文献

J-GLOBAL ID：202202273311209116   整理番号：22A1169789

軽量深層学習に基づく工業製品管理および制御のディジタルツインモデル【JST・京大機械翻訳】

Digital Twins Model of Industrial Product Management and Control Based on Lightweight Deep Learning

著者 (2件)： Huang Zuoyue (School of Engineering and Architecture, Chongqing University of Science and Technology, Chongqing 401331, China) ,  Yan Zhitao (School of Engineering and Architecture, Chongqing University of Science and Technology, Chongqing 401331, China)
資料名： Computational Intelligence and Neuroscience (Web)  (Computational Intelligence and Neuroscience (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7694A  ISSN： 1687-5265  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： ディジタル双晶(DT)は情報とエンティティの統合を実現できる。それは,そのシミュレーション特性とバーチャルリアリティ(VR)マッピングのために広く使われている。工業製品管理と制御への応用を調査した。最初に,DTの種々の段階における概念と機能を説明した。第2に,産業製品管理と制御の設計段階におけるDTsに従って,アルミニウム合金フランジの設計において,WorkenchシミュレーションプラットフォームとSolidWorksソフトウェアを適用した。第3に,工業製品管理と制御におけるDTの役割を比較実験を通して確認した。最後に,内部欠陥の自動同定のためのインテリジェントアルゴリズムを,超音波検出の効率を改善するために,軽量深層学習に基づいて設計した。結果は,軽量畳込みニューラルネットワーク(CNN)の精度が94.1%であることを示した。モデルサイズは2.9MBであった。ネットワークはより軽量であり,超音波欠陥検出において優れた性能を持っている。非線形有限要素解析結果と試験結果は一致した。したがって,有限要素解析法は信頼性があり,効率を改善し,設計サイクルを短くするのに役立つことを証明した。DTの出現は,三次元モデルの下で製品管理と制御のための技術的方式を提供する。Copyright 2022 Zuoyue Huang and Zhitao Yan. 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 ,  双晶 ,  超音波 ,  信頼性 ,  ネットワーク ,  アルミニウム合金 ,  フランジ ,  *モデル ,  ソフトウェア ,  バーチャルリアリティ ,  *機械学習 ,  三次元モデル
準シソーラス用語： 有限要素解析 ,  エンティティ ,  *深層学習 , 【Automatic Indexing@JST】

分類 (3件)： CAD,CAM  (JE10000A) ,  人工知能  (JE08000Z) ,  計算機シミュレーション  (JE11000H)

引用文献 (30件)：

• J. Zhou, P. Li, Y. Zhou, "Toward new-generation intelligent manufacturing," Engineering, vol. 4, no. 1, pp. 11-20, 2018.
• Y. Chen, "Integrated and intelligent manufacturing: perspectives and enablers," Engineering, vol. 3, no. 5, pp. 588-595, 2017.
• M. Bevilacqua, E. Bottani, F. E. Ciarapica, F. Costantino, L. D. Donato, A. Ferraro, G. Mazzuto, A. Monteriù, G. Nardini, M. Ortenzi, M. Paroncini, M. Pirozzi, M. Prist, E. Quatrini, M. Tronci, G. Vignali, "Digital twin reference model development to prevent operators’ risk in process plants," Sustainability, vol. 12, no. 3, pp. 1088, 2020.
• Y. Yi, Y. Yan, X. Liu, Z. Ni, J. Feng, J. Liu, "Digital twin-based smart assembly process design and application framework for complex products and its case study," Journal of Manufacturing Systems, vol. 58, pp. 94-107, 2021.
• Y. Lu, C. Liu, I. Kevin, H. Huang, X. Xu, "Digital Twin-driven smart manufacturing: connotation, reference model, applications and research issues," Robotics and Computer-Integrated Manufacturing, vol. 61, 2020.

タイトルに関連する用語 (3件)： 軽量 ,  深層学習 ,  工業