В настоящее время возрастает роль информационных систем (ИС) в различных отраслях промышленности. Внедрение информационных систем в сварочные технологии, позволяет оптимизировать процесс проектирования, сделать процесс принятия решений более гибким и эффективным, повысить уровень управления качеством выпускаемой продукции. Информационные системы в области сварки используют модели искусственного интеллекта и машинного обучения для улучшения качества и эффективности сварочных процессов. Такие технологии становятся все более актуальными в условиях растущей конкуренции и необходимости повышения производительности работ на производстве [1]. Составление прогнозов, оптимизация параметров, снижение доли неавтоматизированного труда – те факторы, которые способствуют повышение эффективности производств, а также снижение их издержек. Автоматизация процессов способствует созданию автономных систем управления, которые способны принимать решения без участия человека.
Регрессия — задача прогнозирования метки с целевым значением для образца без метки. При решении данной задачи алгоритм предсказывает числовое значение по входным данным. Регрессия использует алгоритм обучения, который принимает на вход набор размеченных данных и создает модель с неразмеченными данными. В данном методе алгоритм формирует функцию:
Регрессия — задача прогнозирования метки с целевым значением для образца без метки. При решении данной задачи алгоритм предсказывает числовое значение по входным данным. Регрессия использует алгоритм обучения, который принимает на вход набор размеченных данных и создает модель с неразмеченными данными. В данном методе алгоритм формирует функцию:
В данной работе для решения задачи оценки эффективности режимов сварки выбрана простая линейная регрессия.
Для характеристики и оценки различных вариантов технологического процесса нужны не только качественные, но и количественные показатели. Такие показатели должны основываться на объективных данных для каждого варианта решения. Опыт изготовления сварных конструкций не может дать надежных оснований для выбора оптимального технологического процесса, так как при их изготовлении, как правило, различны размеры элементов, режимы сварки и расположение сварных швов, что оказывает весьма большое влияние на поведение конструкции при сварке. Наиболее удобными для анализа и объективными являются решения, получаемые с помощью информационных систем, которые строятся на методах машинного обучения и наращивания баз данных (БД). С помощью ИС могут быть назначены и режимы сварки, обеспечивающие заданные свойства металла шва и околошовной зоны основного металла.