Tooling selection in technological processes using neural networks
PL Dobór oprzyrządowania narzędziowego w procesie technologicznym przy użyciu sieci neuronowych
2015
scientific article
english
- tooling (accessory)
- technological process
- neural networks
- oprzyrządowanie
- proces technologiczny
- sieci neuronowe
EN The idea of the author’s research is to develop a system aiding the design of a technological process (a CAPP system), namely a system for creation of a technological process plan, in which the sequence of technological operations is defined and for each operation in the technological process, the appropriate machine, tools, tooling and machining parameters are selected. The article discusses accessory selection in technological processes using neural networks. Tooling selection is a necessary stage in the design of technological processes if a tool that has been selected does not fit the machine. Tooling selection models were prepared using unidirectional multilayer neural networks with back propagation of error (MLP) and a self-organizing Kohonen network. Two completely different neural networks were selected for the selection of the tooling. MLP network represents a network with learning supervision, and network Kohonen network learning without supervision. The training data for the neural networks was prepared at a manufacturing company. The neural networks were made using the Statsoft STATISTICA Data Miner software.
PL Ideą badań autorki jest opracowanie systemu wspomagania projektowania procesu technologicznego(systemu CAPP), czyli systemu, w którym kolejność operacji technologicznych jest zdefiniowana, a dla każdej operacji następuje odpowiedni dobór obrabiarek, narzędzi, oprzyrządowania oraz parametrów obróbki. W artykule przedstawiono dobór oprzyrządowania narzędziowego przy użyciu sieci neuronowych. Dobór ten jest niezbędnym etapem projektowania procesu w przypadku, gdy dobrane narzędzie nie pasuje na obrabiarkę. Zostały wykonane modele doboru oprzyrządowania przy zastosowaniu sieci neuronowych jednokierunkowych wielowarstwowych ze wsteczną propagacją błędu (MLP) oraz samoorganizującej się sieci Kohonena. Dane do nauczenia sieci neuronowych zostały przygotowane w przedsiębiorstwie produkcyjnym. Sieci neuronowe zostały wykonane przy użyciu oprogramowania Statsoft STATISTICA Data Miner.
41 - 50
CC BY-NC-ND (attribution - noncommercial - no derivatives)
public
7