지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.5
- 수록면
- 562 - 570 (9page)
- DOI
- 10.6109/jkiice.2024.28.5.562
이용수
초록· 키워드
오류제보하기
제조업 분야에서 공구 마모는 생산성과 제품 품질 저하에 영향을 미치는 주요 요소로 인식되고 있다. 이를 해결하기 위해 공구 사용 횟수와 마모 기록을 라벨 데이터로 활용하여 공구 수명 예측 모델을 개발하고 있지만, 산업 현장에서는 다양한 가공 조건과 제품 생산 중단 등으로 공구 마모 데이터를 수집하기 어렵다. 또한 공구 사용 횟수는 공구품질 변동, 작업 환경 온습도 등의 요인으로 인해 사용 횟수가 동일하더라도 공구 마모도가 다르게 나타날 수 있다. 본 논문에서는 공구의 실제 교체 시기를 그 수명 종료로 간주하고 이를 기반으로 공구 교체 시점 기반 라벨링 방식을 제안하였다. 그리고 트랜스포머 기반 딥러닝 모델을 이용한 공구수명 예측 모델을 개발하고 성능 분석을 수행하였다.
목차
요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 기존 공구 수명 라벨링 기법
Ⅲ. 공구 교체 시점 기반 라벨링
Ⅳ. CNC 선반 설비 데이터
Ⅴ. 학습 모델 및 성능 평가
Ⅵ. 결론 및 향후 연구
REFERENCES
참고문헌 (9)
참고문헌 신청
W. Li and T. Liu, “Time varying and condition adaptive hidden Markov model for tool wear state estimation and remaining useful life prediction in micro-milling,” Mechanical Systems and Signal Processing, vol. 131, pp. 689-702, Sept. 2019. DOI: 10.1016/j.ymssp.2019.06.021.
M. Wang, J. Zhou, J. Gao, Z. Li, and E. Li, “Milling tool wear prediction method based on deep learning under variable working conditions,” IEEE Access, vol. 8, pp. 140726-140735, Jul. 2020. DOI: 10.1109/ACCESS.2020.3010378.
J. A. Ghani, M. Rizal, Z. M. Nuawi, J. M. Ghazali, and C. H. C. Haron, “Monitoring online cutting tool wear using low-cost technique and user-friendly GUI,” Wear, vol. 271, no. 9-10, pp. 2619-2624, Jul. 2011. DOI: 10.1016/j.wear.2011.01.038.
Y. Chen, Y. Jin, and G. Jiri, “Predicting tool wear with multi-sensor data using deep belief networks,” The International Journal of Advanced Manufacturing Technology, vol. 99, pp. 1917-1926, Aug. 2018. DOI:10.1007/s00170-018-2571-z.
H. Sun, D. Cao, Z. Zhao, and X. Kang, “A hybrid approach to cutting tool remaining useful life prediction based on the Wiener process,” IEEE Transactions on Reliability, vol. 67, no. 3, pp. 1294-1303, Sept. 2018. DOI: 10.1109/TR.2018.2831256.
M. Wang, J. Zhou, J. Gao, Z. Li, and E. Li, “Milling tool wear prediction method based on deep learning under variable working conditions,” IEEE Access, vol. 8, pp. 140726-140735, Jul. 2020. DOI: 10.1109/ACCESS.2020.3010378.
J. A. Ghani, M. Rizal, Z. M. Nuawi, J. M. Ghazali, and C. H. C. Haron, “Monitoring online cutting tool wear using low-cost technique and user-friendly GUI,” Wear, vol. 271, no. 9-10, pp. 2619-2624, Jul. 2011. DOI: 10.1016/j.wear.2011.01.038.
Y. Chen, Y. Jin, and G. Jiri, “Predicting tool wear with multi-sensor data using deep belief networks,” The International Journal of Advanced Manufacturing Technology, vol. 99, pp. 1917-1926, Aug. 2018. DOI:10.1007/s00170-018-2571-z.
H. Sun, D. Cao, Z. Zhao, and X. Kang, “A hybrid approach to cutting tool remaining useful life prediction based on the Wiener process,” IEEE Transactions on Reliability, vol. 67, no. 3, pp. 1294-1303, Sept. 2018. DOI: 10.1109/TR.2018.2831256.
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0