Intelligent Fault Classification of 3D Printers using Long Short-Term Memory

Q: 이 논문에서 정의한 결함 진단이란 무엇인가?

3D 프린팅 과정에서 발생하는 다양한 오류를 식별하고 분류하는 일련의 과정을 의미한다. 이는 생산 손실을 방지하고 품질 검사에 투입되는 인적 개입을 최소화하기 위해 수행되는 지능형 분류 시스템의 핵심적인 절차를 포함한다.

Q: 3D 프린터의 실시간 결함 분류에서 LSTM 모델의 성능과 효과는 어떠한가?

연구 결과, 제안된 LSTM 모델은 평균 98.2%의 높은 정확도를 달성하며 기존 모델보다 우수한 성능을 보였다. 특히 Bi-LSTM 대비 검증 정확도에서 더 안정적인 결과를 나타내어 실시간 산업 응용 분야에 적용 가능한 효과적인 방법임을 입증하였다.

Mark Verana; Made Adi Paramartha Putra; Love Allen Ahakonye; Dong-Seong Kim; Jae-Min Lee

학술대회자료

저자정보: Mark Verana (Kumoh National Institute of Technology) Made Adi Paramartha Putra (Kumoh National Institute of Technology) Love Allen Ahakonye (Kumoh National Institute of Technology) Dong-Seong Kim (Kumoh National Institute of Technology) Jae-Min Lee (Kumoh National Institute of Technology)

저널정보: 한국통신학회 한국통신학회 학술대회논문집 2022년도 한국통신학회 동계종합학술발표회 논문집

오류 신고하기

피인용 0

검색

초록·키워드

3D printing is one of the promising tools in the industry because of its ability to fabricate complex shapes. With the rapid development of 3D printing, it is susceptible to a fault. In this paper, we focus to develop an intelligent fault classification of 3D printers based on long-short term memory (LSTM) to classify and detect malicious, prevent production losses, and lessen human involvement for quality checks. The dataset we used in this experiment is gathered ... 전체 초록 보기

#3D printer #fault diagnosis #fault classification #long short-term memory (LTSM)

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

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

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료