Błędy termiczne mogą mieć istotny wpływ na dokładność obrabiarek CNC. Błędy te pochodzą od odkształceń termicznych elementów obrabiarki wywołanych przez źródła ciepła w strukturze obrabiarki lub przez zmiany temperatury otoczenia. Wpływ temperatury może być zredukowany poprzez unikanie błędów lub kompensację numeryczną. Wydajność systemu kompensacji błędów termicznych zależy zasadniczo od dokładności i odporności modelu błędów termicznych oraz jego pomiarów wejściowych. W niniejszym artykule dokonano przeglądu różnych metod projektowania modeli błędów termicznych, a następnie skoncentrowano się na zastosowaniu adaptacyjnego systemu wnioskowania neuro-rozmytego (ANFIS) do zaprojektowania dwóch modeli predykcji termicznej: ANFIS poprzez podział przestrzeni danych na prostokątne podprzestrzenie (model ANFIS-Grid) oraz ANFIS poprzez zastosowanie metody klasteryzacji rozmytej c-means (model ANFIS-FCM). Teoria systemów szarych jest wykorzystywana do uzyskania rankingu wpływu wszystkich możliwych czujników temperatury na odpowiedź termiczną konstrukcji maszyny. Wszystkie wagi wpływu czujników temperatury są grupowane w grupy przy użyciu metody grupowania rozmytego c-means (FCM), grupy te są następnie redukowane poprzez analizę korelacji.
Badanie małej frezarki CNC jest wykorzystywane do dostarczenia danych treningowych dla proponowanych modeli, a następnie do dostarczenia niezależnych zestawów danych testowych. Wyniki badań pokazują, że model ANFIS-FCM jest lepszy pod względem dokładności zdolności predykcyjnej z korzyścią dla mniejszej liczby reguł. Wartość rezydualna proponowanego modelu jest mniejsza niż ±4 μm. Ta połączona metodologia może zapewnić lepszą dokładność i odporność systemu kompensacji błędów termicznych.