2026-03-262026-03-26https://hdl.handle.net/20.500.14901/1034Elektrik ark ocakları (EAO) karmaşık ve kaotik yapısı nedeniyle kapsamlı araştırmalara konu olan bir alandır. Mevcut çalışmalar incelendiğinde, EAO’ların davranışlarını incelemeye yönelik tek bir EAO’nun farklı fiderlerinden toplanan verilerin kullanıldığı görülmüştür. Bu davranışın genelleştirilebilmesi için farklı yerleşkelerde kurulan EAO’lara ait verilerin incelenmesi, birbirleri ile olan benzerliklerin ve farklılıkların ortaya konulması gerekmektedir. Bu gerekçe göz önünde bulundurularak bu araştırma projesinde, farklı yerleşkelerde yer alan elektrik ark ocaklarının istatistiksel olarak incelenip genel bir EAO davranış modelinin çıkarılması amaçlanmıştır. Bu kapsamda, yıllar içerisinde farklı bölgelerde bulunan EAO’lardan alınan verilerin istatistiksel olarak dağılım fonksiyonu yakıştırma, Gauss karışım modelleme ve çekirdek yoğunluk kestirimi yöntemleri ile modellenmesi hedeflenmiştir. Tüm ark ocaklarını kapsayacak genel bir EAO davranış biçiminin üretilmesi projenin özgünlüğünü yansıtacaktır. Farklı şehirlerden alınan verilerin her seferinde ayrı ayrı incelenmesi yerine genel bir EAO davranışı sağlamak, bu alanda çalışan birçok araştırmacıya zaman ve maliyet açısından kolaylık sağlayacaktır. Elde edilecek çıktılarla gerçek zamanlı uygulamalar için alınabilecek önlemler daha hızlı bir şekilde yapılabilecektir. Bu yönleriyle araştırma projesinin literatürde yaygın etki yaratması beklenmektedir.Electric arc furnaces (EAF) are the subject of extensive research due to their complex and chaotic nature. When the existing studies were examined, it was seen that data collected from different feeders of a single EAF were used to explore the behavior of EAFs. It is necessary to examine the data of EAFs established in different regions to generalize this behavior and reveal their similarities and differences. To address this issue, this research project aims to analyze electric arc furnaces in various regions and develop a comprehensive EAF behavior model. In this framework, we aim to statistically model the data obtained from EAFs in different regions over the years with density fitting, Gaussian mixture modeling, and kernel density estimation (KDE) methods. Generating a general EAF behavior pattern covering all arc furnaces will reflect the originality of the project. A general behavioral pattern provided for all arc furnace data will facilitate the work of numerous researchers in this field. The resulting outputs will make it possible to perform operations that can be done faster for real-time applications. Given these aspects, we expect the research project to have a significant impact on the literature.