1. Enhancing manufacturing precision: Leveraging motor currents data of computer numerical control machines for geometrical accuracy prediction through machine learningLucijano Berus, Jernej Hernavs, David Potočnik, Kristijan Šket, Mirko Ficko, 2024, izvirni znanstveni članek Opis: Direct verification of the geometric accuracy of machined parts cannot be performed simultaneously with active machining operations, as it usually requires subsequent inspection with measuring devices such as coordinate measuring machines (CMMs) or optical 3D scanners. This sequential approach increases production time and costs. In this study, we propose a novel indirect measurement method that utilizes motor current data from the controller of a Computer Numerical Control (CNC) machine in combination with machine learning algorithms to predict the geometric accuracy of machined parts in real-time. Different machine learning algorithms, such as Random Forest (RF), k-nearest neighbors (k-NN), and Decision Trees (DT), were used for predictive modeling. Feature extraction was performed using Tsfresh and ROCKET, which allowed us to capture the patterns in the motor current data corresponding to the geometric features of the machined parts. Our predictive models were trained and validated on a dataset that included motor current readings and corresponding geometric measurements of a mounting rail later used in an engine block. The results showed that the proposed approach enabled the prediction of three geometric features of the mounting rail with an accuracy (MAPE) below 0.61% during the learning phase and 0.64% during the testing phase. These results suggest that our method could reduce the need for post-machining inspections and measurements, thereby reducing production time and costs while maintaining required quality standards
Ključne besede: smart production machines, data-driven manufacturing, machine learning algorithms, CNC controller data, geometrical accuracy
Objavljeno v DKUM: 10.03.2025; Ogledov: 0; Prenosov: 4
 Celotno besedilo (4,44 MB)
Gradivo ima več datotek! Več... |
2. Optimizing laser cutting of stainless steel using latin hypercube sampling and neural networksKristijan Šket, David Potočnik, Lucijano Berus, Jernej Hernavs, Mirko Ficko, 2025, izvirni znanstveni članek Opis: Optimizing cutting parameters in fiber laser cutting of austenitic stainless steel is challenging due to the complex interplay of multiple variables and quality metrics. To solve this problem, Latin hypercube sampling was used to ensure a comprehensive and efficient exploration of the parameter space with a smaller number of trials (185), coupled with feedforward neural networks for predictive modeling. The networks were trained with a leave-oneout cross-validation strategy to mitigate overfitting. Different configurations of hidden layers, neurons, and training functions were used. The approach was focused on minimizing dross and roughness on both the top and bottom areas of the cut surfaces. During the testing phase, an average MSE of 0.063 and an average MAPE of 4.68% were achieved by the models. Additionally, an experimental test was performed on the best parameter settings predicted by the models. Initial modelling was conducted for each quality metric individually, resulting in an average percentage difference of 1.37% between predicted and actual results. Grid search was also per formed to determine an optimal input parameter set for all outputs, with predictions achieving an average ac curacy of 98.34%. Experimental validation confirmed the accuracy and robustness of the model predictions, demonstrating the effectiveness of the methodology in optimizing multiple parameters of complex laser cutting processes.
Ključne besede: laser cutting optimization, cut surface quality, dross formation, Latin hypercube sampling, feedforward neural network
Objavljeno v DKUM: 10.01.2025; Ogledov: 0; Prenosov: 21
Celotno besedilo (3,38 MB)
Gradivo ima več datotek! Več... |
3. Empirical modeling of liquefied nitrogen cooling impact during machining Inconel 718Matija Hriberšek, Lucijano Berus, Franci Pušavec, Simon Klančnik, 2020, izvirni znanstveni članek Opis: This paper explains liquefied nitrogen’s cooling ability on a nickel super alloy called Inconel 718. A set of experiments was performed where the Inconel 718 plate was cooled by a moving liquefied nitrogen nozzle with changing the input parameters. Based on the experimental data, the empirical model was designed by an adaptive neuro-fuzzy inference system (ANFIS) and optimized with the particle swarm optimization algorithm (PSO), with the aim to predict the cooling rate (temperature) of the used media. The research has shown that the velocity of the nozzle has a significant impact on its cooling ability, among other factors such as depth and distance. Conducted experimental results were used as a learning set for the ANFIS model’s construction and validated via k-fold cross-validation. Optimization of the ANFIS’s external input parameters was also performed with the particle swarm optimization algorithm. The best results achieved by the optimized ANFIS structure had test root mean squared error (test RMSE) = 0.2620, and test R$^2$ = 0.8585, proving the high modeling ability of the proposed method. The completed research contributes to knowledge of the field of defining liquefied nitrogen’s cooling ability, which has an impact on the surface characteristics of the machined parts.
Ključne besede: cryogenic machining, cooling impact, Inconel 718, machine learning, adaptive neuro-fuzzy inference system, particle swarm optimization
Objavljeno v DKUM: 14.07.2023; Ogledov: 564; Prenosov: 40
 Povezava na celotno besedilo
Gradivo ima več datotek! Več... |
4. Sistem za podporo postopka tuširanja orodij za globoki vlek : doktorska disertacijaLucijano Berus, 2022, doktorska disertacija Opis: Doktorska disertacija se ukvarja z digitalizacijo postopka tuširanja orodij za globoki vlek. Tuširanje orodja in analiza tuširne slike sta integralni del postopka izdelave orodij, ki služita za določanje prileganja orodja in preoblikovanca. Rezultat analize tuširne slike je pokazatelj tehnološke kakovosti orodja. Zaradi odsotnosti znanstvene obravnave postopka tuširanja doktorska disertacija opisuje postopek in ga umesti v proces izdelave orodij. V nadaljevanju je zaradi digitalizacije postopka tuširanja predstavljen sistem za analizo tuširne slike, ki je sestavljen iz 3D digitalno optičnega zajemanja barvnih in geometrijskih informacij tuširanih preoblikovancev, predhodne obdelave zajetih podatkov z decimacijo, segmentacijo po metodi k-voditeljev, določanja stopnje svetlosti, mreženja (2D in 3D) in prikaza področij z informacijo o kakovosti naleganja na CAD modelu. Ob tem je predstavljena tudi integracija analize tuširne slike z rezultati simulacije preoblikovanja za ocenjevanje naleganja orodij. Razviti so bili kazalniki, za prikaz stopnje pokritosti oblakov točk in stopnje homogenosti. Za delovanje sistema je treba s predobdelavo zajete 3D tuširne slike ločiti barvne točke spodnje in zgornje površine preoblikovanca. Učinkovitost segmentacije je empirično validirana na podlagi Davies-Bouldinovega indeksa. Rezultati sistema so tudi primerjani s strokovnjakovo sposobnostjo analize tuširne slike za določitev naleganja orodja.
Ključne besede: izdelava preoblikovalnih orodij, tuširanje, 3D skeniranje, tuširna slika, analiza slik, segmentacija
Objavljeno v DKUM: 22.08.2022; Ogledov: 846; Prenosov: 0 |
5. Tehnologija numerično krmiljenih stružnic z gnanimi orodji : univerzitetni učbenikMirko Ficko, Lucijano Berus, David Potočnik, 2021, učbenik za višje in visoke šole Opis: Razvoj obdelovalnih strojev z računalniško podprtim krmiljenjem je povečal zmogljivosti obdelovalnih sistemov in zahtevnost priprave tehnologije in programiranja. Sodobne numerično krmiljene stružnice s krmiljenim glavnim vretenom in orodji z lastnim pogonom so omogočile izvajanje zahtevnih tehnoloških operacij struženja in rezkanja na istem stroju, vendar od tehnologov zahtevajo dodatno znanje in izkušnje za učinkovito izrabo. Knjiga celovito obravnava področje priprave tehnologije in programiranja numerično krmiljenih stružnic z gnanimi orodji v skladu s standardom ISO, pri čemer je poudarek predvsem na dejstvih, ki niso odvisna od proizvajalcev strojev in krmilj. Razlage in primeri so podkrepljeni s slikovnim gradivom, zato je mogoče knjigo uporabljati ne le za izobraževanje, temveč tudi kot priročnik v industriji. Ob opisu temeljev programiranja numerično krmiljenih strojev, najbolj razširjenih ukazov in predpostavk, ki se uporabljajo na stružnicah z gnanimi orodji, knjiga zajema tudi razlago struženja navojev, opise obdelovalnih ciklov, ki poenostavljajo ročno programiranje, in parametrično programiranje, ki omogoča avtomatizacijo programiranja za skupine izdelkov.
Ključne besede: obdelovalne tehnologije, obdelovalni stroji, numerično krmiljeni stroji, stružnice z gnanimi orodji, priprava tehnologije struženja, programiranje numerično krmiljenih strojev
Objavljeno v DKUM: 22.10.2021; Ogledov: 1085; Prenosov: 223
Povezava na celotno besedilo
Gradivo ima več datotek! Več... |
6. Napovedovanje intervencij z uporabo umetne inteligence : magistrsko deloRok Rutnik, 2020, magistrsko delo Opis: Namen naloge je izdelava matematičnih modelov napovedovanja za odločitve upravljanja, osnovane na inteligentnih, kvantitativnih analizah. Magistrsko delo obravnava področje napovedovanja števila interventnih dogodkov Gasilske brigade Maribor s pomočjo umetne inteligence in regresijskih modelov. Učne množice podatkov so bile pridobljene iz baz podatkov SPIN in ARSO, obdelane v programskem jeziku Python, modeli napovedovanja pa programirani v programskem paketu MATLAB. Cilj naloge je bil izdelava štirih regresijskih algoritmov, umetne nevronske mreže LSTM in NARX za napovedovanja dogodkov, njihove rezultate pa preko metrik ocenjevanja natančnosti medsebojno primerjati. Rezultati napovedovanja nekaterih učnih množic so bili zaradi majhnih korelacijskih povezav slabi, zato teh dogodkov nismo mogli napovedovati. Požarne intervencije in naravne nesreče so dale dovolj dobre rezultate korelacijskih analiz, zato so bile uporabljene v izgradnji nevronskih mrež. Glede na rezultate zbranih modelov menimo, da so nevronske mreže primernejše za napovedovanje interventnih dogodkov kot regresijski modeli.
Ključne besede: napovedovanje, umetna inteligenca, nevronske mreže, strojno učenje, regresija
Objavljeno v DKUM: 11.11.2020; Ogledov: 2421; Prenosov: 114
Celotno besedilo (7,00 MB) |
7. |
8. Razvrščanje vzorcev z uporabo inteligentnih metodLucijano Berus, 2017, magistrsko delo Opis: Magistrsko delo obravnava področje umetne inteligence, strojnega učenja, razvrščanja kompleksnih vzorcev in metode določitve značilk. Predstavljeno je delovanje nekaterih najpogosteje uporabljenih razvrščevalnih algoritmov. Izdelan je bil algoritem za zaznavo Parkinsonove bolezni na podlagi zajetega zvočnega signala. Meritve zvoka so bile narejene na štiridesetih posameznikih. Od tega je bila polovica zdravih in polovica z Parkinsonovo boleznijo. Namen naloge je razviti robusten sistem za zaznavo prisotnosti Parkinsonove bolezni. Za izboljšanje natančnosti razvrščanja, so bile uporabljene različne tehnike določitve značilk (Pearsonov korelacijski koeficient, Khendallov korelacijski koeficient in Samoorganizacijske gruče) in topologije nevronskih mrež. S pomočjo usmerjene nevronske mreže, je bila dosežena 86,47 % natančnost razvrščanja. Omenjena natančnost je bila dosežena z uporabo redukcije značilk na podlagi Pearsonovega korelacijskega koeficienta.
Ključne besede: umetna inteligenca, klasifikacija, strojno učenje, Parkinsonova bolezen, umetna nevronska mreža
Objavljeno v DKUM: 13.09.2017; Ogledov: 2371; Prenosov: 296
Celotno besedilo (1,48 MB) |
