مدل سازی داده محور سختی غلتک نورد بر اساس ترکیب شیمیایی با استفاده از نرم افزار RapidMiner: رویکرد دوگانه ی پیش بینی سختی و برازش الگوهای ترکیب شیمیایی

در این پژوهش با هدف بررسی رابطه ترکیب شیمیایی و سختی غلتک های فولادی دو رویکرد مکمل شامل یادگیری ماشین و برازش تحلیلی به کار گرفته شد. ابتدا مجموعه داده های صنعتی پس از پاکسازی و بازتعریف ویژگی ها مورد استفاده قرار گرفت و مدل Random Forest توانست سختی را با دقت قابل توجه و ضریب همبستگی حدود ۷۹ پیش بینی کند. تحلیل اهمیت ویژگی ها نشان داد که پارامترهای ترکیبی نظیر نوع عملیات حرارتی بیشترین سهم را در تعیین سختی نهایی غلتک ایفا می کند. در گام دوم یک مدل رگرسیون چند متغیره برای استخراج رابطه تحلیلی بین ترکیب و سختی ایجاد شد که اگرچه دقت آن محدودتر بود اما روند کلی اثر متغیرها را به صورت کمی آشکار ساخت. فاکتورهای موثر در برازش در تعیین ارتباط ترکیب شیمیایی و سختی در رگرسیون چند متغیره عبارتند از کربن معادل، مجموع عناصر کاربیدساز و نسبت عناصر کاربیدساز به کربن معادل. در پایان مقایسه مجموع نتایج نشان می دهد که ترکیب دو رویکرد تصویری جامع از رفتار سختی فراهم کرده و برای ارزیابی و کنترل کیفی غلتک ها قابل اتکا است.

کلیدواژه ها:

غلتک ، نورد ، برازش ، ترکیب شیمیایی ، سختی ، rapidminer