Počet záznamov: 1
Predikcia výsledného rozmeru zváraných výliskov využitím štatistických metód a neurónových sietí
SYS x0009351 LBL 00000ctm-a22-----3a-4500 003 SK-NiSPK 005 20240126115218.3 007 ta 008 202001s2023----xo-a---f-mn---000-0-slo-d 040 $a NI001 $b slo 041 0-
$a slo $b eng 044 $a xo $c SK 080 $a 629.3.027.1 $2 2001 080 $a 621.81 $2 1981 (1. stred. vyd.) 080 $a 621.791 $2 2001 080 $a 53.08 $2 2001 080 $a 514-022.4 $2 2008 080 $a 311.1/.2 $2 2001 080 $a 004.032.26 $2 2001 080 $a (043.3) $2 2001 100 1-
$7 spu_us_auth*0389836 $a Káčer, Peter, $d 1991- $u SPUTFA30 $4 aut 245 10
$a Predikcia výsledného rozmeru zváraných výliskov využitím štatistických metód a neurónových sietí $h [elektronický zdroj] = $b [Prediction of the resulting dimensions of welded stamped parts using statistical methods and neural networks] / $c Peter Káčer ; vedúci záverečnej práce Milan Kadnár 246 11
$a Prediction of the resulting dimensions of welded stamped parts using statistical methods and neural networks 260 $c 2023 300 $a 126 s. : $b grafy, tab. ; $c 30 cm 500 $a Súbežný názov prevzatý z databázy uis SPU 502 $a Doktorandská dizertačná práca (PhD.).- Ústav konštruovania a strojárskych technológií TF SPU v Nitre (v práci uvedené Katedra konštruovania strojov TF SPU) 504 $a Bibliografia s.116-126 520 $a Autorský abstrakt: KÁČER, Peter: Predikcia výsledného rozmeru zváraných výliskov využitím štatistických metód a neurónových sietí [DizP]. Slovenská poľnohospodárska univerzita v Nitre. Technická fakulta. Nitra: TF, 2023. 126 s. Dôležitou oblasťou automobilového priemyslu je kombinácia lisovania a následného zvárania komponentov. Vznikajúce nepresnosti, ktoré vznikajú pri procese lisovania ovplyvňujú konečný rozmer dielu, ktorý má vplyv na nastavenie geometrie auta. To sa však dá korigovať voľbou technologických parametrov nasledujúcej operácie zvárania. V práci sa zaoberáme konkrétnym komponentom, ktorý sa takýmto postupom vyrába a zároveň možnosťou využitia negatívneho javu deformácie pri zváraní na čiastočné odstránenie nepresností vznikajúcich pri predchádzajúcej výrobnej operácií. Pri plánovaní experimentu sme použili novú metodiku s pseudocentrálnymi bodmi, nakoľko nebolo možné zabezpečiť merania na centrálnej úrovni faktora x3 – veľkosť výlisku. Na základe hodnôt z plánovaného experimentu sme vytvorili matematicko-štatistický model lineárnej regresie s upraveným koeficientom determinácie 0,969. Ako alternatívu sme vytvorili predikčný model na báze neurónových sietí, kde sme ako algoritmus učenia použili algoritmus Levenberg-Maquardt a Bayesovu reguláciu. Výstupom z navrhnutých modelov sú rovnice, pomocou ktorých je možné určiť vhodné parametre zvárania pre konkrétny rozmer výlisku na dosiahnutie požadovaného sledovaného rozmeru zváraného dielu. Súčasťou práce sú aj výsledky doplnkových experimentálnych meraní overujúcich presnosť modelu a predikčných máp pre prax. Presnosť navrhnutých modelov sme overili pomocou Strednej absolútnej percentuálnej chyby – MAPE, kde jej hodnoty nepresahovali 0,006. V prípade porovnania regresných koeficientov ich hodnoty neklesli pod úroveň 0,992. 520 $a Author’s abstract: KÁČER, Peter: Prediction of the resulting dimensions of welded stamped parts using statistical methods and neural networks [DizP]. Slovak University of Agriculture in Nitra. Technical Faculty. Nitra: TF, 2023. 126 p. An important area of the automotive industry is the combination of pressing and subsequent welding of components. The emerging inaccuracies that arise during the pressing process affect the final dimension of the part, which affects the setting of the car's geometry. However, this can be corrected by choosing the technological parameters of the next welding operation. In this work, we are dealing with a specific component that is produced using such a procedure and the possibility of using the negative phenomenon of deformation during welding to partially eliminate inaccuracies arising during the previous production operation. When planning the experiment, we used a new methodology with pseudo-central points, as it was not possible to ensure measurements at the central level of the factor x3 - the size of the molding. Based on the values from the planned experiment, we created a mathematical-statistical linear regression model with an adjusted coefficient of determination of 0.969. As an alternative, we created a prediction model based on neural networks, where we used the Levenberg-Maquardt algorithm and Bayesian regularization as a learning algorithm. The outputs of the designed models are equations with the help of which it is possible to determine the appropriate welding parameters for a specific dimension of the molding to achieve the required monitored dimension of the welded part. The work also includes the results of additional experimental measurements verifying the accuracy of the model and prediction maps for practice. We verified the accuracy of the proposed models using the Mean Absolute Percentage Error - MAPE, where its values did not exceed 0.006. In the case of comparison of regression coefficients, their values did not fall below the level of 0.992. 530 $a Dostupné aj online 546 $a Resumé anglicky, slovensky 610 27
$7 spu_us_auth*0417154 $a Donghee Slovakia (Strečno, Slovensko) $2 NI001PH 650 07
$7 spu_us_auth*0364112 $a nápravy (vozidlá) $2 NI001PH 650 07
$7 spu_us_auth*0408690 $a lisované súčiastky $2 NI001PH 650 07
$7 spu_us_auth*0253264 $a zváranie $2 NI001PH 650 07
$7 spu_us_auth*0347753 $a meranie $2 NI001PH 650 07
$7 spu_us_auth*0398338 $a geometrické rozmery $2 NI001PH 650 07
$7 spu_us_auth*0251596 $a štatistické metódy $2 NI001PH 650 07
$7 spu_us_auth*0363018 $a neurónové siete (počítačová veda) $2 NI001PH 655 -7
$7 spu_us_auth*0341489 $a dizertácie $2 NI001PH 700 1-
$7 spu_us_auth*0070041 $a Kadnár, Milan, $d 1980- $u SPUTFA30 $4 ths 710 2-
$7 spu_us_auth*0434243 $a Slovenská poľnohospodárska univerzita (Nitra, Slovensko). $b Technická fakulta. $b Ústav konštruovania a strojárskych technológií $4 dgg 856 41
$u http://opac.crzp.sk/openURL?crzpSigla=spunitra&crzpID=32515
Počet záznamov: 1