文献

J-GLOBAL ID：202002267084505854   整理番号：20A2259527

畳込みニューラルネットワークを用いた工業用ヘアピン溶接の自動誤り検出のためのモジュラエッジ/クラウド解【JST・京大機械翻訳】

A Modular Edge-/Cloud-Solution for Automated Error Detection of Industrial Hairpin Weldings using Convolutional Neural Networks

著者 (3件)： Vater Johannes (BMW Group) ,  Schlaak Pascal (BMW Group) ,  Knoll Alois (Technical University of Munich)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： COMPSAC  ページ： 505-510  発行年： 2020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： 牽引電池と電動機は,電化パワートレインの最も重要な構成要素である。電動機のエネルギー効率を上げるために,損傷銅ワイヤを,被覆長方形銅ワイヤ,いわゆるヘアピンによって置き換えた。したがって,ヘアピンを導電性に接続するために,それらを一緒に溶接しなければならない。しかし,そのような新しい製造プロセスは,古典的なモータ生産と比較して未知である。したがって,本研究は,製造工程をよりよく理解し最適化するために,クラウドやエッジコンピューティングのような産業4.0技術,および生産プロセスにおける高度なデータ解析を統合することを目的とする。溶接欠陥は畳み込みニューラルネットワーク(CNN)(予測解析)の助けで分類され,欠陥に依存して,再加工(記述分析)のための推奨された作用過程を与える。しかし,大量のデータに対するニューラルネットワークとしてのそのような複雑なアルゴリズムの応用は巨大な計算資源を必要とする。したがって,エッジとクラウドアーキテクチャのモジュール組合せを本論文で提案した。さらに,純雲解をエッジ解と比較した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  電池 ,  電動機 ,  銅 ,  *溶接 ,  被覆 ,  溶接欠陥 ,  *ニューラルネットワーク ,  電化 ,  金属線 ,  計算機アーキテクチャ ,  生産工程 ,  導電性
準シソーラス用語： パワートレイン , 【Automatic Indexing@JST】

分類 (3件)： 専用演算制御装置  (JC04030Y) ,  音声処理  (JE05000E) ,  符号理論  (ND02030R)

タイトルに関連する用語 (7件)： 畳込みニューラルネットワーク ,  工業 ,  溶接 ,  誤り検出 ,  エッジ ,  クラウド ,  解