Ann Modelling for the Analysis of the Green Moulding Sands Properties

Abstract

Application of modern technological solutions, as well as the economic and ecological solutions, is for foundries one of the main aspects of the competitiveness on the market for castings. IT solutions can significantly support technological processes. This article presents neural networks with different structures that have been used to determine the moisture content of the moulding sand based on the moulding sand selected properties research results. Neural networks were built using Matlab software. Moulding sand properties chosen for quality control processes were selected based on wide previous results.For the proposed moulding sand properties, neural networks can be a useful tool for predicting moisture content. The structure of artificial neural network do not have a significant influence on the obtained results. In subsequent studies on the use of neural networks as an application to support the green moulding sand rebonding process, it must be determined how factors such as environmental humidity and moulding sand temperature will affect the accuracy of data obtained with the use of artificial neural networks.Keywords: data mining, artificial neural networks, green moulding sands Zastosowanie nowoczesnych rozwiązań technologicznych, a także ekonomicznych i ekologicznych stanowi dla odlewni jeden z głównych aspektów konkurencyjności na rynku produktów odlewów. Doskonałym wsparciem dla procesów technologicznych są rozwiązania informatyczne. W artykule zaprezentowano sieci neuronowych o różnej strukturze, które zostały użyte do określania wilgotności masy formierskiej na podstawie wyników badania wybranych właściwości masy. Sieci neuronowe zbudowano z wykorzystaniem oprogramowania Matlab. Właściwości mas wybrane do procesów sterowania jakością zostały dobrane w oparciu o wcześniejsze wyniki badań.Dla zaproponowanych właściwości syntetycznych mas formierskich sztuczne sieci neuronowe mogą być użytecznym narzędziem do przewidywania wilgotności masy. Ilość warstw ukrytych w strukturze sieci nie ma wpływu na otrzymywane rezultaty. W kolejnych badaniach nad wykorzystaniem sieci neuronowych jako aplikacji wspierającej procesy odświeżania syntetycznych mas formierskich, należy określić, w jaki sposób czynniki takie jak wilgotność otoczenia, czy temperatura masy wpłyną na dokładność danych uzyskanych z wykorzystaniem sztucznych sieci neuronowych.

The Influence of Thermal Expansion of Unbonded Foundry Sands on the Deformation of Resin Bonded Cores

“…According to earlier authors [14][15][16], the deformation is also depending on the properties of the moulding mixture (e.g. properties of the refractory, binder type and amount).…”

Formalization of Technological Knowledge in the Field of Metallurgy using Document Classification Tools Supported with Semantic Techniques

“…In addition to typical documents considered text documents, such as articles, notes, books (ebooks), this group can also include Web pages, forms, and tables [15][16][17]. The exploratory analysis of text documents, known also as text mining, is a set of concepts, methods and, implemented in the form of software, algorithms for processing the text resources, leading to automation of processes related to documents prepared in natural languages.…”

Data mining tools in identifying the components of the microstructure of compacted graphite iron based on the content of alloying elements

“…The principle of operation of neural networks is based on processing a set of input signals independently by each neuron in each layer, where the decisive influence on the output signal have the weights on Fig. 4 The effect of various alloying elements on microstructure [36][37][38][39][40]. The essence of the training of neural network is based on the modification of weights at the inputs to the neurons.…”