인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
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
- 저자정보
피인용 0
초록·키워드
This study proposes a new method for quality monitoring of injection moulded parts in the context of Industry 4.0. Multi-sensor data is important for monitoring and analysing any possible state of product quality. A new integrated method for monitoring the product quality of plastic injection moulding process is proposed, which combines an unsupervised feature selection method and an optimized predictor. First, an autoencoder feature selection (AE-FS) method is formed with a hidden bottleneck layer to extract the features of the original multi-sensor data. Second, a regression model is constructed to forecast product quality. Least squares support vector regression (LSSVR) is used as the basic model, combined with an optimal parameter pair that is exploited by the sparrow search algorithm (SSA), named LSSVR-SSA. The LSSVR-SSA model is then used to predict the moulded product weight based on the machine’s original data. Overall, the integrated AE-FS-LSSVR-SSA prediction method provides an effective way to monitor product quality in plastic injection moulding processes using multi-sensor data and advanced data analysis techniques. The proposed method is evaluated by conducting experiments on three different product process statuses with varying parameters. The results of these experiments show that the method’s identification accuracy is exceptionally high, reaching 99.04%.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-24-02-088526385
