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
하주형 (한국생산기술연구원) 김동민 (한국생산기술연구원)
저널정보
Korean Society for Precision Engineering Journal of the Korean Society for Precision Engineering Journal of the Korean Society for Precision Engineering Vol.41 No.6
발행연도
2024.6
수록면
459 - 465 (7page)
DOI
10.7736/JKSPE.024.017

이용수

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

초록· 키워드

오류제보하기
Digital twin technology offers the advantage of monitoring the status of equipment, systems, and more in a virtual environment, allowing validation through simulation. This technology has found numerous applications in the industrial robotics field, driven by recent advancements in the manufacturing industry. Consequently, predicting machining quality using digital twin technology is imperative for ensuring high-quality processed goods. In this study, we developed a digital twin program based on a cutting-force physical model and created a performance enhancement module that allows the visualization of material removal for user convenience. The predicted cutting forces from both conventional CNC and the physical model demonstrate a high accuracy of within 2%. Within the digital twin environment, the error rate for the robotic drilling process is 13.5%. Building upon this, we developed and validated a module for material removal visualization, aiming to increase convenience for on-site operators.
#Cutting force (절삭력) #Digital twin (디지털 트윈) #Robotic production system (로봇생산시스템) #Drilling (드릴링)

목차

1. 서론
2. 모델링 및 설계
3. 예측 결과
4. 가시화 성능 향상 모듈 개발
5. 결론
REFERENCES

참고문헌 (23)

참고문헌 신청
Liu, M., Fang, S., Dong, H., Xu, C., (2021), Review of digital twin about concepts, technologies, and industrial applications, Journal of Manufacturing Systems, 58, 346-361. google schola Botín-Sanabria, D. M., Mihaita, A.-S., Peimbert-García, R. E., Ramírez-Moreno, M. A., Ramírez-Mendoza, R. A., Lozoya-Santos, J. D. J., (2022), Digital twin technology challenges and applications: a comprehensive review, Remote Sensing, 14(6), 1335. google schola Tao, F., Cheng, J., Qi, Q., Zhang, M., Zhang, H., Sui, F., (2018), Digital twin-driven product design, manufacturing and service with big data, The International Journal of Advanced Manufacturing Technology, 94, 3563-3576. google schola Hu, L., Nguyen, N.-T., Tao, W., Leu, M. C., Liu, X. F., Shahriar, M. R., Al Sunny, S. N., (2018), Modeling of cloud-based digital twins for smart manufacturing with MT connect, Procedia Manufacturing, 26, 1193-1203. google schola Glaessgen, E., Stargel, D., (2012), The digital twin paradigm for future NASA and US air force vehicles, Proceedings of the 53rd Structures, Structural Dynamics, and Materials Conference: Special Session on the Digital Twin, 1-14. google schola

이 논문과 함께 이용한 논문

A Study on How to Utilize Digital Twin-based Machine Learning and Openpose for Poppy Robot’s Motion Control
김범진 ,  김석 ,  조영태 Journal of the Korean Society for Precision Engineering 2024 .05
Monitoring the Machining State of Machine Tools Using Artificial Neural Networks with Time-series Data
김강석 ,  이득우 Journal of the Korean Society for Precision Engineering 2024 .08
디지털 개체 중심의 IEEE 2888.3 디지털 트윈 아키텍처 표준의 이해
이예지 ,  윤경로 방송공학회논문지 2024 .05
드론 LiDAR 데이터를 활용한 건물의 3D 모델 구축
박준규 ,  허중혁 ,  이근왕 한국측량학회지 2025 .02
Prediction of Elastic Modulus in Porous Structures Considering Materials and Design Variables Using Artificial Neural Network
함민지 ,  문인용 Journal of the Korean Society for Precision Engineering 2024 .11

최근 본 자료

전체보기

댓글(0)

0