6746 research outputs found
Sort by
İç Mekan Aydınlatmasında UGR ve Düzgünlük Faktörlerinin Belirlenmesi
No full textLighting can be designed either to fulfill functional needs or to enhance decorative and aesthetic values. In lighting designs to be made, if proper solutions are not provided, various negativities and damages may be encountered. Considering that we spend a significant portion of our lives in workplaces and homes, poor and inefficient lighting in these environments can lead to discomfort and health issues. Moreover, in our work life, poorly designed lighting can negatively affect work quality, leading to incomplete or substandard results. To prevent such adverse effects, a well-planned lighting design is essential. In this study, a lighting design was developed by selecting the most suitable luminaire based on the purpose of the space, ensuring that the best possible solution was provided to meet the specific needs of the environment. The aim of this thesis is to examine the impact of lighting on office spaces, particularly in light of technological advancements, and to create a more efficient lighting design. In this regard, the technical specifications of the luminaires were examined to select the most suitable luminaire. In the conducted thesis study, a lighting design was carried out for an office with dimensions of 4x6 meters and a height of 2.5 meters using 10W, 24W, and 34W luminaires. The design was made to achieve an illuminance level of 500 lux, a uniformity level of 0.6, and a maximum unified glare rating (UGR) of 19. It was determined that these conditions were met by using six 34W luminaires. Thus, the most effective solution of the luminaire used in the lighting design for the office environment has been aimed to be provided.Aydınlatma, hayatımızda var olan ihtiyaçları karşılamak veya dekoratif ve estetik değerler kazandırmak için yapılmaktadır. Yapılacak olan bu aydınlatma tasarımlarında doğru çözümler sunulmadığı hallerde çeşitli olumsuzluklar ve zararlarla karşılaşılır. Hayatımızın büyük bir kısmını genellikle işyerlerinde ve evde geçirdiğimizi düşünecek olursak buralarda tasarlanan kötü ve verimsiz bir aydınlatma konfor kaybı ve sağlık sorunları gibi olumsuz sonuçlara neden olmaktadır. Ayrıca iş hayatımızda ise kötü yapılan aydınlatma tasarımı iş kalitesini olumsuz etkileyerek yapılan işin eksik veya zayıf olmasına sebebiyet verebilir. Bu durumların önüne geçmek için iyi bir aydınlatma tasarımı gereklidir. Bu sebeple oluşan bu problemlerin önüne geçmek ve iyi bir aydınlatma tasarımı yapabilmek için mekanın kullanım amacı göz önünde bulundurularak ihtiyaca uygun, en iyi çözümü sunan armatürü seçerek aydınlatma tasarım çalışması yapılmıştır. Yapılan bu tez çalışmasında teknolojik sistemlerin artmasıyla birlikte aydınlatmanın ofis üzerindeki etkisine bakılarak daha verimli bir şekilde aydınlatma tasarımının yapılması amaçlanmıştır. Bu doğrultuda armatürlerin teknik özellikleri incelenerek en uygun armatür seçilmesi hedeflenmiştir. Ofis üzerinde yapılan tasarım çalışmasında DIALux ve Relux simülasyon programlarından yararlanılarak ofis ortamının belirli aydınlatma koşulları altında yüzeylerin hem düzgünlük faktörünü hem de parlama indisi değerleri gibi önemli parametrelerini hesaplayarak mekan için uygun aydınlatma tasarımının yapılması sağlanmıştır. Yapılan tez çalışmasında 4x6 m boyutunda ve 2.5 m yüksekliğe sahip bir ofiste 10W, 24W ve 34W armatürler kullanılarak aydınlık düzeyi 500 lux, düzgünlük seviyesi 0.6 ve parlama indisi en çok 19 değerine sahip olacak şekilde aydınlatma tasarımı yapılmıştır. Bu koşulları 6 adet 34W'lık armatürün sağladığı görülmüştür. Böylece ofis ortamı için yapılan aydınlatma tasarımında kullanılan armatürün en efektif çözümü sunulmaya çalışılmıştır
Dynamic Gesture Recognition with Data Reduction and Machine Learning Algorithms Using Soli Dataset
No full textAs technology continues to advance, the expectations of technology users are also evolving. Smart electronic devices have significantly altered many daily habits of individuals, making them increasingly dependent on sensors. Among these sensors, radars have gained widespread use in daily life due to their advantages such as operating in a noncontact manner, being unaffected by lighting and weather conditions, and not infringing on privacy. In 2016, Google introduced the Soli project. Soli project has presented a dynamic hand gesture recognition system with a radar of very small dimensions. In this study, the Soli dataset-comprising 11 distinct hand gestures and 5,225 samples-has been utilized. Classical techniques such as truncation and downsampling have been applied to reduce data dimensions, and the classification has been performed using various machine learning algorithms, including Random Forest, k-Nearest Neighbors, Radial Basis Function Support Vector Machine, Decision Tree, and Gradient Boosting. Although deep learning algorithms often yield high performance with large datasets, in this study, the Random Forest algorithm achieved the highest classification accuracy with 8 3. 2 7%. © 2025 Elsevier B.V., All rights reserved
The Importance of Reference Stations Geometry and Distance to Rover in GNSS Network-RTK System
No full textGlobal Navigation Satellite Systems (GNSS) have taken their place in our daily lives by providing fast, economical and reliable positioning services. Network RTK, which is one of the GNSS positioning methods, provides real-time, high quality, efficient and powerful results. The distance dependent errors introduced by the classical RTK technique have been largely eliminated with the Network-RTK technique, and the determination of the 3D real-time coordinates of the rover receivers with an accuracy of 2-6 cm in the Network-RTK technique has become a standard practice today. These accuracies are achieved by interpolating the atmospheric parameters obtained from the Network RTK reference stations located approximately 40–80 km around the rover receiver point, as in the example of the TUSAGA-Aktif (Türkiye) network. As a result, the standard deviations of the calculated rover coordinates are highly dependent on the geometry of the Network-RTK reference stations and the distance between the rover receiver and the reference stations. Therefore, the accuracy of a rover coordinate within, for example, 10 km from the reference station will be different from the accuracy of a rover coordinate within, for example, 150 km from the reference station, depending on these parameters. In order to determine these distance dependent accuracies, some criteria are needed. The concept of IDOP (Interpolative Dilution Of Precision) as a unitless quantity can be used. On the other hand, the accuracy of the rover coordinates in network RTK measurements also depends on the geometry of the surrounding reference stations (used to calculate the rover coordinates). The IDOP concept is used in the OPUS-RS network-RTK software in the USA, and it is evaluated that there is not enough work on reference station geometry and IDOP concept in Türkiye. For the above mentioned reasons, this thesis will investigate the effect of both the geometry of the reference stations and the IDOP concept on the real-time determination of the rover receiver coordinates via TUSAGA-Aktif.Uydularla Global Konum Belirleme Sistemleri (GNSS) hızlı, ekonomik ve güvenilir konum hizmeti sunmasıyla günlük yaşantımızda yerini almıştır. GNSS ile konum belirleme yöntemlerinden birisi olan Ağ-RTK tekniği sayesinde gerçek zamanlı, yüksek kalitede, etkin ve performansı yüksek sonuçlar elde edilebilmektedir. Klasik-RTK tekniğinin getirmiş olduğu mesafeye bağlı hatalar, Ağ-RTK tekniği ile büyük oranda ortadan kalkmış olup Ağ-RTK tekniğinde, gezen (rover) alıcıların 3 boyutlu gerçek zamanlı koordinatlarının 2-6 cm doğruluğunda belirlenmesi artık günümüzde standart bir uygulama haline gelmiştir. Bu doğruluklara ise TUSAGA-Aktif (Türkiye) ağı örneğinde gezen alıcının yaklaşık 40-80 km etrafındaki Ağ-RTK referans istasyonlarından elde edilen atmosferik parametreler gezen alıcı noktasına enterpole edilerek ulaşılmaktadır. Sonuç olarak hesaplanan gezici koordinatların standart sapmaları büyük oranda Ağ-RTK referans istasyonlarının geometrisi ve gezen alıcı ile referans istasyonları arasındaki uzaklığa bağlıdır. Dolayısıyla referans istasyonunun örneğin 10 km yakınındaki bir gezen alıcı koordinatının doğruluğu ile referans istasyonuna örneğin 150 km uzaklıktaki bir gezen alıcı koordinatının doğruluğu bu parametrelere bağlı olarak farklı olacaktır. İşte bu uzaklığa bağlı doğrulukların belirlenebilmesi için bazı ölçütlere gereksinim bulunmaktadır. Bu bağlamda birimsiz bir büyüklük olan IDOP (Interpolative Dilution Of Precision) kavramının kullanılabileceği değerlendirilmektedir. Diğer taraftan, Ağ-RTK ölçülerinde gezen alıcı (Rover) koordinatlarının doğruluğu onu çevreleyen (gezen alıcı koordinatlarının hesaplanmasında kullanılan) referans istasyonlarının geometrisine bağlı olarak da değişmektedir. IDOP kavramı ABD'de OPUS-RS ağ-RTK yazılımında kullanılmakta olup, Türkiye'de ise referans istasyonları geometrisi ve IDOP konularında yeterli çalışma olmadığı değerlendirilmektedir. Yukarıda kısaca ifade edilen nedenlerle bu tez çalışmasında gerek referans istasyonları geometrisinin gerekse IDOP kavramının gezen alıcı koordinatlarının gerçek zamanlı olarak belirlenmesindeki etkisi TUSAGA-Aktif aracılığıyla araştırılacaktır
Bending Performance of Reinforced Concrete Beams With Partial Waste Glass Aggregate Replacement Assessed by Experimental, Theoretical and Digital Image Correlation Analyses
No full textThis study examines the usage of waste glass aggregate (WGA) for the consumption of sustainable reinforced concrete regarding the replacement of fine aggregate (FA) and coarse aggregate (CA). For this purpose, a series of tests consisting of a total of 12 beams were carried out to explore the bending performance. The quantity of the longitudinal reinforcement section area and WGA percentage were selected as the prime variables. For this purpose, the aggregate was swapped with WGA with weight percentages of 10% and 20% for the FA and 10% and 20% for coarse aggregate. The test outcomes revealed that the crack and bending properties of the reinforced concrete beams (RCBs) were greatly affected by the section area of tension reinforcement and the percentage of the WGA. The WGA percentage might be effectively used as 20% of the partial replacement of FA. With the addition of FA to the mixture, the load-bearing capacity of RCB increases. The increase in the WGA percentage by more than 10% might cause a considerable reduction in the capacity of the RCBs, especially when the longitudinal reinforcement ratio is high. Furthermore, the digital image correlation method was used to show the cracks/micro-cracks and to define displacement in RCBs.The authors are thankful for the financial support provided for this research by the Deanship of Scientific Research at King Khalid University, Abha, Saudi Arabia, through Large Groups RGP2/539/46.Deanship of Scientific Research at King Khalid University, Abha, Saudi Arabia [RGP2/539/46
An Effective Flowchart for Multimodal Brain Tumor Binary Classification with Ranked 3D Texture Features
No full textBrain tumors have complex structures, and their shape, density, and size can vary widely. Consequently, their accurate classification, which involves identifying features that best describe the tumor data, is challenging. Using classical 2D texture features can yield only limited accuracy. Here, we show that this limitation can be overcome by using 3D feature extraction and ranking methods. Brain tumor images obtained through 3D magnetic resonance imaging were used to classify high-grade and low-grade glioma in the BraTS 2017 dataset. From the dataset, texture properties for each of the four phases (i.e., FLAIR, T1, T1c, and T2) were extracted using a 3D gray level co-occurrence matrix. Various combinations of brain tumor feature sets were created, and feature ranking methods—Bhattacharyya, entropy, receiver operating characteristic, the t-test, and the Wilcoxon test—were applied to them. Features were classified using gradient boosting, support vector machines (SVMs), and random forest methods. The performance of all combinations was evaluated from the sensitivity, specificity, accuracy, precision, and F-score obtained from twofold, fivefold, and tenfold cross-validation tests. In all experiments, the most effective scheme was that involving the quadruple combination (FLAIR + T1 + T1c + T2) and the entropy feature-ranking method with twofold cross-validation. Notably, the proposed machine-learning-based framework showed remarkable scores of 100% (sensitivity), 97.29% (specificity), 99.30% (accuracy), 99.07% (precision), and 99.53% (F-score) for glioma classification with an SVM. The proposed flowchart reflects a novel brain tumor classification system that competes with the novel methods. © 2025 Elsevier B.V., All rights reserved
On the Equation Fn-Fm=Fta
No full textLet Fn denote nth Fibonacci number. In this paper, we show that the equation Fn-Fm=Fta has no solution in the integers n, m, t, a satisfying the conditions 6 = t, 2 = a = t, and 3 = n-m. This paper generalizes some previous results.The authors would like to thank the anonymous referee for the useful comments. For L. Szalay, the research was supported by Hungarian National Foundation for Scientific Research under Grant Nos. 150284 and 130909.Hungarian National Foundation for Scientific Research [150284, 130909
HAPS-Destekli V2X Sistemlerde Derin Öğrenme Tabanlı ve Bilgi Yaşına Duyarlı Kaynak Yönetimi
No full textIn this thesis, a novel resource management framework based on the multi-agent deep deterministic policy gradient (MADDPG) algorithm is proposed for high altitude platform station (HAPS)-enabled vehicle-to-everything (V2X) communication systems. The developed framework aims to optimize key performance indicators such as information freshness, energy efficiency, and communication capacity in highly dynamic vehicular environments. The proposed system integrates HAPS into the communication infrastructure as a complementary component to terrestrial base stations and roadside units, providing wider coverage and enhanced line-of-sight connectivity. Resource allocation problem is formulated as an optimization problem involving multiple agents, each representing a vehicle platoon. To handle the complexity of the environment, agents utilize the MADDPG algorithm to learn optimal communication strategies over time. The reward function is designed as a multi-objective structure that minimizes age-of-information (AoI), satisfies channel capacity constraints, and respects transmission power limits. This design enables agents to jointly learn policies that balance information freshness and resource efficiency. Simulation results show that the proposed HAPS-assisted MADDPG framework significantly outperforms both classical and fully decentralized approaches in terms of convergence speed, stability, and overall reward performance. In particular, HAPS integration allows for more stable and up-to-date data transmission across varying inter-vehicle distances, leading to significant improvements in AoI performance. Comparative evaluations also demonstrate that the proposed method offers strong adaptability to environmental dynamics and ensures superior communication quality under constrained network conditions.Bu tez çalışmasında; yüksek irtifa platform istasyonu (high altitude platform station, HAPS) destekli araçtan-her şeye (vehicle-to-everything, V2X) haberleşme sistemleri için çok ajanlı derin deterministik politika gradyanı (multi agent deep deterministic policy gradiant, MADDPG) algoritmasına dayalı yeni bir kaynak yönetim çerçevesi önerilmektedir. Geliştirilen sistem; bilgi güncelliği, enerji verimliliği ve iletişim kapasitesi gibi temel performans göstergelerini oldukça dinamik bir araç ortamında optimize etmeyi amaçlamaktadır. Önerilen yapı, karasal baz istasyonları ve yol kenarı birimlerini tamamlayıcı nitelikte olan HAPS ile geniş kapsama alanı ve daha güçlü görüş hattı iletişimi sağlamaktadır. Kaynak tahsisi, her biri bir araç kümesine karşılık gelen çok sayıda ajanın yer aldığı bir optimizasyon problemi olarak formüle edilmiştir. Ortamın karmaşıklığını yönetmek amacıyla ajanlar, zaman içinde optimal iletişim stratejilerini öğrenmek için MADDPG algoritmasını kullanmaktadır. Ödül fonksiyonu; bilgi yaşını (age of information, AoI) minimize eden, kanal kapasitesini gözeten ve iletim gücü sınırlamalarını dikkate alan çok kriterli bir yapı ile tasarlanmıştır. Bu sayede ajanlar, bilgi tazeliği ile kaynak verimliliği arasında denge kuran politikaları birlikte öğrenebilmektedir. Simülasyon sonuçları, önerilen HAPS destekli MADDPG çerçevesinin, klasik ve tamamen dağıtık yaklaşımlara kıyasla yakınsama hızı, kararlılık ve genel ödül performansı açısından üstün olduğunu göstermektedir. Özellikle HAPS entegrasyonu sayesinde, değişen araçlar arası mesafelerde daha kararlı ve güncel veri iletimi sağlanarak AoI performansı önemli ölçüde iyileştirilmiştir. Karşılaştırmalı değerlendirmeler, önerilen yöntemin çevresel dalgalanmalara karşı güçlü bir uyarlanabilirlik sunduğunu ve sınırlı ağ koşullarında üstün iletişim kalitesi sağladığını ortaya koymaktadır. Genel olarak, bu çalışma HAPS sistemlerinin ve derin pekiştirmeli öğrenme yaklaşımlarının bütünleşik kullanımının, yeni nesil araç haberleşme ağlarında akıllı ve ölçeklenebilir kaynak yönetimi sağlama potansiyelini güçlü bir şekilde ortaya koymaktadır
ResNet-ViT-SVM a New Hybrid Architecture Proposal and Experimental Comparisons on Date Fruit
No full textAccurate classification of date fruit varieties is essential for quality control, intelligent sorting, and agricultural sustainability. This study proposes a novel hybrid deep learning framework, named ResNet-ViT-SVM, to classify nine different date fruit varieties with high precision. The dataset consists of 1658 images distributed across nine classes, captured under controlled and real-world conditions. The approach consists of three stages: (i) initial classification using a fine-tuned ResNet50 convolutional neural network, (ii) reclassification using a Vision Transformer (ViT), and (iii) fusion of deep features from both models, followed by final classification via Support Vector Machines (SVM). The novelty of our approach lies in this unique integration of CNN, Transformer, and SVM components in a three-stage pipeline. Experimental results show that the ResNet50 and ViT models individually achieved classification accuracies of 93.05 % and 95.47 %, respectively, while the proposed ResNet-ViT-SVM hybrid model significantly outperformed them, achieving up to 99.40 %. As part of the ablation study, the hybrid model achieved 100 % accuracy on laboratory images and 83.11 % accuracy on field images captured under natural orchard conditions, confirming its effectiveness across both controlled and real-world scenarios. These findings demonstrate that the hybrid architecture offers strong generalization capability across different data domains and represents a highly accurate, contactless, and automated solution for agricultural product classification tasks. © 2025 Elsevier B.V., All rights reserved
Investigation of The Risk of Stockhole in Eğribayat (Konya Selçuklu) Neighborhood in Terms of Geology and Settlement
No full textThe study area covers an area of approximately 233 hectares located approximately 37 km north of Konya city center. Konya region is a region surrounded by active faults. In terms of neotectonic location, the region is located within the Central Anatolian Plains Region and Konya-Eskişehir Neotectonic region. The study area is located in the extreme part of the northeastern wing of Kızılören graben, just west of the Konya fault zone that borders the western edge of the approximately N-S trending Konya basin. In addition, Konya Closed Basin is bordered by the Divanlar fault in the east and the Karaömerler fault in the north. The Lorasdağı formation is the basic unit in the study area. It is generally composed of light gray, beige, whitish, thick medium-layered, occasionally oolitic and algal carbonate limestones. The Divanlar formation overlies this formation with an angular unconformity. This formation consists of fan deposits, side-sequestered, carbonated, mud-supported sand, gravel and sparse blocks. The formation consists of angular pebbled, grain-supported, medium-thick layered, tightly-sequestered conglomerates derived entirely from the Loras formation. In addition, the Divanlar formation is a clastic sediment that accumulates especially on fault scarps and plains. There are multiple normal dip-slip faults located within the fault zone in the region. These faults can suspend the old sediments of the Divanlar formation. For this reason, large gravel units with lens geometry can be seen at different levels. The Konya depression basin is bordered by the Konya fault zone (KOFZ) in the west; the Karaömerler fault in the north; and the Divanlar fault and Göçü fault in the east. Therefore, this thesis study aims to investigate the sinkhole potential and buried risks of the region. Geological and geophysical methods such as ERT (Electrical Resistivity Tomography), Drilling, Microtremor, MASW were used within the scope of the thesis. As a result of these studies, possible buried risks (faults, cavities, cracks, formation transitions, etc.) in the region were determined and suggestions were given for the removal and improvement of these risks.Çalışma alanı; Konya İl Merkezinin 37 km Kuzeyinde yer alan yaklaşık 306 hektarlık alanı kapsamaktadır. Neotektonik konum açısından yöre Orta Anadolu Ovalar Bölgesi ve Konya- Eskişehir Neotektonik bölgesi içerisinde bulunmaktadır. Çalışma alanında temel birim olarak Lorasdağı formasyonu yer almaktadır. genellikle açık gri, bej, beyazımsı, kalın orta katmanlı, yer yer oolitik ve algli karbonatlı kireçtaşlarından oluşmuştur. Bu formasyonunun üzerine açılı uyumsuzlukla Divanlar formasyonu gelmektedir. Bu formasyon yelpaze çökelleri, yan tutturulmuş, karbonatlı, çamur destekli kum, çakıl ve seyrek bloktan oluşur. Formasyon, tümüyle Loras formasyonundan türemiş köşeli çakıllı, tane destekli, orta-kalın katmanlı, sıkı tutturulmuş çakıltaşlanndan oluşur. Ayrıca Divanlar formasyonu özellikle fay dikliklerinde ve düzlüklerinde biriken kırıntılı çökellerdir. Bölgede fay zonu içerisinde yer alan birden çok normal eğim atımlı faylar bulunmaktadır. Bu faylar Divanlar formasyonunun yaşlı çökellerini askıya alabilmektedir. Bu nedenle mercek geometrili iri çakıllı birimler farklı düzeylerde görülebilmektedir. Konya çöküntü havzası batıda Konya fay zonu (KOFZ); kuzeyde Karaömerler fayı; doğuda ise Divanlar fayı ve Göçü fayı ile sınırlanmıştır. Bu nedenle bu tez çalışması ile bölgenin obruk potansiyeli ve gömülü risklerin araştırılması amaçlanmaktadır. Tez kapsamanda ERT (Elektrik Rezistivite Tomografi), Sondaj, Mikrotremör, MASW gibi jeolojik ve jeofiziksel yöntemler kullanılmıştır. Bu çalışmalar neticesinde bölgede olası gömülü riskler (Fay, boşluk, çatlak, formasyon geçişleri vb) belirlenmiş ve bu risklerin kaldırılması ve iyileştirilmesi için öneriler verilmiştir
Dinamik Oylama Tabanlı Topluluk Derin Öğrenme ile Benzer Mahsullerin Sınıflandırılması
No full textÜrün başına ilaçlama, sulama ve hasat gibi akıllı tarım uygulamalarını gerçekleştirebilen otonom makinelerin geliştirilmesinde derin öğrenme tabanlı yaklaşımlar, özellikle görüntü sınıflandırma ve veri analizi gibi görevlerde başarılı uygulamalar sergilemektedir. Tarımsal üretimde verimliliği artırmak ve sürdürülebilirliği sağlamak için bitki türlerinin doğru tanınması ve yabancı otlardan ayırt edilmesi kritik bir öneme sahiptir. Birbirine benzer görünüme sahip tarımsal mahsullerin sınıflandırılması, mevcut yöntemlerle zorlu bir problem olmaya devam etmektedir. Bu araştırma, benzer görünümlü tarımsal ürünlerin otomatik olarak tanınması ve sınıflandırılması konusunda önemli bir adım olmakla birlikte, akıllı tarım teknolojilerinin geliştirilmesine yönelik teorik ve pratik bir temel oluşturmaktadır. Bu çalışma, genellikle birbirine çok benzeyen tarımsal mahsul görüntülerini sınıflandırmayı amaçlayarak 17 farklı derin öğrenme modeli ve dinamik oylama yöntemini kullanmaktadır. Veri seti, kenevir, mısır, pirinç, şeker kamışı ve buğday olmak üzere beş benzer görünümlü mahsul türüne ait toplam 804 görüntüden oluşmaktadır. Güvenilirliği sağlamak amacıyla 10 katlı çapraz doğrulama kullanılmış ve tüm modellerde aynı örnek setleriyle tutarlı deneyler gerçekleştirilmiştir. Elde edilen sonuçlar modellerin birbirine çok benzer tarımsal mahsül görüntülerini sınıflandırma performanslarını doğruluk, eğitim süresi ve disk alanı açısından rapor etmektedir. Deneysel bulgulara göre, ShuffleNet test setinde %98,63 ile en yüksek bireysel doğruluğa ulaşmış, ancak topluluk yaklaşımı bu değeri %99,75'e yükseltmiştir. Önerilen topluluk yaklaşımı doğruluğu artırmakla kalmayıp daha fazla sağlamlık ve kararlılık sağlamaktadır. Ayrıca elde edilen teorik bilgi ve sonuçlar, bu alanda geliştirilecek akıllı tarım makinelerine entegre edilebilecek ve daha verimli şekilde çalışmasını sağlayacaktır