{rfName}
A

Indexat a

Llicència i ús

Licencia Icono OpenAccess

Citacions

57

Altmetrics

Anàlisi d'autories institucional

Perez-Bernabeu, EAutor o coautorSelles, MaAutor o coautor

Compartir

30 d’octubre de 2024
Publicacions
>
Conferència publicada
Sí

A neural network approach for chatter prediction in turning

Publicat a: Procedia Manufacturing. 34 885-892 - 2019-01-01 34(), DOI: 10.1016/j.promfg.2019.06.159

Autors:

Cherukuri, Harish; Perez-Bernabeu, E; Perez-Bernabeu, E; Selles, M A; Selles, M A; Schmitz, Tony L; Schmitz, Tony L
[+]

Afiliacions

Univ N Carolina, Mech Engn & Engn Sci - Autor o coautor
Univ Politecn Valencia - Autor o coautor

Resum

Machining processes, including turning, are a critical capability for discrete part production. One limitation to high material removal rates and reduced cost in these processes is chatter, or unstable spindle speed-chip width combinations that exhibit self-excited vibration. In this paper, an artificial neural network (ANN) is applied to model turning stability. The analytical stability limit is used to generate a data set that trains the ANN. It is observed that the number and distribution of training points influences the ability of the ANN model to capture the smaller, more closely spaced lobes that occur at lower spindle speeds. Overall, the ANN is successful (>90% accuracy) at predicting the stability behavior after appropriate training. (C) 2019 The Authors. Published by Elsevier B.V.
[+]

Paraules clau

ChatterChatter predictionsClassificationIndustrial researchMachine learningMachiningMachining processManufactureMaterial removal rateModelNeural networkNeural networksOperationSelf-excited vibrationsSpindle speedStabilityStability analysisStability behaviorStability limitToolTraining pointsTurningVibrationWorkpiece

Indicis de qualitat

Impacte bibliomètric. Anàlisi de la contribució i canal de difusió

El treball ha estat publicat a la revista Procedia Manufacturing a causa de la seva progressió i el bon impacte que ha aconseguit en els últims anys, segons l'agència Scopus (SJR), s'ha convertit en una referència en el seu camp. A l'any de publicació del treball, 2019, es trobava a la posició , aconseguint així situar-se com a revista Q2 (Segundo Cuartil), en la categoria Artificial Intelligence.

Des d'una perspectiva relativa, i atenent a l'indicador de impacte normalitzat calculat a partir de les Citacions Mundials de Scopus Elsevier, proporciona un valor per a la mitjana Ponderada de l'Impacte Normalitzat de l'agència Scopus: 1.09, el que indica que, comparat amb treballs en la mateixa disciplina i en el mateix any de publicació, el situa com un treball citat per sobre de la mitjana. (font consultada: ESI 13 Nov 2025)

Concretament, i atenent a les diferents agències d'indexació, aquest treball ha acumulat, fins a la data 2026-04-05, el següent nombre de cites:

  • WoS: 25
  • Scopus: 32
[+]

Impacte i visibilitat social

Des de la dimensió d'influència o adopció social, i prenent com a base les mètriques associades a les mencions i interaccions proporcionades per agències especialitzades en el càlcul de les denominades "Mètriques Alternatives o Socials", podem destacar a data 2026-04-05:

  • L'ús d'aquesta aportació en marcadors, bifurcacions de codi, afegits a llistes de favorits per a una lectura recurrent, així com visualitzacions generals, indica que algú està fent servir la publicació com a base del seu treball actual. Això pot ser un indicador destacat de futures cites més formals i acadèmiques. Aquesta afirmació està avalada pel resultat de l'indicador "Capture", que aporta un total de: 88 (PlumX).

És fonamental presentar evidències que recolzin l'alineació plena amb els principis i directrius institucionals sobre Ciència Oberta i la Conservació i Difusió del Patrimoni Intel·lectual. Un clar exemple d'això és:

  • El treball s'ha enviat a una revista la política editorial de la qual permet la publicació en obert Open Access.
  • Assignació d'un Handle/URN com a identificador dins del Dipòsit en el Repositori Institucional: http://hdl.handle.net/10251/201888
[+]

Anàlisi del lideratge dels autors institucionals

Aquest treball s'ha realitzat amb col·laboració internacional, concretament amb investigadors de: United States of America.

[+]

Reconeixements vinculats a l’ítem

The authors gratefully acknowledge financial support from the UNC ROI program. Elena Perez-Bernabeu and Miguel Selles also acknowledge support from Universitat Politenica de Valencia (PAID-00-17). Additionally, some of the neural net figures and the 10-fold cross validation figures are based on the TikZ codes provided on StackExchange-TeX by various users. Harish Cherukuri would like to thank them for their valuable advice.
[+]