In the original language
The aim of the research work was to present some possibilities of control and optimization of the technological process of aluminum anodic oxidation using neural networks and Design of Experiments (DoE) in order to evaluate and monitor the influence of the input factors on the resulting AAO (Anodic aluminum oxide) film thickness. Three types of neural units (first order neural unit, second order neural unit, third order neural unit) were used to create the prediction model describing the thickness of the final aluminium oxide layer formed during the process of anodic oxidation of aluminum. The paper also deals with the evaluating of minimal range of training data used for learning process, so the neural unit can produce sufficiently reliable model.
In Czech
Cílem výzkumné práce bylo prezentovat některé možnosti kontroly a optimalizace technologického procesu anodické oxidace hliníku pomocí neuronových sítí a navrhování experimentů (DOE), s cílem vyhodnotit a sledovat vliv vstupních faktorů pro výsledný AAO (anodický oxid hlinitý), tloušťku filmu. Tři typy neuronových jednotek (první řád neuronové jednotky, druhý řád neuronové jednotky, třetí řád neuronové jednotky) byly použity k vytvoření predikčního modelu popisující tloušťku vrchní vrstvy oxidu hlinitého vytvořeného během procesu anodické oxidace hliníku. Článek se zabývá také vyhodnocování minimálním rozsahu odborných údajů použitých při procesu, takže neuronová jednotka může produkovat dostatečně spolehlivý režim.