Характеристики сплавов теперь можно прогнозировать: в России создали специальное ПО

Специалисты Пермского национального исследовательского университета разработали программное обеспечение на основе алгоритмов искусственного интеллекта, которое поможет прогнозировать показатели шероховатости поверхности титановых сплавов. Данный материал используется в самых разных отраслях: от автомобилестроения до авиации. Однако, сложности с прогнозированием характеристики снижает качество производства и замедляет его процессы. Именно эту проблему и решили исправить в Пермском политехе. Разработка уже получила соответствующее свидетельство.

В последнее время искусственный интеллект становится неотъемлемой частью большинства современного программного обеспечения. ИИ-модели для корректной работы требуют большого объёма данных, чтобы пройти обучение. В реальных промышленных условиях сбор такой информации максимально затруднён или же финансово затратен. Эта проблема особенно актуальна, когда речь заходит о высокоточных производственных процессах, включая обработку титановых сплавов резанием.

Например, чтобы получить ровную поверхность воздухозаборника или лопаток, которые используются в двигателях, необходимо оптимизировать режим резания. В этом случае требуется информация о влиянии определённых параметров на качество обработки, чтобы спрогнозировать конечный результат. В случае с отечественным ПО, разработанным за стенами Пермского политеха, прогнозированием показателя шероховатости поверхности занимаются нейронные сети. Для получения обучающей выборки и снижения стоимости проведения экспериментов используется метод под названием аугментация — это способ искусственного увеличения объёма данных.

Именно на метод аугментации пермские специалисты создали модели, которая сгенерировала дополнительные примеры, создав базу из более чем 2000 записей. Эта база и стала основой для обучения предсказательного искусственного интеллекта.

«Результаты показали, что нейронные сети, обученные на аугментированных данных, достигли высокой точности предсказаний по метрике MAPE равно 3,97 процента. Это говорит о том, что ошибка составила всего 3,97 процента от фактических значений. Другими словами, такой метод эффективен в условиях ограниченного объема исходных данных», — поясняет Вадим Данелян, аспирант кафедры вычислительной математики, механики и биомеханики, руководитель группы молодежного проектно-технологического бюро передовой инженерной школы «Высшая школа авиационного двигателестроения» ПНИПУ.

Учёные разработали ПО, которое может подбирать оптимальный режим резания для обеспечения нужного уровня шероховатости не только титанового, но и других видов сплавов.