W czasopiśmie Sensors (MEiN 100 pkt.) ukazał się nowy artykuł, którego współautorami są pracownicy Zakładu Systemów Złożonych: Andrzej Paszkiewicz, Marek Bolanowski oraz Mateusz Salach.
Artykuł nosi tytuł "Estimation of Tool Life in the Milling Process—Testing Regression Models" i powstał przy współpracy pracowników Zakładu Systemów Złożonych oraz Katedry Informatyki i Automatyki Politechniki Rzeszowskiej w ramach realizacji projektu "Regionalna Inicjatywa Doskonałości".
Paszkiewicz, A.; Piecuch, G.; Żabiński, T.; Bolanowski, M.; Salach, M.; Rączka, D. Estimation of Tool Life in the Milling Process—Testing Regression Models. Sensors 2023, 23, 9346. https://doi.org/10.3390/s23239346
Abstrakt:
W artykule przedstawiono próbę identyfikacji odpowiedniego modelu regresyjnego do szacowania trwałości narzędzia skrawającego w procesie frezowania na podstawie analizy parametrów R2 tych modeli. Praca oparta jest na własnych eksperymentach i zgromadzonej bazie danych (którą udostępniamy do dalszego wykorzystania). W badaniu wykorzystano frezarkę Haas VF-1 wyposażoną w czujniki drgań i opartą na kolektorze danych PLC Beckhoff. Ze względu na to, że dane z czujników mają charakter ciągły, a także w celu uwzględnienia zależności między nimi, zastosowano modele regresji. W trakcie prac przetestowano regresję wektorów nośnych (SVR), drzewa decyzyjne i sieci neuronowe. Uzyskane wyniki pokazują, że najlepsze wyniki predykcji z najniższymi wartościami błędów uzyskano dla dwuwymiarowych sieci neuronowych przy użyciu solwera LBFGS (93,9%).
Bardzo podobne wyniki uzyskano również dla SVR (93,4%). Przeprowadzone badania związane są z realizacją inteligentnego wytwarzania dedykowanego dla Przemysłu 4.0 w zakresie monitorowania procesów produkcyjnych, planowania przestojów serwisowych oraz ograniczania poziomu strat wynikających z uszkodzeń materiałów, półproduktów i narzędzi.
Zapraszamy do zapoznania się z artykułem na stronie:
