Regresar

Comparación entre redes neuronales artificiales y regresión múltiple para la pbkp_redicción de la rugosidad superficial en el torneado en seco

Abstract:

Los métodos de regresión múltiple y redes neuronales artificiales son técnicas usadas en muchas aplicaciones de la industria. En este trabajo se utilizaron dos métodos de pbkp_redicción: regresión múltiple y redes neuronales artificiales (perceptrón multicapa) con el objetivo de predecir la rugosidad superficial en el torneado en seco del acero AISI 316l. En su implementación fueron considerados varios parámetros de corte como la velocidad, el avance y el tiempo de mecanizado. Las ecuaciones obtenidas por ambos métodos fueron comparadas desarrollando un diseño factorial completo para aumentar la fiabilidad de los valores registrados de rugosidad superficial. En el análisis se puede comprobar mediante los valores de coeficientes de determinación que los modelos propuestos son capaces de predecir la rugosidad superficial. Los modelos obtenidos demuestran que la técnica de redes neuronales artificiales tiene mejor precisión que la regresión múltiple para este estudio.