機器學習對铣削加工在全面生產維修最佳化之預測

淡江大學機構典藏 > 工學院 > 機械與機電工程學系暨研究所 > 會議論文 > Item 987654321/124834

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/124834

题名:	機器學習對铣削加工在全面生產維修最佳化之預測
作者:	曾威翔;高志斌;楊智旭;張士行
关键词:	支持向量回歸(SVR);田口方法;最佳化;倒傳遞神經網路(BPN);全面生產維修(TPM)
日期:	2023-12-02
上传时间:	2023-12-18 12:05:45 (UTC+8)
摘要:	銑削是一種極為常見的加工方式,所以在銑削加工中如何把效率做到最高是現代加工的一大課題。本研究應用全面生產維修(TPM, Total Production Maintenance)概念來延長機台使用時間,使機台使用時間增長,維修停機時間縮短;會影響加工時長的原因有許多,例如:刀具壽命、切削轉速、切削深度、進刀量等,但如更換這些控制因子再去使用全因子實驗會花費太多時間與成本,所以本研究會先應用田口方法來優化數據,再使用倒傳遞類神經網路(BPN, Back Propagation Neural Network)以及支持向量回歸 (SVR, Support Vector Regression)來進行模型預測和比較,希望能在不耗費大量成本下找到最佳化加工參數,提高加工效率。近年來隨著人工智慧的崛起及演算法的進步, SVR 被廣泛應用在多種領域,因此本研究利用 SVR 與 BPN 來建模,對於銑削加工參數來預測出最佳的參考組合,利用 SVR 建模所需樣本少的特性,以田口方法中的直交表來減少實驗次數,使用建立好的 SVR 與 BPN 的最佳化預測模型進行運算、比較,進而找出適合的預測法,再以此最佳的預測模型進行全因子實驗找出最佳解。
關聯:	中國機械工程學會112年度年會暨第40屆全國學術研討會論文集
显示于类别:	[機械與機電工程學系暨研究所] 會議論文

文件中的档案:

没有与此文件相关的档案.

在機構典藏中所有的数据项都受到原著作权保护.

TAIR相关文章

数据加载中.....