Прогнозування якості технологічних процесів методами штучних нейронних мереж
A set of models of feed-forward neural networks has been created to obtain operational forecasts of the quality of mechanical engineering processes. It is established that the use of the Back Propagation of Error machine learning algorithm allows for obtaining forecasted estimates for the controlled...
Saved in:
| Date: | 2025 |
|---|---|
| Main Authors: | , , |
| Format: | Article |
| Language: | English |
| Published: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2025
|
| Subjects: | |
| Online Access: | http://journal.iasa.kpi.ua/article/view/343080 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | System research and information technologies |
Institution
System research and information technologies| id |
journaliasakpiua-article-343080 |
|---|---|
| record_format |
ojs |
| spelling |
journaliasakpiua-article-3430802025-11-09T00:01:30Z Forecasting the quality of technological processes by methods of artificial neural networks Прогнозування якості технологічних процесів методами штучних нейронних мереж Fedin, Serhii Romaniuk, Oksana Trishch, Roman деталі машинне навчання нейронна мережа прогнозування технологічний процес точність якість accuracy details quality forecasting machine learning neural network technological process A set of models of feed-forward neural networks has been created to obtain operational forecasts of the quality of mechanical engineering processes. It is established that the use of the Back Propagation of Error machine learning algorithm allows for obtaining forecasted estimates for the controlled parameter of the metalworking process with significantly smaller ranges of the mean absolute percentage error, mean square error, relative approximation error, and variance ratio criterion compared to the BFGS algorithm. It is shown that the proposed MLP neural network models can be recommended for practical applications in controlling the accuracy of the machining process of shaft-type parts. Створено комплекс моделей прямошарових нейронних мереж для отримання оперативних прогнозів якості технологічних процесів машинобудування. Установлено, що використання алгоритму машинного навчання Back Propagation of Error дає змогу отримати прогнозні оцінки контрольованого параметра процесу металообробки зі значно меншими діапазонами середньої абсолютної відсоткової похибки, середньої квадратичної похибки, відносної похибки апроксимації та критерію дисперсійного відношення порівняно з алгоритмом BFGS. Показано, що запропоновані моделі нейронних мереж типу MLP можуть бути рекомендовані для практичного застосування під час управління точністю процесу механічної обробки деталей типу вал. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2025-09-29 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/343080 10.20535/SRIT.2308-8893.2025.3.09 System research and information technologies; No. 3 (2025); 113-127 Системные исследования и информационные технологии; № 3 (2025); 113-127 Системні дослідження та інформаційні технології; № 3 (2025); 113-127 2308-8893 1681-6048 en http://journal.iasa.kpi.ua/article/view/343080/331016 |
| institution |
System research and information technologies |
| baseUrl_str |
|
| datestamp_date |
2025-11-09T00:01:30Z |
| collection |
OJS |
| language |
English |
| topic |
деталі машинне навчання нейронна мережа прогнозування технологічний процес точність якість |
| spellingShingle |
деталі машинне навчання нейронна мережа прогнозування технологічний процес точність якість Fedin, Serhii Romaniuk, Oksana Trishch, Roman Прогнозування якості технологічних процесів методами штучних нейронних мереж |
| topic_facet |
деталі машинне навчання нейронна мережа прогнозування технологічний процес точність якість accuracy details quality forecasting machine learning neural network technological process |
| format |
Article |
| author |
Fedin, Serhii Romaniuk, Oksana Trishch, Roman |
| author_facet |
Fedin, Serhii Romaniuk, Oksana Trishch, Roman |
| author_sort |
Fedin, Serhii |
| title |
Прогнозування якості технологічних процесів методами штучних нейронних мереж |
| title_short |
Прогнозування якості технологічних процесів методами штучних нейронних мереж |
| title_full |
Прогнозування якості технологічних процесів методами штучних нейронних мереж |
| title_fullStr |
Прогнозування якості технологічних процесів методами штучних нейронних мереж |
| title_full_unstemmed |
Прогнозування якості технологічних процесів методами штучних нейронних мереж |
| title_sort |
прогнозування якості технологічних процесів методами штучних нейронних мереж |
| title_alt |
Forecasting the quality of technological processes by methods of artificial neural networks |
| description |
A set of models of feed-forward neural networks has been created to obtain operational forecasts of the quality of mechanical engineering processes. It is established that the use of the Back Propagation of Error machine learning algorithm allows for obtaining forecasted estimates for the controlled parameter of the metalworking process with significantly smaller ranges of the mean absolute percentage error, mean square error, relative approximation error, and variance ratio criterion compared to the BFGS algorithm. It is shown that the proposed MLP neural network models can be recommended for practical applications in controlling the accuracy of the machining process of shaft-type parts. |
| publisher |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| publishDate |
2025 |
| url |
http://journal.iasa.kpi.ua/article/view/343080 |
| work_keys_str_mv |
AT fedinserhii forecastingthequalityoftechnologicalprocessesbymethodsofartificialneuralnetworks AT romaniukoksana forecastingthequalityoftechnologicalprocessesbymethodsofartificialneuralnetworks AT trishchroman forecastingthequalityoftechnologicalprocessesbymethodsofartificialneuralnetworks AT fedinserhii prognozuvannââkostítehnologíčnihprocesívmetodamištučnihnejronnihmerež AT romaniukoksana prognozuvannââkostítehnologíčnihprocesívmetodamištučnihnejronnihmerež AT trishchroman prognozuvannââkostítehnologíčnihprocesívmetodamištučnihnejronnihmerež |
| first_indexed |
2025-11-09T02:11:03Z |
| last_indexed |
2025-11-09T02:11:03Z |
| _version_ |
1851774436954341376 |