Tooling selection in technological processes using neural networks

• Autorzy: Rojek I.

Warianty tytułu

PL

Dobór oprzyrządowania narzędziowego w procesie technologicznym przy użyciu sieci neuronowych

• Języki publikacji: EN

Abstrakty

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.

Słowa kluczowe

EN

tooling (accessory); technological process; neural networks

PL

oprzyrządowanie; proces technologiczny; sieci neuronowe

• Wydawca: Wydawnictwo Politechniki Poznańskiej
• Czasopismo: Archives of Mechanical Technology and Materials
• Rocznik: 2015
• Tom: Vol. 35
• Strony: 41--50
• Opis fizyczny: Bibliogr. 16 poz., rys., tab.

Twórcy

autor

Rojek I.

• Institute of Mechanics and Applied Computer Science, Kazimierz Wielki University

Bibliografia

• [1] Dobrzański T., Uchwyty obróbkowe, poradnik konstruktora, Warsaw, WNT 1973.
• [2] Feld M., Uchwyty Obróbkowe, Warsaw, WNT 2002.
• [3] Feld M., Podstawy projektowania procesów technologicznych typowych części maszyn, Warsaw, WNT 2003.
• [4] Haykin S.O., Neural Networks and Learning Machines, New Jersey, Pearson Prentice Hall 2008.
• [5] http://www.apx.pl/btiso_typ_1660,p2076181162, access: May 2015.
• [6] http://www.apx.pl/btdc_typ_7361,p869493765, access: May 2015.
• [7] http://www.apx.pl/bter_typ_7626,p225916574, access: May 2015.
• [8] Mermon W., Feld M., Jüngst M., Zasady konstrukcji przyrządów uchwytów i sprawdzianów specjalnych, Warsaw, WNT 1972.
• [9] Neural Networks, Statsoft Electronic Statistics Textbooks http://www.statsoft.pl/textbook/stathome_stat.html?http%3A%2F%2Fwww.statsoft.pl%2textbook%2Fstneunet.html, access: February 2015.
• [10] Rojek I., Classifier Models in Intelligent CAPP Systems, in:Advances in Intelligent and Soft Computing AISC, Eds. K.A. Cyran, S. Kozielski, J. F. Peters, U. Stańczyk, A. Wakulicz-Deja, Berlin Heidelberg,Springer-Verlag, 2009, vol. 59, p. 311-319.
• [11] Rojek I., Neural Networks as Performance Improvement Models in Intelligent CAPP Systems, Control & Cybernetics, 2010, vol. 39, no. 1, p. 55–68.
• [12] Rojek I., Wspomaganie projektowania procesu technologicznego przy użyciu drzew klasyfikacyjnych, in:Innowacje w zarządzaniu i inżynierii produkcji, Ed. R. Knosala, Opole, Oficyna Wydawnicza Polskiego Towarzystwa Zarządzania Produkcją, 2015, vol. II, p. 182-191.
• [13] Rojek I., MLP Neural Nets in Design of Technological Process, Advances in Manufacturing Science and Technology, 2015, vol. 39, no. 1., in press.
• [14] Rojek I., Forecasting Models of Tool Use in Different Intervals of Time, Management and Production Engineering Review (MPER), 2010, vol. 1, no. 1, p. 31-39.
• [15] Russell S.J., Norvig P., Artificial Intelligence: A Modern Approach, New Jersey, Prentice Hall 2009.
• [16] Tadeusiewicz R., Chaki R., Chaki N., Exploring Neural Networks with C#, Boca Raton, CRC Press Taylor & Francis Group 2014.