文献

J-GLOBAL ID：202202256434083995   整理番号：22A0440201

グリーン製造に向けた航空部品の切削エネルギー消費予測のためのアンサンブル移動学習【JST・京大機械翻訳】

Ensemble transfer learning for cutting energy consumption prediction of aviation parts towards green manufacturing

著者 (7件)： Lu Fengyi (School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an, 710049, China) ,  Zhou Guanghui (School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an, 710049, China) ,  Zhou Guanghui (State Key Laboratory for Manufacturing Systems Engineering, Xi’an Jiaotong University, Xi’an, 710054, China) ,  Liu Yang (Department of Management and Engineering, Linkoping University, SE-581 83 Linkoping, Sweden) ,  Liu Yang (Department of Production, University of Vaasa, 65200 Vaasa, Finland) ,  Zhang Chao (School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an, 710049, China) ,  Zhang Chao (State Key Laboratory for Manufacturing Systems Engineering, Xi’an Jiaotong University, Xi’an, 710054, China)
資料名： Journal of Cleaner Production  (Journal of Cleaner Production)
巻： 331  ページ： Null  発行年： 2022年 
JST資料番号： W0750A  ISSN： 0959-6526  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： エネルギー消費予測は,グリーン製造を実現するための省エネルギー運転のための意思決定支援を与える。しかし,工具摩耗と高価なデータラベリングを引き起こす加工特性により,航空部品を予測する場合,課題がある。従って,本論文では,アンサンブル転送学習アプローチを提案することにより,限られた実験データによる予測モデルを構築し,訓練を強調した。この手法は,転送学習,すなわちTrAdaBoost-R2(TR)アルゴリズム,およびキャリブレーション,すなわち,BayesおよびMarkov連鎖モンテカルロキャリブレーション(MCMC)を組み入れる。最初に,工具摩耗を考慮した切削エネルギー消費予測モデルを,入力として切削と工具パラメータを用いて定式化した。第二に,訓練のための実験とシミュレーションデータを含むデータセットを構築し,TRを用いてMCMCによって較正されたシミュレーションモデルから貴重なデータを同定した。次に,ランダムフォレスト回帰(RFR)を,ハイブリッドデータセットに関する予測モデルを訓練するためのベース学習者として導入した。最後に,アルミニウム合金7075部品ミリングプロセスの事例研究は,提案した方法が切削エネルギー消費予測において正確であることを示した。RFRとTR-RFRと比較して,提案方法の決定係数(R2)は11.60%と3.55%増加し,実験の同じ小さなサンプルの下で高い適合度を示した。したがって,提案方法は,過度の時間,材料およびエネルギーなしで最も効率的なプロセス計画を決定するのを助けることができ,グリーン製造に著しく貢献する。Copyright 2022 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： アルゴリズム ,  シミュレーション ,  *学習 ,  *航空輸送 ,  シミュレーションモデル ,  工具摩耗 ,  *切削 ,  アルミニウム合金 ,  Markov連鎖 ,  工程計画 ,  事例研究 ,  定式化 ,  予測モデル
準シソーラス用語： MCMC ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (4件)： グリーン製造 ,  エネルギー消費の予測 ,  アンサンブル転送学習 ,  Bayes-MCMCキャリブレーション

分類 (1件)： エネルギー消費・省エネルギー  (LD01000B)

タイトルに関連する用語 (7件)： グリーン ,  航空 ,  切削エネルギー ,  消費 ,  予測 ,  アンサンブル ,  学習