최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국기계가공학회지 = Journal of the Korean Society of Manufacturing Process Engineers, v.14 no.6, 2015년, pp.1 - 6
정영훈 (경북대학교 기계공학부)
Tool condition monitoring plays one of the most important roles in the improvement of both machining quality and productivity. In this regard, various process signals and monitoring methods have been developed. However, most of the existing studies used cutting force or acoustic emission signals, wh...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
무인 및 지능가공의 목적은? | 무인 및 지능가공은 전통적인 방법인 작업자에 의한 가공공정 상태감시 및 최적화를 자동화 및 무인화 하여 생산성 및 품질을 높이고 생산현장의 작업환경 개선을 이루고자 하는 것이다[1]. 특히, 최근 플랜트 산업의 성장, 항공우주 산업의 중요성이 증가에 따라 내열성 합금, 특수강 , 탄소섬유 강화플라스틱 등 극심한 공구파손과 공구마모를 일으키는 고가 소재의 가공기술 [2]에 대한 수요가 증가하면서 이러한 무인지능가공에 대한 중요성도 증가하고 있다. | |
대표적인 공구파손의 검출 중 간접적인 방법의 연구로는 무엇이 있는가? | 특히 간접적인 방법을 이용한 다양한 연구가 진행되고 있다. Ko 등은 공구동력계를 이용한 절삭력 신호를 자기회귀모델과 신경망회로(neural network)를 이용하여 공구의 파손과 마모를 검출해낸 바 있다[6,7]. Lee 등은 이송모터의 전류 신호를 공정신호로 할 경우 자기회귀모델 파라미터로부터 공구의 파손을 확인할 수 있음을 보였다 [8]. Li 등은 음향방출 센서와 전류 신호의 이산 웨이브렛 변환을 통해 높은 신뢰도의 공구파손 검출이 가능함을 보였다 [9]. | |
대표적인 무인지능가공의 예로 무엇이 있는가? | 특히, 최근 플랜트 산업의 성장, 항공우주 산업의 중요성이 증가에 따라 내열성 합금, 특수강 , 탄소섬유 강화플라스틱 등 극심한 공구파손과 공구마모를 일으키는 고가 소재의 가공기술 [2]에 대한 수요가 증가하면서 이러한 무인지능가공에 대한 중요성도 증가하고 있다. 대표적인 무인지능가공의 예로 공구상태 감시기술이 있으며, 이는 크게 공구파손을 검출하는 것과 공구의 마모량을 추정하는 두 가지로 나눌 수 있다. 이 중 공구 파손의 검출은 절삭공구의 날이 파손될 때 이를 감지하고 가공을 중지시켜 공구파손에 의한 가공품질의 급작스런 저하를 최소화 하고자 하는 것으로 높은 파손 검출정확도와 속도가 요구된다. |
Liang, S. Y., Hecker, R. L. and Landers, R. G., "Machining Process Monitoring and Control: The State-of-the-Art," J. Manuf. Sci. Eng., Vol. 126, No. 2, pp. 297-310, 2004.
Won, J.-S., Lim, E.-S. and Jung, Y.-G., "Estimation of Machinability for Super Heat-resistant Alloys Inconel 600 in Turning Process," J. Korean Soc. Manuf. Process Eng., Vol. 10, No. 6, pp. 1-8, 2011.
Byrne, G., Dornfeld, D., Inasaki, I., Ketteler, G., Konig, W. and Teti, R., "Tool Condition Monitoring (TCM)-The Status of Research and Industrial Application," CIRP Ann-Manuf. Technol., Vol. 44, No. 2, pp. 541-567, 1995.
Kim, S.-H. and Baek, W.-B., "Tool Monitoring System using Vision System with Minimizing External Condition," J. Korean Soc. Manuf. Process Eng., Vol. 11, No. 5, pp. 142-147, 2012.
Maeng, M.-J., "Fracture Detection of Milling Cutter Using Cutting Force and Acoustic Emission Signals," J. Korean Soc. Manuf. Process Eng., Vol. 3, No. 1, pp. 28-37, 2004.
Ko, T. J. and Cho, D.-W., "Cutting State Monitoring in Milling by a Neural Network," Int. J. Mach. Tools Manuf., Vol. 34, No. 5, pp. 659-676, 1994.
Ko, T. J., Cho, D.-W. and Jung, M. Y., "On-Line Monitoring of Tool Breakage in Face Milling Using a Self-Organized Neural Network," J. Manuf. Syst., Vol. 14, No. 2, pp. 80-90, 1995.
Lee, J. M., Choi, D. K., Kim, J. and Chu, C. N., "Real-Time Tool Breakage Monitoring for NC Milling Process," CIRP Ann-Manuf. Technol. Vol. 44, No. 1, pp. 59-62, 1995.
Li, W., Dong, S. and Yuan, Z., "Discrete Wavelet Transform for Tool Breakage Monitoring," Int. J. Mach. Tools Manuf., Vol. 39, No. 12, pp. 1935-1944, 1999.
Jeong, Y. H. and Cho, D.-W., "Estimating Cutting Force from Rotating and Stationary Feed Motor Currents on a Milling Machine," Int. J. Mach. Tools Manuf., Vol. 42 No. 14, pp.1559-1566, 2002.
Yoon, M.-C., Kim, Y.-G. and Kim, K.-H., "The Characteristics and Stability Boundary Analysis of Chatter using Neural Network," J. Korean Soc. Manuf. Process Eng., Vol. 5, No. 2, pp. 16-21, 2006.
Grossberg, S., "Adaptive Pattern Classification and Universal Recoding: I. Parallel Development and Coding of Neural Feature Detectors," Biol. Cybern., Vol. 23 No. 3, pp. 121-134, 1976.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.