Statistické hodnocení polymerních povrchů s využití neuronových sítí

Bc. Milan Matyáš

Master's thesis

Statistical Evaluation of Polymer Surfaces Using Neural Networks

Anotácia:

Tato diplomová práce zahrnuje měření struktury povrchu polypropylenu a sestavení optimalizované neuronové sítě pro predikování vstupních parametrů drsnosti, ze kterých se určí odpovídající klasifikace. Teoretická část se zaobírá technickými normami vztahující se ke struktuře povrchu, rozborem chyb a nejistotami měření, využití statistických nástrojů k analýze naměřených dat a popisem měřícího zařízení. V praktické části jsou pohledy snímacího povrchu modifikovány a data aplikována ve statistických metodách pro zkoumání odlišností jednotlivých parametrů drsnosti povrchu. Hlavním cílem práce je vytvoření vhodné neuronové sítě, která dokáže nejúspěšněji vyhodnotit vstupní parametry.

Abstract:

This thesis involves measuring the surface structure of polypropylene and assembly an optimized neural network to predict the input roughness parameters from which the appropriate classification is determined. The theoretical part deals with technical standards related to surface structure, analysis of measurement errors and uncertainties, use of statistical tools to analyse the measured data and description of the measuring equipment. In the practical part, the views of the sensing surface are modified and the data are applied in statistical methods to investigate the differences in the various surface roughness parameters. The main objective of the work is to create a suitable neural network that can the most successfully evaluate the input parameters.

Kľúčové slová

drsnost povrchu, polypropylen, neuronové sítě

Jazyk práce: Czech

Datum vytvoření / odevzdání či podání práce: 12. 5. 2023

Obhajoba závěrečné práce

Tomas Bata University in Zlín

Faculty of Technology

Master programme / odbor:
Process Engineering / Quality Control