RSM과 ANN을 이용한 파이프라인 용접부의 향상된 강도 및 구조적 완전성을 위한 부식율 최적화 및 예측

이 연구는 파이프라인 용접부의 구조적 완전성과 강도를 증대시키기 위해 필요한 비탄성 성능 인자의 최적화 및 예측을 조사합니다. 연구의 주요 초점은 파이프라인 용접부의 부식율을 최적화하고 예측하기 위해 용접 전류, 전압 및 가스 유량과 같은 작업의 구성 요소에 있습니다. 실험 설계 및 데이터 분석을 위한 Design Expert 소프트웨어를 활용하여 연구는 중앙 복합 설계(Central Composite Design, CCD) 방법론을 사용하여 반응을 효과적으로 예측하는 2차 모델을 생성합니다. 연구는 또한 예측 정확도를 더욱 향상시키기 위해 인공 신경망(Artificial Neural Networks, ANN)을 통합합니다. 실험 결과 최적의 용접 매개변수인 160암페어 전류, 21.28볼트 전압, 14.67리터/분 가스 유량이 0.018 mm/yr의 부식율을 초래함을 보여줍니다. 연구는 RSM과 ANN 모두 용접 공정에서 최적화 및 예측에 효과적으로 사용될 수 있으며, RSM이 약간 더 나은 예측 능력을 보여준다고 결론짓습니다.