DEFINICE VSTUPNÍCH PARAMETRŮ A MATERIÁLOVÝCH CHARAKTERISTIK OVLIVŇUJÍCÍCH VÝSLEDNÝ POVRCH PO ŘEZÁNÍ PROGRESIVNÍ TECHNOLOGIÍ AWJ ZA POUŽITÍ METOD UMĚLÉ INTELIGENCE

USING OF AN ARTIFICIAL INTELLIGENCE METHODS FOR DEFFINITION OF INPUT PARAMETERS AND MATERIAL CHARACTERISTICS THAT HAVE INFLUENCE ON FINAL SURFACE KERF AFTER AWJ CUTTING

článek ve sborníku ve WoS nebo Scopus

cs

V oblasti technologie AWJ je při volbě řezných podmínek nutné stanovit hned několik klíčových vstupních parametrů, které mají bezprostřední vliv na samotný průběh a úspěšnost řezného procesu, a tedy samozřejmě také na výslednou kvalitu, cenu a dobu řezu. Z toho důvodu je vhodné vytvořit výčet vstupních parametrů, stanovit jednotlivě míru jejich vlivu na řezný proces, ale také provést jejich kvantifikaci a kvalifikaci. (1) Každý vstup musí být dostatečně přesně a kvalitně charakterizován, aby se splnila podmínka možnosti dalšího zpracování, či následného vytvoření a správné funkce případného expertního systému (ES). Vzhledem k tomu, že požadované vstupy do systému zadává uživatel (mnohdy téměř laik), který často není schopen hodnoty určit přesně (např. nezná materiálové charakteristiky...), je vhodné provést ošetření neurčitosti a nepřesnosti použitím výpočtových metod umělé inteligence, konkrétně fuzzy logiky. Právě fuzzy teorie se snaží pokrýt realitu v její nepřesnosti a neurčitosti. Základním předpokladem její aplikace je převod verbálních prvků (vágních pojmů, např. velmi tvrdý, křehký atp.), charakterizujících vstupní parametry, do kvantifikované stupnice s rozsahem hodnot, kterých nabývá. Rozhodnutí o náležení nebo nenáležení konkrétního prvku do dané množiny je možné nahradit mírou příslušnosti, vybranou z předem definovaného intervalu. Proto byla provedena série experimentů za účelem sběru dat a testování vlivu jednotlivých charakteristik na výsledek řezného procesu a tedy i možnosti vhodné volby lingvistických proměnných, tvarů a počtu jednotlivých fuzzy množin a určení funkcí příslušnosti ze získaných ostrých hodnot. Následně lze, za pomoci vhodně vytvořeného inferenčního mechanismu v jazyce PHP, ze vstupních fuzzy množin získat výstupní množinu, ze které je defuzzyfikací určena jedna konkrétní hodnota výstupu a díky ní pak lze i predikovat volbu řezných podmínek AWJ (výslednou kvalitu, čas a cenu řezu) na základě podobnosti zadaného materiálu se známým materiálem z vytvořené báze dat (pomocí MySQL) získaných z experimentů.

V oblasti technologie AWJ je při volbě řezných podmínek nutné stanovit hned několik klíčových vstupních parametrů, které mají bezprostřední vliv na samotný průběh a úspěšnost řezného procesu, a tedy samozřejmě také na výslednou kvalitu, cenu a dobu řezu. Z toho důvodu je vhodné vytvořit výčet vstupních parametrů, stanovit jednotlivě míru jejich vlivu na řezný proces, ale také provést jejich kvantifikaci a kvalifikaci. (1) Každý vstup musí být dostatečně přesně a kvalitně charakterizován, aby se splnila podmínka možnosti dalšího zpracování, či následného vytvoření a správné funkce případného expertního systému (ES). Vzhledem k tomu, že požadované vstupy do systému zadává uživatel (mnohdy téměř laik), který často není schopen hodnoty určit přesně (např. nezná materiálové charakteristiky...), je vhodné provést ošetření neurčitosti a nepřesnosti použitím výpočtových metod umělé inteligence, konkrétně fuzzy logiky. Právě fuzzy teorie se snaží pokrýt realitu v její nepřesnosti a neurčitosti. Základním předpokladem její aplikace je převod verbálních prvků (vágních pojmů, např. velmi tvrdý, křehký atp.), charakterizujících vstupní parametry, do kvantifikované stupnice s rozsahem hodnot, kterých nabývá. Rozhodnutí o náležení nebo nenáležení konkrétního prvku do dané množiny je možné nahradit mírou příslušnosti, vybranou z předem definovaného intervalu. Proto byla provedena série experimentů za účelem sběru dat a testování vlivu jednotlivých charakteristik na výsledek řezného procesu a tedy i možnosti vhodné volby lingvistických proměnných, tvarů a počtu jednotlivých fuzzy množin a určení funkcí příslušnosti ze získaných ostrých hodnot. Následně lze, za pomoci vhodně vytvořeného inferenčního mechanismu v jazyce PHP, ze vstupních fuzzy množin získat výstupní množinu, ze které je defuzzyfikací určena jedna konkrétní hodnota výstupu a díky ní pak lze i predikovat volbu řezných podmínek AWJ (výslednou kvalitu, čas a cenu řezu) na základě podobnosti zadaného materiálu se známým materiálem z vytvořené báze dat (pomocí MySQL) získaných z experimentů.

There are many variables and characteristics that might be set in AWJ technology. The tolerance of setting AWJ cutting parameters for each material have big influence on quality finish and all characteristics of material kerf after cutting process too. There is direct relation between species of workpiece material and final results obtained after AWJ cutting. Thus there is a need to make list of all inputs, set down their influence on AWJ process and made quantification and qualification also. (1) For allowing possibility of next data processing and an expert system (ES) creating, each input must be characterized really fully. Needed inputs are typed by users (nonprofessionals in many times) and it brings many vague or incorrect values, therefore the artificial intelligence – especially fuzzy logic should be used for specifying and focusing data inputs. Fuzzy theory describes reality with all vague terms. First step is to transform verbal terms (rough, brittle) into quantifiable scale – fuzzy sets, with range of acquisition values. The membership of an object to a particular set is described by a real value from the range between 0 and 1. That is why we made a several experiments, for easier creating fuzzy set's shape, setting number and kind of membership's functions and membership value assignment. Experiments were done for filling created base of data in MySQL also. After that is by using PHP langue created fuzzy inference system. It is the process of creating knowledge base with formulating the mapping from a given fuzzy input sets to one concrete output using fuzzy inference rules. This output value describes influence of material characteristics on AWJ cutting process, and it should be used for prediction secondary inputs (cutting conditions for setting AWJ machine) on base of relationship and resemblance between input "unknown" material characteristics and known material from experiments, saved into base of data.

AWJ technologie, expertní systém, znalostní báze, fuzzy logika

AWJ technology, expert system, knowledge base, fuzzy logic

2008

23.01.2008

FSI VUT v Brně

Brno

978-80-214-3565-0

FSI Junior konference 2007

1

94–102

9