Tato diplomová práce se zabývá zkoumáním způsobů vyhodnocení jakosti povrchu řezné plochy vzorků z různých materiálů po obrábění laserem CO2 a vláknovým laserem. Jakost povrchu vyjádřená parametry drsnosti Rz a Ra je zkoumána v závislosti na materiálu vzorku a použité technologie obrábění. Za tímto účelem jsou v teoretické části nejprve shrnuty pojmy a definice dané příslušnými normami ISO, v dalších kapitolách jsou stručně představeny statistické metody pro vyhodnocování naměřených dat. Poslední část teoretické části se věnuje problematice použití neuronových sítí pro vyhodnocování naměřených dat. V praktické části byla statisticky vyhodnocena naměřená data ze šesti vzorků. Na základě závěrů této analýzy byly posouzeny možnosti neuronových sítí při určení materiálu daného vzorku pomocí známých parametrů drsnosti.
Anotace v angličtině
This diploma thesis deals with methods of evaluation of surface quality of the cut surface of the given samples made from different materials. These samples are cut with either CO2 laser or fibre laser. Quality surface is given by the roughness parameters Rz, Ra and Rmr, which are analysed in dependence on the material of the sample and the technology used. For this purpose, theoretical part starts with terms and definitions, given by relevant ISO standards. Next chapters describe brief introduction into methods of statistical analysis. Last part is devoted to using neuron networks for data analysis. In practical part data of six samples were statistically analysed. Based on this analysis possibilities of using neuron networks for determination of the material were judged.
Tato diplomová práce se zabývá zkoumáním způsobů vyhodnocení jakosti povrchu řezné plochy vzorků z různých materiálů po obrábění laserem CO2 a vláknovým laserem. Jakost povrchu vyjádřená parametry drsnosti Rz a Ra je zkoumána v závislosti na materiálu vzorku a použité technologie obrábění. Za tímto účelem jsou v teoretické části nejprve shrnuty pojmy a definice dané příslušnými normami ISO, v dalších kapitolách jsou stručně představeny statistické metody pro vyhodnocování naměřených dat. Poslední část teoretické části se věnuje problematice použití neuronových sítí pro vyhodnocování naměřených dat. V praktické části byla statisticky vyhodnocena naměřená data ze šesti vzorků. Na základě závěrů této analýzy byly posouzeny možnosti neuronových sítí při určení materiálu daného vzorku pomocí známých parametrů drsnosti.
Anotace v angličtině
This diploma thesis deals with methods of evaluation of surface quality of the cut surface of the given samples made from different materials. These samples are cut with either CO2 laser or fibre laser. Quality surface is given by the roughness parameters Rz, Ra and Rmr, which are analysed in dependence on the material of the sample and the technology used. For this purpose, theoretical part starts with terms and definitions, given by relevant ISO standards. Next chapters describe brief introduction into methods of statistical analysis. Last part is devoted to using neuron networks for data analysis. In practical part data of six samples were statistically analysed. Based on this analysis possibilities of using neuron networks for determination of the material were judged.
\begin {arab}
Zpracování rešerše pro hodnocení jakosti povrchů na bázi drsnosti a vlnitosti dle standardů ISO a jejich vzájemné porovnání
Proměření zadaných vzorků z hlediska standardů ISO bezkontaktním způsobem
Aplikace diskriminační analýzy na vybrané parametry proměřených dle standardů ISO
\end {arab}
Zásady pro vypracování
\begin {arab}
Zpracování rešerše pro hodnocení jakosti povrchů na bázi drsnosti a vlnitosti dle standardů ISO a jejich vzájemné porovnání
Proměření zadaných vzorků z hlediska standardů ISO bezkontaktním způsobem
Aplikace diskriminační analýzy na vybrané parametry proměřených dle standardů ISO
\end {arab}
Seznam doporučené literatury
\begin {arab}
MELOUN, Milan a Jiří MILITKÝ. Statistická analýza experimentálních dat. Vyd. 2. uprav. rozš. Praha: ACADEMIA, 2004, 953 s. ISBN 80-200-1254-0
MELOUN, Milan. Kompendium statistického zpracování dat: metody a řešené úlohy. Vyd. 2., přeprac. a rozš. Praha: Academia, 2006, 982 s. ISBN 80-200-1396-2
MELOUN, Milan. Statistické zpracování experimentálních dat. 2. vyd. Praha: Ars magna, 1998, 839 s. ISBN 80-721-9003-2
BUMBÁLEK, Bohumil, Vladimír ODVODY a Bohuslav OŠŤÁDAL. Drsnost povrchu. 1. vyd. Praha: SNTL, 1989, 338 s
\end {arab}
Seznam doporučené literatury
\begin {arab}
MELOUN, Milan a Jiří MILITKÝ. Statistická analýza experimentálních dat. Vyd. 2. uprav. rozš. Praha: ACADEMIA, 2004, 953 s. ISBN 80-200-1254-0
MELOUN, Milan. Kompendium statistického zpracování dat: metody a řešené úlohy. Vyd. 2., přeprac. a rozš. Praha: Academia, 2006, 982 s. ISBN 80-200-1396-2
MELOUN, Milan. Statistické zpracování experimentálních dat. 2. vyd. Praha: Ars magna, 1998, 839 s. ISBN 80-721-9003-2
BUMBÁLEK, Bohumil, Vladimír ODVODY a Bohuslav OŠŤÁDAL. Drsnost povrchu. 1. vyd. Praha: SNTL, 1989, 338 s
\end {arab}
Přílohy volně vložené
-
Přílohy vázané v práci
grafy, tabulky
Převzato z knihovny
Ne
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Studentka představil komisi výsledky své diplomové práce. Poté byla komise seznámena s posudky a hodnocením vedoucího a oponenta (hodnocení vedoucího: A - výborně, hodnocení oponenta: A - výborně). V rámci posudků byly studentovi položeny následující dotazy oponenta a vedoucího: doc Ing. Libuše Sýkorová Ph.D. - 1. Co je míněno učením neuronové sítě a jak zjistíte, že je NS naučena? ? ZODPOVĚZENA ZCELA, 2.Jak a čím je ovlivněna přesnost diskriminace neuronové sítě? ZODPOVĚZENA ZCELA. Poté byla vedena diskuze o diplomové práci, během které byly jednotlivými členy komise položeny následující dotazy: prof. Ing. Karel Kocman DrSc.Můžete vysvětlit co je to neuron a jak je spojen s vedlejším? ZODPOVĚZEN ZCELA prof. Ing. Ivan Hudec Ph.D. Máte představu o tloušťce nanášené vrstvy, a jaká byla velikost částic? ZODPOVĚZEN ZCELA