$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

크리깅 메타모델을 이용한 MQL 밀링공정의 소비전력 예측 연구
Prediction of Consumed Electric Power on a MQL Milling Process using a Kriging Meta-Model 원문보기

한국정밀공학회지 = Journal of the Korean Society for Precision Engineering, v.32 no.4, 2015년, pp.353 - 358  

장덕용 (중앙대학교 기계공학과) ,  정지현 (중앙대학교 기계공학과) ,  석종원 (중앙대학교 기계공학과)

Abstract AI-Helper 아이콘AI-Helper

Energy consumption reduction has become an important key word in manufacturing that can be achieved through the efficient and optimal use of raw materials and natural resources, and minimization of the harmful effects on nature or human society. The successful implementation of this concept can only...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 엔드 밀 공구를 이용한 가공에서 소비되는 에너지 측정하고 이를 예측하는 연구를 수행하였다. 절삭 가공 시 윤활은 공정 비용과 가공물의 표면조도를 고려하였을 때 가장 우수하다고 알려진 MQL기법을 사용하였으며,2,3 측정 변수로는 공구회전속도, 절삭 깊이, 이송속도, MQL유량을 사용하였다.
  • 본 논문에서는 엔드 밀 공구를 이용한 가공에서 소비되는 에너지 측정하고 크리깅 메타모델을 이용하여 소비에너지를 예측하는 연구를 수행하였다. 공구회전속력, 절삭 깊이, 이송속도, MQL 유량의 변화에 따른 소비에너지를 측정하였고 이를 통해 다음과 같은 결론을 얻었다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
크리깅이란 무엇인가? 크리깅은 관심 있는 지점에서 특정치를 알기 위해 이미 값을 알고 있는 주위의 값들의 가중 선형조합으로 그 값을 예측하는 통계적 기법이다.8 1989년 Sacks등9은 크리깅 모델을 전산실험계획법에 적합하도록 새로운 형태의 크리깅 메타모델을 제시하였다.
크리깅 메타모델이 최적설계분야에 널리 사용되는 이유는? 8 1989년 Sacks등9은 크리깅 모델을 전산실험계획법에 적합하도록 새로운 형태의 크리깅 메타모델을 제시하였다. 크리깅 메타모델은 표본점에서의 응답값을 지나는 대표적인 보간모델로 최우량추정에 의해서 상관변수를 논리적이고 자동적으로 추정하기 때문에 비선형성이 강하고 동일한 입력에 대해 동일한 결과가 계산되므로 최적설계분야에 널리 사용되고 있다.10 
본 연구에서 MQL 유량이 역학적 에너지에 미치는 영향이 크지 않다고 판단되는 이유는? (1) 크리깅 메타모델을 통해 소비에너지를 예측한 결과 공구 회전 속력이 증가함에 따라 MQL유량에 의한 역학적 에너지의 차이는 줄어들었다. 따라서 전체적으로 MQL 유량이 역학적 에너지에 미치는 영향은 크지 않은 것으로 판단된다.
질의응답 정보가 도움이 되었나요?

참고문헌 (16)

  1. Kuram, E., Ozcelik, B., Bayramoglu, M., Demirbas, E., and Simsek, B. T., "Optimization of Cutting Fluids and Cutting Parameters during End Milling by using D-Optimal Design of Experiments," Journal of Cleaner Production, Vol. 42, pp. 159-166, 2013. 

  2. Gaitonde, V., Karnik, S., and Davim, J. P., "Selection of Optimal MQL and Cutting Conditions for Enhancing Machinability in Turning of Brass," Journal of Materials Processing Technology, Vol. 204, No. 1, pp. 459-464, 2008. 

  3. Iqbal, A., Ning, H., Khan, I., Liang, L., and Dar, N. U., "Modeling the Effects of Cutting Parameters in Mql-Employed Finish Hard-Milling Process using DOptimal Method," Journal of Materials Processing Technology, Vol. 199, No. 1, pp. 379-390, 2008. 

  4. Reddy, N. S. K. and Rao, P. V., "Experimental Investigation to Study the Effect of Solid Lubricants on Cutting Forces and Surface Quality in End Milling," International Journal of Machine Tools and Manufacture, Vol. 46, No. 2, pp. 189-198, 2006. 

  5. Deshpande, A., Snyder, J., and Scherrer, D., "Feature Level Energy Assessments for Discrete Part Manufacturing," Proc. of the NAMRI/SME, Vol. 39, 2011. 

  6. Vijayaraghavan, A. and Dornfeld, D., "Automated Energy Monitoring of Machine Tools," CIRP Annals-Manufacturing Technology, Vol. 59, No. 1, pp. 21-24, 2010. 

  7. Hanafi, I., Khamlichi, A., Cabrera, F. M., Almansa, E., and Jabbouri, A., "Optimization of Cutting Conditions for Sustainable Machining of PEEK-CF30 using TiN Tools," Journal of Cleaner Production, Vol. 33, pp. 1-9, 2012. 

  8. Simpson, T. W., Mauery, T. M., Korte, J. J., and Mistree, F., "Kriging Models for Global Approximation in Simulation-Based Multidisciplinary Design Optimization," AIAA Journal, Vol. 39, No. 12, pp. 2233-2241, 2001. 

  9. Sacks, J., Welch, W. J., Mitchell, T. J., and Wynn, H. P., "Design and Analysis of Computer Experiments," Statistical Science, Vol. 4, No. 4, pp. 409-423, 1989. 

  10. Koehler, J. and Owen, A., "Computer Experiments," Handbook of Statistics, Vol. 13, pp. 261-308, 1996. 

  11. Li, M., Li, G., and Azarm, S., "A Kriging Metamodel Assisted Multi-Objective Genetic Algorithm for Design Optimization," Journal of Mechanical Design, Vol. 130, No. 3, Paper No. 031401, 2008. 

  12. Cho, T.-M., Ju, B.-H., Jung, D.-H., and Lee, B.-C., "Reliability Estimation using Two-Staged Kriging Metamodel and Genetic Algorithm," Transactions of the Korean Society of Mechanical Engineers A, Vol. 30, No. 9, pp. 1116-1123, 2006. 

  13. Mitchell, T. J. and Morris, M. D., "The Spatial Correlation Function Approach to Response Surface Estimation," Proc. of the 24th Conference on Winter Simulation, pp. 565-571, 1992. 

  14. Cox, D, D., Park, J, J., and Singer, C, E., "A Statistical Method for Turning a Computer Code to a Data Base," Computational Statistics & Data Analysis, Vol. 37, No. 1, pp.77-92, 2001. 

  15. Lee, T., Lee, C., and Lee, K., "Shape Optimization of a CRT based on Response Surface and Kriging Metamodels," Transactions of the Korean Society of Mechanical Engineers A, Vol. 27, No. 3, pp. 381-386, 2003. 

  16. Lee, T. H. and Jung, J. J., "Generalized Kriging Model for Interpolation and Regression," Transactions of the Korean Society of Mechanical Engineers A, Vol. 29, No. 2, pp. 277-283, 2005. 

저자의 다른 논문 :

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로