文献

J-GLOBAL ID：201902212017287974   整理番号：19A2087733

シミュレーションと実験データに基づく射出成形のための複合学習プロセス【JST・京大機械翻訳】

Combined learning processes for injection moulding based on simulation and experimental data

著者 (8件)： Hopmann Christian (Institute of Plastics Processing (IKV) at RWTH Aachen University, Seffenter Weg 201, D-52074 Aachen, Germany) ,  Jeschke Sabina (Institute of Information Management in Mechanical Engineering (IMA) - RWTH Aachen University, Dennewart- strasse 27, D-52068 Aachen, Germany) ,  Meisen Tobias (Institute of Information Management in Mechanical Engineering (IMA) - RWTH Aachen University, Dennewart- strasse 27, D-52068 Aachen, Germany) ,  Thiele Thomas (Institute of Information Management in Mechanical Engineering (IMA) - RWTH Aachen University, Dennewart- strasse 27, D-52068 Aachen, Germany) ,  Tercan Hasan (Institute of Information Management in Mechanical Engineering (IMA) - RWTH Aachen University, Dennewart- strasse 27, D-52068 Aachen, Germany) ,  Liebenberg Martin (Knowledge-based Systems Group - RWTH Aachen University, Ahornstrasse 55, D-52056 Aachen, Germany) ,  Heinisch Julian (Institute of Plastics Processing (IKV) at RWTH Aachen University, Seffenter Weg 201, D-52074 Aachen, Germany) ,  Theunissen Matthias (Institute of Plastics Processing (IKV) at RWTH Aachen University, Seffenter Weg 201, D-52074 Aachen, Germany)
資料名： AIP Conference Proceedings  (AIP Conference Proceedings)
巻： 2139  号： 1  ページ： 030003-030003-5  発行年： 2019年 
JST資料番号： D0071C  ISSN： 0094-243X  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： 射出成形により,複雑な高品質プラスチック部品の製造が可能になる。高くて一定の製品品質を達成するために,製品品質とプロセスロバスト性に関する適切なプロセス設定が不可欠である。従来のプロセスセットアップは,機械オペレータからの高価で時間のかかる実験とノウハウを必要とする。この挑戦を克服する一つの方法は,プロセス設定のための機械学習法の利用である。これらの方法は,設定パラメータと品質値の間の関係をモデル化することができ,最適な作業点の同定を可能にする。しかし,正確なモデリングに必要な訓練は,各プロセスに対する広範な実験からの実験データを必要とする。数値シミュレーションは,実用的実験なしで設定パラメータに基づく品質値を予測できる。一方,パラメータ間の傾向と一般的な依存性は満足な精度で予測できるが,シミュレーションの予測と実際のプロセスの間の一定の矛盾は排除できない。射出成形シミュレーションからのデータと実験データを用いた組合せアプローチは,機械学習アルゴリズムの訓練に対するシミュレーションの孤立使用の有害性を克服するために有望であると思われる。一般的な依存性は,実用的な実験なしでシミュレーションから得ることができ,微調整は,最小限の範囲で実験的試験によって達成することができた。本論文では,2.5D射出成形シミュレーションから得られたデータを,板試験片と複合成形射出成形部品からの実験データと比較した。したがって,実験の中心的な構成設計を用いて,部品の重量と寸法のような品質値に及ぼす6つの設定パラメータの影響と相互依存性の違いを同定した。さらに,絶対値の差と効果の機能性を考慮した。これに基づいて,シミュレーションと実験データを用いた複合機械学習概念を提示した。Copyright 2019 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： オペレータ ,  モデリング ,  製品品質 ,  *射出成形 ,  品質 ,  学習アルゴリズム ,  有害性 ,  機械学習 ,  *シミュレーション ,  絶対値
準シソーラス用語： 複合成形 ,  成形シミュレーション ,  *射出 ,  微調整 ,  数値シミュレーション , 【Automatic Indexing@JST】

分類 (1件)： 強化プラスチックの成形  (YH04060J)

タイトルに関連する用語 (4件)： シミュレーション ,  実験データ ,  射出成形 ,  学習プロセス