TARIFNAME TAKIM TEZGAH] TIRLAMA TITRESIMI TESTIPI IÇIN BIR SISTEM Teknik Alan Bu bulus, özellikle talasli imalat sektöründe, imalat sirasinda kesici takimi ve is parçasi arasindaki dinamik etkilesimle meydana gelen ve kendi kendini besleyen tirlama titresiminin tespitini saglayan bir tirlama titresimi tespit sistemi ile ilgilidir. Önceki Teknik Imal edilecek tasarimin önceden belirlendigi, imal edilecek hammaddenin imalat sürecine uygun talasli imalat tezgahlarinda, belirlenmis kesici imalat makinalarinin operasyonlariyla sekillendirilmesi genel olarak talasli imalat olarak adlandirilmaktadir. Talasli imalatta imal edilen, üzerine islem uygulanan ürün is parçasi olarak adlandirilmaktadir. Talasli imalat, kesici takim ve is parçasinin birbirlerine bagli olarak hareket etmesiyle, is parçasi üzerinde gerilim olusturularak gerçeklesmektedir. Metal, plastik, ahsap ve benzeri malzemelerin üzerinden veya iç kisimlarindan malzeme kaldirilmasiyla sekil verilmesi islemi talasli imalat olarak adlandirilmaktadir. Söz konusu malzeme kaldirma islemi kesici takim tarafindan is parçasina uygulanmaktadir. Tüm süreç talasli imalat süreci olarak adlandirilmaktadir. Is parçasi üzerinden kaldirilan atik malzemeler ise talas olarak adlandirilmaktadir. Alin tomalama, pah kirma, kademeli tomalama, Vida açma gibi farkli talasli imalat çesitleri mevcuttur. Farkli malzemelerin islenebilmesi, hassas hata payina sahip ISTEMLER 1. Özellikle talasli imalat sirasinda kesici takim ve is parçasinda meydana gelen dinamik etmenlerden dolayi olusan tirlama titresiminin tespit edilmesini saglamak amaciyla takim tezgahlarinda kullanilan, takim tezgahinda kesici takim ve is parçasi arasinda, tirlama titresimi olusmasina sebep olan kuvvetleri ölçmek amaciyla uyarlanmis en az bir kuvvet çekici (200), takim tezgahinda kesici takim ve is parçasi arasinda, tirlama titresimin olusmasina sebep olan ivmeyi ölçmek amaciyla uyarlanmis en az bir ivme ölçer (300) içeren, kuvvet çekici (200) ve ivme ölçer (300) ile elde edilen verilerin dijital bir sekilde bir araya getirilmesini, depolanmasini ve kontrol ünitesine (500) transfer edilmesini saglamak amaciyla kullanilan bir veri toplama sistemi (400), takim tezgahi üzerinde veya takim tezgahindan uzakta konumlandirilan, bir yapay zekaya sahip veya bir yapay zeka tarafindan olusturulmus modelleri içeren ve asagida yer alan teknik unsurlari gerçeklestirmek amaciyla uyarlanmis en az bir kontrol ünitesi (500); o tirlama titresimi verilerinin analitik ve nümerik modeller kullanilarak teorik olarak olusturulmasi, o Hilbert-Huang Transformasyonu kullanilarak tirlama titresimi verilerinin yapay sinir agi egitiminde kullanilmasi, 0 ön isleme esnasinda EEMD ve IMF modlarina ayirilmasi ile karakterize edilen bir tirlama tespit sistemi (100). 2. Kuvvet çekici (200) ve ivme ölçer (300) yardimiyla elde edilen verilerin dijital bir sekilde toplanmasi ve elde edilen verilerin yapay sinir aglarini egitmek amaciyla kontrol ünitesine (5 00) iletilmesini saglamak amaciyla uyarlanmis en az bir veri toplama sistemi (400) ile karakterize edilen Istem 1,deki gibi bir tirlama tespit sistemi (100). olmasi, farkli boyut ve geometrilere sahip imalat gerçeklestirilebilmesi, köse ve yüzey kusurlarinin az olmasi gibi avantajlarindan dolayi talasli imalat siklikla tercih edilmektedir. Talasli imalat sirasinda kesici takim ve is parçasi arasinda meydana gelen dinamik etkilesimler tirlama titresimine sebep olmaktadir. Tirlama titresimi Ingilizcede kalitesinin düsmesine ve kesici takimin ömrünün azalmasina sebep olmaktadir. Tirlama titresimi malzeme ayirma hizinin arttigi ve kesme kuvvetinin azalmasi esnasina olusmaktadir. Malzeme ayirma hizinin degisimi, kayma açisinin degisimi tirlama titresimine sebep olmaktadir. Tirlama titresimi is parçasinda, hassasiyet düsüsü, yüzey kusurlari, kesici takimin zarar görmesi gibi imalat sürecinde olumsuz etkilere sebep olmaktadir. Talasli imalat sirasinda, is parçasindan malzeme kaldirilmaktadir-ayirilmaktadir. Is parçasindan ayrilan ve talas olarak adlandirilan malzemenin ayrilmasi sirasinda, takim tezgahi ve dis çevreden bagimsiz olarak tirlama titresim olarak adlandirilmaktadir. Talasli imalat havacilik, savunma sanayi, otomotiv, biyomedikal ürünler basta olmak üzere hemen hemen her sektörde kullanilmaktadir. Katma degeri yüksek ürünlerin imalatlarinda talasli imalat yöntemi siklikla kullanilmaktadir. Malzemelerin yüzey kaliteleri, uygulama performansini ve malzemenin kullanim ömrünü etkilemektedir. Özellikle havacilik ve otomotiv sanayide talasli imalat yöntemi ile imal edilen malzemelerin yüzey kusurlarinin önlenmesi son derece önemlidir. Teknigin bilinen durumunda yer alan bir uygulamada tirlama titresiminin azaltilmasini saglamak için kullanilan yöntemler mevcuttur. Söz konusu uygulama düsük kesim hizlari kullanilarak tirlama titresiminin nispeten azaltilmasini saglamaktadir. Düsük kesim hizlari ile talasli imalat yöntemi tirlama titresimini azaltmaktadir fakat imalat süresini uzatmaktadir. Özellikle seri üretim gerektiren uygulamalarda, imalatin yavas olmasi üretimin ve tedarik süreçlerini önemli ölçüde etkilemektedir. Teknigin bilinen durumunda yer alan bir diger uygulamada tirlama titresimin tespitini saglamak amaciyla yapay zeka ve sistem analizi metotlari kullanilmaktadir. Söz konusu uygulamada yalnizca belirlenen takim tezgahlarinda belirli parçalarin imalati sirasinda olusan tirlama titresimi tespit edilmektedir. Söz konusu uygulamanin en büyük dezavantaji farkli parçalarin imalati sirasinda ve farkli takim tezgahlari kullanilmasi durumunda olusan tirlama titresimini tespit edememesidir. Özel imalat yapan üretim tesislerinde ve yeni buluslarin üretimini gerçeklestiren ar-ge üretim merkezlerinde siklikla yeni parçalar imal edilmektedir. Söz konusu yeni parçalarin imalati sirasinda teknigin bilinen durumunda yer alan uygulama tirlama titresiminin tespit edilebilmesi için yetersiz kalmaktadir. Teknigin bilinen durumunda yer alan bir diger uygulamada tirlama titresiminin tespit edilebilmesi için yapay zeka kullanilmaktadir. Söz konusu uygulamada yer alan yapay zeka çoklu veri girdisi ile ögrenmektedir. Yapay zekanin tirlama tespitini ögrenmesi için çok sayida takim tezgahi kullanilarak çok sayida farkli parça imalati gerçeklestirilmektedir. Söz konusu durum yapay zekanin tirlama titresimini öngörebilme süresini aittirmakta ve optimal sonuçlar için daha fazla malzemenin imal edilmesini gerektirmektedir. Mevcut basvuru ile bir kuvvet çekici ve ivme ölçer kullanilarak tirlama verisi toplayan ve söz konusu verilerin islenerek ve ön isleme sirasinda EEMD ve IMF yöntemleri ile modlarina ayrilmasiyla düsük hata payina sahip, mevcut takim tezgahlarina uygulanabilir, tirlama titresimini tespit etmek için bir sistem gerçeklestirilmektedir. Bulusun Amaçlari Bu bulusun amaci, tirlama titresimi verilerinin analitik ve nümerik modeller yardimiyla teorik olarak olusturulmasini saglayan, tirlama titresimin tespitini için Bu bulusun bir diger amaci, talasli imalat islemi sirasinda bir kuvvet çekici ve ivme ölçer kullanilarak tirlama titresimi verisi toplayan, tirlama titresimin tespitini için Bu bulusun bir diger amaci, Hilbeit-Huang Transformasyonu ile verilerin sahip oldugu yapay zeka modülünün ögrenmesinde kullanildigi, tirlama titresimin tespitini için bir sistem gerçeklestirmektir. Bu bulusun bir diger amaci, talasli imalat sirasinda elde edilen verilerin ayni islemlerden geçirilmesiyle tirlama titresimini tespit etmesini saglayan, tirlama titresimin tespitini için bir sistem gerçeklestirmektir. Bu bulusun bir diger amaci, ön isleme süresince EEMD ve IMF metotlari ile mod ayrimi gerçeklestiren, tirlama titresimin tespitini için bir sistem gerçeklestirmektir. Bulusun Kisa Açiklamasi Bulus konusu takim teZgahi tirlama tespiti sistemi özellikle talasli imalat sürecinde takim teZgahlarinda, imalat sirasinda kesici takim ve is parçasi arasinda dinamik etkilerden dolayi olusan tirlama titresiminin tespitini saglamak amaciyla kullanilmaktadir. Bir kesici takim kullanilarak bir is parçasi üzerinden malzeme kaldirilmasiyla imalat yöntemi talasli imalat olarak adlandirilmaktadir. Talasli imalat havacilik, uzay, otomotiv, biyomedikal gibi sektörlerde siklikla tercih edilmektedir. Bu bulusun amacina ulasmak için gerçeklestirilen, ilk istem ve bu isteme bagli diger istemlerde tanimlanan takim tezgahi tirlama titresimi tespiti sistemi, bir kontrol ünitesi; kesici takim ve is parçasi arasinda meydana gelen kuvvetleri ölçmek amaciyla uyarlanmis bir kuvvet çekici; kesici takim ve is parçasi arasinda olusan ivmeyi ölçmek amaciyla uyarlanmis bir ivme ölçer; kuvvet çekici ve ivme ölçerden elde edilen verilerin dijital olarak toplanmasini saglamak amaciyla uyarlanmis bir veri toplama sistemi içermektedir. Basvuru konusu takim tezgahi tirlama titresimi tespit sistemi, talasli imalat esnasinda meydana geren tirlama titresiminin tespitini saglamak amaciyla kullanilmaktadir. Talasli imalat esnasinda kesici takim ile is parçasi arasinda olusan dinamik etkilesimler tirlama titresiminin olusmasina sebep olmaktadir. Takim tezgahlarinda kesici takim ile is parçasi arasinda olusan tirlama titresimi imal edilen malzemenin yüzey kusurlarini arttirmaktadir. Bazi durumlarda tirlama titresimi kesici takima dolayisiyla takim tezgahina da zarar vermektedir. Söz konusu durum imalatin yavaslamasina ve maliyetin artmasina sebep olmaktadir. Basvuru konusu takim tezgahi tirlama titresimi tespit sistemi yapay zeka modeli egitilmesiyle, takim tezgahinda meydana gelen tirlama titresiminin tespit edilmesini saglamaktadir. Basvuru konusu takim tezgahinda tirlama titresimine ait veriler analitik ve nümerik modeller kullanilarak teorik olarak olusturulmakta ve islenmektedir. Bir kuvvet çekici ve ivme ölçer talasli imalat esnasinda tirlama titresimi verisi toplamaktadir. Basvuru konusu takim tezgahi tirlama tespit sistemi, takim tezgahinda elde edilen tirlama titresimi verileri Hilbeit-Huang Transformasyonu kullanilarak yapay zeka egitiminde ve yapay zeka modeli olusturmakta kullanilmaktadir. Basvuru konusu takim tezgahi tirlama titresimi tespit sistemi bir ön isleme gerçeklestirmektedir. Söz konusu ön isleme, EEMD ile içsel mod fonksiyonlarina ayilmasi ile gerçeklestirilmektedir. Ayrica isleme ile elde edilen veriler talasli imalat sistemine transfer edilmekte ve tirlama titresimi durumunun belirlenmesi saglanmaktadir. Bulusun Ayrintili Açiklamasi Bu bulusun amacina ulasmak için gerçeklestirilen takim tezgahi tirlama titresimi tespiti için gerçeklestirilen bir sistem, ekli sekillerde gösterilmis olup bu sekiller; Sekil 1. Bulus konusu bir tirlama tespit sisteminin sematik görünüsüdür. Sekil 2. Bulus konusu bir tirlama tespit sisteminin sematik görünüsüdür. Sekillerdeki parçalar tek tek numaralandirilmis olup, bu numaralarin karsiligi asagida verilmistir. 100. Tirlama tespit sistemi 200. Kuvvet çekici 300. Ivme ölçer 400. Veri toplama sistemi 500. Kontrol ünitesi Özellikle talasli imalat sirasinda kesici takim ve is parçasinda meydana gelen dinamik etmenlerden dolayi olusan tirlama titresiminin tespit edilmesini saglamak amaciyla takim tezgahlarinda kullanilan bir tirlama tespit sistemi (100) en temel halinde asagidakileri içermektedir; - takim tezgahinda kesici takim ve is parçasi arasinda, tirlama titresimi olusmasina sebep olan kuvvetleri ölçmek amaciyla uyarlanmis en aZ bir kuvvet çekici (200), - takim tezgahinda kesici takim ve is parçasi arasinda, tirlama titresimin olusmasina sebep olan ivmeyi ölçmek amaciyla uyarlanmis en az bir ivme ölçer (300), - kuvvet çekici (200) ve ivme ölçer (300) ile elde edilen verilerin dijital bir sekilde bir araya getirilmesini, depolanmasini ve kontrol ünitesine (500) transfer edilmesini saglamak amaciyla kullanilan bir veri toplama - takim tezgahi üzerinde veya takim tezgahindan uzakta konumlandirilan, bir yapay zekaya sahip veya bir yapay zeka tarafindan olusturulmus modelleri içeren ve asagida yer alan teknik unsurlari gerçeklestirmek amaciyla uyarlanmis en az bir kontrol ünitesi (5 00); o tirlama titresimi verilerinin analitik ve nümerik modeller kullanilarak teorik olarak olusturulmasi, o Hilbert-Huang Transformasyonu kullanilarak tirlama titresimi verilerinin yapay sinir agi egitiminde kullanilmasi, 0 ön isleme esnasinda EEMD ve IMF modlarina ayirilmasi. Basvuru konusu olan tirlama titresimi tespit sistemi (100), özellikle havacilik, otomotiv, medikal, savunma sanayi olmak üzere talasli imalat gerçeklestirilen üretimlerde kullanilmaktadir. Basvuru konusu olan tirlama titresimi tespit sistemi (100) talasli imalat gerçeklestiren takim tezgahlarinda kullanilmaktadir. Bir kesici takimin imal edilen malzeme yani is parçasi üzerinden malzeme kaldirmasi islemi talasli imalat olarak adlandirilmaktadir. Söz konusu islem bir takim tezgahinda gerçeklestirilmektedir. Kesici takim is parçasi üzerinden malzeme kaldirmaktadir. Söz konusu malzeme kaldirma, kesici takim ve is parçasi arasinda bir dinamik etkilesime sebep olmaktadir. Kesici takim ve is parçasi arasinda meydana gelen dinamik etkilesim ise tirlama titresimine neden olmaktadir. Tirlama titresimi, is parçasinin yüzeyinde kusurlar olusmasi ve is parçasinin zarar görmesine sebep olmaktadir. Ayrica tirlama titresimi kesici takimin dolayisiyla takim tezgahinin da zarar görmesine sebep olmaktadir. Imalat maliyetinin azalmasi ve üretimin kolaylasmasi için tirlama titresiminin tespit edilmesi son derece önemlidir. Tirlama titresimi Ingilizcede Basvuru konusu tirlama titresimi tespit sistemi (100) en aZ bir kuvvet çekici (200) en aZ bir ivme ölçer (300), en aZ bir veri toplama sistemi (400) ve en aZ bir kontrol ünitesi (500) içermektedir. Bulusun bir uygulamasinda yer alan kuvvet çekici (200) dinamik etkilerde olusan kuvveti ölçmek amaciyla uyarlanmistir. Söz konusu kuvvet çekici (200) takim tezgahinda is parçasina uygulanan kuvvetlerin yönlerini ve büyüklüklerini ölçmektedir. Kuvvet çekici (200) ile elde edilen veriler kontrol ünitesine (500) iletilmektedir. Bulusun bir uygulamasinda yer alan ivme ölçer (300) dinamik etkilerde olusan ivmenin yönünü ve boyutunu ölçmek amaciyla uyarlanmistir. Söz konusu ivme ölçer (300) takim tezgahinda is parçasina uygulanan ivmenin yönünü ve büyüklügünü ölçmektedir. Ivme ölçer (300) ile elde edilen veriler kontrol ünitesine (500) iletilmektedir. Bulusun bir uygulamasinda yer alan veri toplama sistemi (400) verileri dijital olarak toplamak amaciyla kullanilmaktadir. Söz konusu veri toplama sistemi (400) DAQ olarak adlandirilmaktadir. Kuvvet çekici (200) ve ivme ölçer (3 00) yardimiyla elde edilen veriler, veri toplama sistemi (400) ile dijital bir sekilde toplanmaktadir. Veri toplama sistemi (400) ile elde edilen veriler yapay sinir aglarini egitmek amaciyla kontrol ünitesine (500) iletilmektedir. Bulusun bir uygulamasinda yer alan kontrol ünitesi (500) tirlama titresimi verilerinin depolanmasi ve islenmesini saglamak amaciyla uyarlanmistir. Kontrol ünitesi (500) tirlama titresimine ait verilerin, analitik ve nümerik modeller kullanilarak teorik olarak olusturulmasini saglamak amaciyla uyarlanmistir. Söz konusu tirlama titresimine ait veriler kontrol ünitesinde (500) analitik ve nümerik modeller ile islenmektedir. Analitik ve numerik dinamik modeller çözülmektedir. Analitik ve numerik modellerin çözümü ile elde yapay sinirler elde edilmektedir. Ayni zamanda kararlilik lob diyagramlari elde edilmektedir. Yapay sinirler ve kararlilik lob diyagramlari otomatik olarak etiketlenmektedir. Bulusun bir uygulamasinda yer alan kontrol ünitesi (500) tirlama titresimi verilerinin depolanmasi ve islenmesini saglamak amaciyla uyarlanmistir. Kontrol ünitesi (500), Hilbert-Huang Transformasyonu kullanarak, elde edilen tirlama titresimi verilerini yapay sinir agi egitiminde kullanmaktadir. Etiketlenen söz konusu veriler islenerek, "HHT image" olarak adlandirilan iki boyutlu görsellere dönüstürülmektedir. Söz konusu veri seti bir yapay sinir agini (CNN) egitmek amaciyla kullanilmaktadir. Bulusun bir uygulamasinda yer alan kontrol ünitesi (500) tirlama titresimi verilerinin depolanmasi ve islenmesini saglamak amaciyla uyarlanmistir. Kontrol ünitesi (5 00), isenmis verilerin ayni talasli imalat sürecinden geçirilmesiyle tirlama titresimini belirlemesini saglamaktadir. Hilbeit-Huang Transformasyonu kullanilarak egitilen yapay sinir aglari, talasli imalat isleme ortamina transfer edilir. Söz konusu gerçek talasli imalat ortaminda, gerçek tirlama titresimi verileri elde edilmektedir. Gerçek ortamdan alinan tirlama titresimi verileri etiketlenerek, "HTT image" olarak adlandirilan iki boyutlu görsellere dönüstürülmektedir. Gerçek veriler, analitik ve nümerik çözümlerden elde edilen veriler ile egitilmis yapay sinir aglari ile karsilastirilmaktadir. Yapay sinir agi modeli, söz konusu talasli imalat isleminin stabil veya tirlama durumunu ayirt etmektedir. Bulusun bir uygulamasinda basvuru konusu tirlama titresimi tespit sistemi (100), parçalari birbirleri arasinda iletisimde olacak sekilde karakterize edilmektedir. Söz konusu uygulamada özellikle kuvvet çekici (200), ivme ölçer (300) ve veri toplama sitemi (400) dinamik olarak karakterize edilmektedir. Bulusun bir uygulamasinda yer alan veri toplama merkezi (400) kullanilarak elde edilen veriler islenmektedir. Söz konusu uygulamada veri toplama merkezi (400) ile elde edilen verilerin ve sistemin frekans tepki fonksiyonu modellenmektedir. Söz konusu modeller talasli imalat sirasinda gerçeklestirilen malzeme kaldirma islemini uygun sekilde benzeten titresim sinyalleri üretmektedir. Söz konusu durum ile birlikte otomatik etiketleme için kararlilik lob diyagrami çizilmektedir. Söz konusu kararlilik lob diyagrami yapay zeka modelinin egitimi için gerekli çok sayida sinyal örnegini otomatik olarak olusturmaktadir. Bulusun bir uygulamasinda yer alan ivme ölçer (300) ve veri toplama sitemi (400) bir arada sürekli olarak veri toplamak amaciyla uyarlanmistir. Söz konusu uygulamada ölçüm gerçeklestiren kuvvet çekici (200) çalismamaktadir. Yapay zeka modelinin egitiminden sonra elde edilen egitilmis modeller talasli imalat sirasinda, ivme ölçer (300) ve veri toplama sistemi (400) yardimiyla sürekli olarak veri toplamaktadir. Söz konusu toplanan veriler tirlama titresiminin tespiti için malzeme kaldirma sürecini degerlendirmektedir. Sistemde tirlama titresimi oldugu durumda ise verimliligi düsürmeden, daha yüksek hizlarda fakat stabil malzeme kaldirma parametreleri önermektedir. Bulusun bir uygulamasinda yer alan kontrol ünitesi (500) ön isleme yapmak amaciyla uyarlanmistir. Söz konusu uygulamada yapay zeka modellerinin daha basarili sonuçlar vermesi için bir ön isleme gerçeklestirilmektedir. Ön isleme yapilirken, yapay yani simülasyon ile elde edilen veya ölçülen sinyaller ön isleme tabi tutulmaktadir. Ön islem, söz konusu verilerin EEMD (Ensemble Empirical Depcomposition Method) ile içsel mod fonksiyonlarina (IMF veya Intrisntic Mode Function) ayrilmasini saglamaktadir. Söz konusu içsel modlarin entropileri hesaplanmakta ve artis miktarlarina göre siralanmaktadir. Titresim modlarari sayisi kadar en fazla artan içsel modlar seçilmektedir. Seçilen içsel modlar ayrilmaktadir. Söz konusu bantlar birbirlerinden bagimsiz olarak Hibert-Huang Transformasyonu ile görsellere dönüstürülmektedir. Görseller yapay zeka modelinin egitimini saglamak amaciyla kullanilmaktadir. Söz konusu uygulama yapay zeka modelinin egitimi için hiçbir fiziksel veri toplanmasina gerek kalmadan tirlama titresiminin büyük oranda tespit edilebilmesini saglamaktadir. Bulusun bir uygulamasinda yer alan kontrol ünitesi (500) ve veri toplama sistemi (400) tercihen bir arada bir bütün olarak bulunmaktadir. Söz konusu uygulamada veri toplama sitemi (400) kontrol ünitesinin (500) içerisinde yer alan, kontrol ünitesine (5 00) bütünlesmis bir modül olarak bulunmaktadir. Bulusun bir uygulamasinda yer alan kontrol ünitesi (500) olarak bir bilgisayar kullanilmaktadir. Söz konusu uygulamada bilgisayar yani kontrol ünitesi (500) takim tezgahina ait verilerin, veri toplama sisteminden (400) elde edilen verilerin depolanmasi ve bir yapay zeka ile islenerek model olusturmasini saglamak amaciyla uyarlanmis basit veya farkli modüllere sahip olan donanimli bir bilgisayardir. TR DESCRIPTION TOOL TOOL] A SYSTEM FOR CHURCH VIBRATION TESTING Technical Field This invention relates to a chatter vibration detection system that enables the detection of self-sustaining chatter vibration that occurs with the dynamic interaction between the cutting tool and the workpiece during manufacturing, especially in the machining industry. Prior Art The design to be manufactured is determined in advance, and the raw material to be manufactured is shaped by the operations of designated cutting manufacturing machines on machining machines suitable for the manufacturing process, which is generally called machining. The product manufactured in machining and on which the process is applied is called a work piece. Machining occurs when the cutting tool and the workpiece move in relation to each other, creating tension on the workpiece. The process of shaping metal, plastic, wood and similar materials by removing material from them or their interior is called machining. The material removal process in question is applied to the workpiece by the cutting tool. The whole process is called the machining process. The waste materials removed from the workpiece are called chips. There are different machining types such as face machining, chamfering, gradual machining, and screw opening. Ability to process different materials, with a sensitive margin of error. 1. Used in machine tools to detect chatter vibration that occurs due to dynamic factors occurring in the cutting tool and workpiece, especially during machining, and which causes chatter vibration to occur between the cutting tool and workpiece in the machine tool. The force hammer (200) and the accelerometer (including at least one force hammer (200) adapted to measure the forces), at least one accelerometer (300) adapted to measure the acceleration that causes the chatter vibration between the cutting tool and the workpiece on the machine tool. A data acquisition system (400) used to ensure that the data obtained by the 300) is digitally brought together, stored and transferred to the control unit (500), located on the machine tool or away from the machine tool, with an artificial intelligence or an artificial intelligence system. At least one control unit (500) containing models created by and adapted to realize the following technical elements; A chatter detection system (100) characterized by o creating the chatter vibration data theoretically using analytical and numerical models, o using the chatter vibration data in artificial neural network training using the Hilbert-Huang Transformation, and separating it into EEMD and IMF modes during pre-processing. 2. With at least one data acquisition system (400) adapted to digitally collect the data obtained with the help of the force hammer (200) and accelerometer (300) and transmit the obtained data to the control unit (5 00) in order to train the artificial neural networks. A chatter detection system (100) as characterized in Claim 1. Machining is often preferred due to its advantages such as being able to manufacture with different sizes and geometries, and having fewer corner and surface defects. Dynamic interactions between the cutting tool and the workpiece during machining cause chatter vibration. Chatter vibration causes the quality of the cutting tool to decrease and the life of the cutting tool to decrease. Chatter vibration occurs when the material separation speed increases and the cutting force decreases. The change in material separation speed and the change in sliding angle causes chatter vibration. Chatter vibration causes negative effects on the workpiece during the manufacturing process, such as loss of precision, surface defects, and damage to the cutting tool. During machining, material is removed from the workpiece. During the separation of the material, which is separated from the workpiece and called chips, the chatter, independent of the machine tool and the external environment, is called vibration. Machining is used in almost every sector, especially aviation, defense industry, automotive and biomedical products. Machining method is frequently used in the manufacturing of high added value products. The surface quality of the materials affects the application performance and the lifespan of the material. It is extremely important to prevent surface defects in materials manufactured by machining, especially in the aviation and automotive industries. There are methods used to reduce chatter vibration in an application within the state of the art. The application in question enables the chatter vibration to be relatively reduced by using low cutting speeds. Machining with low cutting speeds reduces chatter vibration but prolongs manufacturing time. Especially in applications requiring mass production, slow manufacturing significantly affects the production and supply processes. In another application within the state of the art, artificial intelligence and system analysis methods are used to detect chatter vibration. In this application, only the chatter vibration that occurs during the production of certain parts on specified machine tools is detected. The biggest disadvantage of this application is that it cannot detect the chatter vibration that occurs during the production of different parts and when different machine tools are used. New parts are frequently manufactured in special manufacturing facilities and R&D production centers that produce new inventions. During the manufacturing of the new parts in question, the state of the art practice is insufficient to detect chatter vibration. In another application within the known state of the technique, artificial intelligence is used to detect chatter vibration. The artificial intelligence in the application in question learns with multiple data input. In order for artificial intelligence to learn chatter detection, many different parts are manufactured using many machine tools. This situation increases the time it takes for artificial intelligence to predict the chatter vibration and requires the production of more materials for optimal results. With the current application, a system for detecting chatter vibration that can be applied to existing machine tools, with a low margin of error, is realized by collecting chatter data using a force attractor and accelerometer, and by processing the data in question and separating it into modes with EEMD and IMF methods during pre-processing. Purposes of the Invention The aim of this invention is to detect chatter vibration, which enables the theoretical generation of chatter vibration data with the help of analytical and numerical models. Another aim of this invention is to collect chatter vibration data by using a force hammer and accelerometer during the machining process. Another aim of the invention is to realize a system for detecting chatter vibration, in which the data is used to learn the artificial intelligence module with the Hilbeit-Huang Transformation. Another purpose of this invention is to realize a system for detecting chatter vibration, which enables the detection of chatter vibration by passing the data obtained during machining through the same processes. Another purpose of this invention is to realize a system for detecting chatter vibration that performs mode separation with EEMD and IMF methods during pre-processing. Brief Description of the Invention The machine tool chatter detection system that is the subject of the invention is used to detect the chatter vibration that occurs due to dynamic effects between the cutting tool and the workpiece during manufacturing, especially in machine tools during the machining process. The manufacturing method of removing material from a workpiece using a cutting tool is called machining. Machining is frequently preferred in sectors such as aviation, space, automotive and biomedical. The machine tool chatter vibration detection system, defined in the first claim and other claims related to this claim, implemented to achieve the purpose of this invention, is a control unit; a force hammer adapted to measure the forces occurring between the cutting tool and the workpiece; an accelerometer adapted to measure the acceleration occurring between the cutting tool and the workpiece; It includes an adapted data acquisition system to enable digital collection of data obtained from the force hammer and accelerometer. The machine tool chatter vibration detection system that is the subject of the application is used to detect the chatter vibration that occurs during machining. During machining, dynamic interactions between the cutting tool and the workpiece cause chatter vibration. The chatter vibration occurring between the cutting tool and the workpiece in machine tools increases the surface defects of the manufactured material. In some cases, chatter vibration damages the cutting tool and therefore the machine tool. This situation causes production to slow down and costs to increase. The machine tool chatter vibration detection system, which is the subject of the application, enables the detection of chatter vibration occurring in the machine tool by training the artificial intelligence model. The data regarding chatter vibration in the machine tool subject to the application are created and processed theoretically using analytical and numerical models. A force hammer and accelerometer collect chatter vibration data during machining. The machine tool chatter detection system that is the subject of the application is used in artificial intelligence training and creating an artificial intelligence model by using the chatter vibration data obtained from the machine tool by Hilbeit-Huang Transformation. The machine tool chatter vibration detection system subject to the application performs a pre-processing. The pre-processing in question is carried out by separating the internal mode functions with EEMD. In addition, the data obtained by machining is transferred to the machining system and the chatter vibration situation is determined. Detailed Description of the Invention A system for detecting machine tool chatter vibration, which was implemented to achieve the purpose of this invention, is shown in the attached figures and these figures are; Figure 1. Schematic view of a chatter detection system that is the subject of the invention. Figure 2. Schematic view of a chatter detection system that is the subject of the invention. The parts in the figures are numbered one by one, and the equivalents of these numbers are given below. 100. Chatter detection system 200. Force hammer 300. Accelerometer 400. Data acquisition system 500. Control unit A chatter detection system used in machine tools to detect chatter vibration caused by dynamic factors occurring in the cutting tool and workpiece, especially during machining. (100) in its most basic form includes the following; - at least one force hammer (200) adapted to measure the forces that cause chatter vibration between the cutting tool and the workpiece on the machine tool, - at least one force hammer (200) adapted to measure the acceleration that causes chatter vibration between the cutting tool and the workpiece on the machine tool. accelerometer (300), - a data collection device used to ensure that the data obtained by the force hammer (200) and the accelerometer (300) are digitally combined, stored and transferred to the control unit (500) - on the machine tool or on the machine tool at least one control unit (5 00) located away from the workbench, containing models with or created by an artificial intelligence and adapted to realize the following technical elements; o Theoretical creation of chatter vibration data using analytical and numerical models, o Using chatter vibration data in artificial neural network training using Hilbert-Huang Transformation, 0 separating them into EEMD and IMF modes during pre-processing. The chatter vibration detection system (100), which is the subject of the application, is used in machining production, especially in the aviation, automotive, medical and defense industries. The chatter vibration detection system (100), which is the subject of the application, is used in machine tools that perform machining. The process of a cutting tool removing material from the manufactured material, that is, the workpiece, is called machining. The process in question is carried out on a machine tool. The cutting tool removes material from the workpiece. This material removal causes a dynamic interaction between the cutting tool and the workpiece. The dynamic interaction between the cutting tool and the workpiece causes chatter vibration. Chatter vibration causes defects to form on the surface of the workpiece and causes damage to the workpiece. In addition, chatter vibration causes damage to the cutting tool and therefore to the machine tool. It is extremely important to detect chatter vibration in order to reduce manufacturing costs and facilitate production. Chatter vibration in English The chatter vibration detection system (100) subject to the application includes at least one force tractor (200), at least one accelerometer (300), at least one data acquisition system (400) and at least one control unit (500). The force hammer (200) included in one embodiment of the invention is adapted to measure the force occurring in dynamic effects. The force hammer (200) in question measures the directions and magnitudes of the forces applied to the workpiece on the machine tool. The data obtained by the force tractor (200) is transmitted to the control unit (500). The accelerometer (300) included in an embodiment of the invention is adapted to measure the direction and size of the acceleration occurring in dynamic effects. The accelerometer (300) in question measures the direction and magnitude of the acceleration applied to the workpiece on the machine tool. The data obtained by the accelerometer (300) is transmitted to the control unit (500). The data collection system (400) in one embodiment of the invention is used to collect data digitally. The data acquisition system (400) in question is called DAQ. The data obtained with the help of the force hammer (200) and the accelerometer (3 00) are collected digitally with the data acquisition system (400). The data obtained by the data acquisition system (400) is transmitted to the control unit (500) in order to train the artificial neural networks. The control unit (500) included in an embodiment of the invention is adapted to store and process chatter vibration data. The control unit (500) is adapted to enable the theoretical generation of chatter vibration data using analytical and numerical models. The data regarding the chatter vibration in question is processed with analytical and numerical models in the control unit (500). Analytical and numerical dynamic models are solved. Artificial nerves are obtained by solving analytical and numerical models. At the same time, stability lobe diagrams are obtained. Artificial nerves and stability lobe diagrams are automatically labeled. The control unit (500) included in an embodiment of the invention is adapted to store and process chatter vibration data. The control unit (500) uses the obtained chatter vibration data in artificial neural network training by using Hilbert-Huang Transformation. The labeled data is processed and converted into two-dimensional images called "HHT images". The data set in question is used to train an artificial neural network (CNN). The control unit (500) included in an embodiment of the invention is adapted to store and process chatter vibration data. The control unit (5 00) ensures that the chatter vibration is determined by passing the processed data through the same machining process. Artificial neural networks trained using Hilbeit-Huang Transformation are transferred to the machining processing environment. In this real machining environment, real chatter vibration data is obtained. The chatter vibration data taken from the real environment are labeled and converted into two-dimensional images called "HTT images". Real data is compared with artificial neural networks trained with data obtained from analytical and numerical solutions. The artificial neural network model distinguishes the stable or chattering state of the machining process in question. In an embodiment of the invention, the chatter vibration detection system (100) subject to the application is characterized in such a way that its parts communicate with each other. In the application in question, especially the force tractor (200), accelerometer (300) and data acquisition system (400) are dynamically characterized. The data obtained is processed using the data collection center (400) in an embodiment of the invention. In the application in question, the frequency response function of the data obtained from the data collection center (400) and the system are modeled. These models produce vibration signals that appropriately simulate the material removal process performed during machining. With the situation in question, a stability lobe diagram is drawn for automatic labeling. The stability lobe diagram in question automatically creates a large number of signal examples required for training the artificial intelligence model. The accelerometer (300) and data collection system (400) in one embodiment of the invention are adapted to collect data continuously together. In the application in question, the force hammer (200) that performs the measurement does not work. The trained models obtained after training the artificial intelligence model continuously collect data during machining with the help of accelerometer (300) and data collection system (400). The collected data evaluates the material removal process to detect chatter vibration. In cases where there is chatter vibration in the system, it recommends higher speeds but stable material removal parameters without reducing efficiency. The control unit (500) included in an embodiment of the invention is adapted for pre-processing. In this application, pre-processing is carried out to ensure that the artificial intelligence models provide more successful results. During pre-processing, signals obtained or measured artificially, that is, by simulation, are pre-processed. Pre-processing ensures that the data in question is separated into intrinsic mode functions (IMF or Intrisntic Mode Function) with EEMD (Ensemble Empirical Depposition Method). The entropies of the internal modes in question are calculated and ranked according to their increase amounts. The internal modes that increase the most as the number of vibration modes are selected. The selected internal modes are separated. The bands in question are transformed into images independently of each other by Hibert-Huang Transformation. Images are used to train the artificial intelligence model. The application in question enables the chatter vibration to be detected to a large extent without the need to collect any physical data for the training of the artificial intelligence model. The control unit (500) and data acquisition system (400) in an embodiment of the invention are preferably located together as a whole. In the application in question, the data collection system (400) is located within the control unit (500) and is a module integrated into the control unit (5 00). A computer is used as the control unit (500) in one embodiment of the invention. In the application in question, the computer, that is, the control unit (500), is a well-equipped computer with simple or different modules adapted to store the data of the machine tool and the data obtained from the data acquisition system (400) and to create a model by processing it with an artificial intelligence. TR