Resumen

Todos los ingenieros de fabricación se enfrentan a muchas dificultades y elevados gastos asociados a los procesos de rectificado de AZ61. Por esta razón, los ingenieros de fabricación pierden mucho tiempo y esfuerzo intentando alcanzar los valores de rugosidad superficial requeridos según el dibujo de diseño durante el proceso de torneado. En este trabajo se utiliza un modelo de red neuronal artificial (RNA) para estimar y optimizar el valor de rugosidad superficial (Ra) en condiciones de corte de la aleación de magnesio AZ61. Se desarrollaron y evaluaron varios modelos de RNA para obtener el más exitoso. Además de los modelos RNA, también se utilizó el análisis de regresión tradicional para construir un modelo matemático que representara la ecuación necesaria para obtener la rugosidad superficial. Las predicciones del modelo se examinaron frente a los datos experimentales y, a continuación, se compararon con las predicciones del modelo RNA utilizando diferentes criterios de rendimiento, como el error medio absoluto, el error medio cuadrático y el coeficiente de determinación.

• Materias:Polímeros Campos electromagnéticos Hornos de cemento Poliuretanos Nanopartículas Cemento
• Subjects:Polymers Electromagnetic fields Cement kilns Polyurethanes Nanoparticles Cement
• Palabras claves:modelo ann, condiciones de az61, número de ann, valor de rugosidad superficial, error cuadrático medio, error absoluto medio, predicción del modelo ann, diferentes criterios de rendimiento, coeficiente de determinación, proceso de az61
• Keywords:ann model, conditions of az61, number of ann, surface roughness value, means square error, means absolute error, ann model prediction, different performance criteria, coefficient of determination, process of az61