توسعه یک نرمافزار گرافیکی برای پیش بینی زبری سطح در فولادهای مختلف با استفاده از الگوریتمهای یادگیری ماشین: رگرسیون چند جمله ای، درخت تصمیم، جنگل تصادفی، نزدیک ترین همسایه و XGBoost

پیشبینی دقیق زبری سطح در فرآیندهای ماشین کاری، نقش حیاتی در بهبود کیفیت محصول و کارایی عملیات تولید دارد. در این پژوهش، یک نرمافزار گرافیکی کاربرپسند توسعه داده شده است که به مهندسان و محققان امکان می دهد زبری سطح فولادهای مختلف را با دقت بالایی پیشبینی کنند. این نرم افزار که به زبان برنامه نویسی پایتون پیاده سازی شده است، از مجموعه ای از الگوریتم های یادگیری ماشین شامل رگرسیون غیرخطی، درخت تصمیم، جنگل تصادفی، نزدیک ترین همسایه و XGBoost بهره می برد. داده های ورودی به نرمافزار از طریق فایل های اکسل دریافت می شوند و نرم افزار به کاربران امکان می دهد تا با استفاده از رابط کاربری گرافیکی، به راحتی مدل ها را آموزش داده و نتایج پیش بینی ها را مشاهده کنند. همچنین، این نرم افزار قابلیت مقایسه عملکرد الگوریتم ها را داراست، که این ویژگی به کاربران اجازه می دهد تا مدل های مختلف را با هم مقایسه و مناسب ترین مدل را برای کاربرد خاص خود انتخاب کنند. هدف اصلی این تحقیق توسعه ابزاری است که علاوه بر سادگی استفاده، انعطاف پذیری بالایی در انتخاب و استفاده از الگوریتم های مختلف داشته باشد و به بهینه سازی فرآیندهای ماشین کاری کمک کند. نرمافزار توسعه یافته با فراهم کردن امکانات تحلیلی و پیشبینی، به مهندسان کمک می کند تا با اطمینان بیشتری تصمیم گیری کنند و کیفیت سطح محصولات را بهبود بخشند.

کلیدواژه ها:

نرم افزار ، الگوریتم های یادگیری ماشین ، زبری سطح ، ماژول های گرافیکی پایتون