Andere Kunden interessierten sich auch für
![Previsione della rugosità superficiale di una lega di al usando ann nella tornitura cnc]( "Previsione della rugosità superficiale di una lega di al usando ann nella tornitura cnc")
Previsione della rugosità superficiale di una lega di al usando ann nella tornitura cnc26,99 €![Effetto della rugosità superficiale sui cuscinetti ad elementi rotanti]( "Effetto della rugosità superficiale sui cuscinetti ad elementi rotanti")
Effetto della rugosità superficiale sui cuscinetti ad elementi rotanti39,99 €![PROGETTAZIONE DI ESPERIMENTI E OTTIMIZZAZIONE DEI PROCESSI DI LAVORAZIONE]( "PROGETTAZIONE DI ESPERIMENTI E OTTIMIZZAZIONE DEI PROCESSI DI LAVORAZIONE")
PROGETTAZIONE DI ESPERIMENTI E OTTIMIZZAZIONE DEI PROCESSI DI LAVORAZIONE29,99 €![Simulazione numerica del comportamento di pezzi sottili durante la fresatura]( "Simulazione numerica del comportamento di pezzi sottili durante la fresatura")
Simulazione numerica del comportamento di pezzi sottili durante la fresatura29,99 €![Influenza della quantità di fluido sulla tornitura dell'acciaio ABNT1045]( "Influenza della quantità di fluido sulla tornitura dell'acciaio ABNT1045")
Influenza della quantità di fluido sulla tornitura dell'acciaio ABNT104526,99 €![Determinazione dei parametri di taglio ottimali nella tornitura CNC mediante RSM]( "Determinazione dei parametri di taglio ottimali nella tornitura CNC mediante RSM")
Determinazione dei parametri di taglio ottimali nella tornitura CNC mediante RSM26,99 €![Tornitura CNC di acciaio al carbonio medio]( "Tornitura CNC di acciaio al carbonio medio")
Tornitura CNC di acciaio al carbonio medio23,99 €
In questo libro, gli autori presentano un approccio basato sulla regressione multilineare per la modellazione della rugosità superficiale durante la tornitura di una lega di ottone commerciale. Due modelli di regressione sono stati sviluppati utilizzando i dati sperimentali raccolti secondo una metodologia di progettazione degli esperimenti basata su fattori completi. Mentre la prassi convenzionale è quella di sviluppare modelli di regressione utilizzando l'intero set di dati sperimentali, noi ci discostiamo da questa prassi e utilizziamo solo un sottoinsieme dei dati disponibili, mentre i dati rimanenti vengono utilizzati per la validazione del modello. La suddivisione dei dati sperimentali in dati di addestramento e dati di prova è stata effettuata in modo casuale, senza ricorrere ad alcuna regola matematica. I risultati ottenuti rivelano che il modello di regressione del secondo ordine è statisticamente migliore nella previsione della rugosità superficiale per entrambi i set di dati. La rugosità superficiale minima globale viene determinata utilizzando i modelli di regressione sviluppati insieme all'ottimizzazione a obiettivo singolo basata sull'algoritmo genetico. I risultati dell'ottimizzazione rivelano che il minimo globale ottenuto con il modello di regressione del secondo ordine è in stretto accordo (accuratezza - 94%) con i risultati sperimentali.