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
학술대회자료
저자정보
김경호 (울산과학기술원) 양상민 (울산과학기술원) 임성훈 (울산과학기술원)
저널정보
대한산업공학회 대한산업공학회 추계학술대회 논문집 2022년 대한산업공학회 추계학술대회
발행연도
2022.11
수록면
2,352 - 2,377 (26page)

이용수

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

초록· 키워드

오류제보하기
Titanium alloy is one of the most widely used materials in various industries, such as aerospace, medical, and automotive industry because of its desirable mechanical properties. However, titanium alloy is also a difficult-to-cut material due to the low thermal conductivity and low specific heat. In particular, in an end milling process using titanium alloy, tool wear influences not only the cutting force but also material removal volume per a single tool as well as the quality of the material surface. Therefore, accurate tool wear prediction is necessary during an end milling process to improve product quality and replace the tool at an appropriate time. Furthermore, because the effects of tool wear prediction on the overall process are significant both in terms of cost and time, uncertainty-aware tool wear prediction should be performed. In this work, a deep learning-based tool wear prediction model, which uses a Bayesian approach, is proposed. First, a CNN-based architecture that integrates multi-scale information extracted from raw sensor measurement data, named deep multi-scale CNN (DMSCNN) is proposed. Second, using a Bayesian approach, DMSCNN is transformed into a probabilistic model that outputs a predictive distribution with uncertainty awareness. Experiments with data collected from the real-world end milling process with three distinct setups have proven the effectiveness of the proposed DMSCNN in tool wear prediction. In addition, Bayesian DMSCNN has shown promising results, outperforming existing comparative deterministic methods, as well as probabilistic methods for tool wear prediction.

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

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

Tool Wear Monitoring System based on Real-Time Cutting Coefficient Identification
최영재 ,  송기형 ,  김재혁 외 1명 Journal of the Korean Society for Precision Engineering 2022 .12
Real-Time Machine Vision-Based Inspection Method for Automotive Crash-Pad’s Stitch
윤현중 ,  김진곤 Journal of the Korean Society for Precision Engineering 2023 .01
전처리 되지 않은 진동 신호로 플랭크 웨어 예측하는 1D-CNN, 2D-CNN과 LSTM로 구성된 인공지능 네트워크
김정우 ,  박승호 ,  이석규 외 1명 한국소음진동공학회논문집 2022 .08
티타늄 합금 엔드밀 가공 시 센서 신호를 이용한 머신러닝 기반 공구마모 예측 연구
김미루 ,  윤왕호 한국기계가공학회 춘추계학술대회 논문집 2022 .04
공구 상태 모니터링을 위한 잔존유효수명예측 모델 비교 분석
유붕 ,  허효범 ,  박승환 대한기계학회 춘추학술대회 2022 .03

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2023-530-000168733