Andere Kunden interessierten sich auch für
![Optimierung der Parameter eines mit Altöl befeuerten kleinen Tiegelofens]( "Optimierung der Parameter eines mit Altöl befeuerten kleinen Tiegelofens")
Optimierung der Parameter eines mit Altöl befeuerten kleinen Tiegelofens35,90 €![VERSUCHSPLANUNG UND OPTIMIERUNG VON BEARBEITUNGSPROZESSEN]( "VERSUCHSPLANUNG UND OPTIMIERUNG VON BEARBEITUNGSPROZESSEN")
VERSUCHSPLANUNG UND OPTIMIERUNG VON BEARBEITUNGSPROZESSEN43,90 €![VORHERSAGE DER OBERFLÄCHENRAUHIGKEIT VON AL-LEGIERUNGEN MIT ANN BEIM CNC-DREHEN]( "VORHERSAGE DER OBERFLÄCHENRAUHIGKEIT VON AL-LEGIERUNGEN MIT ANN BEIM CNC-DREHEN")
VORHERSAGE DER OBERFLÄCHENRAUHIGKEIT VON AL-LEGIERUNGEN MIT ANN BEIM CNC-DREHEN39,90 €![CNC-Drehen von Stahl mit mittlerem Kohlenstoffgehalt]( "CNC-Drehen von Stahl mit mittlerem Kohlenstoffgehalt")
CNC-Drehen von Stahl mit mittlerem Kohlenstoffgehalt35,90 €![Optimierung von Zerspanungsparametern mit RSM und SEM]( "Optimierung von Zerspanungsparametern mit RSM und SEM")
Optimierung von Zerspanungsparametern mit RSM und SEM35,90 €![Design-Optimierung durch die Integration von funktionaler Sicherheit]( "Design-Optimierung durch die Integration von funktionaler Sicherheit")
Design-Optimierung durch die Integration von funktionaler Sicherheit60,90 €![Optimierung des Polaritätswechsels]( "Optimierung des Polaritätswechsels")
Optimierung des Polaritätswechsels50,90 €
In diesem Buch stellen die Autoren einen auf multi-linearer Regression basierenden Ansatz für die Modellierung der Oberflächenrauheit beim Drehen einer handelsüblichen Messinglegierung vor. Es werden zwei Regressionsmodelle entwickelt, indem die experimentellen Daten verwendet werden, die nach einer vollfaktoriellen Versuchsplanungsmethodik gesammelt wurden. Während die herkömmliche Praxis darin besteht, Regressionsmodelle unter Verwendung des gesamten experimentellen Datensatzes zu entwickeln, weichen wir davon ab und verwenden nur eine Teilmenge der verfügbaren Daten für diesen Zweck, wobei die restlichen Daten für die Modellvalidierung verwendet werden. Diese Aufteilung der Versuchsdaten in Trainings- und Testdaten erfolgt nach dem Zufallsprinzip, ohne dass irgendeine mathematische Regel zur Anwendung kommt. Die hier erzielten Ergebnisse zeigen, dass das Regressionsmodell zweiter Ordnung die Oberflächenrauheit für beide Datensätze statistisch besser vorhersagt. Die globale minimale Oberflächenrauheit wird durch die Verwendung der entwickelten Regressionsmodelle in Verbindung mit der auf einem genetischen Algorithmus basierenden Einzelzieloptimierung bestimmt. Die Optimierungsergebnisse zeigen, dass das mit dem Regressionsmodell zweiter Ordnung ermittelte globale Minimum in enger Übereinstimmung (Genauigkeit - 94 %) mit den experimentellen Ergebnissen steht.