تقييم أداء خوارزميات الذكاء الصنعي للتنبؤ بخشونة السطح في عمليات الخراطة
الكلمات المفتاحية:
الخراطة، الذكاء الصنعي، تعلم الآلة، الانحدار الخطي، شجرة القرار، الشبكات العصبونية، الغابة العشوائيةالملخص
من الخصائص الهامة التي يجب أن تتوفر في المنتجات درجة نعومة أسطحها، حيث إن كثيراً من التطبيقات العملية تحتاج إلى أسطح على درجة عالية من النعومة حتى تؤدي الوظيفة المطلوبة منها بأفضل أداء ممكن. وتجدر أهمية الخشونة السطحية في أنها مؤشر أساسي لقياس جودة المواد. وفي عمليات التصنيع والإنتاج من المهم للغاية ولكنه صعب معرفة خشونة السطح بالإعتماد على المدخلات(سرعة القطع_ معدل التغذية_ عمق القطع)، ولقد أشارت بعض الدراسات الى أنه بزيادة السرعة أو بنقصان عمق القطع يتم تحسين خشونة السطح ولذلك تم دراسة تأثير بارامترات القطع(سرعة القطع_ معدل التغذية _ عمق القطع) على معدن AISI1040 لمعرفة تأثير بارامترات القطع في عملية الخراطة تم اختيار هذا المعدن لما له من استخدامات مهمة وعديدة في الصناعة من أهمها: المحامل_ عمود المرفق وغيرها وتم التوصل الى ان معدل التغذية هو فقط بزيادته تم زيادة الخشونة السطحية بينما سرعة القطع ومعدل التغذية لايمكن معرفة قيمها المثلى للحصول على نعومة سطح جيدة، ولمعرفة خشونة السطح قبل إجراء عمليات التشغيل تمكّنا في هذا البحث من استخدام خوارزميات تعلم الآلة (الانحدار الخطي_ شجرة القرار_ الشبكات العصبونية _الغابة العشوائية) للتنبؤ بخشونة السطح و تم استخدام قيم حقيقية تم الحصول عليها من مخبر التصميم والتصنيع بمساعدة الحاسوب الموجود في كلية الهندسة المكانيكية والكهربائية في جامعة دمشق، وقد تبين أن الشبكات العصبونية تعطي أفضل تنبؤ مقارنة مع شجرة القرار والانحدار الخطي والغابة العشوائية، مع إمكانية استخدام هذا النموذج للتتبؤ بخشونة السطح في المستقبل.
التنزيلات
