limЛитье и металлургияLitiyo i Metallurgiya (FOUNDRY PRODUCTION AND METALLURGY)1683-60652414-0406BNTU10.21122/1683-6065-2017-1-41-44lim-1725Research ArticleЛитейное производствоFoundryПРИМЕНЕНИЕ АЛГОРИТМА ОЦЕНКИ ТЕХНОЛОГИЧЕСКОЙ СЛОЖНОСТИ ОТЛИВОК ДЛЯ УСКОРЕНИЯ ПРОЦЕССА ВЕРИФИКАЦИИ КАЧЕСТВА ПРОЕКТИРОВАНИЯ ЛИТНИКОВО-ПИТАЮЩИХ СИСТЕМTHE USE OF THE ALGORITHM EVALUATION OF TECHNOLOGICAL COMPLEXITY OF CASTINGS TO ACCELERATE THE QUALITY OF THE VERIFICATION PROCESS OF GATING SYSTEMS DESIGNINGОдарченкоИ. Б.OdarchenkoI. B.

г. Гомель, пр. Октября, 48

Gomel, 48, Oktyabrya ave.

oda2009@gmail.comЖарановВ. А.ZharanovV. A.

г. Гомель, пр. Октября, 48

Gomel, 48, Oktyabrya ave.

Гомельский государственный технический университет им. П. О. СухогоБеларусьPavel Sukhoi State Technical University of GomelBelarus201714032017014144Copyright © Одарченко И.Б., Жаранов В.А., 20172017Одарченко И.Б., Жаранов В.А.Odarchenko I.B., Zharanov V.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://lim.bntu.by/jour/article/view/1725

Выполнен выбор параметров и произведен анализ их уровня соответствия для оценки технологической сложности отливок. Предложен вариант организации технологического проектирования для отливок различной сложности, определяемой по комплексу геометрических параметров. 

The parameters were selected and the analysis of their compliance to assess the processing complexity of castings was made. A variant of the organization of process design for the castings of varying difficulty, defined on a set of proposed geometrical parameters was proposed. 

алгоритм оценкитехнологическая сложностьверификация качествапроектирование технологииestimation algorithmprocessing complexityquality verificationprocess designReferencesМедведев В. С. Нейронные сети / В. С. Медведев, В. Г. Потемкин. М.: ДИАЛОГ-МИФИ, 2002. 496 с.Medvedev V. S. Potemkin V. G. Neyronnye seti [Neural networks]. Moscow, DIALOG-MIFI Publ., 2002. 496 p.Пучков Е. В., Лила В. Б. Применение градиентных методов оптимизации для обучения искусственных нейронных сетей на примере задачи прогнозирования временного ряда. Нечеткие системы и мягкие вычисления: сб. Третьей Всерос. науч. конф.: В 2-х т. Т. 1. Волгоград, 2009. 214 с.Puchkov E. V., Leela V. B. The Use of gradient methods of optimization for training of artificial neural networks to the problem of forecasting time series. – Fuzzy systems and soft computing: collection of articles of the Third Russian scientific conference: In 2 t. T. 1. Volgograd, 2009. 214 р.Круглов В. В., Борисов В. В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия – Телеком, 2002. 382 с.Kruglov V. V., Borisov V. V. Iskusstvennye neyronnye seti. Teoriya i praktika [Artificial neural network. Theory and practice]. Moscow, Goryachaya liniya – Telecom Publ., 2002. 382 р.

The authors declare that there are no conflicts of interest present.