Monitoring the Machining State of Machine Tools Using Artificial Neural Networks with Time-series Data

김강석; 이득우

doi:10.7736/JKSPE.024.026

추천

검색

질문

자료유형: 학술저널

저자정보: 김강석 (부산대학교) 이득우 (부산대학교)

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.8

발행연도: 2024.8

수록면: 617 - 624 (8page)

DOI: 10.7736/JKSPE.024.026

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

In order to monitor the machining status of a machine tool, it is necessary to measure the signal of the machine tool and establish the relationship between the machining status and the signal. One effective approach is to utilize an AIbased analysis model. To improve the accuracy and reliability of AI models, it is crucial to identify the features of the model through signal analysis. However, when dealing with time series data, it has been challenging to identify these features. Therefore, instead of directly applying time series data, a method was used to extract the best features by processing the data using techniques such as RMS and FFT. Recently, there have been numerous reported cases of designing AI models with high accuracy and reliability by directly applying time series data to find the best features, particularly in the case of AI models combining CNN and LSTM. In this paper, time series data obtained through a gap sensor are directly applied to an AI model that combines CNN, LSTM, and MLP (Multi-Layer Perceptron) to determine tool wear. The machine tool and tool status were monitored and evaluated through an AI model trained using time series data from the machining process.

#Machine tool (공작기계) #Time series data (시계열 데이터) #Artificial neural network (인공신경망) #Convolution neural network (합성곱 신경망) #Long short-term memory (장단기 메모리)

참고문헌 (24)

참고문헌 신청

Kurada, S., Bradley, C., (1997), A review of machine vision sensors for tool condition monitoring, Computers in Industry, 34(1), 55-72.

Zhu, K., Yu, X., (2017), The monitoring of micro milling tool wear conditions by wear area estimation, Mechanical Systems and Signal Processing, 93, 80-91.

Caggiano, A., Napolitano, F., Nele, L., Teti, R., (2018), Multiple sensor monitoring for tool wear forecast in drilling of CFRP/CFRP stacks with traditional and innovative drill bits, Procedia CIRP, 67, 404-409.

Han, J., Kamber, M., Pei, J., (2012), Data mining concepts and techniques 3rd edition, Massachusetts: Morgan Kaufmann.

Hegde, C., Millwater, H., Gray, K., (2019), Classification of drilling stick slip severity using machine learning, Journal of Petroleum Science and Engineering, 179, 1023-1036.

함께 읽어보면 좋을 논문

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

이 논문과 함께 이용한 논문

Digital Twin Platform for Machining Robotic Production System based on Cutting Force Physics Models

하주형 , 김동민 Journal of the Korean Society for Precision Engineering 2024 .06

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

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

Face Mask Recognition AI-algorithm with MobileNetV2-based Neural Network for Automatic Door Control in Intensive Care Unit (ICU)

박찬민 , 김우종 , 박민섭 외 2명 Journal of the Korean Society for Precision Engineering 2024 .04

사이클 타임 단축을 위한 절삭부하 예측 모델 기반 가공속도 최적화

오준영 , 이우진 , 이원균 대한기계학회 논문집 A권 2023 .04

최근 본 자료

전체보기

UCI(KEPA) : I410-151-24-02-090266778

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (24)

함께 읽어보면 좋을 논문

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)