590 MPa급 고강도강과 6xxx계 알루미늄 합금의 Flow Drilling Screw 접합품질 예측 알고리즘 개발

최유리; 김동윤; 장준명; 유지영; 이승환

추천

검색

질문

자료유형: 학술저널

저자정보: 최유리 (한국생산기술연구원) 김동윤 (한국생산기술연구원) 장준명 (한양대학교) 유지영 (한국생산기술연구원) 이승환 (한양대학교)

저널정보: 대한용접·접합학회 대한용접·접합학회지 大韓熔接·接合學會誌第42卷第4號

발행연도: 2024.8

수록면: 366 - 377 (12page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Flow drilling screw (FDS) process is applied to various components such as car bodies and battery cases due to its advantage of enabling one-sided joining. Various studies have been conducted on the correlation between monitored process parameters and joint quality. These correlations suggest the potential for non-destructive classification or prediction of joint quality using process monitoring signals. In this study, the effect of FDS process parameters on joint quality was analyzed, and a decision tree-based quality prediction model for classifying joint quality was developed. The material combination consisted of a 1.8 mm thick SGAFC 590DP as the upper plate and a 3.0 mm thick Al 6061 as the lower plate. To develop the joint quality prediction algorithm, the effect of process parameters in each process step on joint quality was analyzed. It is used as input data to identify various features. The output data were generated by classifying the products into three categories from class 0 to class 2. Based on the extracted feature data, a machine learning algorithm was trained to develop the joint quality prediction model.

#Flow drilling screw #Non-destructive test #Joint quality prediction #Machine learning #Dissimilar materials joining

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 논문과 함께 이용한 논문

수소배관 운영 조건에 따른 배관강이 수소취성에 미치는 영향 인자 분석

백종현 , 장윤찬 , 김철만 한국수소및신에너지학회논문집 2024 .04

최근 본 자료

전체보기

UCI(KEPA) : I410-151-24-02-090266205

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 (0)

함께 읽어보면 좋을 논문

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)