VAGASKÁ, Alena, Peter MICHAL, Miroslav GOMBÁR, Erika FECHOVÁ and Ján KMEC. Simulation of technological process by usage neural networks and factorial design of experiments. MM Science Journal. MM Science Journal, Neuveden, September 2016, p. 999-1003. ISSN 1803-1269. 2016.
Other formats:   BibTeX LaTeX RIS
Basic information
Original name Simulation of technological process by usage neural networks and factorial design of experiments
Name in Czech Simulace technologického procesu pomocí neuronových sítí a faktoriální design experimentů
Authors VAGASKÁ, Alena (703 Slovakia), Peter MICHAL (703 Slovakia), Miroslav GOMBÁR (703 Slovakia, belonging to the institution), Erika FECHOVÁ (703 Slovakia) and Ján KMEC (703 Slovakia, belonging to the institution).
Edition MM Science Journal, MM Science Journal, 2016, 1803-1269.
Other information
Original language English
Type of outcome Article in a journal
Field of Study 20301 Mechanical engineering
Country of publisher Czech Republic
Confidentiality degree is not subject to a state or trade secret
RIV identification code RIV/75081431:_____/16:00000830
Organization unit Institute of Technology and Business in České Budějovice
Keywords (in Czech) konstrukce experimentů; neuronové jednotky; prediktivní model; eloxování; tloušťka vrstvy; faktory
Keywords in English design of experiments; neural units; predicitve model; anodizing; layer thickness; factors
Tags KSTR5, RIV16, SCOPUS
Changed by Changed by: Hana Dlouhá, učo 19800. Changed: 3/11/2016 15:20.
Abstract
The possibilities of simulation of technological process ofaluminium anodic oxidation using the methodology of Design of Experiments (DOE) and theory of neural networks in order to monitor the anodizing process under various operating conditions are presented in this paper. The influence of chemical and physical input factors on the resulting AAO (anodic aluminium oxide) layer thickness at applied current density of 1 A x dm-2 and 6 A x dm-2 has been investigated. Based on the evaluation of experimentally obtained data, the computational predictive model describing the effect of individual input factors and their mutual interactions on the AAO layer thickness was developed in the form of cubic function. This model indicates which factors are important and how they combine to influence the response, it will enable us to optimize operating conditions. The most significant benefit of our research work in this field is the fact that all relevant factors were varied simultaneously.
Abstract (in Czech)
V tomto dokumentu jsou uvedeny možnosti simulace technologického procesu anodické oxidace aluminia způsobem popsaným v navrhování experimentů (DOE) a teorii neuronových sítí s cílem sledovat tento proces eloxování v různých provozních podmínkách. Byl zkoumán vliv chemických a fyzikálních vstupních faktorů na výsledný AAO (anodického oxidu hlinitého) tloušťce vrstvy na aplikovaný proudové hustotě 1 A x dm-2 a 6 x dm-2 . Na základě vyhodnocení experimentálně získaných dat na bázi výpočetního předpovědního modelu popisující účinek jednotlivých vstupních faktorů a jejich vzájemné interakce, týkající se tloušťky vrstvy AAO byl vyvinut ve formě kubické funkce. Tento model ukazuje, které faktory jsou důležité a jak se spojují, aby vliv na terapeutickou odpověď, nám umožní optimalizovat provozní podmínky. Nejvýznamnějším přínosem naší výzkumné práce v této oblasti je skutečnost, že všechny relevantní faktory byly měněny současně.
PrintDisplayed: 20/4/2024 06:31