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...

Full description

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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