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
- 2022.5
- 수록면
- 641 - 648 (8page)
이용수
초록· 키워드
오류제보하기
본 논문은 3D 프린터 출력 방식 중 하나인, 전자빔용해법(EBM)의 공정 간에 발생하는 결함에 영향을 미치는 요인들을 데이터 분석을 통해 규명하는 연구이다. 선행 연구들을 기반으로 결함발생에 주요한 원인으로 지목되는 요소들을 참고하였으며, 공정 간 발생하는 로그파일 분석을 통해 결함 발생과 연관된 변수들을 추출하였다. 또한, 해당 데이터가 시계열 데이터라는 점에 착안하여 window의 개념을 도입하여, 현재 공정 층으로부터 총 3개 전 층까지의 데이터를 포함하여 분석에 사용 될 변수들을 구성하였다. 해당 연구의 종속변수는 결함발생유무이기에 이진분류를 통한 분석을 하였으며, 이때 결함 층의 비율이 낮다는(약 4%) 문제로 인해 SMOTE 기법을 적용하여 균형잡힌 훈련용 데이터를 만들었다. 분석을 위해 Gridsearch CV를 활용한 XGBoost를 사용하였고, 분류 성능은 혼동행렬을 기반으로 평가하였다. 마지막으로, SHAP값을 통한 변수 중요도 분석을 통해 연구의 결론을 내렸다.
목차
요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 본론
Ⅲ. 분석 방법 및 결과
Ⅳ. 결론
REFERENCES
참고문헌 (9)
참고문헌 신청
J. Patel, Data-Driven Modeling for Additive Manufacturing of Metals: Proceedings of a Workshop, Washington, DC: The National Academies Press, ch. 1, pp. 1-2, 2019.
S. K. Everton, M. Hirsch, P. Stravroulakis, R. K. Leach, and A. T. Clare, “Review of in-situ process monitoring and in-situ metrology for metal additive manufacturing,” Metal and Design, vol. 95, pp. 431-445, Apr. 2016.
M. Montazeri, “Smart additive manufacturing: In-process sensing and data analytics for online defect detection in metal additive manufacturing processes,” Ph. D. dissertation, University of Nebraska-Lincoln, Lincoln, MA, 2006.
Y. J. Liu, S. J. Li, H. L. Wang, W. T. Hou, Y. L. Hao, R. Yang, T. B. Secrombe, and L. C. Zhang, “Microstructure, defects and mechanical behavior of beta-type titanum porous structures manufactured by electron beam melting and selective laser melting,” Acta Materialia, vol. 113, pp. 56-67, Jul. 2016.
O. Kwon, H. G. Kim, M. J. Ham, W. Kim, G. -H. Kim, J. -H. Cho, N. I. Kim, and K. Kim, “A deep neural network for classification of melt-pool images in metal additive manufacturing,” Journal of Intelligent Manufacturing, vol. 31, pp. 375-386, Feb. 2020.
S. K. Everton, M. Hirsch, P. Stravroulakis, R. K. Leach, and A. T. Clare, “Review of in-situ process monitoring and in-situ metrology for metal additive manufacturing,” Metal and Design, vol. 95, pp. 431-445, Apr. 2016.
M. Montazeri, “Smart additive manufacturing: In-process sensing and data analytics for online defect detection in metal additive manufacturing processes,” Ph. D. dissertation, University of Nebraska-Lincoln, Lincoln, MA, 2006.
Y. J. Liu, S. J. Li, H. L. Wang, W. T. Hou, Y. L. Hao, R. Yang, T. B. Secrombe, and L. C. Zhang, “Microstructure, defects and mechanical behavior of beta-type titanum porous structures manufactured by electron beam melting and selective laser melting,” Acta Materialia, vol. 113, pp. 56-67, Jul. 2016.
O. Kwon, H. G. Kim, M. J. Ham, W. Kim, G. -H. Kim, J. -H. Cho, N. I. Kim, and K. Kim, “A deep neural network for classification of melt-pool images in metal additive manufacturing,” Journal of Intelligent Manufacturing, vol. 31, pp. 375-386, Feb. 2020.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
학습 데이터에 따른 XGBoost 기반 실시간 전력수요예측 모델 성능 비교
대한전기학회 학술대회 논문집
2024 .07
-
딥러닝과 XGBoost를 이용한 뇌졸중 질환 예측
Proceedings of KIIT Conference
2022 .06
-
XGBoost를 이용한 단기 발전량 예측 모델의 평가 및 해석
대한전기학회 학술대회 논문집
2019 .07
-
XGBoost를 이용한 격자기반 다중밀집시설 화재발생 예측
한국측량학회 학술대회자료집
2021 .11
-
Predicting the association between metabolic syndrome and chronic kidney disease using the XGBoost model
한국산학기술학회 논문지
2024 .07
-
다중 클래스 분류 문제에 효율적인 연합 XGBoost
한국정보과학회 학술발표논문집
2024 .06
-
XGBoost에서 mRMR, SHAP 앙상블을 통한 전력수요예측
대한전기학회 학술대회 논문집
2022 .04
-
XGBoost와 SHAP을 이용한 RNA-seq 기반 유방암 서브타입 예측 및 주요 유전자 분석
한국정보과학회 학술발표논문집
2024 .12
-
SMOTE 알고리즘을 사용한 불균형 데이터의 분류 성능 개선
정보 및 제어 논문집
2020 .10
-
XGBoost 기반 당뇨병 예측 알고리즘 연구 : 국민건강영양조사 2016~2018 을 이용하여
한국통신학회 학술대회논문집
2021 .02
-
XGBoost를 이용한 세계은행 공적개발원조 사업 낙찰기업의 협력요인 분석
대한토목학회 학술대회
2019 .10
-
SVM 과 XGBoost 를 이용한 주관적 스트레스 분류 방법에 대한 연구
한국통신학회 학술대회논문집
2023 .06
-
기상 자료 공간 보간을 활용한 XGBoost 기반 풍력발전 출력 예측 모형에 관한 연구
대한전기학회 학술대회 논문집
2024 .07
-
XGBoost 기법을 이용한 단기 전력 수요 예측 및 하이퍼파라미터 변화에 따른 영향 분석
전기학회논문지
2019 .09
-
Xgboosting 기법을 이용한 실내 위치 측위 기법
한국정보통신학회 종합학술대회 논문집
2021 .10
-
Tuning the XGBoost Library for Different Distinguishment Problems
한국정보과학회 학술발표논문집
2020 .07
-
XGBoost와 하이퍼파라미터 최적화를 이용한 주간 발전량 예측
대한전기학회 학술대회 논문집
2019 .07
-
FEM 시뮬레이션 기반 XGBoost 머신러닝 모델을 활용한 사출성형공정 특성 예측에 관한 연구
한국생산제조학회 학술발표대회 논문집
2024 .12
-
XGBoost를 이용한 시계열 주행기록 기반 위험운전 예측 인자 선정
한국통신학회 학술대회논문집
2025 .02
-
EBM 적층제조 변수에 따른 Inconel 718의 미세조직과 기계적 특성
대한용접학회 특별강연 및 학술발표대회 개요집
2019 .11
이 논문의 저자 정보
이 논문과 함께 이용한 논문
스마트 팩토리 최적화를 위한 GAF 기반 시계열 클러스터링 및 변동성 분석
구남석
,
박선아
,
도윤미
외 1명
한국통신학회 학술대회논문집
2024
.11
Oversampling 기법 및 이상치 제거 방법을 통한 데이터 구축 연구
장병수
,
고규현
,
김영석
외 3명
한국지반공학회논문집
2024
.10
설명가능한 인공지능모델을 통한 기술기회분석 방법에 관한 연구
이준석
,
이주현
,
박상성
한국지능시스템학회 논문지
2022
.12
XAI 기반의 임상의사결정시스템에 관한 연구
안윤애
,
조한진
한국콘텐츠학회논문지
2021
.12
XAI와 N-BEATS 모델을 이용한 전력수요 예측의 설명 가능성 분석
장준혁
,
김문겸
대한전기학회 학술대회 논문집
2022
.04
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2022-004-001356485