Ann modelling for the analysis of the green moulding sands properties

• Autorzy: Jakubski J. , Malinowski P. , Dobosz S. M. , Major-Gabryś K.

Warianty tytułu

PL

Analiza właściwości syntetycznych mas formierskich z zastosowaniem sztucznych sieci neuronowych

• Konferencja: International Conference Development Trends in Mechanization of Foundry Process (6 ; 5-7.09.2013 ; Inwałd, Poland)
• Języki publikacji: EN

Abstrakty

EN

Application of modern technological solutions, as well as the economic and ecological solutions, is for foundries one of the main aspects of the competitiveness on the market for castings. IT solutions can significantly support technological processes. This article presents neural networks with different structures that have been used to determine the moisture content of the moulding sand based on the moulding sand selected properties research results. Neural networks were built using Matlab software. Moulding sand properties chosen for quality control processes were selected based on wide previous results. For the proposed moulding sand properties, neural networks can be a useful tool for predicting moisture content. The structure of artificial neural network do not have a significant influence on the obtained results. In subsequent studies on the use of neural networks as an application to support the green moulding sand rebonding process, it must be determined how factors such as environmental humidity and moulding sand temperature will affect the accuracy of data obtained with the use of artificial neural networks.

PL

Zastosowanie nowoczesnych rozwiązań technologicznych, a także ekonomicznych i ekologicznych stanowi dla odlewni jeden z głównych aspektów konkurencyjności na rynku produktów odlewów. Doskonałym wsparciem dla procesów technologicznych są rozwiązania informatyczne. W artykule zaprezentowano sieci neuronowych o różnej strukturze, które zostały użyte do określania wilgotności masy formierskiej na podstawie wyników badania wybranych właściwości masy. Sieci neuronowe zbudowano z wykorzystaniem oprogramowania Matlab. Właściwości mas wybrane do procesów sterowania jakością zostały dobrane w oparciu o wcześniejsze wyniki badań. Dla zaproponowanych właściwości syntetycznych mas formierskich sztuczne sieci neuronowe mogą być użytecznym narzędziem do przewidywania wilgotności masy. Ilość warstw ukrytych w strukturze sieci nie ma wpływu na otrzymywane rezultaty. W kolejnych badaniach nad wykorzystaniem sieci neuronowych jako aplikacji wspierającej procesy odświeżania syntetycznych mas formierskich, należy okreslić, w jaki sposób czynniki takie jak wilgotność otoczenia, czy temperatura masy wpłyną na dokładność danych uzyskanych z wykorzystaniem sztucznych sieci neuronowych.

Słowa kluczowe

EN

data mining; artificial neural networks; green moulding sands

PL

sztuczne sieci neuronowe; data mining; syntetyczne masy formierskie

• 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: 2013
• Tom: Vol. 58, iss. 3
• Strony: 961--963
• Opis fizyczny: Bibliogr. 13 poz., rys., tab.

Twórcy

autor

Jakubski J.

• AGH University of Science and Technology, Faculty of Foundry Engineering, Reymonta St. 23, 30-059 Kraków, Poland

autor

Malinowski P.

• AGH University of Science and Technology, Faculty of Foundry Engineering, Reymonta St. 23, 30-059 Kraków, Poland

autor

Dobosz S. M.

• AGH University of Science and Technology, Faculty of Foundry Engineering, Reymonta St. 23, 30-059 Kraków, Poland

autor

Major-Gabryś K.

• AGH University of Science and Technology, Faculty of Foundry Engineering, Reymonta St. 23, 30-059 Kraków, Poland

Bibliografia

• [1] Z. Ignaszak, R. Sika, Archives of Mechanical Technology and Automation 28, 61-72 (2008).
• [2] W. Łybacki, K. Zawadzka, Archives of Mechanical Technology and Automation 28, 1, 89-101 (2008).
• [3] J. Kusiak, A. Żmudzki, A. Danielewska-Tułecka, Archives of Metallurgy and Materials 50, 3, 609-620 (2005).
• [4] M. Perzyk, R. Biernacki, J. Kozlowski, Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture 222, 11, 1503-1516 (2008).
• [5] M. Perzyk, J. Kozłowski, Zastosowanie metod inteligencji obliczeniowej do diagnostykiioptymalizacji procesów odlewniczych, in: St. Pietrowski (Ed.), Tendencje optymalizacji systemu produkcyjnegowodlewniach - Monografia, Komisja Odlewnictwa PAN Oddział Katowice, 143-156 (2010).
• [6] S. Kluska-Nawarecka, Z. Górny, D. Wilk-Kołodziejczyk, A. Smolarek-Grzyb, Archives of Metallurgy and Materials 52, 3, 375-380 (2007).
• [7] S. Kluska-Nawarecka, Z. Górny, Metody sztucznej inteligencjiwdoskonaleniu procesów produkcyjnych w odlewnictwie, in: St. Pietrowski (Ed.), Tendencje optymalizacji systemu produkcyjnegowodlewniach - Monografia, Komisja Odlewnictwa PAN Oddział Katowice, 187-212 (2010).
• [8] Hülya Kaçar Durmuş, Erdoğan Özkaya, Cevdet Meri Ç , Materials& Design 27, 156-159 (2006).
• [9] B. Mahesh, D. K. Pratihar Parappagoudar, G. L. Datta, Applied Soft Computing 8, 239-260 (2008).
• [10] M. Brzeziński, Archives of Metallurgy and Materials 55, 3, 763-770 (2010).
• [11] M. Ślazyk, K. Smyksy, Archives of Metallurgy and Materials 52, 3, 453-465 (2007).
• [12] J. Jakubski, St. M. Dobosz, Archives of Metallurgy and Materials 55, 3, 843-849 (2010).
• [13] J. Jakubski, St. M. Dobosz, Archives of Foundry Engineering 10, 3, 11-16 (2010).