Product quality monitoring using artificial neural networks

• Autorzy: Wood C. H. , Harrison D. K. , Szpytko J.

Warianty tytułu

EN

Sieci neuronowe w nadzorowaniu jakości produktu

• Konferencja: Diagnostyka techniczna urządzeń i systemów : krajowa konferencja Diag' 2003 (5 ; 13-17.10.2003 ; Ustroń, Polska)
• Języki publikacji: EN

Abstrakty

EN

With the trend towards the use of automated systems apparent and the removal of direct human contact in the manufacturing of components, the expertise associated with human operators is also being eroded. While automation can reduce human errors, improve safety and economy of operation, it is felt that the loss of benefits felt due to the human expertise might be recovered. The process of condition monitoring (CM) involves monitoring the condition of a particular machine to attempt to detect the adverse changes that would indicate that the performance of the machine is failing. This paper reports the results of acquiring vibration readings during the cutting operation of a centre lathe and analysing the data off-line with a view to determining the state of the Surface Finish produced during the cutting procedure. The process of using the Artificial Neural Networks to classify the measured signature analysis data into distinguished classes of Surface Finish quality will be discussed. This is part of a body of on-going work which aims to show how automated techniques employing Artificial Intelligence are preferred if CM is to make a real impact in the manufacturing industry.

PL

Rozwój automatyzacji maszyn i urządzeń wymaga nowego spojrzenia na współdziałanie w układzie człowiek/operator - urządzenie. Automatyka przyczynia się do poprawy bezpieczeństwa i niezawodności układów antropocentrycznych, jednakże wiedza i umiejętności operatora są nadal istotne w procesie eksploatacji maszyn i urządzeń. Rozwijane są działania zorientowane na ciągłe monitorowanie stanu technicznego procesu typu CM (ang. Condition Monitoring). Przedmiotem artykułu są wyniki badań noża tokarki podczas operacji skrawania. Rejestrowane podczas skrawania wibracje są analizowane w odniesieniu do uzyskanej jakości obrabianej powierzchni. Jakość obrabianej powierzchni była przedmiotem klasyfikacji dla potrzeb sieci neuronowych. Na podstawie przeprowadzonych badań sformułowano korelacje pomiędzy poziomem wibracji noża skrawającego tokarki a jakością obrabianego przedmiotu. Otrzymane z badań wyniki umożliwiły opracowanie narzędzia uniemożliwiającego realizację operacji w rezultacie, której jakość obrabianej powierzchni nie będzie zadawalająca. Opracowane narzędzie wykorzystuje w procesie decyzyjnym sieci neuronowe.

Słowa kluczowe

EN

quality monitoring; neural network; manufacture

PL

nadzorowanie jakości; sieci neuronowe; proces produkcyjny

• Wydawca: Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
• Czasopismo: Biuletyn Wojskowej Akademii Technicznej
• Rocznik: 2004
• Tom: Vol. 53, nr 7
• Strony: 173--183
• Opis fizyczny: Bibliogr. 6 poz.

Twórcy

autor

Wood C. H.

• Glassgow Caledonian University, Glasgow, UK

autor

Harrison D. K.

• Glassgow Caledonian University, Glasgow, UK

autor

Szpytko J.

• AGH University of Science and Technology, Cracow, Poland

Bibliografia

• [1] M. Neale et al., A Guide to the Condition Monitoring of Machinery, HMSO, 1979.
• [2] S. P. Banks, Signal Processing, Image Processing and Pattern Recognition, Prentice Hall, 1989.
• [3] S. Haykin, Neural Networks: A comprehensive foundation, Macmillan College Publishing Company, 1994.
• [4] D. E. Rumelhart et al., Parallel distributed processing, Cambridge, MA: MIT Press, chapter 8: “Forming internal representations by error propagation”, 1986.
• [5] A. Weigend et al., Generalisation by weight elimination with application to forecasting, Ad¬vances in neural information processing systems ; v. 3, p. 875, 1990.
• [6] P. J. Werbos, Generalisation of backpropagation, Neural Networks, v. 1, p. 339-356, 1998.