文献

J-GLOBAL ID：201802227105629941   整理番号：18A0196361

深部ニューラルネットワークを用いた自由形状加工のためのパラメータの推定【Powered by NICT】

Estimation of parameters for the free-form machining with deep neural network

著者 (4件)： Serin Gokberk (TOBB University of Economics and Technology, Department of Mechanical Engineering, Ankara, Turkey) ,  Gudelek M. Ugur (TOBB University of Economics and Technology, Department of Computer Engineering, Ankara, Turkey) ,  Ozbayoglu A. Murat (TOBB University of Economics and Technology, Department of Computer Engineering, Ankara, Turkey) ,  Unver Hakki Ozgur (TOBB University of Economics and Technology, Department of Mechanical Engineering, Ankara, Turkey)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： Big Data  ページ： 2102-2111  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 予測解析はビッグデータ応用の重要な部分である。,開発者は種々の実現におけるその大きな成功による深い学習モデルに注意を向けた。一方,不十分なデータのために,製造応用における深い学習実装が不足している。この現象は,製造業におけるIoTと産業4.0概念の適用によるシフトゆっくりした。ストリーミングとバッチデータ生成源は加工産業でますます一般的になっている。本論文では,特に機械加工プロセスによって生成されたデータに基づく深学習予測分析モデルを提案した。結果は,そのようなモデルを用いて非常に正確な予測を行うことができ,製造業における実時間意思決定プロセスの一部として用いることができることを示した。本研究では,品質,性能とエネルギー消費などの加工の三つの重要な計量の予測モデルは人工ニューラルネットワークと深層学習法を利用して開発した。品質,性能とエネルギー消費の特異的対策は,それぞれ材料除去速度(MRR),表面粗さ(Ra)と比エネルギー消費(SEC)に関連している。加工の制御パラメータは,ステップオーバー(ae),切込み深さ(ap),送り歯当り(fz)および切削速度(Vc)として選択した。添加では,分散分析(A NOVA)は出力パラメータに及ぼす入力パラメータの影響を調べるために使用されてきた。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 予測モデル ,  予測 ,  機械工作 ,  製造業 ,  品質 ,  エネルギー消費 ,  学習モデル ,  *パラメータ推定 ,  分散分析 ,  ストリーミング ,  学習 ,  *ニューラルネットワーク
準シソーラス用語： 深層学習 ,  モノのインターネット ,  ビッグデータ , 【Automatic Indexing@JST】

分類 (2件)： エネルギーに関する技術・経済問題  (LA01050V) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 深部ニューラルネットワーク ,  自由形状 ,  パラメータ ,  推定