文献

J-GLOBAL ID：202202233192901600   整理番号：22A0446647

射出成形プロセスにおける最終製品品質予測のための品質感受性特徴抽出【JST・京大機械翻訳】

Quality-Sensitive Feature Extraction for End Product Quality Prediction in Injection Molding Processes

著者 (3件)： Liu Fangyang (School of Automation, Central South University, Changsha, China) ,  Wang Yalin (School of Automation, Central South University, Changsha, China) ,  Wang Kai (School of Automation, Central South University, Changsha, China)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1496  ページ： 182-193  発行年： 2022年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 射出成形プロセスは典型的なバッチプロセスである。射出成形製造は,しばしば,低容量と高品質の特性を持っている。射出成形における製品試験は,通常,厳しい遅れ問題を示し,かなりのコストの実験室において行われる。さらに,そのような製品がオンライン実時間測定用の装置を設置することは,しばしば困難である。プロセスデータと経験的知識は,最終製品品質の予測において決定的役割を果たす。品質予測のための射出成形プロセスにおけるデータの使用は,非線形性,多相,三方向データ,長配列データ,バッチ間の不等長のような一連の課題が存在する。これらの問題に対応して,本論文では,位相特徴抽出層,鍵時間ノード抽出層および高感度位相抽出層から成る新しいニューラルネットワーク構造を提案した。特徴抽出層は射出成形プロセスにおける非線形問題を克服して,三方向データおよび不等長問題を長い短期メモリネットワークによって取り扱った。重要な時間ノード抽出層は,注意機構によって重要なポイントを抽出した。高感度位相抽出層は,品質変数に対する各位相の寄与を学習するために,単層完全接続ネットワーク上の逆伝搬を用いる。提案したモデルを射出成形プロセスの実験で検証し,肯定的結果は提案した方法の有効性を証明した。Copyright Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  バッチ処理 ,  ニューラルネットワーク ,  *特徴抽出 ,  *射出成形 ,  位相 ,  単一層 ,  有効性 ,  高感度 ,  多相 ,  *製品品質 ,  非線形問題
準シソーラス用語： 高品質 ,  オンライン ,  *品質予測 , 【Automatic Indexing@JST】

著者キーワード (4件)： 射出成形プロセス ,  リカレントニューラルネットワーク ,  注意機構 ,  LSTM

分類 (1件)： 射出成形  (YH04050Y)

タイトルに関連する用語 (5件)： 射出成形プロセス ,  最終製品 ,  品質予測 ,  感受性 ,  特徴抽出