機器學習對铣削加工在全面生產維修最佳化之預測
學年 112
學期 1
發表日期 2023-12-01
作品名稱 機器學習對铣削加工在全面生產維修最佳化之預測
作品名稱（其他語言）
著者 曾威翔; 高志斌; 楊智旭; 張士行
作品所屬單位
出版者
會議名稱 中國機械工程學會112年度年會暨第40屆全國學術性研討會，CSME 2023
會議地點 彰化縣，台灣
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。
關鍵字 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)
語言 zh_TW
收錄於
會議性質 國內
校內研討會地點 無
研討會時間 20231201~20231202
通訊作者
國別 TWN
公開徵稿
出版型式
出處 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
相關連結

機構典藏連結 ( http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/124834 )

SDGS 消除貧窮,減少不平等,永續城市與社區,負責任的消費與生產,夥伴關係,消除飢餓,優質教育,尊嚴就業與經濟發展,產業創新與基礎設施