Predicting the Durability Period of a Metal Cutting Tool Based on a Neural Network

Рассматривается задача прогнозирования периода стойкости металлорежущего инструмента при заданных параметрах режима резания. Для решения поставленной задачи предлагается использовать нейросетевую модель. Предложено использовать в качестве структуры нейронной сети многослойный персептрон. Обучающей выборкой при обучении нейросетевой модели прогнозирования служат накопленные статистические данные системы «Инструментальный шкаф». Входными данными нейронной сети служат значения параметров режима резания (тип материала заготовки, значение глубины резания при технологической операции, значение подачи при технологической операции, значение скорости резания) и значения параметров конструкции металлорежущей пластины, указанных в маркировке пластины согласно ISO 1832-85. Программная реализация предложенной нейронной сети выполнена с использованием библиотеки машинного обучения «DeepLearning4J».При обучении нейронной сети формировалось 5 обучающих подвыборок, содержащих по 20 % от количества образцов в обучающей выборке. Для решения проблемы переобучения нейронной сети использовался метод перекрестной проверки. Использовалась обучающая выборка общим количеством 500 записей по множеству металлорежущего инструмента, состоящему из 10 пластин. Проведенные эксперименты показали работоспособность предложенного подхода. В работе представлены графики, показывающие зависимость прогнозируемого периода стойкости от одного из параметров режима резания.Цель работы заключается в повышении эффективности планирования закупок металлорежущего инструмента.