The present paper focuses on two techniques, namely regression and neu- ral network techniques, for predicting surface roughness in ball burnish- ing process. Values of surface roughness predicted by the two techniques were compared with experimental values. Also, the effects of the main burnishing parameters on surface roughness have been determined. Sur- face roughness (Ra) was taken as response (output) variable and burnish- ing force, number of passes, feed rate, and burnishing speed were taken as input parameters. Relationship between the surface roughness and burnishing parameters was found out for direct measurement of the surface roughness. Results showed the application of the regression and neural network models to accurately predict the surface roughness.

Der vorliegende Beitrag beleuchtet zwei der Techniken, nämlich die Regressionsanalyse und die Technik der Neuro- nalen Netze, um die Oberflächenrauheit bei einem Kugelstrahlprozess vor- herzusagen. Die so ermittelte Oberflächenrauheiten wurden mit experimen- tell bestimmten Werten verglichen. Außerdem wurden die Auswirkungen der Hauptparameter des Polierens bezüglich Oberflächenrauheit bestimmt. Die Oberflächenrauheit (Ra) wurde als Antwortvariable und die Polierkraft, die Zahl der Polierdurchgänge, die Vorschubgeschwindigkeit und die Polier- geschwindigkeit wurden als Inputparameter herangezogen. Die Beziehung zwischen der Oberflächenrauheit und den Polierparametern wurde für die direkte Messung der Oberflächenrauheit herausgefunden. Die Ergebnisse zeigen die Anwendungsmöglichkeiten der Regressionsanalyse und des Mo- dells der Neuronalen Netze, um die Oberflächenrauheit exakt vorherzusagen.