Predicción de la rugosidad superficial en texturizados por electroerosión usando redes bayesianas
Se presenta un modelo para la estimación de los parámetros que definen la rugosidad superficial [Ra] cuando se produce con un proceso de texturizado por descarga eléctrica [EDT, Electro Discharge Texturing). La no linealidad, la inestabilidad y los costos de la experimentación en EDT son las princip...
- Autores:
-
Correa Valencia, Maritza
Pamies Teixeira, Jorge
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2013
- Institución:
- Universidad Autónoma de Occidente
- Repositorio:
- RED: Repositorio Educativo Digital UAO
- Idioma:
- spa
- OAI Identifier:
- oai:red.uao.edu.co:10614/12155
- Acceso en línea:
- http://red.uao.edu.co//handle/10614/12155
- Palabra clave:
- Estimación
Rugosidad superficial
Redes bayesianas
Electroerosión
EDT
Prediction
Surface roughness
Bayesian networks
EDM
- Rights
- openAccess
- License
- Derechos Reservados - Universidad Icesi, 2013
id |
REPOUAO2_299650bbbab76f11b16ee30cf4d57962 |
---|---|
oai_identifier_str |
oai:red.uao.edu.co:10614/12155 |
network_acronym_str |
REPOUAO2 |
network_name_str |
RED: Repositorio Educativo Digital UAO |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Predicción de la rugosidad superficial en texturizados por electroerosión usando redes bayesianas |
dc.title.alternative.eng.fl_str_mv |
Prediction of roughness surface in textured by electrical erosion using bayesian networks |
title |
Predicción de la rugosidad superficial en texturizados por electroerosión usando redes bayesianas |
spellingShingle |
Predicción de la rugosidad superficial en texturizados por electroerosión usando redes bayesianas Estimación Rugosidad superficial Redes bayesianas Electroerosión EDT Prediction Surface roughness Bayesian networks EDM |
title_short |
Predicción de la rugosidad superficial en texturizados por electroerosión usando redes bayesianas |
title_full |
Predicción de la rugosidad superficial en texturizados por electroerosión usando redes bayesianas |
title_fullStr |
Predicción de la rugosidad superficial en texturizados por electroerosión usando redes bayesianas |
title_full_unstemmed |
Predicción de la rugosidad superficial en texturizados por electroerosión usando redes bayesianas |
title_sort |
Predicción de la rugosidad superficial en texturizados por electroerosión usando redes bayesianas |
dc.creator.fl_str_mv |
Correa Valencia, Maritza Pamies Teixeira, Jorge |
dc.contributor.author.none.fl_str_mv |
Correa Valencia, Maritza Pamies Teixeira, Jorge |
dc.subject.proposal.spa.fl_str_mv |
Estimación Rugosidad superficial Redes bayesianas Electroerosión EDT |
topic |
Estimación Rugosidad superficial Redes bayesianas Electroerosión EDT Prediction Surface roughness Bayesian networks EDM |
dc.subject.proposal.eng.fl_str_mv |
Prediction Surface roughness Bayesian networks EDM |
description |
Se presenta un modelo para la estimación de los parámetros que definen la rugosidad superficial [Ra] cuando se produce con un proceso de texturizado por descarga eléctrica [EDT, Electro Discharge Texturing). La no linealidad, la inestabilidad y los costos de la experimentación en EDT son las principales causas para el uso de técnicas de predicción usando algoritmos robustos y fiables, con el fin de estudiar factores que presentan dificultades en la caracterización. Se realizaron varios experimentos para producir texturas de superficies planas usando una máquina de electroerosión [EDM, Electric Discharge Machining) modificada ALIC-1. Los datos obtenidos en la fase experimental se usaron para entrenar modelos Bayesianos con los clasificadores Naïve Bayes y Naïve Bayes Aumentado a Árbol. Los resultados conseguidos mostraron un comportamiento aceptable dentro del rango operativo, consistente con los fenómenos físicos que rigen el proceso EDT. Se demuestra que es posible encontrar una rugosidad superficial con especificaciones particulares |
publishDate |
2013 |
dc.date.issued.none.fl_str_mv |
2013 |
dc.date.accessioned.none.fl_str_mv |
2020-03-24T12:43:55Z |
dc.date.available.none.fl_str_mv |
2020-03-24T12:43:55Z |
dc.type.spa.fl_str_mv |
Artículo de revista |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
dc.type.coar.eng.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
dc.type.content.eng.fl_str_mv |
Text |
dc.type.driver.eng.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.redcol.eng.fl_str_mv |
http://purl.org/redcol/resource_type/ARTREF |
dc.type.version.eng.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
http://purl.org/coar/resource_type/c_6501 |
status_str |
publishedVersion |
dc.identifier.issn.none.fl_str_mv |
1692-5238 |
dc.identifier.uri.none.fl_str_mv |
http://red.uao.edu.co//handle/10614/12155 |
dc.identifier.instname.spa.fl_str_mv |
Universidad Autónoma de Occidente |
dc.identifier.reponame.spa.fl_str_mv |
Repositorio Educativo Digital |
identifier_str_mv |
1692-5238 Universidad Autónoma de Occidente Repositorio Educativo Digital |
url |
http://red.uao.edu.co//handle/10614/12155 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.relation.spa.fl_str_mv |
Sistemas & Telemática. Volumen 11, número 27, (2013); páginas 77-92 |
dc.relation.citationendpage.none.fl_str_mv |
92 |
dc.relation.citationissue.none.fl_str_mv |
27 |
dc.relation.citationstartpage.none.fl_str_mv |
77 |
dc.relation.citationvolume.none.fl_str_mv |
11 |
dc.relation.cites.spa.fl_str_mv |
Correa Valencia, M., Pamies Teixeira, J.(2013). Predicción de la rugosidad superficial en texturizados por electroerosión usando redes bayesianas. Sistemas & Telemática. 11(27), 77-92. http://red.uao.edu.co//handle/10614/12155 |
dc.relation.ispartofjournal.spa.fl_str_mv |
Sistema y Telemática |
dc.relation.references.none.fl_str_mv |
Aspinwall, D.K., Zhao, F.L., & ElMenshawy, F. (1989). Electrodischarge texturing (EDT) of steel rolls. Surface Topography, 2, 123-141 Chow, C.K. &Liu, C.N. (1968). Approximating discrete probability distributions with dependence trees. IEEE Transactions on Information Theory, 14(3), 462-467 Correa, M., Alique, J.R., & Bielza, C. (2008). Comparativa de modelos con aprendizaje supervisado: aplicación a un proceso industrial. En IV Simposio de control inteligente, 11-13 June, Santander, España, [CD]. Santander, España: Universidad de Cantabria Correa, M., Bielza, C., &Pamies-Teixeira, J.J. (2009). Comparison of Bayesian networks and artificial neural networks for quality detection in a machining process. Expert Systems with Applications, 36, 7270-7279 Friedman, N., Geiger, D., & Goldszmit, M. (1997). Bayesian network classifiers. Machine Learning, 29, 131-161 Gao, Q., Zhang, Q., Su, S., & Zhang, J. (2008). Parameter optimization model in electrical discharge machining process. Journal of Zhejiang University Science A. 9(1), 104-108 International Organization for Standardization [ISO]. (2013). ISO 4288:1996: Geometrical product specifications (GPS) -- Surface texture: Profile method -- Rules and procedures for the assessment of surface texture. Ginebra, Suiza: ISO Langley, P., Iba, W., & Thompson, K. An analysis of Bayesian classifiers. En Proceedings of AAAI-92, (pp. 223-228). Palo Alto, CA: AAAI Pamies-Teixeira, J.J. (2002). Fundamentos físicos do corte de metais. Lisboa, Portugal: Edinova Pearl, J. (1988). Probabilistic reasoning in Intelligent Systems: networks of plausible inference, San Francisco, CA: Morgan Kaufmann Pellicer, N., Ciurana, J., Ozel, T. (2009). Influence of process parameters and electrode geometry on feature microaccuracy in electro discharge machining of tool steel. Materials and Manufacturing Processes, 24(12), 1282-1289 Pfestorf, M., Engel, U., & Geiger, M. (1998). 3D-Surface parameters and their application on deterministic textured metal sheets. International Journal of Machine Tools & Manufacture, 38(5-6), 607-614 Pradhan, M.K., Das, R., & Biswas, C.K. (2009). Comparisons of neural network models on surface roughness in electrical discharge machining. Journal of Engineering Manufacture, 223, 801- 808 [Proceedings of the Institution of Mechanical Engineers, Part B:] Simão, J., Aspinwall, D.K., Wise, M.L.H., & El-Menshawy, F. (1996). Electrical discharge texturing of cold mill work rolls using different tool electrode materials. Iron and Steel Engineer, 73(3),42-47 Terpák, J., Dorak, L'. Revaj, J. (2010). Quality control of the electro-discharge texturing, Metabk, 49(1), 19-22 |
dc.rights.spa.fl_str_mv |
Derechos Reservados - Universidad Icesi, 2013 |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.uri.e.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.rights.accessrights.eng.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.creativecommons.spa.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
rights_invalid_str_mv |
Derechos Reservados - Universidad Icesi, 2013 https://creativecommons.org/licenses/by-nc-nd/4.0/ Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.eng.fl_str_mv |
application/pdf |
dc.format.extent.spa.fl_str_mv |
16 páginas |
dc.publisher.spa.fl_str_mv |
Universidad ICESI |
institution |
Universidad Autónoma de Occidente |
bitstream.url.fl_str_mv |
https://red.uao.edu.co/bitstreams/865fef18-5b1b-4496-ae53-a1244356423a/download https://red.uao.edu.co/bitstreams/1e178a4f-5da8-4a7e-bff7-cb09e6d219b1/download https://red.uao.edu.co/bitstreams/201465ca-67b0-45d0-a578-9f98c0faa6d7/download https://red.uao.edu.co/bitstreams/e53a3a2b-82bb-450b-bec1-dfc61ea56441/download https://red.uao.edu.co/bitstreams/92309d07-1a5d-4f22-8b6a-dda82128a61f/download |
bitstream.checksum.fl_str_mv |
4460e5956bc1d1639be9ae6146a50347 20b5ba22b1117f71589c7318baa2c560 cb583e437f58f41c21e616fe6eacea0a 728508583885bfd46840f0ae82ba2822 7ebd78ea9e3c60f4ed1be89e5aa83006 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Digital Universidad Autonoma de Occidente |
repository.mail.fl_str_mv |
repositorio@uao.edu.co |
_version_ |
1814260224303824896 |
spelling |
Correa Valencia, Maritzavirtual::1368-1Pamies Teixeira, Jorge73d738456de278415e75370a903c775d2020-03-24T12:43:55Z2020-03-24T12:43:55Z20131692-5238http://red.uao.edu.co//handle/10614/12155Universidad Autónoma de OccidenteRepositorio Educativo DigitalSe presenta un modelo para la estimación de los parámetros que definen la rugosidad superficial [Ra] cuando se produce con un proceso de texturizado por descarga eléctrica [EDT, Electro Discharge Texturing). La no linealidad, la inestabilidad y los costos de la experimentación en EDT son las principales causas para el uso de técnicas de predicción usando algoritmos robustos y fiables, con el fin de estudiar factores que presentan dificultades en la caracterización. Se realizaron varios experimentos para producir texturas de superficies planas usando una máquina de electroerosión [EDM, Electric Discharge Machining) modificada ALIC-1. Los datos obtenidos en la fase experimental se usaron para entrenar modelos Bayesianos con los clasificadores Naïve Bayes y Naïve Bayes Aumentado a Árbol. Los resultados conseguidos mostraron un comportamiento aceptable dentro del rango operativo, consistente con los fenómenos físicos que rigen el proceso EDT. Se demuestra que es posible encontrar una rugosidad superficial con especificaciones particularesA model for prediction of parameters that defined roughness surface [Ra] when this texture is produced by Electro Discharge Texturing [EDT] is presented. The non-linearity, instabilities and expensive experimentation in this process, are main causes for use predictive techniques by means of robust and reliable algorithms, for study factors that present characterization hard. Series of experiments were conducted to produce plane surface textures using a modified EDM machine ALIC-1. The data collected in experimental phase were used for trained Bayesian models with Naïve Bayes and Tree Augmented Naïve Bayes [TAN] classifiers. Results show acceptable behavior within the operating range, consistent with the physical phenomena governing EDT process. Find a surface roughness with particular specifications is demonstratedapplication/pdf16 páginasspaUniversidad ICESISistemas & Telemática. Volumen 11, número 27, (2013); páginas 77-9292277711Correa Valencia, M., Pamies Teixeira, J.(2013). Predicción de la rugosidad superficial en texturizados por electroerosión usando redes bayesianas. Sistemas & Telemática. 11(27), 77-92. http://red.uao.edu.co//handle/10614/12155Sistema y TelemáticaAspinwall, D.K., Zhao, F.L., & ElMenshawy, F. (1989). Electrodischarge texturing (EDT) of steel rolls. Surface Topography, 2, 123-141Chow, C.K. &Liu, C.N. (1968). Approximating discrete probability distributions with dependence trees. IEEE Transactions on Information Theory, 14(3), 462-467Correa, M., Alique, J.R., & Bielza, C. (2008). Comparativa de modelos con aprendizaje supervisado: aplicación a un proceso industrial. En IV Simposio de control inteligente, 11-13 June, Santander, España, [CD]. Santander, España: Universidad de CantabriaCorrea, M., Bielza, C., &Pamies-Teixeira, J.J. (2009). Comparison of Bayesian networks and artificial neural networks for quality detection in a machining process. Expert Systems with Applications, 36, 7270-7279Friedman, N., Geiger, D., & Goldszmit, M. (1997). Bayesian network classifiers. Machine Learning, 29, 131-161Gao, Q., Zhang, Q., Su, S., & Zhang, J. (2008). Parameter optimization model in electrical discharge machining process. Journal of Zhejiang University Science A. 9(1), 104-108International Organization for Standardization [ISO]. (2013). ISO 4288:1996: Geometrical product specifications (GPS) -- Surface texture: Profile method -- Rules and procedures for the assessment of surface texture. Ginebra, Suiza: ISOLangley, P., Iba, W., & Thompson, K. An analysis of Bayesian classifiers. En Proceedings of AAAI-92, (pp. 223-228). Palo Alto, CA: AAAIPamies-Teixeira, J.J. (2002). Fundamentos físicos do corte de metais. Lisboa, Portugal: EdinovaPearl, J. (1988). Probabilistic reasoning in Intelligent Systems: networks of plausible inference, San Francisco, CA: Morgan KaufmannPellicer, N., Ciurana, J., Ozel, T. (2009). Influence of process parameters and electrode geometry on feature microaccuracy in electro discharge machining of tool steel. Materials and Manufacturing Processes, 24(12), 1282-1289Pfestorf, M., Engel, U., & Geiger, M. (1998). 3D-Surface parameters and their application on deterministic textured metal sheets. International Journal of Machine Tools & Manufacture, 38(5-6), 607-614Pradhan, M.K., Das, R., & Biswas, C.K. (2009). Comparisons of neural network models on surface roughness in electrical discharge machining. Journal of Engineering Manufacture, 223, 801- 808 [Proceedings of the Institution of Mechanical Engineers, Part B:]Simão, J., Aspinwall, D.K., Wise, M.L.H., & El-Menshawy, F. (1996). Electrical discharge texturing of cold mill work rolls using different tool electrode materials. Iron and Steel Engineer, 73(3),42-47Terpák, J., Dorak, L'. Revaj, J. (2010). Quality control of the electro-discharge texturing, Metabk, 49(1), 19-22Derechos Reservados - Universidad Icesi, 2013https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)http://purl.org/coar/access_right/c_abf2Predicción de la rugosidad superficial en texturizados por electroerosión usando redes bayesianasPrediction of roughness surface in textured by electrical erosion using bayesian networksArtículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1Textinfo:eu-repo/semantics/articlehttp://purl.org/redcol/resource_type/ARTREFinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85EstimaciónRugosidad superficialRedes bayesianasElectroerosiónEDTPredictionSurface roughnessBayesian networksEDMPublicationecc91e59-ce00-443d-bce6-ce85014e9629virtual::1368-1ecc91e59-ce00-443d-bce6-ce85014e9629virtual::1368-1https://scholar.google.com/citations?user=15MGkAQAAAAJ&hl=envirtual::1368-10000-0001-8464-2673virtual::1368-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001435997virtual::1368-1CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805https://red.uao.edu.co/bitstreams/865fef18-5b1b-4496-ae53-a1244356423a/download4460e5956bc1d1639be9ae6146a50347MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81665https://red.uao.edu.co/bitstreams/1e178a4f-5da8-4a7e-bff7-cb09e6d219b1/download20b5ba22b1117f71589c7318baa2c560MD53ORIGINALPredicción de la rigurosidad superficial en texturizados por electroerosión usando redes bayesianas.pdfPredicción de la rigurosidad superficial en texturizados por electroerosión usando redes bayesianas.pdfTexto archivo completo del artículo de revista, PDFapplication/pdf1271309https://red.uao.edu.co/bitstreams/201465ca-67b0-45d0-a578-9f98c0faa6d7/downloadcb583e437f58f41c21e616fe6eacea0aMD54TEXTPredicción de la rigurosidad superficial en texturizados por electroerosión usando redes bayesianas.pdf.txtPredicción de la rigurosidad superficial en texturizados por electroerosión usando redes bayesianas.pdf.txtExtracted texttext/plain34890https://red.uao.edu.co/bitstreams/e53a3a2b-82bb-450b-bec1-dfc61ea56441/download728508583885bfd46840f0ae82ba2822MD55THUMBNAILPredicción de la rigurosidad superficial en texturizados por electroerosión usando redes bayesianas.pdf.jpgPredicción de la rigurosidad superficial en texturizados por electroerosión usando redes bayesianas.pdf.jpgGenerated Thumbnailimage/jpeg6382https://red.uao.edu.co/bitstreams/92309d07-1a5d-4f22-8b6a-dda82128a61f/download7ebd78ea9e3c60f4ed1be89e5aa83006MD5610614/12155oai:red.uao.edu.co:10614/121552024-03-04 10:35:46.845https://creativecommons.org/licenses/by-nc-nd/4.0/Derechos Reservados - Universidad Icesi, 2013open.accesshttps://red.uao.edu.coRepositorio Digital Universidad Autonoma de Occidenterepositorio@uao.edu.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 |