文献

J-GLOBAL ID：202002232138771410   整理番号：20A0578452

深層学習法に基づく製造コスト推定【JST・京大機械翻訳】

Manufacturing cost estimation based on a deep-learning method

著者 (5件)： Ning Fangwei (School of Automation Science and Electrical Engineering, Beihang University, Beijing, 100191, China) ,  Shi Yan (School of Automation Science and Electrical Engineering, Beihang University, Beijing, 100191, China) ,  Cai Maolin (School of Automation Science and Electrical Engineering, Beihang University, Beijing, 100191, China) ,  Xu Weiqing (School of Automation Science and Electrical Engineering, Beihang University, Beijing, 100191, China) ,  Zhang Xianzhi (Department of Mechanical Engineering, Kingston University, London, SW15 3DW, UK)
資料名： Journal of Manufacturing Systems  (Journal of Manufacturing Systems)
巻： 54  ページ： 186-195  発行年： 2020年 
JST資料番号： D0396B  ISSN： 0278-6125  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 質量カスタム化の時代において,異なる部品の製造コストの迅速で正確な推定は,製品の競争力を改善することができる。部分の変化する機能,複雑な構造,および異常な複雑な処理リンクのために,回帰モデルコスト推定法は,製造における複雑なマッピング関係を確立することが困難である。新しく出現した技術として,深い学習法は,多数のデータから自動的に複雑なマッピング関係と高レベルのデータ特徴を学習する能力を持っている。本論文では,製造プロセスのコスト推定のための二次元(2D)および三次元(3D)畳込みニューラルネットワーク(CNN)訓練画像およびボクセルデータ法を提案した。さらに,異なるボクセル分解能,微調整法,訓練CNNのデータ量の影響を調べた。2D CNNと比較して,3D CNNはコスト推定の回帰問題に関して優れた性能を示し,高い応用価値を達成することが分かった。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *製造原価 ,  生産工程 ,  *学習 ,  カスタム化 ,  価格決定 ,  ボクセル ,  三次元 ,  分解能 ,  回帰モデル ,  二次元
準シソーラス用語： データ量 ,  微調整 ,  畳込みニューラルネットワーク ,  推定法 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 製造 ,  価格決定 ,  コスト評価 ,  深層学習 ,  CNN

分類 (2件)： 切削一般  (QC02010V) ,  生産工学一般  (KB01000U)

タイトルに関連する用語 (3件)： 深層学習 ,  製造コスト ,  推定