Ứng dụng phương pháp trí tuệ nhân tạo và phân tích taguchi để xác định chế độ cắ
Luận án: Ứng dụng phương pháp trí tuệ nhân tạo và phân tích taguchi để xác định chế độ cắt tối ưu khi gia công trên máy phay cnc luận án tiến sĩ. Xem tóm tắt và
Luan An
Luận án tiến sĩ
Năm xuất bản
Số trang
148
Thời gian đọc
23 phút
Lượt xem
0
Lượt tải
0
Phí lưu trữ
40 Point
Tổng quan nhanh
- Chủ đề:
- Ứng dụng Trí tuệ nhân tạo & Taguchi: Tối ưu gia công CNC
- Số trang:
- 148 trang
- Trường:
- Đại học Bách khoa Hà Nội
- Chuyên ngành:
- Kỹ thuật cơ khí
- Tác giả:
- Nguyễn Ngọc Kiên
- Năm:
- 2014
Tóm tắt nội dung luận án
I.Ứng dụng Trí tuệ nhân tạo Taguchi Tối ưu gia công CNC
Gia công CNC đòi hỏi độ chính xác cao. Năng suất và chất lượng bề mặt phụ thuộc chế độ cắt. Thực tế gia công luôn tồn tại yếu tố nhiễu. Chúng làm giảm chất lượng sản phẩm. Cài đặt thông số công nghệ không luôn chính xác. Việc thu nhận thông tin cũng chịu ảnh hưởng bởi nhiễu. Mô hình cơ bản hiện nay có hạn chế. Nhu cầu gia tăng độ chính xác là cấp thiết. Hiệu quả sử dụng thiết bị cần được tối ưu. Cần có phương pháp dự đoán mối quan hệ thực nghiệm mới. Đồng thời, đánh giá mức độ ảnh hưởng của yếu tố nhiễu. Giải bài toán tối ưu với độ chính xác cao hơn là mục tiêu. Phương pháp truyền thống thường gặp khó khăn. Khoa học Trí tuệ nhân tạo (AI) cung cấp giải pháp tiềm năng. Nó giúp tiếp cận khả năng tư duy và học của bộ não. Phân tích Taguchi hỗ trợ kiểm soát nhiễu. Nó tối ưu hóa quá trình công nghệ. Mục tiêu cuối cùng là tăng năng suất và chất lượng bề mặt chi tiết gia công.
1.1. Bối cảnh và thách thức gia công CNC
Ngày nay, gia công đạt độ chính xác cao là xu thế tất yếu. Tìm hiểu quy luật ảnh hưởng của thông số công nghệ là cơ bản. Máy CNC mang lại độ chính xác và linh hoạt. Tuy nhiên, tính linh hoạt đi kèm chi phí cao. Sử dụng hiệu quả thiết bị là cần thiết. Năng suất và chất lượng bề mặt phụ thuộc chế độ cắt. Cài đặt chế độ cắt tối ưu là điều kiện bắt buộc. Yếu tố nhiễu không kiểm soát được luôn tồn tại. Chúng làm giảm chất lượng gia công. Mô hình truyền thống bị hạn chế bởi yêu cầu độ chính xác ngày càng cao.
1.2. Lý do ứng dụng AI và Phân tích Taguchi
Khoa học máy tính phát triển mạnh mẽ. Con người đã mô phỏng quá trình xử lý thông tin của bộ não. Trí tuệ nhân tạo nghiên cứu khả năng tư duy và học. Ứng dụng AI trong điều khiển tối ưu là xu hướng tất yếu. Phân tích Taguchi là phương pháp hiệu quả. Nó xác định mức độ ảnh hưởng của thông số công nghệ. Đồng thời, nó giải quyết bài toán tối ưu. Phương pháp này đáp ứng yêu cầu công nghệ ngày càng khắt khe. Nó tăng khả năng dự đoán chất lượng gia công.
II.Trí tuệ nhân tạo Giải pháp tối ưu chế độ cắt CNC
Trí tuệ nhân tạo (AI) là công cụ mạnh mẽ. Nó mang lại giải pháp đột phá cho gia công CNC. Khả năng học máy giúp hệ thống thích nghi. Nó xử lý dữ liệu phức tạp. Mạng mờ nơ ron được ứng dụng để xây dựng mô hình dự đoán. Các thuật toán AI phân tích mối quan hệ giữa chế độ cắt và kết quả. Nó giúp tăng độ chính xác trong dự đoán chất lượng gia công. Điều này rất quan trọng cho các hệ thống công nghệ hiện đại. AI không chỉ dự đoán mà còn tối ưu hóa. Giải thuật trí tuệ bầy đàn là một ví dụ. Các thuật toán này tìm kiếm các giải pháp tốt nhất. Chúng vượt qua những hạn chế của phương pháp truyền thống. Mục tiêu là xác định chế độ cắt tối ưu. Việc này đảm bảo năng suất cao và chất lượng bề mặt tốt. Ứng dụng AI mở ra kỷ nguyên mới cho kỹ thuật cơ khí.
2.1. Vai trò học máy trong dự đoán chất lượng
Học máy (Machine learning) là nhánh chủ chốt của trí tuệ nhân tạo. Nó cho phép hệ thống học từ dữ liệu. Mô hình dự đoán chất lượng gia công được xây dựng. Mạng mờ nơ ron (neural fuzzy network) là một ứng dụng. Chúng thiết lập mối quan hệ thực nghiệm. Điều này giúp dự đoán chính xác chất lượng bề mặt. Năng suất gia công cũng được dự báo hiệu quả. Khoa học dữ liệu hỗ trợ việc thu thập và xử lý dữ liệu. Các thuật toán AI nâng cao khả năng dự đoán và phân tích.
2.2. Thuật toán AI cho tối ưu hóa quá trình
Trí tuệ nhân tạo cung cấp nhiều giải thuật tối ưu hóa. Giải thuật trí tuệ bầy đàn (swarm intelligence) là một phương pháp. Chúng mô phỏng hành vi tự nhiên để tìm kiếm giải pháp. Các thuật toán AI xử lý bài toán tối ưu phức tạp. Mục tiêu là xác định chế độ cắt tối ưu nhất. Điều này cải thiện đáng kể hiệu quả gia công. Nâng cao năng suất và chất lượng là trọng tâm. Các thuật toán AI góp phần vào kiểm soát chất lượng tiên tiến.
III.Phân tích Taguchi Kiểm soát chất lượng hiệu quả
Phân tích Taguchi là một phương pháp khoa học. Nó giúp kiểm soát và cải thiện chất lượng sản phẩm. Phương pháp này tập trung vào thiết kế thí nghiệm Taguchi. Nó giúp nhận diện các yếu tố ảnh hưởng. Đồng thời giảm thiểu tác động của yếu tố nhiễu. Mục tiêu là tạo ra sản phẩm mạnh mẽ. Sản phẩm ít bị ảnh hưởng bởi biến động. Thiết kế thí nghiệm Taguchi tối thiểu hóa số lần thử nghiệm. Điều này tiết kiệm thời gian và chi phí nghiên cứu. Hàm mất mát Taguchi định lượng chi phí chất lượng kém. Nó tập trung vào sự đồng nhất của chất lượng. Phân tích này không chỉ xem xét dung sai. Nó coi trọng việc giảm thiểu sự sai lệch so với mục tiêu. Phân tích Taguchi là nền tảng cho kiểm soát chất lượng hiệu quả. Nó giúp tối ưu hóa thông số công nghệ.
3.1. Thiết kế thí nghiệm Taguchi cho hệ thống
Thiết kế thí nghiệm Taguchi là cốt lõi. Nó giúp xác định ảnh hưởng của thông số công nghệ. Mục tiêu là thiết kế robust (mạnh mẽ). Sản phẩm sẽ ít bị ảnh hưởng bởi các yếu tố nhiễu. Các ma trận trực giao được sử dụng hiệu quả. Chúng giảm đáng kể số lượng thí nghiệm cần thiết. Điều này giúp tối ưu hóa quy trình. Cả năng suất và chất lượng bề mặt đều được cải thiện. Phương pháp này tăng cường kiểm soát chất lượng trong gia công.
3.2. Hàm mất mát Taguchi và đánh giá chất lượng
Hàm mất mát Taguchi là công cụ đánh giá độc đáo. Nó định lượng chi phí xã hội của chất lượng kém. Hàm này không chỉ tập trung vào việc sản phẩm có nằm trong dung sai không. Nó đánh giá sự sai lệch từ giá trị mục tiêu. Điều này thúc đẩy việc sản xuất sản phẩm đồng nhất hơn. Phân tích Taguchi sử dụng hàm mất mát để tối ưu hóa. Nó giúp giảm biến động và tăng độ tin cậy. Kết quả là kiểm soát chất lượng được nâng cao.
IV.Kết hợp AI và Taguchi Nâng cao hiệu quả gia công
Sự kết hợp giữa Trí tuệ nhân tạo (AI) và Phân tích Taguchi tạo ra sức mạnh tổng hợp. AI mang lại khả năng học máy tiên tiến. Nó xây dựng các mô hình dự đoán phức tạp. Taguchi cung cấp khuôn khổ thiết kế thí nghiệm mạnh mẽ. Nó giúp xác định các yếu tố quan trọng và kiểm soát nhiễu. Mô hình lai ghép dự đoán mối quan hệ thực nghiệm chính xác hơn. Nó tăng cường hiểu biết về quá trình gia công. Phương pháp này tăng độ chính xác khi xác định chế độ cắt tối ưu. Mục tiêu là nâng cao năng suất và chất lượng bề mặt chi tiết. Các thuật toán AI được huấn luyện trên dữ liệu từ thí nghiệm Taguchi. Điều này đảm bảo kết quả tối ưu không chỉ hiệu quả mà còn mạnh mẽ. Nó ít bị ảnh hưởng bởi các biến động không mong muốn. Sự kết hợp này là bước tiến lớn trong kiểm soát chất lượng và tối ưu hóa.
4.1. Xây dựng mô hình dự đoán lai ghép
Mô hình lai ghép kết hợp trí tuệ nhân tạo và Taguchi. AI cung cấp khả năng phân tích dữ liệu phức tạp. Học máy tạo ra các mô hình dự đoán chính xác. Taguchi cung cấp phương pháp thiết kế thí nghiệm tối ưu. Nó giúp thu thập dữ liệu hiệu quả. Mô hình này tăng cường khả năng dự đoán chất lượng gia công. Nó xác định mối quan hệ thực nghiệm giữa các yếu tố. Khoa học dữ liệu đóng vai trò quan trọng trong việc xây dựng mô hình này. Nó giúp hiểu rõ hơn về hệ thống.
4.2. Tối ưu hóa chế độ cắt bằng phương pháp kết hợp
Phương pháp kết hợp AI và Taguchi tối ưu hóa chế độ cắt hiệu quả. Thuật toán AI được huấn luyện bằng dữ liệu Taguchi. Nó tìm kiếm tổ hợp thông số tốt nhất. Mục tiêu là tối đa hóa năng suất gia công. Đồng thời, chất lượng bề mặt chi tiết được cải thiện. Phương pháp này tính toán chế độ cắt tối ưu. Nó có khả năng chống lại các yếu tố nhiễu. Kiểm soát chất lượng trở nên chính xác và đáng tin cậy hơn. Việc này đáp ứng yêu cầu cao của công nghiệp hiện đại.
V.Khoa học dữ liệu Nền tảng phát triển kỹ thuật cơ khí
Khoa học dữ liệu là trụ cột quan trọng. Nó thúc đẩy sự phát triển kỹ thuật cơ khí hiện đại. Khả năng phân tích dữ liệu lớn là then chốt. Các mẫu ẩn trong quá trình gia công được khám phá. Điều này giúp cải tiến liên tục quy trình công nghệ. Phân tích dữ liệu sâu sắc hơn về mối quan hệ giữa chế độ cắt và chất lượng đầu ra. Các quyết định dựa trên dữ liệu trở nên chính xác hơn. Hiệu quả hoạt động tổng thể được nâng cao. Ứng dụng AI và Taguchi mở ra triển vọng lớn. Điều khiển chất lượng trực tuyến trở thành hiện thực. Hệ thống có thể tự động điều chỉnh thông số. Nó phản ứng với các thay đổi trong thời gian thực. Điều này giúp duy trì chất lượng ổn định. Đồng thời tối ưu hóa năng suất liên tục. Khoa học dữ liệu cung cấp nền tảng vững chắc cho sự phát triển này. Các thuật toán AI sẽ tiếp tục được cải tiến.
5.1. Phân tích dữ liệu cải tiến quy trình công nghệ
Khoa học dữ liệu cung cấp công cụ mạnh mẽ. Nó hỗ trợ phân tích dữ liệu từ quá trình gia công. Các insight giá trị được rút ra từ dữ liệu lớn. Điều này giúp cải tiến quy trình công nghệ liên tục. Phân tích dữ liệu sâu sắc hơn về mối quan hệ giữa thông số. Nó liên kết chế độ cắt với chất lượng và năng suất. Quyết định dựa trên dữ liệu trở nên thông minh hơn. Nó góp phần nâng cao hiệu quả tổng thể của sản xuất.
5.2. Triển vọng điều khiển chất lượng trực tuyến
Ứng dụng trí tuệ nhân tạo và Taguchi mở ra hướng đi mới. Điều khiển chất lượng trực tuyến là mục tiêu tương lai. Hệ thống có thể tự động điều chỉnh các thông số. Nó phản ứng theo thời gian thực với các biến động. Điều này giúp duy trì chất lượng sản phẩm ổn định. Nó cũng tối ưu hóa năng suất một cách liên tục. Khoa học dữ liệu là nền tảng vững chắc cho việc này. Các thuật toán AI sẽ tiếp tục phát triển. Tương lai của gia công cơ khí sẽ rất thông minh và hiệu quả.
Tải xuống file đầy đủ để xem toàn bộ nội dung
Tải đầy đủ (148 trang)Trích đoạn nội dung luận án
Tải xuống để đọc toàn bộBỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI NGUYỄN NGỌC KIÊN ỨNG DỤNG PHƯƠNG PHÁP TRÍ TUỆ NHÂN TẠO VÀ PHÂN TÍCH TAGUCHI ĐỂ XÁC ĐỊNH CHẾ ĐỘ CẮT TỐI ƯU KHI GIA CÔNG TRÊN MÁY PHAY CNC LUẬN ÁN TIẾN SĨ KỸ THUẬT CƠ KHÍ Hà Nội – 2014 LỜI CẢM ƠN Trong quá trình học tập và hoàn thành luận án tốt nghiệp, tác giả luôn nhận được sự giúp đỡ, động viên của gia đình, người thân và sự dạy bảo của các thầy cô giáo Trường Đại học Bách khoa Hà nội. Tác giả xin chân thành cảm ơn các thầy cô giáo trong Viện Cơ khí, Viện Đào tạo Sau đại học - Trường Đại học Bách khoa Hà Nội đã tận tình dạy bảo trong suốt khoá học. Đặc biệt, tác giả xin chân thành cảm ơn sâu sắc tới thầy giáo GS. Trần Văn Địch và PGS.
TS Vũ Toàn Thắng đã hướng dẫn và giúp đỡ tác giả hoàn thành luận án. Cuối cùng, tác giả xin cảm ơn những người thân trong gia đình, bạn bè và đồng nghiệp đã động viên, hỗ trợ và giúp đỡ tác giả trong suốt khoá học. 2 MỞ ĐẦU Cơ sở để lựa chọn đề tài Ngày nay, gia công đạt độ chính xác cao là quá trình công nghệ phổ biến và xu thế phát triển tất yếu trong kỹ thuật gia công cơ khí. Tìm hiểu qui luật phân bố ảnh hưởng của các thông số công nghệ đến năng suất và chất lượng gia công là phương pháp cơ bản để điều khiển quá trình công nghệ.
Mặt khác, ứng dụng kỹ thuật điều khiển số (NC) là xu hướng phát triển mạnh mẽ trong công nghiệp từ thiết bị đến qui trình công nghệ với các ưu thế về độ chính xác và khả năng linh hoạt [1], [2]. Tính linh hoạt của thiết bị trong hệ thống công nghệ tỷ lệ thuận với chi phí và giá thành, do vậy sử dụng hiệu quả thiết bị là điều kiện cần thiết với mọi quá trình công nghệ. Kỹ thuật gia công cơ khí trên các máy điều khiển số (CNC) đang được nghiên cứu, ứng dụng và phát triển lớn mạnh tại Việt Nam cũng như các nước trên thế giới. Ngành công nghệ gia công, chế tạo thiết bị có những bước phát triển vượt bậc với những máy CNC có khả năng gia công đạt độ chính xác rất cao đáp ứng nhu cầu gia tăng độ chính xác.
Với một hệ thống công nghệ nhất định, năng suất hay chất lượng bề mặt phụ thuộc chủ yếu vào chế độ cắt được cài đặt [2], [7], vì vậy điều khiển các thông số chế độ cắt là phương pháp cơ bản và hiệu quả để kiểm soát chất lượng gia công cũng như nâng cao hiệu quả sử dụng thiết bị. Do đó cài đặt chế độ cắt hợp lý hay tối ưu là điều kiện cần cho quá trình gia công cơ khí [3], [5]. Thực tế trong một môi trường gia công luôn tồn tại các yếu tố không điều khiển được (yếu tố nhiễu) làm giảm chất lượng gia công. Quá trình cài đặt các thông số công nghệ không phải lúc nào cũng cài đặt chính xác như mong muốn hay quá trình thu nhận các thông tin trong và sau khi gia công cũng bị ảnh hưởng bởi các yếu tố nhiễu làm những thông tin có được gần với giá trị thực ở một mức độ tin cậy nhất định [4], [16], [17].
Mặt khác mô hình cơ bản và phổ biến hiện nay đang sử dụng xác định các thông số công nghệ hợp lý càng bị hạn chế bởi nhu cầu gia tăng độ chính xác và sử dụng hiệu quả thiết bị [20], [21], [22]. Do vậy cần thiết phải có một phương pháp tiếp cận dự đoán mối quan hệ thực nghiệm mới, đánh giá mức độ ảnh hưởng của các yếu tố vào và nhiễu đến kết quả đầu ra cũng như giải bài toán tối ưu cho độ chính xác cao hơn và tiến dần đến kỹ thuật điều khiển chất lượng trực tuyến trong tương lai. Ngày nay, ứng dụng phát triển khoa học máy tính, con người đã tiếp cận và mô phỏng quá trình thu nhận và xử lý thông tin trong bộ não của mình và tìm hiểu các cơ chế tối ưu trong tự nhiên. Khoa học trí tuệ nhân tạo là một ngành nghiên cứu để tiếp cận khả năng tư duy và học của bộ não [8], [9], [10], [11], [15], [27].
Ứng dụng khoa học trí tuệ nhân tạo trong lĩnh vực điều khiển tối ưu là xu hướng và tất yếu trong tương lai. Từ những phân tích trên làm tiền đề cho tác giả nghiên cứu và chọn lĩnh vực tối ưu quá trình công nghệ gia công cơ khí làm đề tài luận án. Bài toán tối ưu trong gia công không phải là bài toán mới nhưng cần tìm ra một phương pháp tiếp cận mới để giải quyết lớp các bài toán tối ưu trong công nghệ gia công cơ khí là cần thiết, thực tiễn và tất yếu để giải quyết yêu cầu công nghệ ngày càng chính xác và khắt khe trong tương lai. 3 Mục đích, đối tượng và phạm vi nghiên cứu Mục đích - Nghiên cứu phương pháp tiếp cận mới làm tăng khả năng dự đoán chất lượng gia công - Tăng độ chính xác khi xác định chế độ cắt tối ưu cho gia công trên máy phay CNC trên cơ sở nâng cao năng suất và chất lượng bề mặt chi tiết gia công.
- Xây dựng mối quan hệ thực nghiệm giữa chế độ cắt với năng suất và chất lượng bề mặt, tính toán chế độ cắt tối ưu cho gia công một số thép hợp kim. Đối tượng nghiên cứu - Nghiên cứu quá trình gia công trên máy phay CNC - Gia công một số vật liệu cứng - Ứng dụng mạng mờ nơ ron và giải thuật trí tuệ bầy đàn (trí tuệ nhân tạo tính toán) - Phương pháp số để tối ưu hóa - Phương pháp Taguchi xác định mức độ ảnh hưởng của các thông số công nghệ đến năng suất và chất lượng bề mặt Phạm vi nghiên cứu Tìm phương pháp dự đoán mối quan hệ thực nghiệm và tính toán chế độ cắt hợp lý, tối ưu để đạt năng suất và chất lượng bề mặt chi tiết khi gia công trên máy phay CNC. Phương pháp nghiên cứu Phương pháp nghiên cứu chung là kết hợp nghiên cứu lý thuyết với nghiên cứu thực nghiệm Ý nghĩa khoa học và thực tiễn của đề tài - Làm phong phú thêm lý thuyết trong qui hoạch thực nghiệm và xử lý dữ liệu thực nghiệm, quá trình tối ưu hóa các thông số công nghệ trong điều kiện tại Việt Nam - Đưa trí tuệ nhân tạo vào kỹ thuật điều khiển thông số công nghệ gia công cơ khí - Đưa phương pháp Taguchi vào trong thiết kế thực nghiệm và tính toán mức độ ảnh hưởng của thông số công nghệ đến năng suất và chất lượng bề mặt. 4 Những đóng góp mới - Ứng dụng giải pháp trí tuệ nhân tạo và phân tích Taguchi thiết lập mối quan hệ thực nghiệm giữa chế độ cắt với chất lượng bề mặt, năng suất gia công, lực cắt, độ mòn dụng cụ và xác định chế độ cắt tối ưu khi phay thép SKD11 và SKD61.
- Xây dựng phần mềm BK-CTMNET dự đoán mối quan hệ thực nghiệm cho độ chính xác cao và tính toán các thông số công nghệ tối ưu phục vụ trong nghiên cứu và sản xuất. Cấu trúc luận án Luận án trình bày trong 151 trang, ngoài phần mở đầu, kết luận, kiến nghị, luận án gồm 4 chương: Chương 1. Tổng quan về ảnh hưởng một số yếu tố công nghệ đến năng suất và chất lượng bề mặt, phương pháp xác định chế độ cắt tối ưu khi gia công trên máy phay CNC; Chương 2. Giải pháp trí tuệ nhân tạo và ứng dụng; Chương 3.
Phương pháp xác định chế độ cắt tối ưu khi gia công trên máy phay CNC; Chương 4. Xây dựng mô hình toán học bằng thực nghiệm giữa chế độ cắt với các thông số công nghệ và xác định chế độ cắt tối ưu trên máy phay CNC. 5 Chương 1: TỔNG QUAN ẢNH HƯỞNG MỘT SỐ YẾU TỐ CÔNG NGHỆ ĐẾN NĂNG SUẤT VÀ CHẤT LƯỢNG BỀ MẶT, PHƯƠNG PHÁP XÁC ĐỊNH CHẾ ĐỘ CẮT TỐI ƯU KHI GIA CÔNG TRÊN MÁY PHAY CNC 1.1 Các chỉ tiêu chất lượng bề mặt khi gia công [1] Chất lượng bề mặt gia công là tập hợp các chỉ tiêu về các yếu tố hình học, tính chất cơ lý mà nó là kết quả để lại sau tương tác giữa dụng cụ cắt với bề mặt chi tiết gia công. Các thông số chất lượng bề mặt quyết định rất lớn đến khả năng làm việc của chi tiết máy.
Vì vậy các phương pháp gia công cũng nhằm đảm bảo các chỉ tiêu về chất lượng bề mặt.1 Các yếu tố hình học 1.1 Độ nhấp nhô tế vi Trong quá trình cắt, lưỡi cắt của dụng cụ tương tác với bề mặt chi tiết gia công hình thành phoi đồng thời để lại những vết xước cực nhỏ trên bề mặt gia công là những nhấp nhô tế vi (độ nhám). Đặc trưng cho tính chất nhấp nhô bề mặt khi gia công được đo bằng chiều cao nhấp nhô tế vi (Rz) và sai lệch profin trung bình cộng (Ra) của lớp bề mặt. Sai lệch profin trung bình cộng (Ra) là thông số được công nhận phổ biến nhất, được sử dụng 24 23 nhiều nhất là thông số quốc tế về độ nhám. 22 21 Độ nhấp nhô tế vi (độ nhám bề mặt) là cơ sở 20 để đánh giá độ nhẵn bề mặt trong phạm vi 18 19 Mài tròn chiều dài chuẩn rất ngắn là một đặc trưng 17 16 quan trọng của chất lượng bề mặt chi tiết 15 Mài ph?ng Mài phẳng máy.
14 13 Độ nhám bề mặt ảnh hưởng rất lớn đến các 12 11 tính chất làm việc của chi tiết máy: tính chống 10 Doa Doa mòn, chống mỏi, chống ăn mòn hóa học và độ 98 Phaymặt Phay m?tđầu d?u ổn định mối ghép. Việc khống chế độ nhám 7 Phay ngoài Bào 6 bề mặt ở các mức độ nhất định có vai trò rất 5 Khoan quan trọng trong quá trình gia công, chế tạo 3 4 Ti?n Tiện sản phẩm. Các quá trình gia công bề mặt khác 2 1 nhau sẽ tạo nên độ nhám bề mặt khác nhau và giá thành sản phẩm cũng khác nhau.1 0,025 0,05 0,1 0,2 0,4 0,8 1,6 3,2 6,3 12,5 25 50 thể hiện mối quan hệ giữa độ nhám bề mặt và Hình 1.1 Quan hệ giữa phương giá thành của một số phương pháp gia công, pháp gia công và độ nhám bề mặt qua đồ thị thấy rằng giá thành sản phẩm sẽ 6 tăng lên nhanh chóng khi muốn giảm độ nhám bề mặt tới một giá trị nào đó theo yêu cầu. Do đó, người thiết kế cần phải quan tâm tới giá thành sản phẩm bên cạnh chất lượng bề mặt.
Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ
Trích dẫn luận án này
Nguyễn Ngọc Kiên (2014). Ứng dụng phương pháp trí tuệ nhân tạo và phân tích taguchi đ [Luận án tiến sĩ, Trường Đại học Bách khoa Hà Nội]. LuanAn.net. https://luanan.net/tai-lieu-khac/ung-dung-phuong-phap-tri-tue-nhan-tao-va-phan-tich-taguchi-de-xac-dinh-che-do
Câu hỏi thường gặp
Luận án "Ứng dụng phương pháp trí tuệ nhân tạo và phân tích taguchi đ" nghiên cứu về vấn đề gì?
Luận án: Ứng dụng phương pháp trí tuệ nhân tạo và phân tích taguchi để xác định chế độ cắt tối ưu khi gia công trên máy phay cnc luận án tiến sĩ. Xem tóm tắt và
Luận án "Ứng dụng phương pháp trí tuệ nhân tạo và phân tích taguchi đ" được bảo vệ tại trường nào?
Luận án này được bảo vệ tại Trường Đại học Bách khoa Hà Nội. Năm bảo vệ: 2014.
Luận án "Ứng dụng phương pháp trí tuệ nhân tạo và phân tích taguchi đ" thuộc chuyên ngành gì?
Luận án "Ứng dụng phương pháp trí tuệ nhân tạo và phân tích taguchi đ" thuộc chuyên ngành Kỹ thuật cơ khí. Danh mục: Tài liệu khác.
Luận án "Ứng dụng phương pháp trí tuệ nhân tạo và phân tích taguchi đ" có bao nhiêu trang?
Luận án "Ứng dụng phương pháp trí tuệ nhân tạo và phân tích taguchi đ" có 148 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.
Cách tải luận án "Ứng dụng phương pháp trí tuệ nhân tạo và phân tích taguchi đ" về máy như thế nào?
Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.