Mesterséges intelligencia alapú prediktív modellek alkalmazása forgácsoló megmunkálásokhoz kapcsolódóan
Bár a 3D nyomtatási technológiák téhodítása egyre erőteljesebb, az anyagleválasztási eljárások a következő évtizedekben is meghatározó szerepet kapnak a korszerű gyártástechnológiában, mivel csak ezekkel az eljárásokkal biztosítható a fém alkatrészek megfelelő geometriai pontossága és felületi minősége.
Az Ipar 4.0 keretrendszerének bevezetése minden KKV számára elsődleges fontosságú lesz a közeljövőben. Csak ezáltal lesz biztosítható a rugalmas, személyreszabott, selejtmentes gyártás iránti felhasználói igény. A gyártás digitalizációjának egyik fő eleme a folyamatos adatgyűjtés, adatfeldolgozás és adatelemzés. Ennek révén lehetőség nyílik a megmunkálási folyamatok eredményeinek előrejelzésére, ezáltal a minőség és a gyártási hatékonyság növelésére.
Kutatási munkám célja a forgácsolási eljárásokhoz kapcsolódó, mesterséges intelligenca alkalmazását alapul vevő prediktív modellek létrehozása és összehasonlító elemzése. A modellalkotáshoz az adatokat egyrészt szakirodalomban fellelhető „Data set”, másrészt saját keményesztergálási kíséletek szolgáltatták. A modellek kimeneti paramétere a megmunkált felületi minőség. A modellek különböző betanítási stratégiával készültek, a becslési jóságuk összehasonlításra került. A mesterséges neurális hálózat (ANN) alapú prediktív modelalkotáshoz a MATLAB szofver megfelelő modulját használtam. A kutatási munka eredményeképpen megalkotott modellek alkalmasak a megmunkált termékek minőségének becslésére az adott pillanatban mért folyamatjellemzők alapján. A modellek ezáltal döntéstámogató rendszer alapjául is szolgálhatnak a folyamatba történő esetleges beavatkozási szükséglet jelzésével.
szerző
-
Mező Péter Bálint
Gépészmérnöki mesterképzési szak
mesterképzés (MA/MSc)
konzulens
-
Dr. Takács Márton
egyetemi docens, Gyártástudomány és -technológia Tanszék
