文献

J-GLOBAL ID：201902237132600890   整理番号：19A2688755

低炭素鋼溶接部ミクロ組織の機械学習に関する研究

Machine-learning for Microstructure in the Low-carbon Steel Weld

著者 (5件)： 寺崎秀紀 (熊本大学) ,  筒井和政 (日本製鉄(株)) ,  森口晃治 (日本製鉄(株)) ,  林宏太郎 (日本製鉄(株)) ,  森戸茂一 (島根大学)
資料名： 溶接学会誌  (Journal of the Japan Welding Society)
巻： 88  号： 7  ページ： 536-539(J-STAGE)  発行年： 2019年 
JST資料番号： G0090A  ISSN： 0021-4787  CODEN： YOGAA  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・機械学習を鉄鋼組織の認識に応用し,低炭素鋼溶接部のミクロ組織の自動認識に関する研究について紹介。
・鉄鋼組織の機械学習に関するアプローチについて述べ,特に電子後方散乱回折法(EBSD法)による結晶方位のデータ取得をプリプロセスとした機械学習を解説。
・低炭素鋼ミクロ組織における機械学習の入力として,EBSD法により得られる特徴量の選択(オーステナイト相と生成物の結晶方位,転位密度の観測量など)について記述。
・プリプロセッシングで得た2次データを生データとして予測モデルを作成し,これによって溶接部の各領域のミクロ組織を予測することが可能になると説明。

シソーラス用語： *低炭素鋼 ,  *溶接部 ,  *金属組織 ,  機械学習 ,  パターン認識 ,  電子回折 ,  結晶方位 ,  データ収集 ,  入力 ,  オーステナイト ,  転位密度 ,  予測モデル ,  予測技法 ,  自動認識 ,  *組織 ,  モデル
準シソーラス用語： EBSD法

著者キーワード (5件)： 低炭素鋼 ,  機械学習 ,  マルテンサイト ,  ベイナイト ,  結晶方位関係

分類 (2件)： 溶接部  (WC07100I) ,  変態組織,加工組織  (WB01030N)

引用文献 (12件)：

• 1)H. Terasaki, Y. Shintome, Y.-i. Komizo, M. Ohata, K. Moriguchi, Y. Tomio, Metallurgical and Materials Transactions A, 2015, vol. 46, pp 2035-2039.
• 2)AI白書2019, 情報処理推進機構, 2018
• 3)S.M. Azimi, D. Britz, M. Engstler, M. Fritz, F. Mucklich, Sci Rep-Uk, 2018, vol. 8, pp.
• 4)D.S. Bulgarevich, S. Tsukamoto, T. Kasuya, M. Demura, M. Watanabe, Sci Rep-Uk, 2018, vol. 8, pp.
• 5)J. Gola, D. Britz, T. Staudt, M. Winter, A.S. Schneider, M. Ludovici, F. Mucklich, Computational Materials Science, 2018, vol. 148, pp 324-335.

タイトルに関連する用語 (5件)： 低炭素鋼 ,  溶接部 ,  ミクロ組織 ,  機械学習 ,  研究