文献

J-GLOBAL ID：202102275447090818   整理番号：21A1204971

異なる機械学習法による高出力コネクタ継手の品質の予測【JST・京大機械翻訳】

Predicting the Quality of High-power Connector Joints with Different Machine Learning Methods

著者 (3件)： Birgit Schwarz Elisabeth (Robert Bosch GmbH,Corporate Sector Research and Advance Engineering,Renningen,Germany) ,  Bleier Fabian (Robert Bosch GmbH,Corporate Sector Research and Advance Engineering,Renningen,Germany) ,  Bergmann Jean-Pierre (Technische Universitaet Ilmenau,Faculty of Mechanical Engineering,Ilmenau,Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： EDPC  ページ： 1-9  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： 電気駆動生産に使用される最先端の製造プロセスは,高度の自動化を示し,大量のプロセスデータを提供する。これらデータは,潜在的に貴重なプロセス情報を含むにもかかわらず,未利用のままである。これらのデータの効率的な処理および評価は,例えば接触プロセスに関して,電気駆動生産の改善のための大きな可能性を有する。革新的機械学習(ML)法は,すでに,大きなデータセット評価のための強力なツールであり,製造ドメインに連続的に入っていることが証明されている。しかし,製造における包括的で実行可能なML応用は,適切なデータ準備に必要な大きな努力によって妨げられる。本研究は,超音波金属溶接および関連する接触技術におけるML応用の基礎を築くものであり,それは電気駆動生産において重要な役割を果たす。したがって,一方では,データ準備の必要なステップをカバーするデータパイプラインを開発した。他方では,検証済みUS金属溶接プロセスモデルで生成された2つのデータセットをデータパイプラインで処理して,品質予測を3つの異なる回帰方法で実行し,古典的線形回帰とニューラルネットワークとしての先進ML法を含む。品質予測のために,平均絶対パーセント誤差は6.9%の低さに達した。Copyright 2021 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： 超音波 ,  自動化 ,  溶接 ,  *コネクタ ,  ニューラルネットワーク ,  生産工程 ,  *機械学習
準シソーラス用語： 線形回帰 ,  高出力 ,  品質予測 ,  データ準備 ,  電気駆動 ,  溶接プロセス , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T) ,  NMR一般  (BM07041R)

タイトルに関連する用語 (5件)： 機械学習 ,  高出力 ,  コネクタ ,  継手 ,  予測