OBRABOTKAMETALLOV Vol. 28 No. 2 2026 321 MATERIAL SCIENCE день гибридный подход, объединяющий статистические методы и машинное обучение, считается наиболее эффективным для моделирования многофакторных трибологических систем [26, 27]. На рис. 1 показан весь аналитический процесс: все три уровня применяются к одному и тому же набору данных (n = 28), что гарантирует согласованность и сопоставимость результатов между подходами. Краткая сводка этой трехуровневой методологии приведена в табл. 2. Метод Taguchi позволяет находить оптимальный набор параметров для каждой характеристики производительности путем анализа отношения сигнал/шум (S/N). Taguchi использовал отношение S/N в качестве характеристики качества процесса. Отношение S/N по принципу «чем меньше, тем лучше» преобразует измеренные значения интенсивности изнашивания в устойчивую к шумам статистическую характеристику качества, которая одновременно учитывает среднее значение отклика и его дисперсию. Уравнение Taguchi для этого принципа имеет вид ( ) 2 1 10 log S y N n =− ∑ , (2) где y – наблюдаемые данные; n – количество наблюдений. Методология поверхности отклика (RSM) предоставляет статистическую эмпирическую модель, использующую полиномы низких порядков для аппроксимации экспериментальных данных. Это позволяет визуализировать поверхность отклика и определять значимость факторов с помощью дисперсионного анализа (ANOVA) [13]. Цель моделирования – установить корреляцию между переменными отклика и независимыми переменными. В настоящей работе экспериментальные результаты аппроксимированы полиномиальной регрессионной моделью второго порядка: 2 0 1 1 , k k k i i ii i ij i j i i i j Y a a x a x a x x = = < = + + + ∑ ∑ ∑ (3) Рис. 1. Трехуровневая аналитическая структура Taguchi-RSM-ML Fig. 1. Three-tier Taguchi–RSM–ML analytical framework
RkJQdWJsaXNoZXIy MTk0ODM1