메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
양동철 (한국생산기술연구원) 이준한 (한국생산기술연구원) 윤경환 (단국대학교) 김종선 (한국생산기술연구원)
저널정보
한국소성·가공학회 소성·가공 소성가공 제29권 제4호(통권 제188호)
발행연도
2020.8
수록면
218 - 228 (11page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (9)

2022

인공신경망을 사용한 제품의 치수 예측에 있어 특성 선택을 활용한 공정 조건의 최적화에 관한 연구
양동철 ,  김종선 한국생산제조학회 학술발표대회 논문집 2022.12 학술대회자료
인공신경망 기반 선형회귀 분석을 통한 사출 성형품 치수의 예측 및 중요 공정 조건 분석에 관한 연구
양동철 ,  김종선 대한기계학회 춘추학술대회 2022.11 학술대회자료

2021

인공신경망과 선형회귀에 따른 사출 성형품 질량의 예측성능 비교에 관한 연구
양동철 ,  김종선 한국생산제조학회 학술발표대회 논문집 2021.07 학술대회자료
인공신경망을 활용하여 목표 품질 제품을 생산하기 위한 사출성형조건에 관한 연구
양동철 기계공학과열.유체분야 전공 2021.01 학위논문

2020

인공신경망을 활용한 사출성형품의 목표 질량 및 최대사출압을 만족하는 사출성형조건 예측에 관한 연구
양동철 ,  김종선 한국정밀공학회 학술발표대회 논문집 2020.09 학술대회자료
인공신경망을 활용한 최적 사출성형조건 예측에 관한 연구
양동철 ,  이준한 ,  윤경환 외 1명 소성·가공 2020.08 학술저널
인공신경망을 활용하여 목표질량제품을 생산하기 위한 사출성형조건에 관한 연구
양동철 ,  김종선 한국소성가공학회 학술대회 논문집 2020.06 학술대회자료

2019

Artificial Neural Network를 이용한 사출성형 조건에 따른 최대 사출압력의 예측에 관한 연구
양동철 ,  김종선 한국생산제조학회 학술발표대회 논문집 2019.11 학술대회자료
Artificial Neural Network를 이용한 사출압력과 사출성형품의 무게 예측에 대한 연구
양동철 ,  김종선 한국금형공학회지 2019.01 학술저널

초록· 키워드

오류제보하기
The prediction of final mass and optimized process conditions of injection molded products using Artificial Neural Network (ANN) were demonstrated. The ANN was modeled with 10 input parameters and one output parameter (mass). The input parameters, i.e.; melt temperature, mold temperature, injection speed, packing pressure, packing time, cooling time, back pressure, plastification speed, V/P switchover, and suck back were selected. To generate training data for the ANN model, 77 experiments based on the combination of orthogonal sampling and random sampling were performed. The collected training data were normalized to eliminate scale differences between factors to improve the prediction performance of the ANN model. Grid search and random search method were used to find the optimized hyper-parameter of the ANN model. After the training of ANN model, optimized process conditions that satisfied the target mass of 41.14 g were predicted. The predicted process conditions were verified through actual injection molding experiments. Through the verification, it was found that the average deviation in the optimized conditions was 0.15±0.07 g. This value confirms that our proposed procedure can successfully predict the optimized process conditions for the target mass of injection molded products.
#Injection Molding #Artificial Neural Network #Optimization #Process Condition #Mass

목차

Abstract
1. 서론
2. 실험
3. 학습방법
4. 데이터 생성
5. 인공신경망 학습
6. 성형조건 예측
7. 결론
REFERENCES

참고문헌 (17)

참고문헌 신청
H. Shi, Y. Gao, X. Wang, 2010, Optimization of Injection Molding Process Parameters Using Integrated Artificial Neural Network Model and Expected Improvement Function Method, Int. J. Adv. Manuf. Technol., Vol. 48, No. 9-12, pp. 955-962. https://doi.org/10.1007/s00170-009-2346-7. Crossref P. Zhao, H. Zhou, Y. He, K. Cai, 2014, A Nondestructive Online Method for Monitoring the Injection Molding Process by Collecting and Analyzing Machine Running Data, Int. J. Adv. Manuf. Technol., Vol. 72, No. 08, pp. 765-777. https://doi.org/10.1007/s00170-014-5711-0. Crossref D. Joseph B, 1987, Injection Molds and Molding: A Practical Manual, Springer Science & Business Media, Germany, pp. 1-5. google schola L. Xuehong, L. S. Khim, 2001, A Statistical Experimental Study of the Injection Molding of Optical Lenses, J. Mater. Process. Technol., Vol. 113, No. 1-3, pp. 189-195. https://doi.org/10.1016/S0924-0136(01)00606-9. Crossref C. E. Castro, M. C. Rios, J. M. Castro, B. Lilly, 2007, Multiple Criteria Optimization with Variability Considerations in Injection Molding, Polym. Eng. Sci., Vol. 47, No. 04, pp. 400-409. https://doi.org/10.1002/pen.20639. Crossref

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

간호간병통합서비스 병동의 간호활동에 기반한 간호필요도 평가도구 및 환자분류체계 개발
김정현 ,  신수진 ,  배성희 외 1명 기본간호학회지 2021 .08
CAE와 Decision-tree를 이용한 사출성형 공정개선에 관한 연구
황순환 ,  한성렬 ,  이후진 한국산학기술학회 논문지 2021 .04
섬망관리 프로그램이 간호간병통합서비스 병동 간호사의 섬망간호 수행과 섬망간호 스트레스에 미치는 영향
김지혜 ,  김숙영 재활간호학회지 2019 .12
합성곱 신경망 기반 회귀 문제에 대한 클래스 활성화 맵 활용에 관한 연구
임소영 ,  문지유 ,  류승형 한국통신학회 학술대회논문집 2022 .02
생산 설비의 이상탐지를 위한 불규칙 샘플링 시계열 데이터 보정 기법
신강현 ,  진교홍 한국정보통신학회 종합학술대회 논문집 2021 .10

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2020-551-001098768