Multiple objectives optimization of injection-moulding process for dashboard using soft computing and particle swarm optimization

Mehdi Moayyedian; Mohammad Reza Chalak Qazani; Parisa Jourabchi Amirkhizi; Houshyar Asadi; Mohsen Hedayati-Dezfooli

doi:10.1038/s41598-024-62618-7

학술저널 cc-by Full-text

저자정보: Mehdi Moayyedian Mohammad Reza Chalak Qazani Parisa Jourabchi Amirkhizi Houshyar Asadi Mohsen Hedayati-Dezfooli

출처: Springer Science and Business Media LLC Scientific Reports 14(1)

오류 신고하기

피인용 0

검색

초록·키워드

This research focuses on utilizing injection moulding to assess defects in plastic products, including sink marks, shrinkage, and warpages. Process parameters, such as pure cooling time, mould temperature, melt temperature, and pressure holding time, are carefully selected for investigation. A full factorial design of experiments is employed to identify optimal settings. These parameters significantly affect the physical and mechanical properties of the final product. Soft computing methods, such as finite element (FE), help mitigate behaviour by considering different input parameters. A CAD model of a dashboard component integrates into an FE simulation to quantify shrinkage, warpage, and sink marks. Four chosen parameters of the injection moulding machine undergo comprehensive experimental design. Decision tree, multilayer perceptron, long short-term memory, and gated recurrent units models are explored for injection moulding process modelling. The best model estimates defects. Multiple objectives particle swarm optimisation extracts optimal process parameters. The proposed method is implemented in MATLAB, providing 18 optimal solutions based on the extracted Pareto-Front.

#Particle swarm optimization #Computer science #Process (computing) #Multi-swarm optimization #Dashboard #Soft computing #Mathematical optimization #Artificial intelligence #Machine learning #Mathematics #Data science #Artificial neural network

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

댓글(0)