Wyniki wyszukiwania - BazTech

1

Ann modelling for the analysis of the green moulding sands properties

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

Archives of Metallurgy and Materials

|

2013

|

Vol. 58, iss. 3

961--963

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.

2

Influence of the training set value on the quality of the neural network to identify selected moulding sand properties

Jakubski J., Dobosz S. M., Major-Gabryś K.

Archives of Foundry Engineering

|

2013

|

Vol. 13, iss. 2

49--52

EN

Artificial neural networks are one of the modern methods of the production optimisation. An attempt to apply neural networks for controlling the quality of bentonite moulding sands is presented in this paper. This is the assessment method of sands suitability by means of detecting correlations between their individual parameters. This paper presents the next part of the study on usefulness of artificial neural networks to support rebonding of green moulding sand, using chosen properties of moulding sands, which can be determined fast. The effect of changes in the training set quantity on the quality of the network is presented in this article. It has been shown that a small change in the data set would change the quality of the network, and may also make it necessary to change the type of network in order to obtain good results.

3

The influence of changes in active binder content on the control system of the moulding sand quality

Jakubski J., Dobosz S. M., Major-Gabryś K.

Archives of Foundry Engineering

|

2012

|

Vol. 12, iss. 4

71-74

EN

Artificial neural networks are one of the modern methods of the production optimisation. An attempt to apply neural networks for controlling the quality of bentonite moulding sands is presented in this paper. This is the assessment method of sands suitability by means of detecting correlations between their individual parameters. The presented investigations were aimed at the selection of the neural network able to predict the active bentonite content in the moulding sand on the basis of this sand properties such as: permeability, compactibility and the compressive strength. Then, the data of selected parameters of new moulding sand were set to selected artificial neural network models. This was made to test the universality of the model in relation to other moulding sands. An application of the Statistica program allowed to select automatically the type of network proper for the representation of dependencies occurring in between the proposed moulding sand parameters. The most advantageous conditions were obtained for the uni-directional multi-layer perception (MLP) network. Knowledge of the neural network sensitivity to individual moulding sand parameters, allowed to eliminate not essential ones.

4

ANN modelling for the determination of moulding sand matrix grain size

Jakubski J., Dobosz S. M., Major-Gabryś K.

Archives of Foundry Engineering

|

2011

|

Vol. 11, iss. 4

61-64

EN

One of the modern methods of the production optimisation are artificial neural networks. Neural networks are gaining broader and broader application in the foundry industry, among others for controlling melting processes in cupolas and in arc furnaces, for designing castings and supply systems, for controlling moulding sand processing, for predicting properties of cast alloys or selecting parameters of pressure castings. An attempt to apply neural networks for controlling the quality of bentonite moulding sands is presented in this paper. This is the assessment method of sands suitability by means of detecting correlations between their individual parameters. The presented investigations were obtained by using the Statistica 9.0 program. The aim of the investigations was to select the neural network suitable for prediction the moulding sand matrix grain size on the basis of the determined sand properties such as: permeability, compactibility, and compressive strength.

5

The usage of data mining tools for green moulding sands quality control

Jakubski J., Dobosz S. M.

Archives of Metallurgy and Materials

|

2010

|

Vol. 55, iss. 3

843-849

EN

High competition on the international casting market and customers requirements concerning the casts quality forced foundries to keep introducing more advanced technological, economical and ecological solutions. IT solutions have recently become their integral part. They are usually related to such areas like information flow and logistics. Computer systems allow to define and create processes databases, update data, to follow parameters affecting the quality and use collected data to control current quality. One of the modern methods for production optimization is using artificial neural networks (ANN). Neural networks have been very popular during last years, because ANN can use collected past data what could be very helpful in solving important industrial problems. This article presents the comparison of two types of data mining tools for green moulding sands properties analysis, such as artificial neural networks and a naive Bayesian classifier. The tests were performed using collected data sets. An attempt to use artificial neural networks (ANN) for green moulding sands quality control is also presented.

PL

Wysoka konkurencja na międzynarodowym rynku odlewniczym, a także wysokie wymagania klientów odnośnie do jakości odlewów, zmuszają odlewnie do wprowadzania coraz doskonalszych rozwiązań technologicznych, ale także ekonomicznych i ekologicznych. Ich integralna częścią stają się ostatnio także rozwiązania informatyczne. Te ostatnie dotyczą coraz częściej takich obszarów jak przepływy informacji i logistyka. Postep ten dokonuje się poprzez wdrożenia rozwiązań systemowych. Systemy informatyczne powinny pozwalać na definiowanie i tworzenie baz danych o procesach, śledzić parametry wpływające na jakość, aktualizowac bazy danych, a pozyskiwane informacje wykorzystywac do bieżącego sterowania jakością i do jej analiz. Jedna z nowoczesnych metod optymalizacji produkcji są sztuczne sieci neuronowe. Sztuczne sieci neuronowe wykorzystują bazy zgromadzonych danych i mogą być bardzo pomocne w rozwiazywaniu problemów produkcyjnych. W artykule zaprezentowano porównanie narzędzi analizy danych, takich jak sztuczne sieci neuronowe i naiwny klasyfikator Bayesa do analizy właściwości syntetycznych mas formierskich. Analizy wykonano wykorzystując zgromadzone dane doświadczalne. Przedstawiono próbe zastosowania sztucznych sieci neuronowych do sterowania jakością syntetycznych mas formierskich.