Adaptive system of quality supervising in technological processes.

• Autorzy: Kacalak W. , Lipiński D.

Warianty tytułu

PL

Adaptacyjny system nadzorowania jakości w procesach technologicznych.

• Języki publikacji: EN

Abstrakty

EN

The quality supervising is a necessary condition to achieve the highest quality level of products manufactured in high-cost operations of grinding especially responsible elements of measurement machine and devices. In the paper, a system of quality supervising in the grinding process based on artificial neural networks and fuzzy logic methods is presented. Application of the artificial intelligence methods allowed independences of the results of diagnostics procedure from parameters and conditions of machining.

PL

Warunkiem koniecznym osiągania najwyższej jakości szczególnie odpowiedzialnych elementów maszyn i urządzeń pomiarowych, wytwarzanych w kosztownych operacjach szlifowania jest stosowanie systemów nadzoru jakości. W pracy przedstawiono system nadzorowania jakości procesu szlifowania oparty na metodach sztucznych sieci neuronowych i wnioskowania rozmytego. Zastosowanie metod sztucznej inteligencji pozwoliło na uniezależnienie wyników procedur diagnostycznych od parametrów i warunków obróbki.

Słowa kluczowe

EN

process monitoring; neural networks; fuzzy logic

PL

nadzorowanie procesu; sieci neuronowe; logika rozmyta

• Wydawca: Komitet Budowy Maszyn PAN ; De Gruyter
• Czasopismo: Advances in Manufacturing Science and Technology
• Rocznik: 2004
• Tom: Vol. 28, nr 2
• Strony: 7--15
• Opis fizyczny: Bibliogr. 8 poz., rys., tab.

Twórcy

autor

Kacalak W.

• Technical University of Koszalin, Department of Fine Mechanics, ul. Racławicka 11-13, 75-620 Koszalin, phone [phone]

autor

Lipiński D.

• Technical University of Koszalin, Department of Fine Mechanics, ul. Racławicka 11-13, 75-620 Koszalin, phone [phone]

Bibliografia

• [1] W. KACALAK, D. LIPIŃSKI, T. KRZYŻYŃSKI, M. LENARTOWICZ: On applications of hybrid systems to deformation compensation in processes of fine machining. Artificial Neural Network in Engineering, St. Louis, (2002) 919-925.
• [2] K.E. OCZOŚ, J. PORZYCKI: Grinding. Basis and technique (in Polish). Science and Technology Publishing House, Warsaw 1986.
• [3] R.J. PATTON, P.M. FRANK, R.N. CLARK (Eds.): Issues of fault diagnosis for dynamics systems. Springer-Verlag, London 2000.
• [4] W. KACALAK: Selected aspects of fuzzy logic algorithms and system design. Proc. XX Conf. Circuit Theory and Electronic Networks. Koszalin 1997, Vol. 1, 1-12.
• [5] D. LIPIŃSKI, W. KACALAK, Т. KRZYŻYŃSKI: On the hybrid system of complex diagnosis of machining process. Artificial Neural Network in Engineering, St. Louis 2002, 951-957.
• [6] J. De KLEER, J.S. BROWN.: A qualitative physics based on confluences. Artificial Intelligence, 24 (2000), 7-84.
• [7] W. KACALAK, T. KRZYŻYŃSKI, D. LIPIŃSKI, Т. KAMIENIK: Intelligent systems of inaccuracies minimization and disturbance compensation in processes of fine grinding. Proc. 15th European Simulation Multiconference. Prague 2001, 363-367.
• [8] W. KACALAK: Selected problems of construction and technology of precise worm gears (in Polish). Monograph of the Faculty of Mechanical Engineering. Koszalin University of Technology, No. 51, 1995.