인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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.
피인용 0
초록·키워드
본 논문에서는 스마트 제조의 주요 요소 기술인 3D 프린팅을 위해 적용 가능한 기계학습 알고리즘들을 조사 분석하고서, 어떠한 알고리즘이 고장 감지 성능 면에서 우수한지를 객관적인 자료를 통해 비교 분석한 결과를 제시한다. 본 연구는 FDM(Fused Deposition Modeling)을 위한 3D 프린팅 공정 사례에 초점을 맞추고 있으며, 비교 대상 기계학습 알고리즘으로는 계층 구조, 신경망 그리고 K-means 알고리즘을 고려하였다. 인쇄성, 임계치 복잡성 감소, 조립 전 가속, 결함 검출 등의 성능 비교 파라미터를 적용해 상기 기계학습 알고리즘들을 비교해 본 결과 K-means 알고리즘이 88%의 정확도를 보여주고 있어 타 알고리즘에 비해 고장 감지 성능이 우수한 것으로 조사되었다. 이 결과는 다양한 스마트 제조 애플리케이션에 기계학습 알고리즘을 적용하기 위한 참고 자료로 활용될 수 있을 것이라 기대된다.
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-ECN-0101-2020-004-001549806
