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

논문 기본 정보

자료유형
학술저널
저자정보
최수진 (한국폴리텍 VII 대학) 이동주 (공주대학교)
저널정보
한국산업경영시스템학회 산업경영시스템학회지 한국산업경영시스템학회지 제44권 제3호
발행연도
2021.9
수록면
117 - 124 (8page)

이용수

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

이 논문의 연구 히스토리 (2)

2021

서포트벡터 회귀를 이용한 실시간 제품표면거칠기 예측
최수진 ,  이동주 산업경영시스템학회지 2021.09 학술저널
비대칭적 서포트벡터회귀를 적용한 공구마모예측과 제품표면거칠기예측
최수진 산업시스템공학과 2021.01 학위논문

초록· 키워드

오류제보하기
The development of IOT technology and artificial intelligence technology is promoting the smartization of manufacturing system. In this study, data extracted from acceleration sensor and current sensor were obtained through experiments in the cutting process of SKD11, which is widely used as a material for special mold steel, and the amount of tool wear and product surface roughness were measured. SVR (Support Vector Regression) is applied to predict the roughness of the product surface in real time using the obtained data. SVR, a machine learning technique, is widely used for linear and non-linear prediction using the concept of kernel. In particular, by applying GSVQR (Generalized Support Vector Quantile Regression), overestimation, underestimation, and neutral estimation of product surface roughness are performed and compared. Furthermore, surface roughness is predicted using the linear kernel and the RBF kernel. In terms of accuracy, the results of the RBF kernel are better than those of the linear kernel. Since it is difficult to predict the amount of tool wear in real time, the product surface roughness is predicted with acceleration and current data excluding the amount of tool wear. In terms of accuracy, the results of excluding the amount of tool wear were not significantly different from those including the amount of tool wear.
#Support Vector Regression #Machine Learning #Surface Roughness

목차

등록된 정보가 없습니다.

참고문헌 (11)

참고문헌 신청
Cichosz, P. / 2015 / Data Mining Algorithm: explained using R / John Wiley & Sons google schola 천세호 / 2021 / AL6061-T4의 측면 엔드밀 가공에서 표면거칠기 예측을 위한 인공신경망 적용에 관한 연구 / 한국기계가공학회지 20(5):55~60 dbpia Kim, D. M. / 2020 / The prediction model of the surface roughness profiles in the precision machining / Proceedings of 2020 The Korean Society of Manufacturing Technology Engineers Fall Conference :223~223 google schola 권정희 / 2012 / 신경회로망을 이용한 원격모니터링을 위한 가공공정의 공구마모와 표면조도에 관한 연구 / 한국생산제조학회지 21(1):33~39 dbpia 이동주 / 2020 / 일반화 서포트벡터 분위수회귀에 대한 연구 / 한국산업경영시스템학회지 43(4):107~115 dbpia

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0