Resumen

Este artculo trata de la prediccin de la rugosidad superficial en la fabricacin de policarbonato (PC) mediante la aplicacin de la optimizacin bayesiana para modelos de aprendizaje automtico. Las variables de entrada del torneado de ultraprecisin, a saber, la velocidad de avance, la profundidad de corte, la velocidad del husillo y la vibracin de los ejes son los principales factores que afectan a la calidad de la superficie. En esta investigacin, se aplicaron seis modelos basados en aprendizaje automtico (ML)-red neuronal artificial (ANN), Cat Boost Regression (CAT), Support Vector Machine (SVR), Gradient Boosting Regression (GBR), Decision Tree Regression (DTR), y Extreme Gradient Boosting Regression (XGB)-para predecir la rugosidad superficial (Ra). El rendimiento predictivo de los modelos de referencia se evalu cuantitativamente mediante mtricas de error: error cuadrtico medio (RMSE), error medio absoluto (MAE) y coeficiente de determinacin (). Los resultados globales indican que los modelos XGB y CAT predicen Ra con la mayor precisin. Para mejorar los modelos de referencia, como XGB y CAT, se utiliza a continuacin la optimizacin bayesiana (BO) para determinar sus mejores hiperparmetros, y los resultados indican que XGB es el mejor modelo segn las mtricas de evaluacin. Los resultados han demostrado que el rendimiento de los modelos ha mejorado significativamente con la BO. Por ejemplo, los valores de RMSE y MAE de XGB han disminuido de 0,0076 a 0,0047 y de 0,0063 a 0,0027, respectivamente, para el conjunto de datos de entrenamiento. Utilizando el conjunto de datos de prueba, los valores de RMSE y MAE de XGB han disminuido de 0,4033 a 0,2512 y de 0,2845 a 0,2225, respectivamente. Adems, las vibraciones de los ejes , , y la velocidad de avance son las caractersticas ms significativas en la prediccin de los resultados, lo que concuerda en gran medida con la bibliografa. Encontramos que, en un dominio de valores especificado, la vibracin de los ejes tiene una mayor influencia en la calidad de la superficie que la condicin de corte.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Predicción; Rugosidad superficial; Fabricación; Policarbonato; Optimización bayesiana; Modelos de aprendizaje automático
• Keywords:Prediction; Surface roughness; Manufacturing; Polycarbonate; Bayesian optimization; Machine learning models