Makine mühendisliği araştırmalarında teorik modellemeler, deneysel veriler ve simülasyon sonuçları farklı veri türlerini içerir. Bu verilerin doğru şekilde analiz edilmesi; elde edilen sonuçların güvenilirliğini, genelleştirilebilirliğini ve akademik geçerliliğini doğrudan etkiler. Bu bağlamda istatistiksel yöntemler, mühendislik araştırmalarının temel direğini oluşturur. Bu yazıda makine mühendisliği makalelerinde sıklıkla kullanılan istatistiksel yöntemlerin teorik temelleri, uygulama süreçleri, yazım formatları ve yaygın hata örnekleriyle birlikte açıklanacaktır.
2. İstatistik Temelleri ve Tanımlar
2.1 Betimleyici İstatistik
Araştırmanın ilk adımı, verilerin tanımlanmasıdır:
-
Ortalama, medyan, mod gibi merkezi eğilim ölçüleri
-
Standart sapma, varyans, çeyrekler arası açıklık gibi dağılım ölçüleri
-
Histogram, kutu grafiği (box-plot), normal dağılım eğrisi
Bu ölçümler, örneklemin genel yapısını anlamak için gereklidir.
2.2 Parametrik ve Non-parametrik Testler
-
Parametrik: Verilerin belirli dağılım (genellikle normal) varsayımını karşılaması durumunda kullanılır—t‑testi, ANOVA, regresyon analizi gibi.
-
Non-parametrik: Daha esnek yöntemlerdir—Mann–Whitney U testi, Kruskal–Wallis testi gibi.
2.3 Anlamlılık Düzeyi ve P‑Değeri
Kriter: p < 0.05 ise sonuç istatistiksel olarak anlamlı kabul edilir. Bu, bulguların tesadüfi olmadığı anlamına gelir.
3. Makine Mühendisliği Uygulamaları için Test Türleri
3.1 T‑Testi
-
Bağımsız örneklem (Independent‑samples t‑test): Örneğin kontrol ve deney grubu entre malzeme mukavemet direk karşılaştırma.
-
Tek örneklem (One‑sample t‑test): Numunelerin belirli bir teorik değerden sapma gösterebilirliği.
-
Eşleşmiş Örneklem (Paired‑samples t‑test): Aynı sistemin iki farklı zaman ya da şarttaki performans karşılaştırması.
3.2 ANOVA (Analysis of Variance)
Birden fazla grup karşılaştırıldığında kullanılır:
-
Tek yönlü ANOVA (one‑way): Farklı alaşımların mukavemet test sonuçları gibi.
-
Çok yönlü ANOVA (two‑way): Değişken kombinasyonlarının etkisi (hava sıcaklığı ve basınç gibi).
ANOVA sonrası post hoc testleri (Tukey, Bonferroni) önemlidir.
3.3 Regresyon Analizi
-
Doğrusal regresyon (Linear regression): Y değişkeni olan stres ve X değişkeni olan yük ilişkisi gibi.
-
Polinomyal regresyon: Karmaşık davranışların modellemesi.
-
Çoklu regresyon (Multiple regression): Birden fazla bağımsız değişkenin etkisinin incelenmesi.
3.4 Non-parametrik Testler
-
Mann–Whitney, Wilcoxon, Kruskal–Wallis: Normal dağılım sağlanmadığında tercih edilir.
4. İstatistik Yazılım ve Araçları
Makine mühendisliği çalışmalarında yaygın olarak kullanılan yazılım araçları:
-
Minitab: ANOVA, regresyon, t-testi… Kullanıcı dostu arayüz.
-
SPSS: Sosyal bilimlerde yaygın, mühendislik de kullanılabilir.
-
R / Python: Açık kaynak kodlu geniş analiz kütüphaneleri (statsmodels, SciPy).
-
Excel: Temel testler ve grafik analizleri için yeterli.
-
MATLAB: Özellikle sinyal işlemleri ve çoklu regresyon analizlerinde geniş modül desteği.
5. Veri Deneylerinde Parametrik Koşul Kontrolü
-
Normal dağılım testi: Shapiro–Wilk, Kolmogorov–Smirnov
-
Varyans homojenliği: Levene testi gibi
-
Koşullar sağlanmazsa non-parametrik test tercih edilmelidir.
6. Grafik Sunum Teknikleri
-
Box-plot ile gruplaşmalar görselleştirilir.
-
Regresyon eğrileri scatter plot’ta gösterilir.
-
ANOVA sonuçları için error bar kullanılır.
-
Grafik formatları: 300 dpi, TIFF/PNG/EPS, eksen başlıkları net.
7. Yazı Formatında Analiz Sunumu
Yöntem kısmında:
-
Hangi testi neden kullandığınız açıklanmalı
-
Yazılım adı, sürümü, parametreler net belirtilmeli
Bulgular kısmında:
-
Test istatistik değerleri (t, F, R²), p-değerleri, güven aralıkları (CI) sunulmalı
Tartışma kısmında:
-
İstatistiksel sonuçların anlamı literatürle karşılaştırılmalı
-
Uygulamadaki yeri açıkça belirtilmeli
8. Örnek Uygulama Senaryosu
Senaryo: Farklı ısı işlemleri uygulanmış üç çelik numunenin sertlik değerleri arasında anlamlı fark var mı?
-
One‑way ANOVA uygulanır
-
p < 0.05 bulunursa Tukey post-hoc testi yapılır
-
Sonuçlar tablo ve grafiklerle sunulur
9. Yaygın Hatalar ve Çözüm Önerileri
-
Dağılım kontrolü yapmadan t‑test kullanmak
-
P‑değer değil anlamlı farkı yorumlamak
-
Tek istatistiksel araçla tüm soruları çözmeye çalışmak
-
Statistik sonuçları yanlış grafiklerle bantı göstermek
10. İleri Düzey Yöntemler
-
MANOVA: Çoklu yanıt analizleri
-
Survival analysis: Norm değilse
-
Bootstrap: Küçük örneklemler için istatistik oluşturma
-
Monte Carlo simülasyonu: Belirsizlik analizinde
11. Sonuç
Makine mühendisliği makalelerinde kullanılan istatistiksel yöntemler; verilerin bilimsel anlamlandırılmasını, güvenilir sonuçlar üretmeyi sağlar. Teknik analiz, doğru yöntem seçimi ve uygun yazılım desteği ile araştırmalar güçlü bir kurumsallık ve güvenilirlik kazanır. İstatistiksel süreçlerin makalede doğru şekilde yansıtılması; okuyucu ve hakem nezdinde çalışmanın geçerliliğini perçinler.