Application of Multivariate Analysis Methods in Welding Engineering

• Autorzy: Fydrych D. , Świerczyńska A. , Rogalski G. , Łabanowski J.

Identyfikatory

DOI

10.17729/ebis.2018.5/15

Warianty tytułu

PL

Zastosowanie statystycznych metod wielowymiarowych do badań zagadnień spawalniczych

• Języki publikacji: EN PL

Abstrakty

EN

Phenomena and processes taking place during welding are usually very complex and, for this reason, should be described using multivariate methods. The article discusses the methodological basis and selected application areas as regards the solving of welding problems using statistical multivariate methods. In addition, the article presents exemplary applications of the design of experiment, multiple regression analysis, cluster analysis, principal component analysis and logistic regression analysis. The application of multivariate analyses provides the possibility of performing the mathematical description of joining processes, which, after verification, could be used to predict results of such processes, particularly in relation to the properties and fatigue service life of welded structures.

PL

Zjawiska i procesy zachodzące podczas spajania są zazwyczaj bardzo złożone i należy je opisywać metodami wielowymiarowymi. W artykule opisano podstawy metodologiczne i wybrane obszary zastosowania rozwiązywania problemów spawalniczych z wykorzystaniem statystycznych metod wielowymiarowych. Przedstawiono przykłady użycia teorii planowania eksperymentu, analizy regresji wielokrotnej, analizy skupień, analizy składowych głównych i analizy regresji logistycznej. Zastosowanie analiz wielowymiarowych daje możliwość matematycznego opisu procesów spajania, co można, po przeprowadzeniu weryfikacji merytorycznej, wykorzystywać do przewidywania ich skutków, a zwłaszcza do prognozowania właściwości i trwałości eksploatacyjnej konstrukcji spawanych.

Słowa kluczowe

EN

welding; weldability of steel; design of experiment; regression analysis; cluster analysis

PL

spawanie; spawalność stali; planowanie eksperymentu; analiza regresji; analiza skupień

• Wydawca: Sieć Badawcza Łukasiewicz - Górnośląski Instytut Technologiczny
• Czasopismo: Biuletyn Instytutu Spawalnictwa w Gliwicach
• Rocznik: 2018
• Tom: Vol. 62, No. 5
• Strony: 137--145
• Opis fizyczny: Bibliogr. 38 poz., wykr.

Twórcy

autor

Fydrych D.

• Professor at Gdańsk University of Technology;

autor

Świerczyńska A.

• Gdańsk University of Technology; Faculty of Mechanical Engineering; Institute of Materials Engineering and Welding

autor

Rogalski G.

• Gdańsk University of Technology; Faculty of Mechanical Engineering; Institute of Materials Engineering and Welding

autor

Łabanowski J.

• Gdańsk University of Technology; Faculty of Mechanical Engineering; Institute of Materials Engineering and Welding

Bibliografia

• [1] Frątczak E., Gołata E., Klimanek T., Ptak-Chmielewska A., Pęczkowski M.: Wielowymiarowa analiza statystyczna: teoria- przykłady zastosowań z systemem SAS. Szkoła Główna Handlowa - Oficyna Wydawnicza, Warszawa, 2016.
• [2] Stanisz A.: Przystępny kurs statystyki z zastosowaniem STATISTICA PL na przykładach z medycyny. Tom 2. Modele liniowe i nieliniowe. Wydawnictwo Statsoft Polska, Kraków, 2007.
• [3] Stanisz A.: Przystępny kurs statystyki z zastosowaniem STATISTICA PL na przykładach z medycyny. Tom 3. Analizy wielowymiarowe. Wydawnictwo Statsoft Polska, Kraków, 2007.
• [4] Larose D.T.: Metody i modele eksploracji danych. Wydawnictwo Naukowe PWN, Warszawa, 2008.
• [5] Pei F.Q., Li D.B., Tong Y.F.: Double-layered big data analytics architecture for solar cells series welding machine. Computers in Industry, 2018, 97, pp. 17-23.
• [6] Dong Y., Frangopol D. M.: Incorporation of risk and updating in inspection of fatigue-sensitive details of ship structures. International Journal of Fatigue, 2016, 82(3), pp. 676-688.
• [7] Gatnar E., Walesiak M.: Statystyczna analiza danych z wykorzystaniem programu R. PWN, Warszawa, 2009.
• [8] Młodak A.: Analiza taksonomiczna w statystyce regionalnej. Centrum Doradztwa i Informacji Difin, Warszawa, 2006.
• [9] Rabiej M.: Analizy statystyczne z programami Statistica i Excel. Wydawnictwo Helion, Warszawa, 2017.
• [10] Kisielińska J., Stańko S.: Wielowymiarowa analiza danych w ekonomice rolnictwa. Roczniki Nauk Rolniczych, seria G, 2009, 96(2).
• [11] Karaoğlu S., Secgin A.: Sensitivity analysis of submerged arc welding process parameters. Journal of Materials Processing Technology, 2008, 202(1-3), pp. 500-507.
• [12] Ganjigatti J.P., Pratiha, D.K., Choudhury A.R.: Global versus cluster-wise regression analyses for prediction of bead geometry in MIG welding process. Journal of Materials Processing Technology, 2007, 189(1-3), pp. 352-366.
• [13] Den Uijl N. J., Nishibata H., Smith S., Okada T., Van Der Veldt T., Uchihara M., Fukui K.: Prediction of post weld hardness of advanced high strength steels for automotive application using a dedicated carbon equivalent number. Welding in the World, 2008, vol. 52, no. 11-12, pp. 18-29.
• [14] Świerczyńska A.: Effect of technological factors on diffusing hydrogen content in the weld deposit of rutile flux-cored wires. Institute of Welding Bulletin, 2013, no. 5, pp. 66-71.
• [15] Świerczyńska A.: Niszczenie wodorowe złączy spawanych ze stali ferrytyczno-austenitycznych typu superdupleks. Rozprawa doktorska, Politechnika Gdańska, Gdańsk, 2015.
• [16] Fydrych D., Rogalski G., Świerczyńska A.: Zastosowanie próby implant do oceny spawalności stali. Przegląd Spawalnictwa, 2016, vol. 88, no. 8, pp. 28-32.
• [17] Gaja H., Liou F.: Defect classification of laser metal deposition using logistic regression and artificial neural networks for pattern recognition. The International Journal of Advanced Manufacturing Technology, 2018, 94(1-4), pp. 315-326.
• [18] Dobosz M.: Wspomagana komputerowo statystyczna analiza wyników badań. Akademicka Oficyna Wydawnicza EXIT, Warszawa, 2004.
• [19] Świerczyńska A., Fydrych D., Rogalski G.: Diffusible hydrogen management in underwater wet self-shielded flux cored arc welding. International Journal of Hydrogen Energy, 2017, 42(38), pp. 24532-24540.
• [20] Fydrych D., Świerczyńska A., Tomków J.: Diffusible hydrogen control in flux cored arc welding process. Key Engineering Materials, 2014, 597, pp. 171-178.
• [21] Bober M.: Badania wpływu głównych parametrów napawania plazmowego na geometrię napoin w oparciu o metody planowania eksperymentu. Przegląd Spawalnictwa, 2017, vol. 89, no. 4, pp. 5-9.
• [22] Bęczkowski R.: Influence of Cladding Parameters with FCAW on Bead Geometry with Plackett-Burman Experiment Used. Archives of Metallurgy and Materials, 2018, 63(2), pp. 681-687.
• [23] Bober M., Tobota K.: Badania istotności wpływu podstawowych parametrów napawania plazmowego na geometrię napoin. Przegląd Spawalnictwa, 2015, vol. 87, no. 9, pp. 24-28.
• [24] Fydrych D., Rogalski G., Świerczyńska A., Łabanowski J.: Możliwości sterowania ilością wodoru dyfundującego w złączach spawanych. Przegląd Spawalnictwa, 2017, t. 89, nr 10, s. 21-26.
• [25] García-García V., Reyes-Calderón F., Camacho- Arriaga J. C.: Optimization of experimental temperature measurement in GTAW process by means of DoE technique and computational modeling. Measurement, 2016, 88, pp. 297-309.
• [26] Fydrych D., Świerczyńska A., Rogalski G.: Effect of underwater wet welding conditions on the diffusible hydrogen content in deposited metal. Metallurgia Italiana, 2015, no. 11/12, pp. 47-52.
• [27] Fydrych D., Sommer S., Rogalski G.: Wspomaganie decyzji zakupu urządzeń do spawania metodą MIG/MAG z wykorzystaniem analizy skupień. Przegląd Spawalnictwa, 2014, no. 12, pp. 26-33.
• [28] Fydrych D., Sommer S., Rogalski G.: Analiza skupień jako metoda wspomagania decyzji zakupu urządzeń prądu stałego do spawania metodą TIG. Logistyka, 2014, no. 6, pp. 14158-14164.
• [29] Kędziorska M., Świerczyńska A., Rogalski G., Fydrych D.: Dobór urządzeń do zgrzewania oporowego punktowego z wykorzystaniem analizy skupień. Przegląd Spawalnictwa, 2018, no. 5, pp. 80-85.
• [30] Fydrych D., Rogalski G., Świerczyńska A., Łabanowski J.: Ocena przydatności komercyjnych elektrod otulonych do spawania mokrego pod wodą z wykorzystaniem analizy skupień. Przegląd Spawalnictwa, 2015, vol. 87, no. 10, pp. 27-30.
• [31] Kujawińska A., Rogalewicz M., Diering M.: Application of expectation maximization method for purchase decision-making support in welding branch. Management and Production Engineering Review, 2016, 7(2), pp. 29-33.
• [32] Ji W., AbouRizk S.M., Zaïane O.R., Li Y.: Complexity analysis approach for prefabricated construction products using uncertain data clustering. Journal of Construction Engineering and Management, 2018, 144(8), pp. 1-11.
• [33] Shih J.S., Tzeng Y.F., Yang J.B.: Principal component analysis for multiple quality characteristics optimization of metal inert gas welding aluminum foam plate. Materials & Design, 2011, 32(3), pp. 1253-1261.
• [34] Zhang H., Hou Y., Zhao J., Wang L., Xi T., Li Y.: Automatic welding quality classification for the spot welding based on the Hopfield associative memory neural network and Chernoff face description of the electrode displacement signal features. Mechanical Systems and Signal Processing, 2017, 85, pp. 1035-1043.
• [35] Zhang H., Hou Y., Zhang J., Qi X., Wang F.: A new method for nondestructive quality evaluation of the resistance spot welding based on the radar chart method and the decision tree classifier. The International Journal of Advanced Manufacturing Technology, 2015, 78(5-8), pp. 841-851.
• [36] Zhang Y., Gao X., Katayama S.: Weld appearance prediction with BP neural network improved by genetic algorithm during disk laser welding. Journal of Manufacturing Systems, 2015, no. 34, pp. 53-59.
• [37] Vedrtnam A., Singh G., Kumar A.: Optimizing submerged arc welding using response surface methodology, regression analysis, and genetic algorithm. Defence Technology, 2018, 14(3), pp. 204-212.
• [38] Kim K.Y., Ahmed F.: Semantic weldability prediction with RSW quality dataset and knowledge construction. Advanced Engineering Informatics, 2018, no. 38, pp. 41-53.

Uwagi

PL

Wersja polska artykułu w wydaniu papierowym s. 96-101.