文献

J-GLOBAL ID：201702276945020887   整理番号：17A0892075

スマートマニュアクチャリングのための機械学習アルゴリズムの比較研究:Random Forestを用いた工具摩耗予測

A Comparative Study on Machine Learning Algorithms for Smart Manufacturing: Tool Wear Prediction Using Random Forests

著者 (4件)： WU Dazhong (Pennsylvania State Univ., PA) ,  JENNINGS Connor (Pennsylvania State Univ., PA) ,  TERPENNY Janis (Pennsylvania State Univ., PA) ,  GAO Robert X. (Case Western Reserve Univ., OH)
資料名： Journal of Manufacturing Science and Engineering  (Journal of Manufacturing Science and Engineering)
巻： 139  号： 7  ページ： 071018.1-071018.9  発行年： 2017年07月 
JST資料番号： C0657A  ISSN： 1087-1357  CODEN： JMSEFK  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： フライス加工における工具摩耗の予測法を検討した。ここでは,一般的な機械学習アルゴリズムとして,人工神経回路網(ANN),サポートベクター回帰(SVR),およびRandom Forest(RF)を用いた。これらのアルゴリズムの性能は,315回のフライス加工データから収集したデータセットで評価した。本報の主な成果として,以下の結果が得られた。1)REを使用して,訓練した予測モデルが最もよくフライス加工における工具摩耗とともに,切削力,振動,および音響放射を予測できた。2)本報の応用例では,RFはフィードフォワード逆伝搬法ANN,SVRより優れている。将来,SVRとRFの性能比較を他のタイプのANNとも行う。

シソーラス用語： 機械学習 ,  アルゴリズム ,  *工具摩耗 ,  予測 ,  *フライス加工 ,  ニューラルネットワーク ,  *計算機アルゴリズム
準シソーラス用語： *ランダムフォレスト ,  人工神経回路網

分類 (1件)： フライス加工  (QC02030R)

タイトルに関連する用語 (5件)： 機械学習 ,  アルゴリズム ,  研究 ,  工具摩耗 ,  予測