Experimentswere conducted on Lathe

Experimentswere conducted on Lathe using PCD coarse grade cutting insert, the data surface roughnesswas collected under different cutting conditions for various combinations of cutting
speed, feed rate, and depth of cut. Two modeling techniques were used to predict the surface
roughness namely ANOVA and ANN. ANOVA and ANN approach provide a systematic and effective methodology for the optimization. In ANOVA, it is revealed that the feed rate has highest physical as well as statistical influence on the surface roughness (51%) right after the depth of cut (30%) and the cutting speed (12%).

ผลลัพธ์ (ไทย) 1:

Experimentswere ดำเนินการบนเครื่องกลึงที่ใช้ตัดเกรดหยาบ PCD แทรก roughnesswas ผิวข้อมูลรวบรวมสภาวะตัดสำหรับตัดชุดต่าง ๆความเร็ว อาหาร อัตราและความลึกของการตัด เทคนิคการสร้างโมเดลที่สองใช้ในการทำนายพื้นผิวความหยาบได้แก่การวิเคราะห์ความแปรปรวน และการวิเคราะห์ความ แปรปรวน ANN. และแอนวิธีให้วิธีระบบ และมีประสิทธิภาพสำหรับการเพิ่มประสิทธิภาพการ ในการวิเคราะห์ความแปรปรวน มันจะเปิดเผยว่า ราคาอาหารสัตว์มีอิทธิพลทางกายภาพ ตลอดจนสถิติสูงสุดบนขวาความหยาบผิว (51%) หลังจากความลึกของการตัด (30%) และความเร็วตัด (12%)

ผลลัพธ์ (ไทย) 2:

Experimentswere ดำเนินการเกี่ยวกับการใช้เครื่องกลึงแทรกตัดเกรด PCD หยาบผิวข้อมูล roughnesswas เก็บภายใต้เงื่อนไขที่แตกต่างกันสำหรับการตัดชุดต่างๆของการตัด
ความเร็วอัตราการป้อนและความลึกของการตัด สองเทคนิคการสร้างแบบจำลองถูกนำมาใช้ในการทำนายพื้นผิว
หยาบกร้านคือ ANOVA และ ANN ANOVA และวิธี ANN ให้วิธีการที่เป็นระบบและมีประสิทธิภาพสำหรับการเพิ่มประสิทธิภาพ ในการวิเคราะห์ความแปรปรวนก็ถูกเปิดเผยว่าอัตราการป้อนมีทางกายภาพสูงสุดเช่นเดียวกับอิทธิพลทางสถิติเกี่ยวกับพื้นผิวที่ขรุขระ (51%) หลังจากที่ความลึกของการตัด (30%) และความเร็วในการตัด (12%)

ผลลัพธ์ (ไทย) 3:

และเมื่อทำการทดลองโดยใช้ PCD แทรกตัดเกรดกลึงหยาบ ผิว roughnesswas รวบรวมข้อมูลภายใต้เงื่อนไขที่แตกต่างกันสำหรับการตัดชุดต่างๆของ
ความเร็วตัด อัตราการป้อนและความลึกในการตัด 2 แบบจำลองทางทำนายความขรุขระพื้นผิว
ได้แก่ ANOVA และแอนการวิเคราะห์ความแปรปรวน ( ANOVA ) และแอนสอนให้วิธีการอย่างเป็นระบบและมีประสิทธิภาพสำหรับการเพิ่มประสิทธิภาพ ในการวิเคราะห์ความแปรปรวน ( ANOVA ) พบว่า อัตราการป้อนได้สูงสุดทางกายภาพ ตลอดจนอิทธิพลทางสถิติบนพื้นผิวขรุขระ ( 51% ) หลังจากที่ความลึกของการตัด ( 30% ) และความเร็วตัด ( 12 ) %
.