Methodology for the Construction of a Rule-Based Knowledge Base Enabling the Selection of Appropriate Bronze Heat Treatment Parameters Using Rough Sets

• Autorzy: Górny Z. , Kluska-Nawarecka S. , Wilk-Kołodziejczyk D. , Regulski K.

Identyfikatory

DOI

10.1515/amm-2015-0050

Warianty tytułu

PL

Metodyka budowy regułowej bazy wiedzy umożliwiającej dobór odpowiednich parametrów obróbki cieplnej brązów z zastosowaniem zbiorów przybliżonych

• Języki publikacji: EN

Abstrakty

EN

Decisions regarding appropriate methods for the heat treatment of bronzes affect the final properties obtained in these materials. This study gives an example of the construction of a knowledge base with application of the rough set theory. Using relevant inference mechanisms, knowledge stored in the rule-based database allows the selection of appropriate heat treatment parameters to achieve the required properties of bronze. The paper presents the methodology and the results of exploratory research. It also discloses the methodology used in the creation of a knowledge base.

PL

Decyzje dotyczące odpowiedniej metody obróbki cieplnej brązów mają wpływ na uzyskanie końcowych własności tych materiałów. W pracy przedstawiono przykład budowy bazy wiedzy z zastosowaniem teorii zbiorów przybliżonych. Wiedza zgromadzona w bazie reguł umożliwia za pomocą mechanizmów wnioskowania dobór odpowiednich parametrów obróbki w celu uzyskania pożądanych własności brązu.

Słowa kluczowe

EN

application of information technology to the foundry industry; heat treatment; classification algorithms; rough sets; data mining

PL

zastosowanie technologii informatycznych dla przemysłu odlewniczego; obróbka cieplna; algorytm klasyfikacji; zbiory przybliżone

• Wydawca: Institute of Metallurgy and Materials Science of Polish Academy of Sciences ; Committee of Materials Engineering and Metallurgy of Polish Academy of Sciences
• Czasopismo: Archives of Metallurgy and Materials
• Rocznik: 2015
• Tom: Vol. 60, iss. 1
• Strony: 309--312
• Opis fizyczny: Bibliogr. 11 poz., rys., tab.

Twórcy

autor

Górny Z.

• Foundry Research Institute, 73 Zakopiańska Str., 30-418 Kraków, Poland

autor

Kluska-Nawarecka S.

• Foundry Research Institute, 73 Zakopiańska Str., 30-418 Kraków, Poland

autor

Wilk-Kołodziejczyk D.

• Foundry Research Institute, 73 Zakopiańska Str., 30-418 Kraków, Poland
• AGH University of Science and Technology, Al. A. Mickiewicza 30, 30-059 Kraków, Poland

autor

Regulski K.

• AGH University of Science and Technology, Al. A. Mickiewicza 30, 30-059 Kraków, Poland

Bibliografia

• [1] Z. Górny, S. Kluska-Nawarecka, D. Wilk-Kołodziejczyk, K. Regulski, Diagnosis of Casting Defects Using Uncertain and Incomplete Knowledge, Archives of Metallurgy and Materials 55, 3, 827-836 (2010).
• [2] Z. Górny, S. Kluska-Nawarecka, D. Wilk-Kołodziejczyk, Heuristic Models of the Toughening Process to Improve the Properties of Non-Ferrous Metal Alloys, Archives of Metallur-gy and Materials 58(3), 849-852 (2013).
• [3] E. Nawarecki, S. Kluska-Nawarecka, K. Regulski, Multi-aspect Character of the Man-Computer Relationship in a Diagnostic-Advisory System, Human - Computer Systems Interaction: Backgrounds and Applications 2, eds. Zdzisław S. Hippe, Juliusz L. Kulikowski, Teresa Mroczek. - Berlin; Heidelberg: Springer-Verlag, 2012.
• [4] M. Warmuzek, K. Regulski, A Procedure for in Situ Identification of the Intermetallic AITMSi Phase Precipitates in the Microstructure of the Aluminum Alloys, Praktische Metallo-graphie - Practical Metallography 48, 12, 660-683 (2011).
• [5] S. Kluska-Nawarecka, D. Wilk-Kołodziejczyk, B. Snieżyński, W. Parada, M. Lustofin, The use of LPR (logic of plausible reasoning) to obtain information on innovative casting technologies, Archives of Civil and Mechanical Enginering 14, 25-31 (2014).
• [6] S. Kluska-Nawarecka, D. Wilk-Kołodziejczyk, K. Regulski, G. Dobrowolski, Rough Sets Applied to the Rough Cast System for Steel Castings, Intelligent Information and Database Systems, ACIIDS 2011, Pt II 6592, 52-61 (2011).
• [7] Z. Pawlak, Rough Sets, Int. J. of Inf. and Comp. Sci. 11(341) (1982).
• [8] J. Grzymala-Busse, W. Grzymala-Busse, An Experimental Comparison of Three Rough Set Approaches to Missing At-tribute Values, Transactions on Rough Sets 6, 31-50 (2007).
• [9] J. G. Bazan, M. S. Szczuka, J. Wróblewski, A New Version of Rough Set Exploration System. In: Third International Confer-ence on Rough Sets and Current Trends in Computing RSCTC, ed. J.J. Alpigini, J.F. Peters, A. Skowron, N. Zhong, volume 2475, Lecture Notes in Artificial Intelligence, pp. 397-404, Malvern, PA, October 14-16 2002. Springer-Verlag (2002).
• [10] J. David, P. Svec, R. Frischer, R. Garzinova, The Computer Support of Diagnostics of Circle Crystallizers; Metalurgija 53 (2), 193-196, APR-JUN (2014).
• [11] J. David, Z. Jancikova, R. Frischer, M. Vrozina, Crystalliz-er's Desks Surface Diagnostics with Usage of Robotic System; Archives of Metallurgy and Materials 58, 3, 907-910 (2013).