Modellierung und Optimierung der Oberflächenrauhigkeit beim Drehen

In diesem Buch stellen die Autoren einen auf multi-linearer Regression basierenden Ansatz für die Modellierung der Oberflächenrauheit beim Drehen einer handelsüblichen Messinglegierung vor. Es werden zwei Regressionsmodelle entwickelt, indem die experimentellen Daten verwendet werden, die nach einer vollfaktoriellen Versuchsplanungsmethodik gesammelt wurden. Während die herkömmliche Praxis darin besteht, Regressionsmodelle unter Verwendung des gesamten experimentellen Datensatzes zu entwickeln, weichen wir davon ab und verwenden nur eine Teilmenge der verfügbaren Daten für diesen Zweck, wobei die restlichen Daten für die Modellvalidierung verwendet werden. Diese Aufteilung der Versuchsdaten in Trainings- und Testdaten erfolgt nach dem Zufallsprinzip, ohne dass irgendeine mathematische Regel zur Anwendung kommt. Die hier erzielten Ergebnisse zeigen, dass das Regressionsmodell zweiter Ordnung die Oberflächenrauheit für beide Datensätze statistisch besser vorhersagt. Die globale minimale Oberflächenrauheit wird durch die Verwendung der entwickelten Regressionsmodelle in Verbindung mit der auf einem genetischen Algorithmus basierenden Einzelzieloptimierung bestimmt. Die Optimierungsergebnisse zeigen, dass das mit dem Regressionsmodell zweiter Ordnung ermittelte globale Minimum in enger Übereinstimmung (Genauigkeit - 94 %) mit den experimentellen Ergebnissen steht.