Decision-making process in manufact

Decision-making process in manufacturing environment is increasingly difficult due to the rapid changes
in design and demand of quality products. To make decision making process (selection of machining
parameters) online, effective and efficient artificial intelligent tools like neural networks are being
attempted. This paper proposes the development of neural network models for prediction of machining
parameters in CNC turning process. Experiments are designed based on Taguchi’s Design of Experiments
(DOE) and conducted with cutting speed, feed rate, depth of cut and nose radius as the process parameters
and surface roughness and power consumption as objectives. Results from experiments are used to train
the developed neuro based hybrid models. Among the developed models, performance of neural network
model trained with particle swarm optimization model is superior in terms of computational speed and
accuracy. Developed models are validated and reported. Signal-to-noise (S/N) ratios of responses are calculated
to identify the influences of process parameters using analysis of variance (ANOVA) analysis. The
developed model can be used in automotive industries for deciding the machining parameters to attain
quality with minimum power consumption and hence maximum productivity.

ผลลัพธ์ (ไทย) 1:

กระบวนการตัดสินใจในสภาพแวดล้อมการผลิตได้ยากขึ้นเนื่องจากการเปลี่ยนแปลงอย่างรวดเร็วในการออกแบบและความต้องการของคุณภาพ เพื่อให้กระบวนการทำการตัดสินใจ (เลือกเครื่องจักรกลพารามิเตอร์) ออนไลน์ ประสิทธิภาพ และประดิษฐ์อัจฉริยะเครื่องมือเช่นเครือข่ายประสาทกำลังความพยายาม กระดาษนี้เสนอการพัฒนารูปแบบเครือข่ายประสาทสำหรับการคาดเดาของเครื่องจักรพารามิเตอร์ใน CNC เปิดกระบวนการ ทดลองออกแบบตามการออกแบบการทดลองของ Taguchi(ป้องกัน) และดำเนินการ ด้วยความเร็วตัด อาหารอัตรา ความลึกของการตัดและจมูกรัศมีเป็นพารามิเตอร์กระบวนการและพื้นผิวความหยาบและพลังงานการใช้ตามวัตถุประสงค์ ผลจากการทดลองใช้ในการฝึกสมองพัฒนาตามรูปแบบไฮบริด ระหว่างแบบจำลองพัฒนา ประสิทธิภาพของโครงข่ายประสาทรุ่นที่ฝึก ด้วยแบบจำลองเพิ่มประสิทธิภาพการบินว่อนอนุภาคจะเหนือกว่าในด้านความเร็วในการคำนวณ และความถูกต้อง รุ่นพัฒนาตรวจสอบ และรายงาน คำนวณอัตราการตอบสนองสัญญาณสัญญาณเสียงรบกวน (S/N)ระบุอิทธิพลของพารามิเตอร์กระบวนการที่ใช้วิเคราะห์ความแปรปรวนของการวิเคราะห์ (วิเคราะห์ความแปรปรวน) ที่แบบจำลองที่พัฒนาใช้ในอุตสาหกรรมยานยนต์สำหรับพารามิเตอร์ชิ้นเพื่อบรรลุการตัดสินใจคุณภาพกับการใช้พลังงานขั้นต่ำและประสิทธิภาพสูงสุดดังนั้น

ผลลัพธ์ (ไทย) 2:

กระบวนการตัดสินใจในสภาพแวดล้อมการผลิตเป็นเรื่องยากมากขึ้นเนื่องจากการเปลี่ยนแปลงอย่างรวดเร็ว
ในการออกแบบและความต้องการสินค้าที่มีคุณภาพ เพื่อให้กระบวนการตัดสินใจ (การเลือกของเครื่องจักรกล
พารามิเตอร์) ออนไลน์ที่มีประสิทธิภาพและมีประสิทธิภาพประดิษฐ์เครื่องมือที่ชาญฉลาดเช่นเครือข่ายประสาทมีการ
พยายาม กระดาษนี้นำเสนอการพัฒนาแบบจำลองโครงข่ายประสาทเทียมในการทำนายของเครื่องจักรกล
พารามิเตอร์ในกระบวนการกลึงซีเอ็นซี การทดลองได้รับการออกแบบขึ้นอยู่กับการออกแบบของทากูชิการทดลอง
(DOE) และดำเนินการด้วยความเร็วตัดอัตราการป้อนความลึกของการตัดและรัศมีจมูกเป็นพารามิเตอร์กระบวนการ
และความขรุขระพื้นผิวและการใช้พลังงานเป็นวัตถุประสงค์ ผลจากการทดลองที่ใช้ในการฝึกอบรม
การพัฒนาระบบประสาทตามรูปแบบไฮบริด ในบรรดารูปแบบการพัฒนาประสิทธิภาพการทำงานของเครือข่ายประสาท
รูปแบบการฝึกอบรมที่มีการจับกลุ่มอนุภาครูปแบบการเพิ่มประสิทธิภาพที่ดีกว่าในแง่ของความเร็วในการคำนวณและ
ความถูกต้อง รุ่นที่พัฒนาแล้วมีการตรวจสอบและรายงาน สัญญาณต่อเสียงรบกวน (S / N) อัตราส่วนของการตอบสนองที่มีการคำนวณ
เพื่อระบุอิทธิพลของพารามิเตอร์ขั้นตอนโดยใช้การวิเคราะห์ความแปรปรวน (ANOVA) การวิเคราะห์
รูปแบบการพัฒนาสามารถนำมาใช้ในอุตสาหกรรมยานยนต์สำหรับการตัดสินใจพารามิเตอร์เครื่องจักรกลที่จะบรรลุ
ที่มีคุณภาพด้วยการใช้พลังงานขั้นต่ำและการผลิตสูงสุดด้วยเหตุนี้

ผลลัพธ์ (ไทย) 3:

การตัดสินใจในสภาพแวดล้อมการผลิตที่ยากขึ้น เนื่องจากการเปลี่ยนแปลงอย่างรวดเร็ว
ในการออกแบบและความต้องการของผลิตภัณฑ์คุณภาพ เพื่อให้กระบวนการการตัดสินใจ ( เลือกเครื่องจักรกล
พารามิเตอร์ ) ออนไลน์ที่มีประสิทธิภาพและมีประสิทธิภาพเครื่องมือปัญญาประดิษฐ์ เช่น โครงข่ายประสาทเทียมถูก
พยายามบทความนี้นำเสนอการพัฒนาแบบจำลองเพื่อทำนายค่าพารามิเตอร์ในกระบวนการกลึง CNC Machining
. การทดลองที่ได้รับการออกแบบบนพื้นฐานของทากุจิการออกแบบการทดลอง ( DOE )
1 ความเร็วตัด อัตราการป้อนความลึกของการตัดและรัศมีจมูกเป็นพารามิเตอร์ของกระบวนการ
และความหยาบพื้นผิว และปริมาณการใช้พลังงานตามวัตถุประสงค์ผลจากการทดลองใช้ การฝึกประสาท
พัฒนาตามรูปแบบไฮบริด ในการพัฒนาแบบจำลองประสิทธิภาพของเครือข่ายประสาทแบบฝูงอนุภาค
ฝึกเพิ่มประสิทธิภาพแบบเหนือกว่าในแง่ของความเร็วและ
ความถูกต้องในการคำนวณ การพัฒนาแบบจำลองและการรายงาน สัญญาณเสียง ( s / n ) ของการตอบสนองต่อค่า
เพื่อศึกษาอิทธิพลของพารามิเตอร์โดยใช้การวิเคราะห์ความแปรปรวน ( ANOVA ) การวิเคราะห์
รูปแบบที่พัฒนาขึ้น สามารถใช้ในอุตสาหกรรมยานยนต์ เครื่องจักร เพื่อตัดสินใจพารามิเตอร์ที่จะบรรลุ
คุณภาพด้วยการใช้พลังงานขั้นต่ำดังนั้นการผลิตสูงสุด .