işlemi hiçbir şekilde basit bir işlem değildir. Gerçekte bulunan bir kördüğümün uygun zamanda ve etkin bir şekilde telafi edilmesi en az kördüğüm bulma kadar zor bir iştir. Kördüğüm bulma ve telefi etme konusundaki çalışmalar genellikle graf teorisi temelli [17-19] olup Petri ağı temelli çalışmalar sınırlıdır [20]. 5.3 Kördüğümden Sakınma Kördüğümden sakınma (deadlock avoidance) stratejisinde, talep edilen bir kaynak talepte bulunan işleme bir sonraki durum eğer güvenli ise ancak o zaman tahsis edilir. Eğer tüm işlemlerin tamamlanmasını mümkün kılan bir çalışma sırası

mevcutsa bu duruma güvenli durum denir. Bir kaynağın bir işleme tahsis edilmesiyle sonraki durumun güvenli olup olmadığına karar verebilmek için her bir hücre denetleyicisinin ve global denetleyicinin global sistem durumuyla ilgili kayıt tutması gereklidir. Bunun anlamı yüksek miktarda depolama alanı ve etkin bir haberleşme kabiliyetinin gerekli olması demektir. Bu durum aynı zamanda içerisinde global bir denetleyici olmayan dağıtık bir kontrol sistemi tarafından kontrol edilen bir otomatik üretim sistemi için geçerlidir. Ayrıca, gerçek sistemlerde çok fazla miktardaki durum sayısından dolayı bir durumun güvenli olduğunu kontrol etmek hesaplaması zor bir işlemdir. Çok teferruatlı yöntemler genellikle yüksek kaynak kullanımı ve çıktı sağlarlar fakat bazı hallerde kördüğümlerin tamamını önleyemezler. Bu tür hallerde eğer kördüğüm oluşursa kördüğüm telafi işlemlerine ihtiyaç duyulur. Tutucu (conservative) metotlar tüm güvenli olmayan durumları, kördüğümleri ve sıklıkla bazen iyi durumları da yok ederler. Bu sebeple sistem performansı düşer. Öte yandan bu tür metotların amacı kolay uygulanabilir olmaktır. Kördüğümden sakınma stratejisine dayanan Petri ağı temelli birçok çalışma mevcuttur [1, 18, 21-24]. 5.4 Kördüğüm Önleme

Kördüğüm önleme, kaynak tahsisi çalışmalarında çok iyi tanımlanmış bir yöntem olarak bilinmektedir. Bu yöntemde genellikle kaynaklar için yapılan talepler kördüğüm oluşmayacak şekilde kontrol etmek için kullanılan çevrimdışı (off-line) bir hesaplama yardımıyla elde edilir. Başka bir deyişle kaynaklar talep eden işlemlere, yapılan talep kördüğümle sonuçlanmayacaksa ancak o zaman tahsis edilir. Kördüğüm önleme yaklaşımının amacı sistem üzerine sistemin kördüğüm durumlarına ulaşmasını önleyecek bazı kısıtlamaların konulmasıdır. Bu durumda hesaplama, çevrimdışı ve statik olarak yapılır ve kontrol prensibi bir kez tesis edildikten sonra sistem hiçbir zaman istenmeyen kördüğüm durumlarına ulaşamaz. Bir kördüğümü önlemenin en basit şekli bir işlem çalışmaya başlamadan önce gerekli tüm kaynakların talep edilmesiyle gerçekleşir. Fakat bu işlem sistem koşut zamanlılığını (concurrency) ve operasyonel esnekliğini yok ettiğinden dolayı yüksek oranda verimsizdir. Kördüğüm önleme algoritmalarının önemli bir avantajı problemler sistem tasarımı ve planlaması aşamalarında çözüldüğü için bu algoritmaları çalıştırma zararı yoktur. En temel eleştiri bu yöntemlerin çok tutucu olduğu ve böylelikle kaynak kullanımını ve sistem üretkenliğini düşürdüğü şeklindedir. Kördüğüm önleme, genellikle kördüğümlerin ciddi sonuçlarının olabileceği ve yüksek miktarda ekonomik kayıplara sebebiyet verilebilecek güvenlik kritik sistemlere uygulanabilir olarak değerlendirilmektedir.

Literatürde kördüğüm önleme konusundaki yöntemlerde araç olarak genellikle Petri ağları kullanılmaktadır. Kördüğüm önleme yöntemleri aşağıdaki gibi gruplanmaktadır.

Başlangıç işareti konfigürasyonu

Yapısal Analiz metotları

Ulaşılabilirlik grafı temelli yaklaşımlar

Temel sifona dayalı yaklaşımlar

Birleştirilmiş Teknikler


446

6. Çözüm Bekleyen Problemler

Bu kısımda, literatürde halen çözüm bekleyen bazı problemler hakkında bir değerlendirmeye yer verilmiştir. 6.1. Optimal Gözeticilerin Varlığı Ayrık olay sistemleri için işaret-temelli (marking-based), canlılık uygulayıcı gözeticilerin varlığı konusunda ulaşılabilirlik grafı, formal diller yaklaşımı, aktif alt-ağlar ve sifon kavramlarına dayalı Petri ağı temelli yöntemler üzerine literatürde çalışmalar bulunmaktadır. Ancak, FMS için monitör temelli optimal bir canlılık uygulayıcı Petri ağı gözeticisinin varlığı konusunda hiç bir çaba sarf edilmemiştir. Doğal ve ilginç bir problem, yapısal ve ilk işaret şartları açısından hangi şartlar altında optimal bir canlılık uygulayıcı Petri ağı gözeticisinin bulunduğunun incelenmesidir. 6.2. Dinamik Kontrol Spesifikasyonları Altında Kördüğüm Önleme Ayrık olay sistemlerinin gözetimli kontrolünde, bir Petri ağındaki önemli ve tipik kontrol spesifikasyonları genelleştirilmiş karşılıklı dışlama kısıtları (generalized mutual exclusion constraints – GMEC) olarak bilinen doğrusal eşitsizliklerdir. Diğer şekillerdeki kontrol spesifikasyonları GMEC problemi şekline dönüştürülebilir. Kontrol spesifikasyonlarının bir gözeticinin tasarım ve çalışma fazlarında değişmediği kabul edilir. Fakat pratikte kontrol gereksinimleri bir gözeticinin çalışma fazı esnasında değişebilir. Örneğin, bir takım tezgâhının bozulması veya müşteri siparişinin değişmesi gibi sebeplerle kontrol spesifikasyonları değişebilir. Dinamik kontrol spesifikasyonları bulunan bir FMS’te kördüğüm kontrol problemi için şu ana kadar literatürde hiçbir çalışma rapor edilmemiştir. 6.3. Yapısal Karmaşıklığı Azaltma Petri ağı temelli FMS’te kördüğüm önleme çalışmaları kapsamında ortaya koyulan sonuçların tamamı için genellikle 3 temel problem karşımıza çıkmaktadır [25]:

Davranışsal özgürlük (behavioral permissiveness), Yapısal karmaşıklık (structural complexity), Hesaplama karmaşıklığı (computational complexity).

Bu problemler bazı Petri ağı alt sınıfları için çözülmüştür. Örneğin [26]’da maksimum müsaade edici gözetici tasarımı için etkin bir yöntem geliştirilmiştir. Fakat buna rağmen hesaplama karmaşıklığı [26]’da halen çözülmesi gereken bir problem olarak durmaktadır. Ayrıca bu yöntem gereksiz monitörleri otomatik olarak bulup ayıklama işlemi yapamadığı için yapısal karmaşıklığa da çözüm gerektirememektedir. Görüleceği gibi bir taraftan kazanım sağlanırken diğer taraftan ödün verilmektedir. Ayrıca yapısal karmaşıklıktan bahsedilince bu sadece mevcut monitör sayısının artması olarak değerlendirilmemelidir. Öte yandan monitörlerin sıradan veya genel monitörler olması da yapısal karmaşıklığa etki eden önemli faktörlerdir. Bunlardan birincisi olan sıradan monitör, giriş ve çıkış oklarının ağırlığı 1 olan monitörlerdir. İkincisi olan genel monitörlerde ise monitörün giriş ve/veya çıkış oklarının ağırlığı 1’den fazla olabilir. Görüleceği gibi

aynı sayıda iki grup monitör arasında sıradan bir monitör ile genel bir monitör arasında bile yapısal karmaşıklık anlamında farklılıklar olabilmektedir. Buna göre optimal veya optimale yakın yöntemler için yapısal karmaşıklığı önleyici ve/veya azaltıcı yöntemler geliştirilmesi çok önem arz etmektedir. 6.4. Hesaplama Karmaşıklığını Azaltma Bir önceki kısımda ifade edildiği gibi yapısal karmaşıklığı azaltma çalışmaları yanında kördüğüm önleme amacıyla kullanılan yöntemlerde hesaplama karmaşıklığının da azaltılması önemli bir konudur. Burada özellikle ulaşılabilirlik grafı kullanılarak optimal (maksimum müsaade edici) veya optimale yakın çözüm üretilen yöntemler üzerinde yapılacak olan çalışmalar çok daha önemli olarak değerlendirilmektedir. Çünkü [26]’da yapılan çalışmadan görüldüğü gibi daha önceleri ulaşılabilirlik grafı kullanılarak geliştirilen yöntemlerin özellikle hesaplama karmaşıklığı olmasından dolayı içerisinde çok fazla durum bulunan pratik sistemlere uygulanmasının zor olduğu ifade edilmekteydi. Fakat [26]’daki çalışmadan görüldüğü üzere ulaşılabilirlik grafı kullanılarak geliştirilen optimal bir yöntem 140 milyondan fazla durum içeren büyük ölçekli bir sisteme 53 tane monitör yardımıyla uygulanabilmiştir. Buna göre [26]’da önerilen çalışma da dahil olmak üzere Petri ağı temelli FMS’te kördüğüm önleme amacıyla optimal veya optimale yakın mevcut yöntemlerin hesaplama karmaşıklığının azaltılması konusunda yapılacak yeni çalışmalara ihtiyaç vardır. 6.5. En İyi (best) Müsaade Edici Canlılık Uygulayıcı Petri Ağları Önceki kısımlardaki değerlendirmelerde ifade edildiği gibi bazı durumlarda FMS’te kördüğüm önleme çalışmalarında monitörler kullanılarak optimal Petri ağı temelli çözümler mevcut olmamaktadır. Bu tür problemler optimal çözümün bulunması yerine en iyi (best) müsaade edici canlılık uygulayıcı Petri ağı gözeticisinin (best permissive liveness-enforcing Petri net supervisor) bulunması [1] problemine dönüşmektedir. Bu bağlamda bu konu da yeni bir çalışma alanı olarak literatürdeki yerini almış bulunmaktadır. 6.6. Kontrol Edilemez ve Gözlemlenemez Geçişler Bir sistemde kontrol edilemez ve gözlemlenemez olaylar bulunabilir. Benzer şekilde bu tür olayların varlığını bir FMS’in Petri ağı modelinde de dikkate almak gerçekçi ve pratiktir. RW teorisinde [7] kontrol edilemez ve gözlemlenemez olaylar yeterli derecede dikkate alınmaktadır. Fakat Petri ağını kullanan araştırmacılar bir FMS için kördüğüm önleme prensibi geliştirdiklerinde genellikle tüm geçişlerin kontrol edilebilir ve gözlemlenebilir olduğunu varsayarlar. Kontrol edilemez ve gözlemlenemez geçişlerin varlığı dikkate alındığında mevcut tüm kördüğüm önleme prensiplerinin pek çoğu tekrardan düzenlenmek ve belki de tekrardan araştırılmak zorundadır.

7. Sonuçlar

Bu çalışmada, esnek üretim sistemlerinde oluşan kördüğüm problemi tanıtılmıştır. Kördüğüm problemi esnek üretim sistemlerindeki robot, makine gibi paylaşılan kaynaklar sebebiyle oluşmaktadır. Temel bir kördüğüm problemi iki


447

makine ve bir robottan oluşan örnek üretim sistemi üzerinde gösterilmiştir. Literatürde var olan ve halen üzerinde çalışılan kördüğüm çözüm stratejileri tanıtılarak literatürde halen çözüm bekleyen mevcut problemler irdelenmiştir.

Teşekkür

Bu çalışma, 1112M229 kodlu “Esnek Üretim Sistemlerinde Petri Ağları Temelli Kördüğüm Önleme için Yeni Yöntemler Geliştirilmesi Üzerine Teorik Çalışmalar” adlı TÜBİTAK –EVRENA projesi kapsamında desteklenmiştir.

Kaynakça

[1] Li Z. W., Wu N.Q., and Zhou M. C., “Deadlock Control for Automated Manufacturing Systems Based on Petri Nets - A Literature Review”, IEEE Transactions on Systems, Man, and Cybernetics, Part C- Applications and Reviews, Vol: 42, No:4, pp:437-462, 2012.

[2] Basnet C. and MIZE J.H., “Scheduling and control of flexible manufacturing systems: a critical review”, International Journal of Computer Integrated Manufacturing, Vol:7, No:6, pp:340-355, 1994.

[3] Dupond-Gatelmand C., “A survey of flexible manufacturing systems”, Journal of Manufacturing Systems, vol.1, no.1, pp.1-15, 1982.

[4] Charr J., Teichroew D., and Volz R., “Developing manufacturing control software: A survey and critique”, International Journal of Flexible Manufacturing Systems, vol.5, no.1, pp.53-88, 1993.

[5] Cofman E.G., Elphick M. J., and Shoshani A., “Systems deadlocks”, ACM Computing Surveys, vol.3, no.2, pp.66-78, 1971.

[6] Fanti M.P. and Zhou M.C., “Deadlock control methods in automated manufacturing systems”, IEEE Transactions on Systems, Man, and Cybernetics, Part A: Systems and Humans,, vol.34, no.1, pp.5-22, 2004.

[7] Ramadge P.J. and Wonham W.M., “The control of discrete event systems”, Proceedings of the IEEE, vol.77, no.1, pp.81-89, 1989

[8] Lawley M.A., Reveliotis S.A., and Ferreira P.M., “Design guidelines for deadlock handling strategies in flexible manufacturing systems”, International Journal of Flexible Manufacturing Systems, vol.9, no.1, pp.5-30, 1997.

[9] Lawley M.A., Reveliotis S.A., and Ferreira P.M., “A correct and scalable deadlock avoidance policy for flexible manufacturing systems”, IEEE Transactions on Robotics and Automation, vol.14, no.5, pp.796-809, 1998.

[10] Lawley M.A., “Integrating flexible routing and algebraic deadlock avoidance policies in automated manufacturing systems”, International Journal of Production Research, vol.38, no.13, pp.2931-2950, 2000

[11] Lawley M.A. and Reveliotis S.A., “Deadlock avoidance for sequential resource allocation systems: Hard and easy cases”, International Journal of Flexible Manufacturing Systems, vol.13, no.4, pp.385-404, 2001

[12] Yalçın A. and BOUCHER T.O., “Deadlock avoidance in flexible manufacturing systems using finite automata”,

IEEE Transactions on Robotics and Automation, vol.16, no.4, pp.424-429, 2000.

[13] Reveliotis S.A., Lawley M.A., and Ferreira P.M., “Polynomial-complexity deadlock avoidance policies for sequential resource allocation systems”, IEEE Transactions on Automatic Control, vol.42, no.10, pp.1344-1357, 1997.

[14] Park J. and Reveliotis S.A., “Deadlock avoidance in sequential resource allocation systems with multiple resource acquisitions and flexible routings”, IEEE Transactions on Automatic Control, vol.46, no.10, pp.1572-1583, 2001.

[15] Uzam M., “An optimal deadlock prevention policy for flexible manufacturing systems using Petri net models with resources and the theory of regions”, International Journal of Advanced Manufacturing Technology, vol.19, no.3, pp. 192-208, 2002.

[16] http://en.wikipedia.org/wiki/Ostrich algorithm, 2011.

[17] Singhal M., “Deadlock detection in distributed systems”, IEEE Computer, vol.22, no.11, pp.37-48, Nov. 1989.

[18] Viswanadham N., Narahari Y., and T. Johnson, “Deadlock prevention and deadlock avoidance in flexible manufacturing systems using Petri net models”, IEEE Transactions on Robotics and Automation, vol.6, no.6, pp. 713-723, 1990.

[19] Viswanadham N., Narahari Y., Performance Modelling of Automated Manufacturing Systems Englewood Cliffs, NJ: Pretence Hall, 1992.

[20] Basile F., Chiacchio P., Giua A., and Seatzu C., “Deadlock recovery of Petri net models controlled using observers”, Proc. of the IEEE Symposium on Emerging Technologies and Factory Automation, vol. 2, 2001, pp.441-449

[21] Ezpelata J., Tricas F., Garcia-Valles F., and Colom J.M., “A banker's solution for deadlock avoidance in FMS with flexible routing and multiresource states”, IEEE Transactions on Robotics and Automaton, vol.18, no.4, pp. 621-625, 2002.

[22] Ezpelata J. and Recalde L., “A deadlock avoidance approach for non-sequential resource allocation systems”, IEEE Transactions on Systems, Man, and Cybernetics, Part A: Systems and Humans, vol.34, no.1, pp.93-101, 2004

[23] Wu N.Q. and Zhou M.C., “Shortest routing of bi-directional automated guided vehicles avoiding deadlock and blocking”, IEEE/ASME Transactions on Mechatronics, vol.12, no.1, pp. 63-72, 2007.

[24] Wu N.Q. and Zhou M.C., “Deadlock resolution in automated manufacturing systems with robots”, IEEE Transactions on Automation Science and Engineering, vol.4, no.3, pp. 474-480, 2007.

[25] Li Z.W. and Zhou M.C., Deadlock Resolution in Automated Manufacturing Systems: A Novel Petri Net Approach, Springer, 2009.

[26] Chen Y.F., Li Z. W., Khalgui M., and Mosbahi O., “Design of a maximally permissive liveness-enforcing Petri net supervisor for flexible manufacturing systems”, IEEE Transactions on Automation Science and Engineering, vol. 8, Iss. 2, pp. 374-393, 2011.


448

ÇİFT-AĞAÇ KARMAŞIK DALGACIK DÖNÜŞÜMÜ’NÜN GERÇEK-ZAMANLI GERÇEKLEŞTİRİMİ

Ferhat Canbay 1, Görkem Serbes 2, Sezer Gören3, Nizamettin Aydın1 1Bilgisayar Mühendisliği Bölümü

Yıldız Teknik Üniversitesi [email protected]

[email protected] 2Biyomedikal Mühendisliği Bölümü

Bahçeşehir Üniversitesi Biyomedikal Mühendisliği Enstitüsü

Boğaziçi Üniversitesi [email protected]

3Bilgisayar Mühendisliği Bölümü Yeditepe Üniversitesi [email protected]

ÖZETÇE Ayrık dalgacık dönüşümü, elektroensefalogram işaretleri, sinirsel iğnecik işaretleri ve pulmoner işaretler gibi birçok biyomedikal işaretin işlenmesi esnasında, öz-nitelik çıkarımı ve gürültü giderimi amacıyla, kullanılmaktadır. Çift ağaç karmaşık dalgacık dönüşümü (ÇAKDD) ise, ayrık dalgacık dönüşümünün yetersiz kaldığı işaretlerdeki faz kayması problemini çözmek amacıyla tasarlanmış yeni bir dönüşümdür ve biyomedikal işaretlerin işlenmesinde daha iyi sonuçlar verdiği literatürde gösterilmiştir. Günümüzde, biyomedikal işaretler, gelişmiş bilgisayar sistemleri ile gerçek-zamanlı olarak işlenmekte ve çeşitli hastalıkların teşhisinde kullanılmaktadırlar. Bu bildiride ÇAKDD’nin gerçek-zamanlı bir sistemde tasarlanması için bir ön çalışma yapılmıştır. Çalışmada ÇAKDD algoritması C programlama dilinde masaüstü bilgisayar ve 18F452 model PIC üzerinde koşturulmuş ve zaman karşılaştırılmaları yapılmıştır. Ayrıca, Mathwork firmasına ait model-tabanlı tasarım programı Simulink kullanılarak algoritmanın alanda programlanabilir kapı dizileri tasarımı yapılmış ve donanımsal gereklilikleri ortaya konulmuştur.

1. GİRİŞ Biyomedikal işaretler, fizyolojik sistemlerin çalışmasının anlaşılmasında ve bu sistemlerdeki bozuklukların teşhisinde kullanılabilecek bilgiler vermektedirler. Biyomedikal işaretlerin yapısına bakıldığında, fizyolojik sistemlerin zamanla-değişen çalışma mekanizmalarından dolayı, durağan olmayan niteliktedirler [1]. Klasik Fourier dönüşümü (FD) uygulandığı işaretleri durağan kabul edip, onlar hakkında zaman bilgisi vermemektedir. Bu sebepten zamanla-değişen biyomedikal işaretlerin işlenmesi için FD uygun değildir. Kısa zamanlı FD (KZFD) ise uygulandığı işareti pencereler kullanarak ufak parçalara ayırmakta ve bu pencereler altında kalan kısımlara FD uygulamaktadır. Bu sayede sıklık bilgisine ek olarak zaman bilgisi de elde edilmektedir fakat kullanılan

pencerelerin genişliği sabit olduğu için KZFD’de zaman çözünürlüğü ve sıklık çözünürlüğü analiz boyunca sabittir. Biyomedikal işaretlere bakıldığında ise bazı bölümlerinde salınımlı işaret parçaları bulunurken, bazı bölümlerinde ise ani-değişen işaret parçaları bulunabilir. Bu sebepten, biyomedikal işaretleri işleme esnasında sıklık-zaman çözünürlüğü ayarlanabilir bir dönüşüme gereksinim duyulur. Sürekli dalgacık dönüşümü, ölçek-zaman uzayında, salınımlı işaretler parçaları için iyi sıklık-çözünürlüğü ve aynı zamanda ani-değişen işaretler parçaları için iyi zaman-çözünürlüğü sağlayabilmektedir [2]. Bu nedenle biyomedikal işaretlerin işlenmesinde sürekli dalgacık dönüşümü kullanılmaktadır. Ayrık dalgacık dönüşümü (ADD) ise sürekli dalgacık dönüşümünü daha hızlı uygulayabilmek için önerilmiş bir algoritmadır. Bu algoritmada sıklık ve zaman çözünürlükleri dyadik (2’nin katı) olarak değişmektedir. ADD biyomedikal işaretlerin işlenmesinde, öz-nitelik çıkarımında ve gürültü giderimi basamaklarında, sıklıkla kullanılmaktadır [3]. Fakat ADD’nin, giriş işaretlerindeki faz kaymalarına karşı aşırı duyarlılık olarak adlandırılan önemli bir eksikliği bulunmaktadır. ADD ile analiz yaparken, ara basamaklarda elde edilen katsayılar giriş işaretlerindeki faz kaymalarından aşırı etkilenmektedirler ve bundan dolayı bu işaretlerdeki bozuklukları tespit etmek amacıyla dalgacık katsayılarını kullanan herhangi bir makine öğrenmesi algoritmasının olumsuz yönde etkilenmesi kaçınılmazdır. Bu olumsuz durumun üstesinden gelmek için, ayrık dalgacık dönüşümünün yeni bir gerçekleştirimi olan çift-ağaç karmaşık dalgacık dönüşümü (ÇAKDD) kullanılabilir [4]. ÇAKDD bu özellikleri sağlarken artıklık olarak ise d boyut olmak üzere 2d’lik bir artıklığa sahiptir. ÇAKDD daha önce embolik işaretleri ve akciğer işaretlerini işlemede kullanılmış ve ADD’ye göre daha başarılı sonuçlar elde edilmiştir [5]. Biyomedikal işaretlerin işlenmesinde gerçek-zamanlı ve taşınabilir sistemlerin kullanılması önemlidir çünkü bu sistemler hastanelerde kısıtlı sürede birçok hastaya uygulanabilmeli ve ivedilikle sonuçların alınabilmesi gerekmektedir. Ayrıca günümüzde elektroensefalogram (EEG) işaretleri, sinirsel iğnecik işaretleri ve pulmoner


449

işaretler gibi biyomedikal işaretleri kullanan sistemler çok kanallı veri girişine sahiptirler (EEG’de 128 kanal [6], sinirsel iğnecik işaretlerinde 94 kanal [7] ve pulmoner işaretlerde 14 kanal [8]), dolayısıyla bu çok kanallı işaretlerin ÇAKDD ile analiz edebilen sistemlerin gerçek-zamanlı ve taşınabilir olması gerekmektedir. Bu gereksinimlerden dolayı bu çalışmada, ÇAKDD algoritmasının gerçek-zamanlı uygulanması için bir ön-çalışma yapılmıştır. Öncelikle, C programlama dili kullanılarak, algoritma Intel i7 1.6 GHZ işlemcili, 4GB belleğe sahip masaüstü bilgisayar ve 18F452 model PIC üzerinde koşturulmuş ve zaman karşılaştırılmaları yapılmıştır. Ayrıca, Mathwork firmasına ait model-tabanlı tasarım programı Simulink kullanılarak algoritmanın alanda programlanabilir kapı dizileri (FPGA) tasarımı yapılmış ve donanımsal gereklilikleri ortaya konulmuştur.

2. YÖNTEM 2.1. Çift-ağaç karmaşık dalgacık dönüşümü

ÇAKDD, ADD’nin yetersiz kaldığı işaretlerdeki faz kayması problemini çözmek amacıyla tasarlanmıştır [4]. Bu problemi çözmek için, ÇAKDD içersinde iki tane gerçel ADD bulundurmaktadır. ADD dönüşümlerinin ilki dönüşümün gerçel kısmını, ikinci ADD ise dönüşümün sanal kısmını temsil etmektedir. Analiz ve sentez kısımlarında ADD’de olduğu gibi birbirini takip eden gerçel süzgeç bankları artarda uygulanmaktadır. Hem analiz hem de sentez kısımlarında kullanılan süzgeçler birbirleriyle ilişkilendirilmişlerdir ve dönüşüm bütün olarak ele alındığında yaklaşık olarak analitiktir.

2.2. ÇAKDD’nin gerçek-zamanlı uygulanma gerekliliği

ÇAKDD vb. sinyal işleme algoritmalarının donanımsal ya da gerçek zamanlı olarak gerçeklenmesine çeşitli sebeplerden ötürü ihtiyaç duyulmaktadır. Bunların en başında işaret işleme algoritmalarının birçok elektronik cihazda kullanılması yatmaktadır. Medikal, haberleşme vb. alanlarda işaret işleyen cihazlar kullanılır ve bu cihazlar gömülü sistemler veya mikroişlemciler ile geliştirilir. Bu tür sistemlerde cihazın büyüklüğü, maliyeti ve hızı en büyük kısıtlar olmaktadır. Küçük ve taşınabilir olması gereken bir cihaz ihtiyacı bulunması durumunda bilgisayarların kullanımı uygun düşmemektedir. Ayrıca çok düşük maliyetlerle gerçekleştirilebilecek bir cihaz yerine kat kat maliyetli bir bilgisayarı kullanmak verimli olmamaktadır. Bunların dışında bazı cihazların çok hızlı çalışması gerekmektedir. Böyle durumlarda özel tasarlanmış yongaların kullanılması gerekmektedir ki bahsedilen senaryodaki hız problemi gelen verinin hızından kaynaklı olabilir ya da paralel gelen girdilerin aynı anda işlenmesi gerekliliğinden de kaynaklanabilir. Günümüz bilgisayarlarında kullanılan işlemciler genel amaçlı olup birden çok çekirdeğe sahip olsalar bile yazılan programda kullanılan algoritmanın paralel çalışmaya uygun olması ve bunu da gerçekleyecek olan kişinin çok iyi yapması gerekir. Böyle bir durumda en iyi ihtimalde dahi işlemcinin çekirdek sayısına bağlı kalınmaktadır. Burada unutulmaması gereken bir nokta da gerçekleştirilmeye çalışılan algoritma için gereken işlem sayısı ne kadar düşükse bilgisayarın gerçek-zamanlı olarak kullanılabilmesi o kadar mümkün olmaktadır.

2.3. C dili ile masaüstünde uygulama

ÇAKDD ve ters ÇAKDD yöntemlerinin C programlama dili ile gerçeklemesi kayan-nokta ve sabit-nokta formatı kullanılarak yapılmıştır. Yöntem uygulanırken, öncelikle veriler alınıp diziye kaydedildikten sonra dizi üzerinde filtre katsayıları Şekil 1’de görüldüğü gibi kaydırılarak FIR süzgeç yöntemi uygulanmıştır. Test sırasında 1600 adet 4096 noktalık çerçeve girdi verisi programa off-line olarak beslenerek sonuçlar doğru bir şekilde elde edilmiştir. Yapılan testin sonucunda 1 saniyelik bir zaman elde edilmiştir. Bu sonuç her hangi bir kişisel bilgisayarda yaklaşık 6,4 MHz frekansta programın gerçek zamanlı olarak kullanılabileceğini göstermektedir. Ancak burada yapılan ölçüm yalnızca ÇAKDD algoritmasının çalışma hızıdır. Gelen verilerin alımı ve elde edilen sonuçların yazılması gibi işlemler de hesaba katıldığında hızın düşeceği aşikârdır. Çalışmada bu durumla ilgili yapılan testlerde verinin dosyadan okunup tekrar dosyaya yazılması gibi bir işlem yapıldığı takdirde hızın 16 kat düştüğü görülmüştür. Bunun temelinde ise işlemci ve çevre birimler arasındaki hız farkı yatmaktadır. Kayan-nokta ve sabit-nokta formatlarının karşılaştırılması için yapılmış testlerde ise sabit-nokta formatının yaklaşık olarak %30 daha verimli olduğu görülmüştür. IEEE formatı da denilen kayan-nokta formatında elde edilen sonuçlar daha hassas olmasına rağmen aritmetik işlemlerin bu formatta gerçekleştirilmesi daha zordur. Özellikle donanım tasarımında, alan büyüklüğü ve gerçekleme zorluğu gibi problemlere sebep olmaktadır. Tamsayı formatı ismi de verilen sabit-noktada ise işlemler tamsayı aritmetiği ile yapıldığı için işlemlerin gerçekleştirilmesi ve donanım tasarımı daha kolay olmaktadır. Çok yüksek hassasiyete ihtiyaç duyulmayan problemlerin çözümünde gayet verimli bir formattır. İşaret işleme alanında çok sıklıkla kullanılmaktadır.

Şekil 1. ÇAKKD’nin C programlama dili gerçeklenmesi sırasında kullanılan yöntem

2.4. C dili ile PIC üzerinde uygulama

ÇAKDD’nün PIC üzerinde gerçeklenmesi, bilgisayar üzerinde çalıştırılan, C ile yazılmış, bir önceki bölümde bahsi geçen programa ait algoritma ile mümkün olmamaktadır. Bunun başlıca sebebi PIC’in kısıtlı kaynağa, özellikle bellek açısından, sahip bir cihaz olmasıdır. Bellek kısıtı probleminin üstesinden gelebilmek için yalnızca, işlenmek üzere süzgeçlere gelen son 10 (Süzgeç, 10-tap olduğu için) veri hafızada tutulmuştur. Süzgeçlere her veri gelişinde de bir sonuç üretilmiştir. Bir önceki bölümde anlatılan yöntemde ise bütün veriler alındıktan sonra işlemler yapılmıştır. Kullanılan yöntem sayesinde yaklaşık [(Kullanılan Süzgeç Sayısı)*10+(Süzgeç Katsayıları)]*8B+(Programda kullanılan değişkenler vs.) kadar bir hafıza kullanılmıştır. Şekil 2’de


450

ÇAKKD’nin PIC üzerinde gerçeklenirken kullanılan algoritması görülebilir.

Şekil 2. ÇAKKD’nin PIC üzerinde gerçeklenirken kullanılan yöntem.

Testler, PIC 18F452 model ile hem kayan-noktalı hem de sabit noktalı olarak yapılmış olup sabit-nokta kullanımı kayan noktaya göre yaklaşık %35 daha iyi bir sonuç vermiştir. Ancak sabit nokta da dahi 10000 karmaşık sayı verisini 19.6sn.’de işleyebilmiştir. Sonuçlar, gerçek zamanlı olarak bu PIC 18F452 modelinde 500hz’in üzerindeki sıklıklar için gerçek-zamanlı olarak çalışılamayacağını göstermiştir. Çözüm için daha gelişmiş bir modelin kullanılması gerekmektedir.

2.5. SystemGenerator üzerinde uygulama

SystemGenerator, Xilinx firması tarafından geliştirilmiş, Mathwork firmasına ait model-tabanlı tasarım programı Simulink’te FPGA tasarımına olanak sağlayan bir sayısal işaret işleme aracıdır. SystemGenerator’da tasarım yapabilmek için daha önceden her hangi bir FPGA veya yazmaç transfer seviyesinde (RTL) tasarım metodolojisi deneyimine sahip olmaya gerek yoktur. Yapılan modeller, Simulink modelleme ortamında tutulur. FPGA programlama dosyasının oluşturulması için gerekli olan tüm geliştirme aşamaları otomatik olarak gerçekleştirilir [9]. Yapılan çalışmada, ayrık dalgacık dönüşümünün yalnızca gerçek ağacı için modelleme yapılarak test edilmiştir. Sistem sabit nokta formatıyla tasarlanmış olup hız verimliliği ön plandadır. Bilindiği üzere sabit nokta formatı kullanmak, sinyal işleme gibi toplama ve çıkarma işlemlerinin çokça kullanıldığı sistemlerde donanımsal ve zamansal açıdan çok büyük bir verimlilik sağlamaktadır. Çalışmada daha önceden yazılım ortamında kullanılan girdiler dosyadan okutularak modele beslenmesi ve ardından tekrar bir dosyaya yazılması şeklinde bir yöntem izlenmiştir. Bahsi geçen işlemlerin yapılabilmesi için ilk başta yapılması gereken “System Generator” simgesini modele eklemektir. Bu simge her modelde olması zorunlu bir elemandır. Dosyadan okuma işlemi için Simulink kütüphanesinden “Sources” seçeneği tıklanarak açılan simgelerden “From File” simgesinin modele eklenmesi gerekir. Okunacak olan dosyanın “.mat” uzantılı bir matfile dosyası olması zorunludur. Buna ek olarak dosyanın

ilk satırında zaman bilgisi, ikinci satırında ise veriler sırası ile kayıtlı olmalıdır. Birinci satırda zaman bilgisi olduğu için artan bir düzene sahip olması gerekmektedir, ilgili format Şekil 3’de görülebilir.

Şekil 3. Zaman bilgisi düzeni.

Dosyadan okunan verilerin Xilinx modülleri tarafından okunabilmesi için verilerin “Gateway In” bloğundan geçmesi gerekir. Bu modülde ise gelen verinin bit genişliği formatı gibi bir takım düzenlemeler yapılarak girdinin sisteme düzgün bir şekilde geçişi sağlanır. Modelde kullanılan en önemli modüller ise “FIR Compiler” modülleridir. Bu modüllerde FIR filtreleme işlemleri için gerekli süzgeç katsayıları, giriş ve çıkış bit genişlikleri, donanımda kullanılacak mimariler vs. gibi tüm ayarlamalar yapılabilir. Modelde süzgeç çıkışlarına altörnekleme modülleri konulmuştur. Altörnekleme modüllerinde örnekleme oranı belirlenerek istenilen oran sağlanabilir. Modelin çıkışlarından önce veri yolunun “Gateway Out” modülünden geçmesi gerekmektedir. Test sonuçlarının beklenen sonuçlarla uyumlu olmasını takiben donanım gerçeklenmesi aşamasına geçilmiştir. Fakat SystemGenerator programının üretmiş olduğu tasarım, alan açısından istenilen verimi sağlamamıştır. Tasarım, deneylerimiz sırasında kullanmış olduğumuz Xilinx Spartan-6 board’una sığmamıştır. Yapılan denemeler sonucunda ancak bir alçak veya yüksek geçiren süzgeç modülü Spartan-6 board’una sığmıştır. Tasarımının tamamı ancak daha gelişmiş bir board kullanımı ile mümkün görünmektedir. Tasarlanan model Şekil 4’de görülebilir.

3. SONUÇLAR

Şu ana kadar yapılan çalışmaların ışığında, hız ve donanımsal gerçeklemelerde kapladığı yer itibariyle sabit-nokta aritmetiğinin daha verimli olduğu görülmüştür. İkinci olarak, bilgisayar ortamında ve mikrodenetleyici ortamında yapılan hız testlerinde gerçek zamanlı olarak yapılabilecek olan işlemlerin çok yüksek sıklıkta olamayacağı görülmüştür. Bu tür ortamlarda belirli sıklıklarda veri akışına sahip sistemlerin yürütülebileceği görülmüştür. Ancak yüksek sıklıklı veya çok miktarda paralel girdiye sahip sistemlerde gerçek zamanlı olarak çalışılabilinmesi için paralel çalışma imkânına sahip olan FPGA ortamına ihtiyaç duyulduğu görülmüştür. Bundan sonraki çalışmada alan verimliği ön planda olan yüksek miktarda paralel girdiyi işleyebilen FPGA tabanlı bir sistemin ortaya konması hedeflenmektedir.


451

Şekil 4. ÇAKDD’nin SystemGenerator üzerinde gerçekleştirimi.

4. KAYNAKÇA [1] L. Faes, K.H. Chon, ve G. Nollo, A Method for the

Time-Varying Nonlinear Prediction of Complex Nonstationary Biomedical Signals, IEEE Transactions On Biomedical Engineering, Cilt: 56, No: 2, 2009.

[2] M. Akay, Wavelet Applications in Medicine, IEEE Spectrum, Cilt. 34, No: 5, s:50-36, 1997.

[3] N. Aydin, F Marvasti, H. S Markus, "Embolic Doppler ultrasound signal detection using discrete wavelet transform ". IEEE Trans Inf. Tech Biomed. Cilt: 8, No: 2, s: 182-190,2004.

[4] 1.W. Selesnick, R.G Baraniuk ve N.G Kingsbury, -The dual-tree complex wavelet transform, IEEE Signal Process. Mag. Cilt: 22, No: 6, s:.123-151, 2005.

[5] G. Serbes, N. Aydin, Denoising embolic Doppler ultrasound signals using Dual Tree Complex Discrete Wavelet Transform, Engineering in Medicine and Biology Society (EMBC), 2010 Annual International Conference of the IEEE, s: 1840 – 1843, 2010.

[6] B. Benjamin, G. Dornhege, M. Krauledat, K. Müller, V.

Kunzmann, F. Losch, G. Curio, The Berlin Brain–Computer Interface: EEG-Based Communication Without Subject Training, IEEE TRANSACTIONS ON NEURAL SYSTEMS AND REHABILITATION ENGINEERING, Cilt: 14, No: 2, s: 147-152, 2006.

[7] M.W. Oram, N.G. Hatsopoulos, B.J. Richmond, ve J.P. Donoghue, Excess synchrony in motor cortical neurons provides redundant direction information with that from coarse temporal measures., J. Neurophysiol. Cilt: 86, s:1700–1716, 2001.

[8] G. Serbes, C.O. Sakar, Y.P. Kahya, N. Aydin, Pulmonary crackle detection using time–frequency and time–scale analysis, 2012, http://dx.doi.org/10.1016/j.dsp.2012.12.009

[9] http://www.xilinx.com/support/sw_manuals/sysgen_gs.pdf


452

GÜNEŞ TAKİP SİSTEMİ İÇİN DENETLEYİCİ TASARIMI VE

UYGULAMASI

Murat Orhun1, Fatih Onur Hocaoğlu

2, Said Mahmut ÇINAR

3

1Makine Mühendisliği Bölümü

Afyon Kocatepe Üniversitesi, Afyonkarahisar [email protected]

2,3

Elektrik Mühendisliği Bölümü

Afyon Kocatepe Üniversitesi, Afyonkarahisar 2,3

Afyon Kocatepe Üniversitesi Güneş ve

Rüzgar Enerjisi Uyg. ve Araş. Mer.,Afyonkarahisar [email protected]

[email protected]

Özetçe

Güneşten elektrik enerjisi üreten sistemlerin maliyetlerinin

kabul edilebilir sınırlara gerilemesi günümüzde

kullanımlarının oldukça yaygınlaşmasını sağlamıştır.

Ancak bu tür sistemler güneşe sabit bir açıyla

konumlandırılarak kullanıldığında verimleri oldukça

düşüktür. Diğer taraftan panellere güneş ışınlarının sürekli

dik açıyla gelmelerini sağlayacak bir hareket kabiliyeti

kazandırılır ve güneşi sürekli takip etmeleri sağlanır ise

verim önemli ölçüde artmaktadır. Bu çalışmada güneş

takibi için tasarlanmış bir kontrol algoritması tanıtılmıştır.

Kullanılan algoritma Afyon Kocatepe Üniversitesi ANS

Kampüsüne tesis edilmiş olan bir güneş takip sistemi

üzerinde test edilmiş ve Afyonkarahisar şartlarında güneş

takip sisteminin performansı izlenmiştir. Sistemden ölçülen

veriler incelendiğinde kontrol sisteminin verimi önemli

ölçüde arttırdığı anlaşılmaktadır.

1. Giriş

Güneş enerjisinden maksimum verim ile faydalanabilmek

oldukça önemlidir. Bu tür sistemlerden maksimum verimle

faydalanabilmek için güneş ışınlarının güneş panellerinin

yüzeyine dik gelmesi gerekir. Aksi takdirde zaten düşük

olan verimleri daha da düşecektir. Bu nedenle güneş

ışınlarının güneş panellerinin yüzeyine dik gelebilmesi için

güneş takip sistemi ve takip algoritması kullanılmalıdır.

Literatürde farklı bölgeler için gerçekleştirilmiş pek çok

fizibilite çalışması mevcuttur. Aşağıdaki çalışmalar bu tür

çalışmalara örnek olarak verilebilir:

Abdallah ve Nijmeh (2004), PLC kontrollü, iki eksenli

güneş takip sistemi tasarlamışlardır. Kontrol için gün

içerisinde güneşin konumunu dört kez ölçmüşler ve bu

ölçüme göre güneşin hızını tahmin etmişler. Tahmin

ettikleri hız ile sistemi sürekli döndürerek güneşi takip

etmişlerdir. Sistemden elde ettikleri enerjiyi, güney

yönünde 32° eğim açısı ile yerleştirilmiş sabit sistemde

üretilen enerji ile karşılaştırmışlar ve sonucunda hareketli

sistemin sabit sisteme göre yaklaşık % 41 daha fazla enerji

ürettiğini fakat takip etmek için harcadıkları enerjinin

ürettikleri enerjinin %3’ünü geçtiğini belirtmiştir. Abu-

Khader ve ark. (2008), PLC kontrollü iki eksenli güneş

takip sistemi tasarlamışlardır. Güneş takip sistemini gün

içerisinde güneşin konumuna göre dört kez döndürerek

ürettikleri enerji sabit sisteme göre %30 ile %45 arasında

daha fazla olduğunu ve güneşi takip etmek için harcadığı

enerji ürettiği enerjinin %3’ünün altında olduğunu tespit

etmiştir. Bingol ve ark. (2006), mikro işlemci tabanlı güneş

takip sisteminde step motor ve ışık sensörü kullanarak

güneşi takip etmeye yönelik bir çalışma

gerçekleştirmişlerdir. Özçelik ve ark. (2011), bir güneş

panelini kontrol etmek için yeni bir yaklaşım önermişlerdir.

İki eksenli bir sistemin Azimut ve yükseklik açısını

önerdikleri yöntemle değiştirebilmektedir. Bir başka

çalışmada Clifford ve Eastwood pasif bir güneş izleyici

sistemi tasarlamışlardır. Bu sistemin verimi %23

arttırdığını tespit etmişlerdir. Yenilerde yayınlanmış bir

çalışmada Koussa ve arkadaşları farklı gökyüzü durumları

için en iyi güneş izleyici sistemi tespit etmeyi

hedeflemişlerdir. Özel olarak seçtikleri belli günler için

sabit ve hareketli sistemlerin verim artış yüzdelerini tespit

etmişlerdir. Örneğin 1 Mayıs için sabit sisteme göre

hareketli sistemin %36 daha fazla elektrik enerjisi ürettiğini

tespit etmişlerdir (Kaussa ve ark. 2012). Rumala (1986),

servo motor, foto direnç sensörleri ve sinyal işleme devresi

kullanarak gölge yöntemli bir güneş takip sistemi

geliştirmiştir. Sefa ve ark.(2009), Türkiye de yapmış

oldukları çalışmada RS485 haberleşme ara birimi ve mikro

denetleyici kontrollü tek eksenli güneş takip sistemi

tasarlamışlardır. Sistem mekanizmasının basit olması

sayesinde kolay kurulum ve daha az bakım olanağı

sağlayacağını belirtmişlerdir. Demirtaş (2006), bilgisayar

kontrollü iki eksenli güneş takip sistemi tasarlamış ve imal

etmiştir. Sistemin dikey ve yatay hareketini step motor

(adım motoru) ile sağlamıştır. Elde edilen verileri

bilgisayar ortamına kaydedebilmek için ve sistemi

bilgisayar ile kontrol edebilmek için mikro denetleyici


453

kontrollü bir ara birim kullanmıştır. Güneş takip sistemi ile

takip edildiğinde normal gün ışığında 12 Volt, güneşe dik

olduğu zamanlarda 18,5 Volt, güneşi yeterli hassasiyette

takip edemediği veya havanın kapalı olduğu zamanlarda ise

10 Volt civarında gerilim üretmiştir. Hareketli sistemin

üretimlerini sabit sistem ile karşılaştırdığında %35 daha

fazla üretim elde ettiğini savunmuştur. Roth ve ark. (2004),

güneşin konumunu takip etmek için elektromekanik bir

sistem tasarlamış ve Federico Santa Maria (UTFSM)

Teknik Üniversitesi, Güneş Değerlendirme

Laboratuvarında imal etmişlerdir. Platformu iki adet küçük

DC motor ile hareket ettirmişlerdir. Güneş ışınlarını

pyrheliometre ile doğrudan otomatik olarak ölçmüşlerdir.

Bulutlu hava koşulları altında güneş görülmediğinden

kullandıkları bir bilgisayar programı ile güneşin konumunu

hesaplayarak (algılayıcılar tekrar güneşi algılayana kadar)

kontrolü sağlamışlardır. Yapmış oldukları bu çalışmayı

Şili’nin Valparaiso şehrinde denemiş ve oldukça verimli

olduğunu sistemin üzerine yerleştirilen güneş panellerinin

dışında kolektör gibi farklı sistemlerinde kolayca monte

ederek farklı amaçlar içinde kullanılabileceğini

savunmuşlardır. Literatürde birçok güneş takip sistemi

tasarlanmış ve birçok bölge için bu sistemlerin performansı

incelenmiştir. Bu çalışmada ise güneşin önerilen algoritma

ile Afyonkarahisar iklimsel şartlarında izlenmesi

durumunda verim artışının ne oranda gerçekleşeceğin tespit

edilmesi hedeflenmiştir. Bu çalışmada bir proje

kapsamında gerçekleştirilmiş çalışmaların bir bölümü

sunulmuştur. Çalışmada tasarlanan PLC tabanlı sistem ve

arayüz programı özgün olup sistemin uzaktan erişilip

müdahale edilebilirdir.

Bu çalışmada Bölüm 2’de tanıtımı yapılan güneş takip

sistemi üzerinde yine Bölüm 2’de anlatılan kontrol sistemi

ve algoritma kullanılarak ölçülmüş verilere ait grafikler

Bölüm 3’de sunulmuş ve Bölüm 4’de elde edilen sonuçlar

yorumlanmıştır.

2. Materyal ve Metot

2.1. Güneş Takip Sisteminin Tanıtımı

Aşağıda Resim 1’de iki eksen güneş takip sistemi yer

almaktadır. Güneş takip sisteminin hareketi eksen millerine

bağlı redüktörü tahrik eden AC Servo motorlar ile

sağlanmaktadır. Servo motorların ne zaman ve ne kadar

hareket edeceği Bölüm 2.3’de detayları anlatılan kontrol

sistemi ile gerçekleşmektedir.

Resim 1: Güneş takip sistemin genel görünümü.

2.2. PLC Kontrol Ünitesinin Panoya Montajı

PLC kontrol ünitesi bir adet DP20SX2 PLC ana modülü,

dört adet DVP04AD analog giriş modülü, iki adet

DVP04PT PT-100 sıcaklık ölçme modülü ve iki adet

DVP01PU servo kontrol modülü olmak üzere dokuz

modülden oluşmaktadır. Bu modüller Resim 2’de

görüldüğü gibi birbiri ardına PLC ana modülüne akuple

bağlanmıştır. PLC ana modülü ve modüller arasındaki

haberleşme modül bağlantı terminalleri üzerinden

gerçekleştirilmektedir. Ancak modüller arasında besleme

geçişi bulunmadığından tüm modüllerin güç kaynağı ile

bağlantıları harici kablo çekilerek gerçekleştirilmiştir.

Kablo montajlarının ardından PLC kontrol ünitesi

modülleri ile birlikte bir bütün olarak ray üzerine monte edilmiştir (Resim 2).

Resim 2: Güneş takip sistemin genel görünümü.

Panoya montajı yapılan PLC kontrol ünitesinin, ölçme

girişleri (panel sıcaklık sensörleri, panel akım ve

gerilimleri, kuzey, güney, doğu ve batı LDR girişleri,

kuzey-güney ve doğu-batı eksen enkoderleri, doğu-batı

sınır sensörü), kontrol çıkışları (kuzey-güney ve doğu-batı

servo start-stop çıkışları ve kuzey-güney ve doğu-batı servo

motorları sürücüleri için yön ve hız kontrol çıkışları) ve

PLC haberleşme bağlantıları gerçekleştirilmiştir. Sıcaklık

sensörleri, LDR sensörleri ve haberleşme bağlantıları için

blendajlı (shielded) kablolar kullanılmış ve bu kabloların

blendajları toprak hattına bağlanmıştır. Böylece ölçme

sinyallerinde oluşabilecek olası gürültünün önüne

geçilebilmiştir.

2.3. Kurulan Sistemin Devreye Alınması ve Veri

Toplama Çalışmaları


454

Güneş takip sisteminin kontrolünü ve veri toplama

işlemlerini gerçekleştiren yazılım altyapısı temelde iki

kısımdan oluşmaktadır. Yazılımlardan ilki PLC kontrol

ünitesi içine gömülen ve güneş takip algoritmalarının

işletildiği aynı zamanda ölçme işlemlerinin de yerine

getirildiği kontrol programıdır. İkinci yazılım ise sunucu

bilgisayar üzerinde çalışan ve güneş takip sistemi ile

kullanıcı arasında PLC üzerinden iletişim sağlayan arayüz

(interface) programıdır. Bu iki program aşağıda sırasıyla

ayrıntılı olarak sunulmaktadır.

2.3.1 PLC Kontrol Programı

PLC kontrol ünitesi içine gömülen program servo

motorların kontrolünü, güneş panellerinin akım, gerilim,

yüzey sıcaklığı gibi parametrelerinin ölçme işlemlerini

yerine getirmektedir. Güneş takip sisteminde PLC

kullanılmasının sebebi, kontrol ünitesinin ağır işletme

koşullarına maruz kalma durumudur. Örneğin kış aylarında

açık alanda bulunan kontrol ünitesi sıfırın altında 30 derece

soğukta çalışmak zorunda kalabilmektedir. Benzer şekilde

yaz aylarında da 40 derecenin üzerindeki sıcakta çalışması

gerekebilmektedir. PLC’ler endüstriyel şartlarda çalışmaya

uygun imal edildiklerinden hem ağır atmosferik şartlara

hem de uzun süreli kesintisiz çalışmaya imkân

sunmaktadır. PLC güneş takip sisteminin de panelleri

istenilen takip algoritmasına göre güneşe yönlendirmekte

ve sistemden topladığı verileri belirli zaman aralıklarında

(interval) haberleşme portu üzerinden bilgisayara

göndermektedir. Zaman aralıkları dakika olarak belirlenmiş

ve böylelikle çözünürlüğü oldukça yüksek veri ölçümleri

yapılmıştır. Aşağıda PLC kontrol programının tasarlandığı

DELTA firmasının “ISPSoft” isimli program geliştirme ekranı görülmektedir (Resim 3).

Resim 3: Delta PLC için program geliştirme yazılımı.

PLC için tasarlanan programın akış şeması genel hatlarıyla

aşağıda Şekil 1’de görülmektedir. Akış diyagramında

görüldüğü gibi ilk olarak, PLC ile sunucu bilgisayar

arasındaki uzaktan erişimi sağlayan RS-485 haberleşme

hattı ve servo motor sürücü modüllerinin başlangıç ayarları

gerçekleştirilmektedir. Ardından güneş takip sisteminin

analizinde kullanılan parametreler için analog giriş ölçme

süreci yürütülmektedir. Analog ölçme sürecinin

tamamlanmasını takiben PLC içinde bulunan gerçek zaman

saatinden yıl, ay, gün, saat, dakika ve saniye bilgilerinin

okunma işlemi yerine getirilmektedir. Programın buraya

kadar olan kısmı parametre ölçümlerini kapsamaktadır ve

ölçülen parametreler RS-485 haberleşme hattı üzerinden

sunucu bilgisayara gönderilmektedir.

Şekil 1: PLC programı akış diyagramı.

Ölçme işlemlerinin tamamlanmasının ardından ara yüz

programı üzerinde hangi takip algoritmasının seçildiğinin

belirlendiği bir sorgulama yapılmaktadır.

Ara yüz programında farklı takip algoritmalarının seçimine

imkân verilmektedir. Eğer saat başı takip algoritması

seçilmiş ise bir alt program çalıştırılmaktadır. Bu alt

programın işleyişini gösteren akış şeması aşağıda Şekil

2’de verilmiştir. Saat başı algoritması iki şekilde icra

edilebilmektedir. Bunlardan birincisinde; güneşin

konumuna göre hareket edilmekte ve bölgeye ait olan

azimut ve eğim açıların bulunduğu bir dosyadan alınan

verileri kullanarak saat başında bu açı değerlerine uygun

olan bir pozisyona paneller konumlandırılmaktadır.

İkincisinde ise; paneller, güneşin doğuş ve batış

pozisyonları arasında kalan açının eşit aralıklara bölünmesi

ile bulunan açı değeri kadar her saat başında hareket

ettirilmektedir.

Saat başı takip algoritması ikinci seçenekte olduğu gibi icra

edilirse ilk olarak platform güneşin doğuş pozisyonuna

konumlandırılmaktadır. Ardından güneşin doğuş ve batış

konumlarına ilişkin platformun doğu ve batı sınır açıları ile

güneşin doğuş ve batış zamanları belirlenmektedir. Bu

değerler üzerinden saat başı kat edilecek doğu-batı ve

kuzey-güney (yükseklik) eksenindeki açı değeri

hesaplanmaktadır (Denklem 1).

d bS

d bt t

(1)

Burada αS saat başı yönelme açısını, αd güneşin doğuş açısı

ve αb güneşin batış açısını belirtmektedir. td ve tb ise

sırasıyla güneşin doğuş ve batış zamanıdır. Denklemin

paydası gün ışığının mevcut olduğu saat değerini

vermektedir. Bu durumda denklemden [derece/saat]

biriminde saat başına karşılık gelen açı değeri elde

edilmektedir.

Başla

Başlangıç İşlemleri-RS-485 Haberleşme ayarları

-Servo modül ayarları

Analog Giriş İşlemleri-Akım girişleri

-Gerilim girişleri

-Sıcaklık girişleri

-LDR girişleri

-Enkoder girişleri

Gerçek Zaman (RTC) İşlemleri-Yıl, ay ve gün

-Haftanın günü

-Saat, dakika ve saniye

Güneşe otomatik yönelme

alt programı

Yön D-B?

Platformu

doğuya döndür

Platformu

batıya döndür

Doğu Batı

Yön K-G?

Platformu

kuzeye döndür

Platformu

güneye döndür

Kuzey Güney

Gecikme 1s mi? Hayır Evet

Son

Otm. yönelme

seçildi mi?

Evet

Hayır

1

D-B sınırda mı? Hayır

Evet

D-B servo durdur

1

D-B sınırda mı? Hayır

Evet

D-B servo durdur


455

Şekil 2: Saat başı takip algoritması akış şeması.

Saat başı açı değerinin belirlenmesine müteakip PLC den

alınan gerçek zaman saati değerleri üzerinden güneşin

doğuş saati kontrol edilmektedir. Güneş doğmuşsa bu

durumda saat başı zamanı yine gerçek zaman saati değerleri

üzerinden tespit edilmektedir. Saat başı olmuşsa platform

sabit bir hızda doğuya ve kuzey-güney yönünde hareket

ettirilmekte ve saat başı açısı değeri kadar hareket

sağlanmışsa servo motor durdurulmaktadır. Ardından

güneşin batış süresi kontrol edilmekte ve eğer güneş

batmamış ise bir sonraki saat başında aynı işlem

tekrarlanmaktadır. Eğer güneşin batış süresi gelmiş ise

takip durdurulmakta ve platform güneşin doğuş

pozisyonuna getirilerek güneşin doğuş süresi

beklenmektedir.

Elle kontrol algoritması seçilmişse kullanıcının yön

istekleri PLC programına gönderilmektedir. PLC programı

platformu istenilen yönde, elle kontrol için belirlenen sabit

hızda, hareket ettirmektedir. Kontrol sırasında eksen açıları,

haberleşme hata kodları ve diğer sistem parametreleri

izlenebilmektedir.

2.3.2. Sunucu Bilgisayar İçin Arayüz Programı

Güneş takip sistemi ile kullanıcı arasındaki iletişimi

sağlayan arayüz programı; ölçülen parametrelerinin

grafikler ve göstergeler yardımıyla izlenmesi, takip

algoritmalarının seçimi, verilerin toplanıp kaydedilmesi,

güneş takip sisteminin elle kontrolü gibi görevleri yerine

getirmektedir (Resim 4a,4b,4c). Bu ara yüz programı özel

bir firmaya sistem ihtiyaçları doğrultusunda hazırlatılmıştır.

Arayüz programı bir dizüstü bilgisayar üzerinde

çalıştırılmaktadır ve bu bilgisayar için Afyon Kocatepe

Üniversitesi, Bilgi İşlem Merkezi tarafından sabit IP tahsis

edilmiştir. Bu sayede sisteme internet üzerinden uzaktan

erişim sağlanabilmiştir. Resim 4a,4b ve 4c’de görüldüğü

gibi arayüz programı veri izleme göstergelerinin bulunduğu

“Ana Sayfa”, verilerin grafikler üzerinden izlenebildiği

“Grafik” ve güneş takip sisteminin elle kontrol edilebildiği

“Ayarlar” olmak üzere üç sekmeden oluşmaktadır.

Resim 4a: Güneş takip sistemi arayüz programı “Ana

sayfa” sekmelesi.

Resim 4b: Güneş takip sistemi arayüz programı “Grafik”

sekmelesi.

Resim 4c: Güneş takip sistemi arayüz programı “Ayarlar”

sekmelesi.

Program çalıştırıldığında ilk yapılması gereken işlem

sistemin uzaktan kontrolünü sağlayan PLC ile bilgisayar

arasındaki RS-485 haberleşmenin sağlanması için port

Başla

Doğuş ve batış parametreleri-Doğu-batı konumları belirle

-Doğuş ve batış zamanlarını belirle

Son

D-B enkoder > S. açısı?

D-B servo durdur

Evet

Hayır

Saat başı yönelme parametreleri-Saat başı yönelme açısını belirle

-Hareket hızını belirle

Saat başı mı? Hayır

Evet

İlk işlemler-Platformu doğu ilk pozisyonuna getir

Platformu

doğuya döndür

Güneş battı mı? Hayır

Evet

Güneş doğdu mu?

Hayır

Evet


456

seçiminin yapılmasıdır. Port seçiminin ardından “Bağlan”

butonuna basılarak iletişim başlatılmaktadır. İletişimin

başlamasıyla birlikte “Ana Sayfa” sekmesinde panel

akımları, gerilimleri, yüzey sıcaklıkları, PLC tarih ve saati,

dış ve iç ortam sıcaklıkları gibi parametre değerleri

görüntülenmektedir (Resim 4a).

Arayüzün “Grafikler” sekmesinde ise toplanan veriler

grafiksel olarak görülmektedir. Veriler büyütülerek (zoom

yapılarak) yakından incelenebilmektedir. Grafik bileşenleri

sayesinde verilerin günlük, haftalık değişimleri

görülebilmekte ve herhangi bir aksaklık olması durumunda

müdahale etme şansı olabilmektedir (Resim 4b).

Arayüzün “Ayarlar” isimli son sekmesinde güneş takip

sisteminin elle hareket ettirilmesi sağlanabilmektedir. Elle

kontrol seçeneği takip sisteminde gerçekleşecek tamirat ve

bakım çalışmalarında platformun uygun pozisyona

konumlandırılmasında oldukça faydalı olmaktadır. Ayarlar

sekmesinde bu işlem için doğu-batı ve kuzey-güney yön

seçme anahtarları bulunmaktadır. Ayrıca elle kontrol

durumunda sisteme hâkimiyeti artırmak için doğu-batı ve

kuzey-güney enkoder değerleri, doğu, batı, kuzey ve güney

yönü ışık şiddeti değerleri ve PLC modülü hata mesajları

görüntülenmektedir. Böylece kullanıcı elle sistemi kontrol

ederken bu değerleri izlemekte ve kritik bir noktaya

yaklaşılmışsa veya bir hata meydana gelmişse sistemi

durdurabilmektedir (Resim 4c).

Aşağıda arayüz programının akış şeması görülmektedir

(Şekil 3).

Şekil 3: Arayüz programı akış şeması.

Akış şemasında görüldüğü gibi başlangıç ayarlarının

ardından verilerin gösterilme ve kaydedilme işlemleri

gerçekleştirilmektedir. Veri gösterme ve kayıt işlemlerinin

ardından takip algoritmalarının hangisinin seçildiği

sorgulanmakta ve seçime göre uygun algoritma icra

edilmektedir. Tüm bu işlemler 1 saniye aralıklarla

gerçekleştirilmektedir. Ancak verilerin kayıt dosyasına ve

grafik bileşenine yazdırma gecikmesi 1 dakika olarak

belirlenmiştir. Bu çalışmada Şekil-2’de sunulan saat başı

kontrol algoritmasının performansına ait sonuçlar

sunulmuştur.

3. Bulgular

Saat başı takip algoritması monokristal, polikristal ve ince

film teknolojileri ile üretilmiş güneş panelleri için bir yıl

boyunca denenmiştir. Denenen bu paneller içerisinden

monokristal güneş paneline ait dakikalık sıklıklarla

ölçülmüş ve saatlik ortalamaları alınan üretim verilerinin

bir yılık değişimleri günlük olarak aşağıda sunulmuştur.

Şekil 4: Hareketli monokristal güneş panelinin 1 yıllık

üretimi.

Şekil 5: Sabit monokristal güneş panelinin 1 yıllık

üretimi.

Tablo 1: Monokristal güneş panellerinin 1yıllık

üretimleri.

Aylar TOPLAM ÜRETİMLER

Hareketli Monokristal Sabit Monokristal

Ocak 3332 3049

Şubat 5113 4361

Mart 6548 5337

Nisan 9105 6844

Mayıs 7689 5686

Haziran 11167 7953

Temmuz 11155 8404

Ağustos 11832 8032

Eylül 11801 8020

Ekim 8369 6289

Kasım 4152 2951

Başla

Başlangıç İşlemleri-RS-485 haberleşme için port seçimi

-Göstergelerin reset işlemleri

Verilerin gösterilmesi-Panel parametreleri

-Tarih ve saat

-Eksenlerin açı değerleri

-Hata mesajları

Verilerin kaydedilmesi-Grafik bileşenine

-Veri dosyasına

Gecikme 1s mi? Hayır Evet

Son

Elle kontrol

seçilmiş mi?

Evet

Hayır

Saat başı kontrol alt

programıSaat başı kontrol

seçilmiş mi?

Evet

Hayır

Güneş açılarına göre

kontrol alt programı

Güneş açıları

kon. seçilmiş mi?

Evet

Hayır

Yön seçimini PLC programına

gönder

LDR ile kontrol

seçilmiş mi?

Evet

Hayır

Seçimi PLC programına

gönder

0 50 100 150 200 250 300 3500

100

200

300

400

500

600

Zaman (Gün)

Enerji (W

h)

0 50 100 150 200 250 300 3500

50

100

150

200

250

300

350

400

Zaman (Gün)

Enerji (W

h)


457

Aralık 3651 3053

Toplam 93913 69980

Yukarıdaki grafiklerden ve tablodan da anlaşılacağı üzere

güneş panelinin güneşi takip etmesi durumunda

üretimlerinin önemli ölçüde arttığı anlaşılmaktadır. Ayrıca

güneşi takip edilmesi durumunda yaz aylarında ki üretimin

sabit sisteme göre diğer aylara nazaran daha fazla arttığı

görülmektedir.

4. Sonuçlar

Bu çalışmada servo motor kullanan iki eksende güneşi

takip edebilen uzaktan erişimli PLC tabanlı bir güneş takip

sistemi tanıtılmıştır. Sistemin performansı Afyonkarahisar

şartlarında izlenmiştir. Güneş takip sistemi ve takip

algoritması kullanılması durumunda hareketli monokristal

güneş panelinin sabit güneş paneline göre %34,2 daha fazla elektrik enerjisi üretimi yaptığı tespit edilmiştir.

Teşekkür

Bu çalışma 111E134 numaralı TUBITAK projesi

kapsamında gerçekleştirilmiştir.

Kaynakça

[1] S. Abdallah ve S. Nijmeh, “Two axes sun tracking

system with PLC control,” Energy Conversion and Management, Cilt: 45, No: 11-12, s:1931-1939, 2004.

[2] M.M. Abu-Khader, O.O. Badran ve S. Abdallah,

“Evaluating multi-axes sun-tracking system at

different modes of operation in Jordan,” Renewable

and Sustainable Energy Reviews, Cilt: 12, No: 3, s:864-873, 2008.

[3] O. Bingol, A. ALTINTAS ve Y. ÖNER,

“Microcontroller based solar-tracking system and its

implementation,” Journal of Engineering Sciences, Cilt: 12, No: 2, s:243-248, 2006.

[4] S. Ozcelik, H. Prakash, R. Challoo, “Two-Axis Solar

Tracker Analysis and Control for Maximum Power

Generation” Procedia Computer Science, Volume Cilt: 6, s:457462, 2011.

[5] M.J. Clifford, D. Eastwood, “Design of a novel

passive solar tracker,” Solar Energy, Cilt: 77, No:3,

Sayfa 269-280, 2004.

[6] M. Koussa, M. Haddadi, D. Saheb, A. Malek, S.

Hadji., Sun Tracker Systems Effects on Flat Plate

Photovoltaic PV Systems Performance for Different

Sky States: A Case of an Arid and Hot Climate Energy Procedia, Cilt:18, s:839-850, 2012.

[7] S.S.N. Rumala, “A shadow method for automatic

tracking,” Solar Energy, Cilt: 37, No: 3, s:245-247,

1986.

[8] İ. Sefa, M. Demirtas ve İ. Çolak, “Application of one-

axis sun tracking system,” Energy Conversion and Management, Cilt: 50, No: 11, s:2709-2718, 2009.

[9] M. Demirtaş, “Bilgisayar Kontrollü Güneş Takip

Sisteminin Tasarımı ve Uygulaması,” Politeknik Dergisi, Cilt: 9, No: 4, s:247-253, 2006.

[10] P. Roth, A. Georgiev ve H. Boudinov, “Design and

construction of a system for sun-tracking,” Renewable Energy, Cilt: 29, No: 3, s:393-402, 2004.


458

Görüntü İşleme Tabanlı Zeytin Ayıklama Makinesi

Melih Kuncan1, H.Metin Ertunç

2, Gürkan Küçükyıldız,

3 Berkan Hızarcı

4,Hasan Ocak

5, Sıtkı Öztürk

6

1,2,3,4,5

Mekatronik Mühendisliği Bölümü

Kocaeli Üniversitesi, İzmit/Kocaeli [email protected], [email protected], [email protected],

[email protected], [email protected]

6Elektronik- Haberleşme Mühendisliği Bölümü

Kocaeli Üniversitesi, İzmit/Kocaeli [email protected]

Özetçe

Günümüzde endüstriyel tarımda görüntü işleme

uygulamalarının hızla yaygınlaştığı görülmektedir. Endüstriyel

tarımda kullanılan bu çalışmaların başında nesnelerin

renklerine göre ayrılması işlemi gelmektedir. Bu çalışmada,

görüntü işleme kullanılarak renkli nesnelerin ayrıştırılması

işlemi zeytinler için gerçekleştirilmiştir. Bu ayırma işlemi

zeytinlerin renklerine göre belirlenmesi ve belirlendikten

sonra zeytinlerin renklerine göre ayrıştırılması işlemidir. Bu

işlem için bir adet elektromekanik sistem geliştirilmiş olup,

çalışma kapsamında geliştirilen görüntü işleme algoritmaları

gerçek zamanlı olarak bu sistem üzerinde test edilmiş ve

sonuçları gözlenmiştir. Çalışmanın görüntü işleme kısmında

üç farklı yöntem denenmiş olup bu yöntemlerin elde ettiği

başarılar sonuçlar kısmında karşılaştırılmıştır.

1. Giriş

Son yıllardaki teknolojik gelişmeler tarımda da kendine geniş

bir yer bulmuştur. Bunun sonucunda endüstriyel tarıma geçiş

sağlanmıştır. Gelişen teknolojik yeniliklerle insan gücünü en

aza indirmek ve verimliliği en yükseğe çıkarmak için

endüstriyel tarım hayati bir önem taşımaya başlamıştır. Bu

kapsamda insanların yaptıkları işleri otomasyon sistemleri

yardımıyla daha kısa sürede ve daha ucuza mal eden

teknolojik araçlar tasarlanmıştır. Bu teknolojik araçların

tarıma sağladığı başarılı sonuçlar, hem endüstriyel tarıma olan

ilgiyi artırmış hem de tarımda kullanılacak olan birçok yeni

ekipmanlara olan talebi artırmıştır. Günümüzde görüntü

işleme kullanılarak endüstriyel tarım alanında başarılı

çalışmaların ve uygulamaların mevcut olduğu gözükmektedir.

Literatürde bulunan birçok çalışma sonucunda endüstriyel

tarımda görüntü işlemenin başarılı bir şekilde çalışabildiği

gözlenmiştir.

Zhao vd. [1], gerçek zamanlı olarak görüntü işleme

yöntemi kullanarak meyvelerin kalite standartlarını

belirlemişlerdir. Yazarlar geliştirdikleri sistem meyvelerin dış

yüzey kalite ve hatalarını, renklerini ve şeklini kullanarak

meyvelerin sınıflandırılmasını başarmışlardır. Çin’de yapılan

başka bir çalışmada, balık yetiştiriciliği sektöründe görüntü

işleme uygulamaları konusunda çalışmışlardır [2]. Yazarlar

görüntü işleme tekniklerini, balık hastalıklarının otomatik

tanısında ve tahmininde kullanmışlardır. Hufschmied vd. [3],

tarafından yapılan çalışmada mersin balığı çeşidinin görüntü

işleme yöntemi kullanılarak sınıflandırılması işlemi

gerçekleştirilmiştir. Yazarlar yaptıkları çalışmada balığın

boyut ve ağırlıklarını belirleyerek kesime uygun olup

olmadığına karar vermişlerdir. Poursaberia vd. [4],

çalışmalarında görüntü işleme teknikleri kullanılarak,

mandıradaki sığırlarda sakatlıkları erken teşhis edebilecek bir

yöntem geliştirmişlerdir. Yazarlar geliştirdikleri çalışmada %

96’dan daha yüksek bir başarı oranı elde etmişlerdir. Mustafa

vd. [5], çalışmalarında, muzun boyutunu ve olgunluğunu

belirlemek için görüntü işleme yöntemi kullanmışlardır.

Ülkemiz coğrafik konumundan dolayı başta Ege bölgesi olmak

üzere çeşitli bölgelerimizde bol miktarda zeytin üretimi

yapılmaktadır. Zeytinlerin boyutlarına göre sınıflandırılması,

sağlam-çürük olarak sınıflandırılması ve renklerine göre

sınıflandırılma işlemlerinin yapılması büyük bir sorun teşkil

etmektedir. Bu çalışma kapsamında görüntü işleme yöntemi

kullanılarak, zeytinlerin renklerine göre sınıflandırılması ve

istenilen haznelere gönderilme işlemi yapılmıştır. Şekil 1’de

ülkemizde hasat zamanına göre zeytin çeşitleri verilmiştir.

Şekilden de görülebileceği gibi farklı hasat zamanlarında

zeytinlerin renkleri farklı olmaktadır.

Şekil 1: Hasat Zamanlarına göre zeytin çeşitleri

2. Görüntü İşleme Algoritması

Bu çalışmada görüntü işleme tabanlı bir sistem geliştirilmiştir.

Görüntü işleme çalışması için sisteme bir adet Ueye-KP20B

kamerası sisteme entegre edilmiştir. Kameradan alınan

görüntüler, geliştirilen görüntü işleme algoritmaları ile

işlenmiştir. Zeytinlerin renklerini tespit eden görüntü işleme

algoritması HALCON ortamında geliştirilmiş olup bir

bilgisayar yardımıyla gerçek zamana aktarılmıştır. Bu bölümde

geliştirilen görüntü işleme algoritmaları açıklanmıştır.

Kullanılan kameranın özellikleri Tablo 1’de verilmiştir.


459

Tablo 1: Kullanılan kamera özellikleri

Haberleşme Protokolü USB 3.0

Sensör Tipi CMOS

Saniyede Görüntü Sayısı 60 fps(frame per second)

Çözünürlük 1280x1024

2.1. Kullanılan Görüntü İşleme Algoritmaları

Görüntü işleme uygulamaları olarak, HSV (Hue, Saturation,

Value) renk modeli metodu kullanarak renkli nesnelerin ayırt

edilmesi, RGB renk modelinde Öklid ve Mahalanobis uzaklık

metodu kullanılarak renkli nesnelerin ayırt edilmesi

çalışmaları yapılmıştır. RGB (Red, Green, Blue) renk modeli

kısmında arka plan çıkartımı ve özellik çıkartımı yöntemleri de

kullanılarak uygulamaların verdiği sonuçlar karşılaştırılmıştır.

2.1.1. HSV renk uzayı

HSV renk uzayı, renkleri sırasıyla renk özü, doygunluk ve

parlaklık olarak tanımlar. HSV renk uzayının kullanılma

amacı RGB uzayına göre insan görü düzeneğine daha yakın

bir yapıda olmasıdır. Renkli nesnelerin ayrılması işlemi için

genellikle HSV renk uzayı modeli kullanılmaktadır. RGB renk

uzayında parlaklığa bütün bileşenlerin etkisi bulunmakla

beraber HSV uzayında ise RGB uzayından farklı olarak

parlaklığa sadece V değerinin etkisi vardır [6].

Şekil 2: RGB ve HSV renk uzayları

Geliştirilen sistemde kameradan alınan görüntü RGB

görüntüdür. Öncelikli olarak kameradan alınan görüntü RGB

renk uzayından HSV renk uzayına dönüştürülmüştür.

Kameradan alınan örnek bir RGB resim ile HSV

dönüştürülmüş hali Şekil 3’de verilmiştir.

Şekil 3: HSV metodu için örnek görüntü

RGB uzayından HSV uzayına dönüştürülmüş resimler

üzerinde deneme yanılma yoluyla belirlenen bir eşik

uygulanmıştır. Alınan resimlerden Hue ve Saturation değeri

belirlenen eşiğin üstünde olan zeytinler yeşil zeytin olarak

kabul edilmiştir.

2.1.2. RGB renk uzayında Öklid uzaklık metodu ile

sınıflandırma

Sınıflandırma, bir veri grubu içinde belirli bir sınıf oluşturan

objelerin benzerliğinden yola çıkarak ve özelliklerine göre

seçilerek gruplandırılması olarak tanımlanabilir.

Sınıflandırma; birçok bilim dalında kullanılan bir karar verme

işlemidir. Görüntü işleme kullanılarak sınıflandırma

yapılabilmesi için görüntülerden öznitelik çıkartılması

gerekmektedir. Bu çalışmada da öznitelik çıkartma işlemi

yapılmıştır. RGB renk uzayında alınan görüntünün R,G,B

ortalamaları (her bir kanalın ortalaması) birer öznitelik olarak

seçilmiştir. Bu sayede 3 boyutlu bir özellik uzayı elde

edilmiştir.

Literatürde kullanılan sınıflandırma algoritmalarında farklı

uzaklıklar kullanılmıştır. Öklid uzaklığı kolay uygulanabilir

olması nedeniyle en sık tercih edilen uzaklıktır. Yapılan

çalışma sırasında zeytinlerin renklerine göre sınıflandırması

işlemi yapılmıştır. Bunun için açık yeşil, yeşil, koyu yeşil ve

siyah olmak üzere dört farklı sınıf belirlenmiştir. Her bir sınıf

için 40 farklı örnek alınarak sınıflar oluşturulmuştur. Öznitelik

olarak ise RGB görüntü uzayında her bir kanalın ortalaması

seçilmiştir. Bu sayede 40 elemandan oluşan üç boyutlu bir

uzay elde edilmiştir.

Her yeni alınan görüntüde tespit edilen zeytinin hangi

sınıfa ait olduğunu belirlemek için zeytinin her bir kanalının

(R, G, B) ortalaması bulunur ve bulunan bu değerin her bir

sınıfa olan Öklid uzaklığına bakılır. Öklid uzaklığı (1)

denklemine göre hesaplanmıştır. Yukarıdaki formüle göre elde

edilen değerler arasında en yakın olanına zeytin dahil

edilmiştir [7].

2 2 2 2

1 1 2 2

1

( ) ( ) ... ( ) ( )n

n n i i

i

p q p q p q p q

(1)

Bu uzaklık, bahsi geçen iki nokta dışındaki bilgileri

hesaba katmamaktadır. Bu karşılaştırma metodunda,

karşılaştırılmak istenen nesnenin örnek kümeler arasında

hangisine en yakın olduğunu hesaplamak amacıyla (1)

denkleminde verilen Öklid uzaklık formülü kullanılır. Öklid

uzaklığı, Pisagor Teoremi temel alınarak bir noktanın diğer

noktaya olan doğrusal uzaklığının ölçüm yöntemidir.

Sınıflandırmada karşılaştırmak için oluşturulan veri

kümelerinin sayısına göre, bilgisayar tüm veri setlerini

tarayarak yeni verinin ortalamasıyla karşılaştır ve nesneyi en

yakın kümeye atar. Şekil 4’de RGB renk uzayında Öklid

metodu için kullanılan örnek görüntü gösterilmiştir.


460

Şekil 4: RGB renk uzayında Öklid metodu için örnek görüntü

2.1.3. RGB renk uzayında Mahalanobis uzaklık yöntemi ile

sınıflandırma

Uzayda iki nokta arasındaki mesafeyi ölçmek için kullanılan

en temel uzaklık ölçütü Öklid uzaklığıdır. Öklid uzaklığı,

arasındaki mesafenin hesaplanacağı iki nokta dışındaki

bilgileri hesaba katmamaktadır. Mahalanobis uzaklık

metodunda sadece merkezlere olan uzaklık değil standart

sapma değerleri de hesaba katılmaktadır. Böylelikle daha

yüksek doğrulukta sınıflandırma işlemi yapılmaktadır.

1 1

2 2

3 3

1

1 2 3 1 2 3( , ) . . ([ . . . ] [ . . . ])

. .

. .

n n

n n

x

x

x

D x y S x x x x

x

(2)

Genel Mahalanobis formülü yukarıdaki (2) denkleminde

gösterilmiştir. Bu formülün sadeleştirilmiş hali aşağıdaki (3)

denklemde gösterilmiştir [8].

1( ) ( ) ( )T

MD x x S x (3)

Bu metodun görüntü işleme metodu olarak

uygulanmasında ilk aşama, karşılaştırma yapılabilmesi için

örnek kümelerin kaydedilmesidir. Bu aşamaya nesnenin

öğretilme aşaması da denilebilir. Öncelikle örneklenecek

kümeler belirlenir ve sırayla her kümenin ortalama değeri ve

standart sapması bulunur. Yapılan bu çalışmada, renklerine

göre her zeytin çeşidinin ( açık yeşil zeytin, yeşil zeytin, koyu

yeşil zeytin ve siyah zeytin) RGB uzayındaki piksel

değerlerinin ortalaması ve standart sapması kümelerin

değerleridir. Bu değerler ile hangi kümeye ait olduğu

bulunmaya çalışılan zeytinin RGB uzayındaki ortalama ve

standart sapma değerleri Mahalanobis uzaklık formülünde

yerine yerleştirilerek, zeytinin hangi kümeye ait olduğu

bulunabilir. Mahalanobis uzaklık formülü her örnek küme için

karşılaştırılacak zeytine uygulandığında, her örnek küme için

bir Mahalanobis uzaklığı elde edilir. Bu işlemlerin sonucunda;

hangi kümeye ait olduğu aranan zeytinin, Mahalanobis

uzaklığı en düşük çıkan kümeye ait olarak atanmaktadır.

Mahalanobis yöntemini görüntü işlemi uygulamasında

gerçekleştirebilmek için, Öklid uzaklık metodunda olduğu gibi

belirli sınıflar gerekmektedir. Sınıflar, farklı dört zeytin çeşidi

için örnek veri kümeleri oluşturulmuştur. İlgili sınıflar açık

yeşil, yeşil, koyu yeşil ve siyah olmak üzere dört farklı zeytin


461

sınıfı belirlenmiştir. Her bir sınıf için 50 farklı örnek alınarak

sınıflar oluşturulmuştur. Öznitelik olarak ise RGB görüntü

uzayının ortalaması ve standart sapma değerleri kullanılmıştır.

Örnek zeytin kümesi için RGB değerlerinin ortalaması

kullanılmıştır. Standart sapmaları da aynı şekilde örnek olarak

algoritmada hesaplanmıştır.

Uygulama olarak kullanılan genel Mahalanobis

uygulamasındaki denklemin parametreleri zeytinlerin

belirlenmesi işleminde kullanılmıştır. Buradaki parametreler

x aranan zeytinin ve m ise sınıflandırma işleminde

kullanılan örnek zeytinin, ortalama R, G ve B değerleri olmak

üzere aşağıdaki (4) denklemde gösterildiği gibidir.

[ ] [( ) ( ) ( )]x m xR mR xG mG xB mB (4)

Yukarıdaki (4) denklemde gösterilen ifade Mahalanobis

formülün ilk değişkenidir. İkinci olarak kovaryans matrisini de

çalışmamıza göre benzetim yapmamız gerekmektedir.

Kovaryans matris, aşağıdaki (5) denklemde gösterildiği gibi

hesaplanmaktadır.

2

2

2

0 0

0 0

0 0

R

G

B

S

(5)

Genel Mahalanobis formülünde olduğu gibi kovaryans

matrsini (S) ters olarak (S-1) hesaplamak gerekmektedir.

Bunun için aşağıdaki (6) denkleminde gözüktüğü gibi

hesaplanmaktadır.

2

1 2

2

1/ 0 0

0 1/ 0

0 0 1/

R

G

B

S

(6)

Mahalanobis uzaklık metodunun son değişkeni aşağıdaki

(7) denklemindeki gibi hesaplanmaktadır.

[ ]

xR mR

T

x m xG mG

xB mB

(7)

Bu üç değişken (8) denklemindeki gibi yazılarak, yapılan

çalışma için kullanılmıştır.

2

2

2

1/ 0 0

( , ) [ ] 0 1/ 0 [ ]

0 0 1/

R

T

x m G x m

B

D x m

(8)

Yukarıdaki (8) denkleminde gerekli işlemler yapıldıktan

sonra çalışma için kullanılan Mahalanobis formülü, aşağıdaki

(9) denklemine dönüşmektedir.

1

2 2 2 2

R mR mG mB

2 2 2

– – – x xG xB

R G B

D

(9)

Yukarıdaki (9) denklem örnek sınıf olarak belirlenen tüm

zeytinler için ayrı ayrı hesaplanacaktır. Çıkan sonuçlardan

Mahalanobis uzaklığı en yakın çıkan değer o sınıfa

atanmaktadır. Böylelikle hangi sınıfa ait olduğu bulunmaya

çalışılan zeytinin belirlenme işlemi gerçekleştirilmektedir.

Şekil 5: RGB renk uzayında Mahalanobis metodu için örnek

görüntü

3. Mekanik Tasarım

Bu çalışmada kullanılan mekanizma bilgisayara ortamında

modellendikten sonra imal edilmiştir. Sistemde mekanik

olarak zeytinlerin yerleşeceği yuvalar (tambur mekanizması),

hava kütükleri, zeytin aktarma haznesi, motor ve kompresör

mevcuttur.


462

Şekil 6: Sistemin mekanik kısmı

4. Elektronik Tasarım

Geliştirilen görüntü işleme algoritması tarafından zeytinlerin

renklerine göre belirlenmesi işlemi gerçekleştirilmektedir.

Renklerine göre belirlenen zeytinleri, istenen bölgelere atmak

için hava kullanılmıştır. Bu hava akışının sağlanması için

sistem üzerinde mekanik olarak imal edilen hava kütüklerine

valfler monte edilmiştir. Bu valfler ilgili konumlarında

bulunan zeytinleri istenen bölgelere aktarmaktadır. Bu valfleri

geliştirilen görüntü işleme algoritmasıyla haberleşmesi için

valf kontrol kartı tasarlanmıştır. Bu valf kontrol kartı RS-232

ile haberleşmesi sağlanmıştır.

Şekil 7: Valf kontrol kartı

Belirlenen konumdaki valflere seriport yardımıyla bilgi

aktarılmakta ve ilgili valf aktif edilmektedir. Böylelikle hava

ile zeytin ayırma işlemi gerçekleştirilmektedir. Sistem için 3/2

seleoid valfler kullanılmıştır. Yani kullanılan valfler normalde

kapalı konumdadır. Valfin tetiklenmesi ile hava akışı

sağlanmaktadır. Kullanılan valfler 0,5 bar basınç altında

çalışmaya başlamaktadır. Valfler 10 bar basınç değerine kadar

çalışmaya devam etmektedir. Zeytinlerin ezilmemesi için

basınç değeri deneme yanılma yoluyla 2,2 bar, ideal basınç

değeri olarak belirlenmiştir.

Şekil 8: Sistemde kullanılan valf

5. Sonuçlar

Bu çalışmada görüntü işleme yöntemi kullanılarak renkli

nesnelerin ayırt edilmesi işlemi, gerçek zamanlı çalışan bir

sistem üzerinde yapılmıştır. Nesnelerin ayırt edilmesi

uygulamalarında farklı görüntü işleme yöntemleri

kullanılmıştır. Bu yöntemlerin birbirlerine göre üstünlükleri ve

zayıflıkları belirtilmiştir. Yazılım kısmında nesnelerin

renklerine göre sınıflandırma işleminde üç ayrı yöntem

kullanılmıştır. Bu yöntemler HSV uzayında, RGB uzayında

Öklid uzaklığı metodu kullanılarak ve RGB uzayında

Mahalanobis uzaklığı metotları kullanılarak nesnelerin

renklerine göre ayırt edilmesi uygulamaları

gerçekleştirilmiştir. Mahalanobis ve Öklid metotlarında

nesnelere, öznitelik değerlerine göre sınıflandırma işlemi

uygulanmıştır. Yapılan çalışma sırasında zeytinlerin renklerine

göre sınıflandırması işlemi yapılmıştır. Bunun için açık yeşil,

yeşil, koyu yeşil ve siyah olmak üzere dört farklı zeytin sınıfı

belirlenmiştir. Her bir sınıf için birçok farklı örnek alınarak

sınıflar oluşturulmuştur. Bu sınıflara göre başarı oranları

aşağıdaki Şekil 9’da gösterilmiştir.

0

20

40

60

80

100

Doğruluk

HSV

Öklid

Mahalanobis

Şekil 9: Geliştirilen görüntü işleme yöntemlerinin başarı

oranları

HSV uzayında yapılan uygulamada %90, Öklid uzaklık

metodu kullanılarak yapılan uygulama %80 ve Mahalanobis

uzaklık metodu kullanılarak yapılan uygulamada %97’lik

başarı oranları elde edilmiştir. Ayrıca zeytinler siyah zeytin,

koyu yeşil zeytin, yeşil zeytin ve açık yeşil zeytin olarak

sınıflara ayrılmıştır. Birçok örnek zeytin bu sınıflandırma

işlemi için kullanılmıştır. Üç farklı algoritma için farklı

sınıflardaki zeytinlerin belirlenmesi uygulaması ayrı ayrı

incelenmiştir. Aşağıdaki Şekil 10’da her metot için zeytin

çeşitlerinin bulunma yüzde grafiği verilmiştir.


463

0

100

HSV Öklid Mahalanobis

Yesil ZeytinKoyu Yeşil ZeytinAçık Yeşil ZeytinSiyah Zeytin

Şekil 10: Geliştirilen görüntü işleme yöntemlerinin

sınıflandırma işlemi için başarı oranları

Son olarak uygulanan görüntü işleme algoritmalarının

süreleri incelenmiştir. Endüstriyel uygulamalarda zaman çok

önemli bir özelliktir. Bu çalışma kapsamında gerçekleştirilen

sistem, endüstriyel bir ürüne dönüştürülme potansiyeline sahip

olduğu için zaman aralıkları da incelenmiştir. Geliştirilen

görüntü işleme uygulamalarının çalışma zamanı Tablo 2’ de

gösterilmiştir.

Tablo 2: Kullanılan üç farklı yöntemin işlem yükünün

karşılaştırılması

HSV

METODU

ÖKLİD

METODU

MAHALANOBİS

METODU

ZAMAN

(sn)

0,7986

1,0406

0,9234

Geliştirilen üç farklı görüntü işleme yöntemi arasından en

başarılı olarak Mahalanobis uzaklık metodu olduğu

gözükmektedir. Mahalanobis yönteminde zeytinlerin standart

sapma değerlerinin hesaba katılmasının başarı oranındaki

etkisi büyüktür. İkinci olarak HSV uzayında yapılan uygulama

başarılı olduğu gözükmektedir. Öklid uzaklık metodunda

başarı oranı düşük çıkmasına rağmen yapılan uygulamada

sınıflandırma işleminde kullanılabileceği görülmüştür.

Teşekkür

Bu çalışma, Kocaeli Üniversitesi Mekatronik Mühendisliği

Bölümü Sensör Laboratuvarında yapılmıştır. Ayrıca bu

çalışma Kocaeli Üniversitesi Rektörlüğü Bilimsel Araştırma

Projeleri BAP Koordinasyon Birimi Koordinatörlüğü

tarafından 2013-014 no’lu proje olarak desteklenmiştir.

Kaynakça

[1] Yanru Zhao, Dongsheng Wang Dongping Qian, Machine

Vision based Image Analysis for the Estimation of Pear

External Quality, Second International Conference on

Intelligent Computation Technology and Automation,

071001, P. R. China, 2009.

[2] Lin Wenmei, Liu Yuzhen, Aquaculture Monitoring

System, International Forum on Information Technology

and Applications, 125105, China, 2010.

[3] Hufschmied By P., Fankhauser T. and Pugovkin D.,

Automatic stress-free sorting of sturgeons inside culture

tanks using image processing, Journal of Appl. Ichthyol.,

2011, 27, 622–626.

[4] Poursaberia A., Bahra C., Pluka A., Van Nuffel A.,

Berckmansa D., Real-time automatic lameness detection

based on back posture extraction indairy cattle: Shape

analysis of cow with image processing techniques,

Computers and Electronics in Agriculture, 2010, 74,

110–119.

[5] Nur Badariah Ahmad Mustafa, Nurashikin Ahmad Fuad,

Syed Khaleel Ahmed, Aidil AzwinZainul Abidin,

Zaipatimah Ali, Wong Bing Yit, and Zainul Abidin,

Determination of Size and Ripeness of a Banana, IEEE,

2008, 06-08.

[6] Görüntü İşleme Teknikleri Kullaılarak Meyve Tasnifi,

Güray Tonguç, Yüksek Lisans Tezi, Süleyman Demirel

Üniversitesi Fen Bilimleri Enstitüsü, Isparta, 2004.

[7] Liwei Wang, Yan Zhang, Jufu Feng, On the Euclidean

Distance of İmages, School of Electronics Engineering

and Computer Sciences, Peking Univesity Beijing,

100871, China, 2008.

[8] Jeh-Nan Pan, Jianbiao Pan, Chun-Yi Lee, Finding and

optimising the key factors for the multiple-response

manufacturing process, International Journal of

Production Research, Vol. 47, No.9, 2009, 2327-2344.


464

OPC KullanılarakGerçek Zamanlı Haberleşen Matlab ve PLC Kontrollü Sistem

Zeynep Tekinalp1, Sıtkı Öztürk

2, Melih Kuncan

3

1,2

Elektronik ve Haberleşme Mühendisliği Bölümü

Kocaeli Üniversitesi, İzmit/Kocaeli [email protected], [email protected]

3Mekatronik Mühendisliği Bölümü

Kocaeli Üniversitesi, İzmit/Kocaeli [email protected]

Özetçe

Bu çalışmada yaygın olarak kullanılan OPC

(OLEforProcessControl) teknolojisinin, bir görüntü işleme

uygulaması üzerinde çalışması gerçekleştirilmiştir. Görüntü

işleme uygulamasında, nesneleri renklerine göre ayırma

temeline dayanmaktadır. Endüstriyel sistemlerde

gerçekleştirilen görsel denetleme sistemi uygulamalarına bir

örnek olarak, bu çalışmada PLC (Programmable Logic

Controller) kontrollü deney düzeneği içerisindeki zeytinleri

renklerine göre ayırma işlemi, gerçek zamanlı olarak

gerçekleştirilmiştir. Çalışmada kullanılan deney düzeneği

Siemens S7-1200 PLC ile kontrol edilmektedir. Görüntü

işleme kısmı Matlab ortamında gerçekleştirilmiştir. Görüntü işleme uygulaması için bir web kamerası kullanılmıştır.

1. Giriş

Endüstriyel süreçlerin kontrolü, genellikle PLC olarak

isimlendirilen endüstriyel amaçlı küçük bilgisayarlar

kullanılarak gerçekleştirilmektedir. PLC’ler karmaşık

sistemlerin kontrolü için düşük maliyetli çözüm sunmakla

birlikte, çabuk ve kolayca diğer sistemlere uygulanabilirlik,

elektriksel gürültülere, titreşim ve darbelere karşı dayanıklılık

gibi avantajlar sağlamaktadır [1]. Otomasyon sistemleri

kullanımının yaygınlaşması ile birlikte, PLC’lerden talep

edilen iş yükü tek bir işlemci tarafından yerine

getirilemeyecek kadar ağırlaşmıştır. Çoğu durumda, sürecin

anlam bütünlüğü ve gereklilikleri, birden fazla PLC

kullanılarak üstesinden gelinmektedir.

Bu çalışmada yeşil ve siyah zeytinleri birbirinden ayırmak

için tasarlanan deney düzeneğinin kontrolü Siemens S7-1200

PLC ile yapılmaktadır. S7-1200, S7-200’ün geliştirilmiş bir

modelidir. Donanım ve yazılım olarak S7-300’e daha çok

benzediği için mikro, orta ve üst segmentte birbiriyle daha

uyumlu cihazlar kullanılıyor olacaktır. Dolayısıyla tüm PLC

serisinin entegrasyonu konusunda da bir adım denebilir. En

alttaki PLC ile en üstteki PLC benzer mantıkla

programlanıyor olacaktır. Bu da kullanıcılar açısından önemli

bir özelliktir. S7-1200’ün sunduğu birçok avantaj vardır. En

göze çarpan özelliklerinden birisi üzerinde profinet (ethernet)

portunun olmasıdır. Bunun sayesinde Profinet portundan,

PLC’ler kendi arasında Profinet üzerinden

haberleştirilmektedir. Ayrıca PLC, operatör paneli ya da

SCADA (Supervisory Control and Data Acquisition) yazılımı

ile bu port üzerinden haberleştirilmektedir. Diğer firmaların

ürünleriyle haberleşmek için S7-1200’ün üzerinde standart

olarak bulunan Profinet portuna ilave olarak RS485 veya

RS232 genişleme modülleri kullanılmaktadır. S7-1200 CPU

(CentralProcessingUnit), S7-200 CPU’suna göre daha

hızlıdır. Dolayısı ile programların çevrim süresi (cycle time)

çok daha kısa olacaktır. Hafıza alanı açısından, S7-1200’ün

hafızası S7-300’e benzer yapıdadır. S7-1200’ün maksimum

giriş-çıkış sayısı 1024 iken, bu S7-200’de 128 olmaktadır.

S7-1200, S7-200’e göre daha az yer kaplamaktadır [2,3]. Bu

yüzden hem CPU’lar hem de genişletme modülleri oldukça

kompakt yapıdadır. CPU ve modüller üzerindeki tüm

terminaller kolayca sökülüp takılabilecek yapıdadır. Bu

sayede, CPU’da ve genişleme modüllerinde herhangi bir

arıza olduğunda konnektörler üzerindeki bağlantıları

sökmeye gerek kalmadan ,hızlı bir şekilde değiştirme imkanı sağlamaktadır [4].

2. OPC (OLE forProcess Control)

Endüstriyel otomasyon alanında yapılan çalışmalarda farklı

markalara sahip cihazlardan veri aktarılması ya da cihazların

birbiriyle haberleşmesi çoğu zaman sorun oluşturmaktadır.

Cihazlar arası haberleşme, genel olarak üretici firma

tarafından geliştirilen özel bir ağı ile sağlanmaktadır. Her

üretici kendi geliştirdiği özel protokoller ve bu protokolleri

anlayabilecek özel donanımlar geliştirerek kendi ürünleri

arasında veri alış verişini sağlamaktadır [5]. Endüstriyel

otomasyonda kullanılan haberleşme sistemlerinin ve

protokollerinin markadan markaya farklılık göstermesi, bu

alanda bir standartlaşmaya gitme ihtiyacı doğurmuştur. Farklı

üreticiler tarafından geliştirilen donanım ve yazılımların

sorunsuz bir şekilde bir arada çalışmasını sağlamak için,

sunucu-istemci mimarisi temel alınarak OPC (Süreç

Yönetiminde Nesnelerin Bağdaştırılması ve

İlişkilendirilmesi) teknolojisi geliştirilmiştir [6]. OPC,

endüstriyel otomasyon alanında birlikte çalışabilirlik (inter

operability) sorununu çözmek amacıyla oluşturulmuş bir

standarttır. Diğer bir ifadeyle, birbirinden faklı markalardaki

kontrol sistemlerinin haberleşmesini sağlamaktadır.

İstemciye, kullanılan cihazdan bağımsız olarak, standart bir arayüz sunmaktadır [7].

OPC, Microsoft’un OLE/COM (Object

Linking&Embedding/Component Object Model) standardına

dayanmaktadır. OLE/COM, Microsoft’un farklı uygulamalar

arası bütünleşmeyi hedefleyen nesne tabanlı bir

teknolojisidir. OPC ise OLE tabanlı bir haberleşme


465

standardıdır ve farklı otomasyon seviyeleri arasında hızlı ve

güvenilir bir bağlantı sağlamaktadır. OLE teknolojisinin

kullanımıyla OPC, ister yönetim katındaki bir uygulama

olsun isterse süreç denetiminde kullanılan bir uygulama

olsun, farklı uygulamalar arası veri alış verişinin, tanımladığı

yöntem ve nesneler ile standart bir şekilde gerçekleşmesini

sağlamaktadır [8]. Örneğin bir PLC, Distributed Control

Systems (DCS) ya da diğer türde bir kontrolörün

haberleşmesi, cihaz kontrolü ve veri izleme için arayüz işlevi

gören SCADA yazılımların da okunması ve kontrolöre

verinin yazılması için kontrolörü SCADA’ya tanıtan bir

sürücü gereklidir. Her kontrolör üreticisinin haberleşme

protokolü farklı olduğundan her SCADA yazılımına özel, her

bir kontrolör markasının sürücüsü tasarlanmalıdır. Bu ise

emek, zaman ve maddi külfet açısından hem çok kaynak

tüketir hem de uygulama safhasında birçok zorluk

çıkarmaktadır. Ürüne özel sürücü yazılımı geliştirmeye

dayanan bu tür çözümler şu sorunları ortaya çıkarmıştır:

Aynı çalışmanın defalarca tekrarı: Her yazılım

geliştirici kendi yazılımı için, aynı cihazla

haberleşmek için bir sürücü yazılımı olmak

zorundadır.

Sürücüler arası uyumsuzluk: Son kullanıcı, bir

programda sahip olduğu bir özelliği, aynı

donanımla haberleşen diğer bir programda

bulamayabilir. Çünkü sürücü yazılımı geliştirenler,

kendi programlarıyla direkt olarak ilgili olmayan

bazı donanım özelliklerini desteklemeyebilirler.

Gelecekte donanımda olacak değişikliklere destek:

Geliştirilen sürücü yazılımları, donanım

firmalarından bağımsız olarak üretildikleri için,

aynı markanın yeni nesil bir ürünü olarak önceki

donanım için yazılmış sürücüyle haberleşmeyebilir.

Erişim problemi: Farklı iki uygulama farklı

sürücüler kullandıklarından dolayı çoğu zaman aynı anda aynı cihaza erişemezler.

OPC’den önce her uygulama yazılımına özel

sürücü geliştirilmesi ve bunun yol açtığı sorunlar ele

alınmıştır. Şekil 1’den görüldüğü gibi her bir cihazın diğer bir

cihazla haberleşmesi için o cihaza özgü sürücü yazılımı

gerekmektedir. Bunun yerine tüm kontrolörlerin standart bir

haberleşme uygulamasıyla veri alışverişi yapması daha

uygundur.

Şekil 1 : OPC’den önce donanım-uygulama arası yapı [9]

OPC tanımladığı standart ara yüzle, donanım üreticileri ve

yazılım sağlayıcıları arasına belirgin bir çizgi çizmiştir. Artık

donanım üreticileri sadece tek bir sürücü geliştirerek (bu

OPC sunucu yazılımıdır), piyasada bulunan tüm OPC istemci

özelliğine sahip yazılımlarla haberleşebilme özelliğine

kavuşmuş olmaktadır. Böylece kaynak ve zamandan tasarruf ve uygulamada birçok kolaylık sağlanmıştır.

Günümüzde OPC ile birçok farklı sürücü

yazılımlarına sahip, donanımların haberleşmesi

sağlanmaktadır. Şekil 2 de farklı donanım ve uygulamalar

arasında OPC kullanımına örnek bir yapı gösterilmektedir.

Donanım ile sürücü yazılımı arasındaki istenilen ara yüzü

sağlayan OPC, donanımda meydana gelen değişimlerin

yazılım üreticisini etkilemesini, aynı şekilde sürücü yazılımı

kısmında gerçekleşen yeniliklerin de donanım üreticisi için

bir uyum sorunu oluşturmasını önlemektedir [9].

Şekil 2 : OPC kullanımı ile donanım–uygulama arası yapı [9]

OPC sunucunun en yaygın kullanıldığı yer olarak,

endüstriyel ürün olan PLC’lerle yapılan HMI/SCADA

(Human Machine Interface/SCADA) uygulamaları öne

çıkmaktadır. Bu sistemler kompleks projelerde farklı

PLC’lerin bir arada çalışmasını sağlamaktadır. Bir tane OPC

Sunucu (server) kullanarak işletme içinde aynı ağda, aynı

tipteki birden fazla PLC ve uygun başka bir sürücü

kullanarak da haberleşme imkânı sağlamaktadır. OPC’de

kullanılan iletişim sürücüleri RS232, RS485, RS422,

Ethernet’dir. OPC standardı bunun dışında rüzgâr

türbinlerinde, enerjinin izlenmesinde ve yönetilmesinde,

otomobil üretim fabrikalarında, beton ve çimento

fabrikalarında, bina otomasyonunda, tekstil sektöründe,

petrol ve gaz sektöründe, kâğıt fabrikalarında, özetle imalatın

olduğu her yerde kullanılabilmektedir [7,10].

Günümüzde üretim hatlarındaki hız ve üretim

sayılarındaki artış; hata giderme, kalite güvencesi ve maliyet

konularının gittikçe daha fazla gündeme gelmesine; bu da

görsel denetim sistemi ihtiyaçlarının hızla artmasına sebep

olmaktadır. Endüstriyel sistemlerde görüntü işleme teknikleri

hemen her sektörde kullanılmaktadır. Otomotiv endüstrisinde

araç parçalarındaki hataları bulmak, ilaç ve gıda

endüstrisinde paketleme, etiket ve kapakların kontrolünde,

beyaz eşya endüstrisinde ürün hatalarını, boyama hatalarını

bulmak gibi çok farklı endüstriler görsel denetim sistemlerine

de ihtiyaç duymaktadır.

Görüntü işleme; video kamera, tarayıcı gibi görüntü

yakalayıcı cihazlarla alınıp sayısal bir resim haline


466

dönüştürülen görüntülerin, geliştirilen yöntemlerle işlenip

analiz edilmesi sonucu elde edilen bilgilerin yorumlanması

temeline dayanmaktadır. Endüstriyel kalite/üretim

kontrolleri, plaka okuma sistemleri, yüz tanıma uygulamaları,

parmak izi tanıma uygulamaları, iris tanıma uygulamaları,

askeri uygulamalarda akıllı silah üretimi gibi, günümüzde görüntü işlemenin kullanıldığı alanlara örnekler verilebilir.

Bu çalışmada endüstriyel sistemlerde kullanılan

görsel denetleme sistemi uygulamasına bir örnek olup, deney

düzeneği içerisindeki zeytinleri renklerine göre ayırma işlemi

gerçekleştirilmiştir. Bu çalışmanın amacı, endüstriyel tarımda

kullanılabilecek bir uygulamanın akademik alt yapısını

gerçekleştirmektir. PLC’den gelen görüntü işleme

uygulamasını başlat isteği, OPC üzerinden Matlab‘a

iletilmektedir. PC tabanlı bir kamera ile alınan görüntü

üzerinde, görüntü işleme algoritması uygulanmıştır. Elde

edilen renk bilgisi sonucunda, yeşil zeytinlerin konum bilgisi,

Matlab OPC istemci yazılımı üzerinden OPC sunucuya

iletilmektedir. OPC sunucudan da, sistem kontrolünü

sağlayan PLC’ ye gönderilmektedir. Bu konum bilgisine

dayanarak, PLC, deney düzeneğinde yeşil zeytinlerin

bulunduğu valfleri aktif etmektedir. Bu yapı blok olarak Şekil

3’de verilmiştir.

Şekil 3 : Sistem akış şeması

3. Zeytinlerin Renklerinin Tespiti

Renk uzayları renkleri tanımlamak için kullanılan

matematiksel modellerdir. Renk uzayları, bütün renkleri

temsil edecek şekilde üç boyutlu olarak tasarlanır. Çünkü

Renkmetri biliminin temelini oluşturan Grassmann’ın birinci

kanununa göre bir rengi belirlemek için birbirinden bağımsız

üç değişkene gerek vardır. Renklerin renk uzayındaki yerleri,

bu değişkenlere göre belirlenmektedir. Her renk uzayının

kendine özgü biçimde renk oluşturma için bazı standartları

vardır. Renk uzayları oluşturulurken bir başka renk uzayına

doğrusal ya da doğrusal olmayan yöntemlerle dönüşüm

yapılabilmektedir [11]. Standart bazı renk uzaylarına örnek

olarak RGB (Red, Green, Blue), CMY (Cyan, Magenta,

Yellow), HSV (Hue, Saturation, Value), HSL (Hue,

Saturation, Lightness), CIE renk uzayları verilebilir. Renkli

imgeler üzerinde çalışırken en sık kullanılan RGB renk

uzayıdır. Işığı temel alarak, doğadaki tüm renklerin kodları

bu üç temel renge dayalı olarak belirtilir. Her bir renk %100

oranında karıştırıldığında beyaz, %0 oranında

karıştırıldığında ise siyah elde edilir. Bu uzayda, ana renkler

olan kırmızı, mavi ve yeşil belirtilmediği için, bu ana

renklerin tanımı değiştikçe, tüm renkler değişir [12]. HSV

veya HSB (Hue Saturation Brightness) renk uzayı, RGB renk

uzayından doğrusal olmayan bir dönüşüm ile elde edilir. HSL

olarak da karşımıza çıkabilir. HSV (Hue Saturation Value) ve

HSB (Hue Saturation Brightness) aynı uzayı tanımlasalar da

HSL (Hue Saturation Lightness) farklı bir renk uzayıdır.

Ayrıca HSV renk uzayı kullanılan sensöre bağımlı olarak

renk değeri üretir. Yani, kullanılan cihaza göre renkler

farklılık gösterebilir. HSV renk uzayı, renkleri sırasıyla renk

özü, doygunluk ve parlaklık olarak tanımlar. Renk özü,

rengin baskın dalga uzunluğunu belirler. Doygunluk, rengin

"canlılığını" belirler. Yüksek doygunluk canlı renklere neden

olurken, düşük doygunluk değeri rengin gri tonlarına

yaklaşmasına neden olur. Parlaklık ise rengin aydınlığını yani

içindeki beyaz oranını belirler. HSV renk uzayı, RGB

uzayına göre insan görü düzeneğine daha yakın bir yapı oluşturmaktadır [13].

Bu çalışmada deney düzeneği içerisindeki yeşil

zeytinleri algılamak için HSV renk uzayından

yararlanılmıştır. Şekil 3 ve Şekil 4’deki grafik gösteriminden

de anlaşılabileceği gibi, parlaklığı değişse bile renkleri renk

özü (Hue) ve doygunluk (Saturation) değerleri ile belirlemek

mümkündür. Bu nedenle, renk temelli alan belirleme

işlemlerinde, RGB renk uzayı yerine HSV renk uzayı tercih edilmektedir.

Şekil 3: Konik biçimli HSV renk uzayı

Şekil 4: Konik ve silindirik biçimli HSV renk uzayı

Bu çalışma kapsamında gerçekleştirilen görüntü

işleme algoritması, Matlab ortamında gerçekleştirilmiştir.

Geliştirilen görüntü işleme uygulamasında yeşil zeytinleri

belirleme işlemi yapılmıştır. Deney düzeneğini tepeden

görecek şekilde yerleştirilen ve sabitlenen web kameradan

alınan gerçek zamanlı görüntü, USB bağlantısı ile bilgisayara

aktarılmaktadır. Matlab ortamında geliştirilen yazılım ile

yeşil renkli zeytinlerin konum tespiti gerçekleştirilmektedir.

Video görüntüsünden alınan çerçeve (frame)

üzerinde öncelikle, maskeleme yapılarak çalışma alanı

belirlenmektedir, Şekil 6. Alınan görüntü RGB formatında

olduğundan, HSV renk uzayına dönüştürülmüştür.

OPC İstemci

PLC (S7-1200)

OPC Sunucu

Renk Ayırma Uygulaması (Matlab)

KAMERA

Deney Düzeneği


467

Ayarlanabilir bir eşik değerden geçirilerek, görüntüde yeşile

yakın değerlere sahip bölgeler tespit edilmiş olur.

Eşiklendirme sonucu elde edilen görüntü Şekil 7’de

gösterilmektedir. Işıklılık, parlaklık gibi nedenlerden ötürü

oluşan gürültü etkilerini gidermek için morfolojik görüntü

işleme algoritmaları kullanılmıştır. Matematiksel morfoloji,

temel küme işlemlerine dayanan, imgedeki sınırlar, iskelet

gibi yapıların tanımlanması ve çıkartılması, gürültü giderimi,

bölütleme gibi uygulamalar için gereklidir. İmge işlemede

genellikle morfolojik süzgeçleme, inceltme (thinning),

budama (pruning) gibi ön/son işlem olarak da sıkça

kullanılmaktadır. Gri tonlu imgeler üzerinde

uygulanabileceği gibi, genellikle ikili imgeler üzerinde

yapılan işlemlerdir. Matematiksel morfolojide kullanılan

temel işlemler; aşındırma (erosion), yayma (dilation), açma

(opening) ve kapama (closing) işlemleridir. Aşındırma işlemi,

görüntünün sınır bölgelerinin aşındırılmasında

kullanılmaktadır. Yayma işlemi ise görüntüyü kenarlarından

genişletmektedir. Aşındırmaişlemi, birbirine ince bir gürültü

ile bağlanmış iki veya daha fazla nesneyi birbirinden ayırmak

için kullanılırken, yayma işlemi ise aynı nesnenin bir gürültü

ile ince bir şekilde bölünerek ayrı iki nesne gibi görünmesini

engellemek için kullanılır [14]. Özellikle plaka tanıma, harf

tanıma, parmak izi tanıma gibi işlemlerde kullanılarak

gürültülerin etkisi azaltılır. Bu çalışma ilk aşamada aşındırma

işlemi uygulanarak gerçekleştirilmiştir. Fakat oluşan

gürültülerin hepsinin giderilmesinde etkili bir sonuç

alınamadığı için, aşındırma işlemi yerine morfolojik açma

işlemi uygulanmıştır. Açma işlemi, görüntü üzerinde

aşındırma ve yayma işlemlerinin ardışıl olarak uygulanması

temeline dayanmaktadır. Açma işlemi ile ışıklılık etkisinden

ötürü oluşan gürültüler tamamen giderilebilmiştir. Bu

işlemler sonucunda yeşil zeytinler tespit edilmiş olmaktadır.

Şekil 5 :Kameradan alınan görüntü

Şekil 6 : Maskeleme uygulanan görümtü

Şekil 7 : Eşiklendirme uygulanmış görüntü

Şekil 8 : Tespit edilen yeşil zeytinler

4. OPC ile Haberleşme

OPC sunucu (server); bir ya da daha fazla OPC özelliğiyle

uyumlu çalışmak amacıyla tasarlanmış bir yazılım

uygulamasıdır. OPC sunucular cihazların yerel haberleşme

protokolleriyle veya arayüzleriyle OPC ortamını bağlayan

tercümanlar gibi görev yapmaktadır. OPC sunucunun görevi,

OPC istemcinin komutlarına göre cihazdan bilgi almak veya

cihaza bilgi göndermektir. OPC istemci ise; herhangi bir

uyumlu OPC sunucuyla haberleşmek için bir uygulama

tarafından kullanılan yazılımlardır. OPC istemciler, OPC

sunucularla haberleşmeyi başlatma ve kontrol etme işlerini

yürüttükleri için bir veri alıcısı olarak görev yapmaktadır.

Şekil 9' da OPC Server blok diyagramı görülmektedir.

Şekil 9 : OPC server blok diyagramı

OPC standartlarına göre tanımlanan OPC sunucu,

Şekil 10’da gösterildiği gibi üç nesneden oluşur. Bunlar;

OPCServer, OPCGroup ve OPCItem nesneleridir. OPCItem

nesnesi, veri okuma ve yazma için OPCServer tarafından


468

tanımlanan en küçük mantık birimidir. OPCServer ve

yürütülen sürecin veri kaynağı arasında bağlantı

sağlamaktadır. Bu demek oluyor ki, her OPCItem nesnesi

istemci cihazının bir sinyal değişkeni ile

ilişkilendirilmektedir. OPCItem nesnesi doğrudan

kullanılamaz. OPCItem nesnesine grup nesnesi aracılığıyla

erişebilmektedir [6].

Şekil 10 : OPC nesnelerinin hiyerarşik yapısı

OPC DA (Data Access) standardı, sunucu ve

istemcinin birbirleriyle etkileşimi için ortak bir mekanizma

sağlamaktadır. Matlab – OPC Toolbox, OPC DA istemci

uygulamasıdır ve OPC DA uyumlu herhangi bir sunucuya

bağlanabilir. Bu sayede Matlab ortamında OPC sunucusuna

gidilerek, doğrudan OPC verisi okunabilir veya yazılabilir

[15]. Bu çalışmada uygulanacak olan, Matlab ile PLC

arasında OPC üzerinden kurulacak olan bağlantı Şekil 11’ de

şematik olarak gösterilmektedir.

Şekil 11 : Matlab ve PLC arasında OPC üzerinden kurulan

bağlantı

Matlab’da oluşturulan OPC istemci programında ilk

olarak OPCServer nesnesi oluşturulur. Bu sayede sunucunun

isim alanı ve sunucuda depolanan her bir OPCItem hakkında

bilgi sahibi olunur. Daha sonra OPCGroup nesnesi

oluşturularak bu nesneye eklenecek olan OPCItem’lar için bir

gruplandırma yapılmış olur. Böylelikle OPC Toolbox

üzerinden tüm istemci, group ve item nesnelerinin kontrol ve

yapılandırmaları (konfigürasyonları) sağlanır.

S7-1200 CPU’ da bulunan I, O, DB, M gibi hafıza

alanlarına OPC sunucu üzerinden erişimi sağlamak için

Simatic NET içerisindeki OPC Scout yazılımı

kullanılmaktadır. OPC Scout programında PLC ile

haberleşme “OPC.SimaticNET” üzerinden yapılır. Burada

oluşturulan grup nesnesi altında PLC bilgileri listelenir.

Oluşturulan grup nesnesi içerisinde tanımlanan item nesneleri

ile PLC’de bulunan hafıza alanları OPC sunucuya tanıtılır.

Gerçekleştirilen bu işlemde, eğer PLC ile haberleşme

sağlanmışsa, tanıtılan her bir item nesnesinin kalitesi Şekil 12’ de gösterildiği gibi “Good” durumunda olmalıdır.

Şekil 12: PLC ile haberleşmek için tanımlanan item nesneleri

Şekil 13 : Sistem akış diyagramı

5. Sistemin Çalışma Prensibi

Şekil 13’ de, bu çalışmada gerçekleştirilen sistemin akış

diyagramı verilmiştir. Yapılan çalışmada, sisteme başla

komutunun gelmesi ile uygulama sıralı olarak işlemleri

gerçekleştirmektedir. İlk olarak kameradan bir görüntü

alınarak, nesnelerin renklerine göre ayrıştırılması işlemi

başlamaktadır. Geliştirilen görüntü işleme algoritması ile

nesnelerin renkleri belirlenmektedir. Renkleri belirlenen

nesnelerin yerleri PLC’ye bilgi olarak gönderilmektedir. Bilgi

BİTİR

BAŞLA

H

Nesnenin Görüntüsünü Al

Görüntü İşleme Algoritmasını

Çalıştır

Renkli Nesnelerin Yerlerinin

PLC’ye Gönderilmesi

Renkli Bilgisine Göre PLC

Çıkışlarının Aktif Edilmesi

E

PLC’nin çıkışları

aktif edildi mı?

H

E

Nesne ayrıştırılacak

mı?


469

word formatında tamsayı olarak yazılmaktadır. Word format

yapısı denklem 1’de verilmiştir.

∑

(1)

Denklem 1’de k, nesnenin konum bilgisinin word adresi ve

, k. nesnenin rengi bilgisi olup, nesne renk eşik seviyesini

geçerse aksi durumda ise değerini alır.

Örneğin alınan görüntüde 2. ve 6. konumlardaki nesnelerin

renk bilgisi eşik seviyesini geçmiş ise olarak

alınacaktır. Matlab’dan PLC’ye gönderilen word bilgisi

Denklem 1’in sonucu,

∑

olarak Matlab’dan PLC’ye gönderilmektedir. PLC’ye gelen

word bilgisi 0. bitten başlamak üzere bit, bit test edilerek 1

değerine sahip olan bitlere karşılık gelen çıkışlar aktif

edilmektedir. Aktif edilen çıkışlara göre nesneler renklerine

göre ayrıştırılmış olmaktadır. Ayrıştırma işlemi bittikten

sonra sistem tekrar başlangıç konumuna gelerek başla

komutunu beklemektedir.

Yapılan çalışmada, Matlab ortamında geliştirilen

görüntü işleme algoritmasıyla PLC haberleşmesi OPC

aracılığıyla gerçekleştirilmiştir.

6. Sonuçlar

Bu çalışmada, geliştirilen görüntü işleme algoritması

sonucunda elde edilen verilerin OPC Server üzerinden

Siemens S7-1200 PLC’ye gönderilmesi ve deney

düzeneğinin kontrolü gerçek zamanlı olarak sağlanmıştır.

Sistemde kullanılan web kameranın renkli nesnelerin ayırt

edilmesi işleminde başarılı bir şekilde cevap verdiği

belirlenmiştir. Geliştirilen görüntü işleme algoritmasının 5, 6

sn de nesnelerin renklerine göre ayırt edildiği

gözlemlenmiştir. Bu süreyi azaltmak için yüksek özellikteki

endüstriyel bir kamera kullanılmasının daha başarılı sonuçlar

vereceği düşünülmektedir. Bu nedenle, endüstriyel

uygulamalar için yüksek çözünürlükte kameralar ve farklı

lensler kullanılarak, uygulamalara göre daha başarılı ve daha

hızlı cevaplar alınabileceği belirlenmiştir. Geliştirilen görüntü

işleme uygulamasının farklı renk uzaylarında yapılarak başarı

oranlarının karşılaştırılabileceği belirlenmiştir. Ayrıca birçok

endüstri uygulamalarında olmazsa olmaz olan PLC ile

görüntü işleme uygulamasının senkron bir şekilde çalışması

gerçekleştirilmiştir.

Kaynakça

[1] M. Mrosko, E. Miklovičová, “Real-time implementation

of redictive control using programmable logic

controllers”, 2012.

[2] ‘S7-1200 Programmable controller’, System Manual,

04/2012, A5E02486680-06.

[3] ‘S7-200 Programmablecontroller’, System Manual,

C79000-G7076-C230-02.

[4] http://www.bilesim.com.tr/yazdir.php?t=3&id=5040&sn

=0.

[5] Y. Ünlü, “Süreç Kontrolunda Nesnelerin Bağlaşması Ve

İlişkilendirilmesi (Opc) Standardı Ve Uygulaması”,

İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü,

Yüksek Lisans Tezi, 2007.

[6] Z. Lieping, Z. Aiqun, Z. Yunsheng, “On Remote Real-

Time Communication between MATLAB and PLC

Based on OPC Technology”, China, 2007.

[7] http://seyfettinvadi.blogcu.com/opc-server-

nedir/10649621.

[8] Frank Iwanitz, JürgenLange, “OPC Fundementals,

Implementationand Application”, Hüthig GmbH&Co.,

Heidelberg, Germany, 2006.

[9] S. Büyük, S. Gök, “Proses Otomasyonunda OPC

Teknolojisi”Mühendis ve Makina Dergisi, Cilt 53,Say1

635 ARALIK 2012, sayfa 13-15.

[10] http://www.aspltd.net/opcturkiye/pdf/asp_opc_makale.p

df.

[11] İ. Yılmaz, “Renk Sistemleri, Renk Uzayları ve

Dönüşümler”, KONYA, 2002, Selçuk Üniversitesi

Jeodezi ve Fotogrametri Mühendisliği 30. Yõl

Sempozyumu,16-18 Ekim 2002, Konya, Bildiri Kitabı

sayfa 340-350.

[12] http://tr.wikipedia.org/wiki/RGB_renk_uzay%C4%B1.

[13] http://tr.wikipedia.org/wiki/HSV_renk_uzay%C4%B1.

[14] R.C. Gonzalez, R.E. Woods, S.L. Eddins, Digital Image

Processing using Matlab, PrenticeHall, USA ,2004. [15] The Matworks, “MATLAB OPC Toolbox User’s

Guide”.


470

Documents

ENDÜSTRİYEL OTOMASYON SİSTEMLERİ · 2017-10-21 · ENDÜSTRİYEL OTOMASYON SİSTEMLERİ. Otomatik Kontrol Ulusal Toplant Õs Õ, TOK2013, 26-28 Eylül 2013, Malatya 437. Elektroerozyon