Modello predittivo basato su rete neurale a retropropagazione per la qualità superficiale del marmo tagliato con sega a filo diamantato

Abstract

Il marmo, grazie alle sue eccellenti proprietà meccaniche, è un materiale di largo impiego nell’edilizia e nella decorazione di interni. La sua lavorazione con sega a filo diamantato si è affermata a livello industriale grazie al ridotto scarto di materiale, all’alta precisione di taglio e alla contenuta rumorosità. La qualità superficiale di taglio determina l’efficienza delle lavorazioni successive e la redditività del prodotto finito; una previsione accurata rimane tuttavia complessa, poiché dipende da un insieme di variabili (di processo e geometriche) non adeguatamente descrivibili con modelli lineari o con le tradizionali equazioni empiriche. A tal fine, il presente articolo propone un modello di intelligenza artificiale basato su rete neurale a retropropagazione (BP). Attraverso una serie di esperimenti di taglio, sono stati acquisiti i dataset di rugosità superficiale e ondulazione al variare dei parametri di processo. È stato, quindi, sviluppato il modello BP, ottimizzandone pesi e soglie iniziali tramite l’algoritmo IWOA (una versione migliorata del Whale Optimization Algorithm a strategia ibrida), ottenendo il modello IWOA-BP. Infine, le prestazioni di quest’ultimo sono state validate mediante confronto con i modelli tradizionali. I risultati dimostrano che il modello IWOA-BP ha raggiunto le migliori prestazioni predittive, sia per la rugosità superficiale Ra che per l’ondulazione Wa, con valori minimi di errore quadratico medio (RMSE), errore assoluto medio (MAE) ed errore percentuale assoluto medio (MAPE) pari, rispettivamente, a 0,0342%, 0,0284% e 1,5614%. Ciò dimostra che il modello fornisce una base sperimentale e un supporto tecnico per la previsione della qualità superficiale del marmo tagliato con sega a filo diamantato.

Parole chiave: marmo, taglio con sega a filo diamantato, qualità superficiale, rete neurale BP, algoritmo di ottimizzazione IWOA migliorato.

Articolo originale: H. Dong, F. Cui, Z. Huo, Y. Gao, Micromachines 2025, 16, 971, MDPI, Basel – doi.org/10.3390/mi16090971. Licenza CC BY 4.0. Adattato e tradotto in italiano dalla redazione di Diamante A&T.