Prediction of Machining Conditions from EDMed Surface Using CNN

Q: 이 논문에서 정의한 방전흔이란 무엇인가?

방전 가공 시 공구 전극과 가공물 사이에 방전이 발생하고 그때 발생하는 열에너지로 재료가 제거되면서 가공 표면에 남게 되는 흔적이다. 방전흔의 크기와 형상은 재료의 열적 물성치와 방전에너지에 따라 달라지며, 방전흔이 중첩되면서 가공 표면을 형성하고 표면 거칠기를 결정한다.

Q: 디지털 이미지 기반 방전 가공면 예측 정확도를 향상시키는 방법은 무엇인가?

연구 결과, CNN 모델 구조를 변경하지 않고 이미지 분할 및 예측률 합산 기법을 사용하여 디지털 이미지 기반 방전 가공면 예측 정확도를 크게 향상시킬 수 있다. 이는 불균일한 방전흔이나 불순물 등으로 인한 개별 이미지의 부정확한 분류를 보완하여 최종 예측 정확도를 거의 100%에 가깝게 높이는 효과를 가져온다.

이지효; 김재연; 심대보; 김보현

doi:10.7736/JKSPE.024.080

추천

검색

질문

자료유형: 학술저널

저자정보: 이지효 (숭실대학교) 김재연 (숭실대학교) 심대보 (숭실대학교) 김보현 (숭실대학교)

저널정보: Korean Society for Precision Engineering Journal of the Korean Society for Precision Engineering Journal of the Korean Society for Precision Engineering Vol.41 No.11

발행연도: 2024.11

수록면: 865 - 873 (9page)

DOI: 10.7736/JKSPE.024.080

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

CNN is one of the deep learning technologies useful for image-based pattern recognition and classification. For machining processes, this technique can be used to predict machining parameters and surface roughness. In electrical discharge machining (EDM), the machined surface is covered with many craters, the shape of which depends on the workpiece material and pulse parameters. In this study, CNN was applied to predict EDM parameters including capacitor, workpiece material, and surface roughness. After machining three metals (brass, stainless steel, and cemented carbide) with different discharge energies, images of machined surfaces were collected using a scanning electron microscope (SEM) and a digital microscope. Surface roughness of each surface was then measured. The CNN model was used to predict machining parameters and surface roughness.

#Micro EDM (미세 방전 가공) #Micro machining (미세 가공) #Deep learning (딥러닝) #Convolutional neural network (합성곱신경망) #Grad CAM (그래드캠)

참고문헌

참고문헌 신청

최근 본 자료

전체보기

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

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)