SONUÇLARIN DEĞERLENDİRİLMESİ

Bu tez çalışmasında, saç kurutma makinalarının ses kalitesini değerlendirmek üzere, iki farklı matematiksel model geliştirilmiştir. Bu amaçla, yapılan deneysel çalışmalar sonucunda elde edilen verilerin değerlendirilmesi, iki farklı matematiksel araç, Ana Bileşenlerin Analizi ve Yapay Sinir Ağları kullanılarak gerçekleştirilmiştir.

Sekiz adet saç kurutma makinası örnek olarak seçilerek ses ölçümleri yapılmış ve bir ses kalitesi yazılımı kullanılarak ses kalitesi metrikleri ve 1/3 oktav bandı ses basınç düzeyleri hesaplanmıştır. Diğer taraftan bir gurup bireyden, belirlenen işleyiş doğrultusunda, makina seslerini değerlendirmeleri istenerek jüri testleri gerçekleştirilmiştir.

Deneysel çalışma sonucunda elde edilen bilgiler için istatistiksel analiz yapılmıştır. Yapılan istatistiksel analiz ile jüri testi ve ölçüm sonuçlarının ana bileşenleri elde edilmiştir. Metriklerin ana bileşenlerine bakıldığında özellikle gürlük metriğinin ve gürlüğün istatistiksel bileşenlerinden elde edilen metriklerin ön plana çıktığı görülmüştür. Gürlük tabanlı metriklerden keskinlik ise ikinci dereceden ses kalitesini etkilemektedir. Jüri değerlendirmesi ele alındığında ise jürinin ses kalitesi algısında, yumuşaklık, sessizlik gibi sesin hoşa gidici niteliklerini ön plana çıkardığı görülmüştür. Ürünün kalitesiyle ilgili, güçlülük, kalite gibi faktörler ise arkadan gelmektedir.

ABA sonucu elde edilen değişkenler ile ABR yapılarak bir rahatsızlık indeksi geliştirilmiştir. Tablo 5.8’in ilk sütununda verilen denklem katsayılarına bakıldığında FFT spektrumuna göre sesin spektrumdan ayrılma miktarını belirleyen metriğin de, yukarıda belirtilenlerin yanında sesin rahatsız ediciliği üzerinde etkisi olduğunun ortaya çıktığı görülmektedir. Aynı tablonun ikinci sütununda kalite faktörüyle metrikler arasındaki regresyon katsayılarına bakıldığında ise, ki bu faktör ürünün güçlü ve kaliteli algılanışıyla ilgilidir, kalite faktörünün büyük ölçüde keskinlik ve spektrumdan ayrılma miktarı metriklerine bağlı olduğu görülmüştür.

Diğer taraftan bir Yapay Sinir Ağı kurulmuştur. Ölçüm bilgileri ile jüri testi ana bileşenleri kullanılarak oluşturulan yapay sinir ağı eğitilerek ağın ağırlıkları hesaplanmıştır. Elde edilen ağ ile farklı saç kurutma makinalarında ölçümler sonucu elde edilen bilgileri kullanılarak bireylerin sesler hakkındaki öznel yargılarını tahmin etmek mümkün olmuştur.

Son olarak üç farklı saç kurutma makinasının YSA sonuçları ile ABR sonuçları karşılaştırılmıştır. Her iki yöntem için de rahatsızlık büyüklüklerine göre yapılan sıralama aynı çıkmıştır.

Çalışma sonucunda, iki farklı rahatsızlık ölçütünün geliştirilmiş olmasının yanında, Ana Bileşenlerin Analizi ve Yapay Sinir Ağları yöntemlerinin ses kalitesi değerlendirmelerinde etkin araçlar olduğu ortaya konulmuştur.

KAYNAKLAR

[1] Lyon H., R., 2000. Designing for Product Sound Quality, Marcel Dekker, Inc., New York.

[2] Blauert, J., Jekosch, U., 1997. Sound-Quality Evaluation – A Multi-Layered Problem, Acustica-acta acustica, 83, 747-753.

[3] Blauert, J., Jekosch, U., 1996. A Semiotic Approach Toward Sound Quality,

Inter-Noise 96 25th Anniversary Congress, Liverpool.

[4] Laux, P.C., Davies, P., 1990. Identification of Parameters that Influence Sound Quality, ASEE Annual Conference Proceedings, Session 1334.

[5] Laux, P.C., Davies, P., 1994. Using Artificial Neural Networks to Model Human Annoyance to Noise, Noise-Con 94, Ft. Lauderdale, Florida, May 01-04.

[6] Kuwano, S., Namba, S., Hashimoto, T., Berglund, B., da Rui, Z., Schick, A., Hoege, H., Florentine, M., 1991. Emotional Expression to Noise: A Cross-Cultural Study, Journal of Sound and Vibration, 151(3), 421-428.

[7] Findel, I.H., Lewis, C.G., 1996. Acoustic features in Vehicle Interior Noise Quality, Inter-Noise 96 25th Anniversary Congress, Liverpool.

[8] May, P., Davies, P., Bolton, J.S., 1996. Correlations Between Subjective and Objective Evaluations of Refrigerator Noise, Inter-Noise 96 25th Anniversary

Congress, Liverpool.

[9] Preis, A., 1996. Measurement of Annoyance Components, Inter-Noise 96 25th

Anniversary Congress, Liverpool.

[10] Guski, R.,1997. Psychological methods for Evaluating Sound Quality and Assessing Acoustic Information, Acustica-acta acustica, 83, 765-774.

[11] Bodden, M.,1997. Instrumentation Sound Quality Evaluation, Acustica-acta

acustica, 83, 775-783.

[12] Keiper, W.,1997. Sound Quality Evaluation in the Product Cycle, Acustica-acta

acustica, 83, 784-788.

[13] Beidl, C.V., Stücklschwaiger, W., 1997. Application of the AVL-Annoyance Index for Engine Noise Quality Development, Acustica-acta acustica, 83, 789-795. [14] Van der Auweraer, H., Wyckaert, K., Hendricx, W., 1997. from sound Quality to the Engineering of solutions for NVH Problems: Case Studies,

Acustica-acta acustica, 83, 796-804.

[15] Bisping, R., 1997. Car Interior Sound Quality: Experimental Analysis by Synthesis, Acustica-acta acustica, 83, 813-818.

[16] Widman, U., Three application Examples for Sound quality design Using Psychoacoustic Tools, Acustica-acta acustica, 83, 819-826.

[17] Sussini, P., McAdams, S., Winsberg, S., 1999. A Multidimensional Technique for Sound Quality Assesment, Acustica-acta acustica, 85, 650-656.

[18] Jekosch, U., 1999. Meaning in the Context of Sound Quality Assesment,

Acustica-acta acustica, 85, 681-684.

[19] Prante, H.U., 1999. Estimation of Sound Quality Measures Using FIR Neural Networks, Acustica-acta acustica, 85, 674-677.

[20] Ishiyama, T., Hashimoto, T., 2000. The Impact of Sound Quality on Annoyance Caused by Road Traffic Noise: An Influence of Frequency Spectra on Annoyance, JSAE Review, 21, 225-230.

[21] Otto, N., Amman, S., Eaton, C., Lake, S., 2001. Guidelines for Juri Evaluations of Automotive Sounds, Sound and Vibration, April.

[22] Irwin, J.D., Graf, E.R., 1979. Industrial Noise and Vibration Control, Prentice-Hall, Inc., New Jersey

[23] Zwicker, E., Fastl, H., 1999. Psychoacoustics-Facts and Models, Springer, Berlin.

[24] Hassal, J.R., Zaveri, K., 1988. Acoustic Noise Measurements, Bruel&Kjaer, Nearum,Denmark.

[25] Foreman, J., 1990. Sound Analysis&Noise Control, Van Nostrand Reinhold, New York.

[26] Bruel&Kjaer, 1998. Sound Quality Software Type 7698 Manual, Denmark. [27] Altınsoy, E., 1999. Ürün Tasarımında Ses Kalitesi Yöntemi, Yüksek Lisans Tezi, İ.T.Ü. Fen Bilimleri Enstitüsü, İstanbul.

[28] Jackson, J. E., 1991. A User’s Guide to Principal Components, , John Wiley & Sons,Inc., New York.

[29] Johnson, R.A., Wichern, D.W., 1988. Applied Multivariate Statistical Analysis, Prentice-Hall International,Inc., New Jersey.

[30] Wise, B.A., Gallagher, N.B., Development ann Benchmarking of Multivariate Statistical Process Control Tools for a Semiconductor Etch Process: Impact of Measurement Selection and Data Treatment on Sensitivity.

[31] Cerit, C., Yüksel, M., 1997. Matematik İstatistik, İstanbul.

[32] Sinencio, E.S., Lau, C., 1992. Artificial Neural Networks, IEEE Press, New York

[33] Wasserman, P.D., 1989. Neural Computing Theory and Practice, Van Nostrand Reinhold, New York

[34] Artificial Neural Networks: Concepts,

[35] Yıldızdoğan, M., 1995. Yapay Sinir Ağları ile Sistem Tanıma, Yüksek Lisans

[36] Fu, L., 1994. Neural Networks in Computer Intelligence, McGraw-Hill, Inc., New York.

[37] Widrow, B., Lehr, M.A., 1990. 30 Years of Adaptive Neural Networks: Perceptron, Madaline, and Backpropagation, Proceedings of IEEE, 78, No. 9.

[38] Sobhi, I., 1998. Development of Sound Quality Combination Metrics for Two Different Appliances, Final Thesis, Engineering Collage of Copenhagen.

[39] MATLAB, 1998. Version 5.2.0, Statistics Toolbox.

EK 1 . Örnek seslerin 1/3 Oktav Bandı Veri Tablosu.

Oktav Bandı

Merkez Örnek 1 Örnek 2 Örnek 3 Örnek 4 Örnek 5 Örnek 6 Örnek 7 Örnek 8

Frekansı (Hz)

1.25E+02 4.22E+01 3.70E+01 3.34E+01 3.80E+01 3.68E+01 3.40E+01 3.04E+01 3.80E+01 1.60E+02 4.47E+01 4.36E+01 3.71E+01 4.23E+01 3.90E+01 3.78E+01 3.33E+01 4.30E+01 2.00E+02 5.41E+01 5.09E+01 4.37E+01 4.39E+01 4.75E+01 5.20E+01 5.09E+01 5.05E+01 2.50E+02 5.38E+01 4.96E+01 4.46E+01 4.50E+01 4.67E+01 4.71E+01 4.04E+01 5.68E+01 3.15E+02 5.69E+01 5.22E+01 4.86E+01 4.91E+01 5.03E+01 5.10E+01 4.20E+01 5.36E+01 4.00E+02 5.52E+01 5.21E+01 4.84E+01 4.97E+01 4.99E+01 5.14E+01 4.25E+01 5.38E+01 5.00E+02 5.62E+01 5.77E+01 4.88E+01 5.10E+01 5.30E+01 5.20E+01 4.35E+01 5.62E+01 6.30E+02 5.95E+01 6.49E+01 5.30E+01 5.75E+01 5.60E+01 5.59E+01 4.76E+01 5.98E+01 8.00E+02 7.15E+01 7.47E+01 6.03E+01 6.38E+01 6.36E+01 6.53E+01 5.50E+01 7.03E+01 1.00E+03 7.49E+01 7.14E+01 6.32E+01 6.74E+01 6.96E+01 7.34E+01 6.38E+01 6.63E+01 1.25E+03 7.04E+01 6.57E+01 6.40E+01 6.57E+01 6.72E+01 7.29E+01 6.41E+01 6.37E+01 1.60E+03 6.95E+01 6.54E+01 5.78E+01 6.04E+01 5.78E+01 7.22E+01 6.03E+01 6.71E+01 2.00E+03 6.75E+01 6.62E+01 6.11E+01 6.06E+01 5.63E+01 6.48E+01 5.75E+01 6.58E+01 2.50E+03 6.69E+01 6.63E+01 6.30E+01 5.85E+01 5.67E+01 6.56E+01 6.12E+01 6.46E+01 3.15E+03 6.73E+01 6.43E+01 6.26E+01 6.06E+01 5.91E+01 6.78E+01 6.01E+01 6.37E+01 4.00E+03 6.58E+01 6.33E+01 6.23E+01 6.12E+01 5.85E+01 6.58E+01 6.01E+01 6.50E+01 5.00E+03 6.38E+01 6.19E+01 6.17E+01 6.02E+01 5.66E+01 6.36E+01 6.07E+01 6.40E+01 6.30E+03 6.27E+01 6.12E+01 6.31E+01 5.96E+01 5.53E+01 6.25E+01 6.04E+01 6.38E+01 8.00E+03 6.15E+01 6.02E+01 5.99E+01 5.65E+01 5.42E+01 6.08E+01 6.11E+01 6.35E+01 1.00E+04 5.87E+01 5.65E+01 5.75E+01 5.47E+01 5.28E+01 5.88E+01 6.03E+01 6.11E+01 1.25E+04 5.52E+01 5.40E+01 5.36E+01 5.15E+01 5.16E+01 5.57E+01 5.53E+01 5.47E+01 1.60E+04 5.32E+01 5.07E+01 5.09E+01 4.87E+01 4.99E+01 5.36E+01 5.24E+01 5.19E+01

Metrikler Örnek 1 Örnek 2 Örnek 3 Örnek 4 Örnek 5 Örnek 6 Örnek 7 Örnek 8 Stasyoner Gürlük 44.93 41.02 31.53 31.23 29.50 41.92 28.83 39.82 Gürlük (Ortalama) 44.72 40.77 31.10 30.87 29.13 41.67 28.58 39.72 Anlık Gürlük(Ortalama) 44.33 40.40 30.88 30.70 28.98 41.38 28.38 39.20 Keskinlik(Ortalama) 2.24 2.20 2.61 2.39 2.23 2.35 2.79 2.48 Kabalık 0.47 0.49 0.50 0.48 0.47 0.45 0.44 0.47 Dalgalanım Kuvveti 0.93 1.01 1.14 1.02 0.99 0.92 0.92 0.98 Prominence Ratio: 0.00 0.27 2.95 -0.64 0.31 2.73 2.13 2.46 İstatistiksel Gürlük_Max -0.54 0.24 0.93 34.48 33.07 46.83 31.60 43.78 İstatistiksel Gürlük_Min 50.93 47.00 34.93 14.68 14.10 19.83 12.95 19.98 İstatistiksel Gürlük_RMS 23.47 21.78 14.38 30.92 29.17 41.73 28.65 39.73

İstatistiksel Gürlük_Standart Sapma 44.77 40.73 31.15 1.60 1.69 2.17 1.45 1.99

İstatistiksel Gürlük_N(1) 2.39 2.52 1.99 33.65 32.57 45.88 31.12 43.37

İstatistiksel Gürlük_N(50) 49.67 45.55 34.20 30.93 29.20 41.75 28.67 39.77 İstatistiksel Gürlük_N(99) 44.72 40.77 31.23 28.22 26.12 37.98 26.10 36.38 İstatistiksel Anlık Gürlük_Max 40.43 36.22 28.17 35.40 34.03 48.65 32.37 44.60 İstatistiksel Anlık Gürlük_Min 52.67 47.38 35.62 8.24 7.75 10.71 6.64 11.53 İstatistiksel Anlık Gürlük_RMS 14.35 13.60 7.31 30.75 29.08 41.48 28.45 39.30 İstatistiksel Anlık Gürlük_Standart Sapma 44.47 40.33 30.95 2.17 2.25 2.98 1.96 2.65

İstatistiksel Anlık Gürlük_N(1) 3.20 2.78 2.23 34.45 33.28 47.13 31.58 43.77 İstatistiksel Anlık Gürlük_N(50) 51.20 46.40 34.85 30.78 29.03 41.43 28.45 39.28 İstatistiksel Anlık Gürlük_N(99) 44.35 40.28 31.07 27.22 25.35 36.52 25.13 34.93 İstatistiksel Keskinlik (Zwicker)_Max 39.02 35.05 27.10 2.66 2.50 2.58 3.05 2.74

İstatistiksel Keskinlik (Zwicker)_Min 2.47 2.45 2.88 1.21 1.12 1.34 1.53 1.27 İstatistiksel Keskinlik (Zwicker)_Standart Sapma 1.21 1.16 1.15 0.11 0.11 0.10 0.12 0.12 İstatistiksel Keskinlik (Zwicker)_N(1) 0.10 0.10 0.14 2.62 2.44 2.53 3.00 2.69 İstatistiksel Keskinlik (Zwicker)_N(50) 2.44 2.39 2.84 2.39 2.23 2.35 2.79 2.49 İstatistiksel Keskinlik (Zwicker)_N(99) 2.24 2.19 2.62 2.22 2.06 2.19 2.60 2.28