최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기디지털융복합연구 = Journal of digital convergence, v.17 no.5, 2019년, pp.217 - 223
조재형 (단국대학교 산업공학과) , 고상현 (단국대학교 산업공학과)
A study in predicting defects of spot welding in real time in automotive field is essential for cost reduction and high quality production. Welding quality is determined by shear strength and the size of the nugget, and results depend on different independent variables. In order to develop the real-...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
점용접의 장점은 무엇입니까? | 자동차 생산 과정에서 부품 체결을 위한 방법으로 작업시간이나 안전을 고려할 때 용접이 필수적이다. 자동차 산업에서 부품간의 용접 작업에는 자동화가 가능하고 작업시간에 서 장점이 많은 전기저항을 이용한 점용접 방법을 사용 한다[1,2]. 그러므로 자동차 분야에서 초고장력강의 저항 점용접의 결함 및 품질을 실시간으로 예측할 수 있는 연구는 생산성과 고품질 생산을 위한 필수 불가결한 연구 분야라 할 수 있다. | |
다중회귀분석은 무엇입니까? | 다양하고 복잡한 변수들 간의 상호 관련성을 찾으려는 방법 중에 회귀분석 방법이 있다. 다중회귀분석은 다양 한 독립변수에 의한 종속변수의 연관성을 잘 설명해 줄 수 있는 방법이다. 두 개 이상의 변수가 포함된 회귀모형 을 다중회귀 모형이라 한다. | |
저항 점용접의 결함 및 품질은 무엇에 의해 결정됩니까? | 자동차 분야에서 저항 점용접의 결함 및 품질을 실시간으로 예측할 수 있는 연구는 원가절감과 고품질 생산을 위한 필수 불가결한 연구 분야라 할 수 있다. 용접 품질은 전단강도와 너깃의 크기에 의해서 결정되며 여러 가지 독립변수에 따라 결과가 달라진다. 실시간 예측시스템을 개발하기 위하여 다중 회귀분석을 실시하여 3개의 독립변수로 두 가지 종속변수를 충분한 통계적 결과로 구하였으나 회귀식에 의한 품질 예측은 정확도를 보장할 수 없었다. |
T. T. Han, K. Y. Lee & J. S. Kim. (2009). Recent Developments and Weldability of Advanced High Strength Steels for Automotive Applications, Journal of KWJS, 27(2), 131-132.
K. W. Kang. (2014). Vibration Fatigue Analysis of Spot Welded Component considering Change of Stiffness due to Fatigue Damage, Convergence Society for SMB. (5)1. 1-8
C. S. Son & Y. W. Park. (2012). Lobe Curve Characteristic Analysis of Resistance Spot Welding for Sheet Combination of 783 MPa Steel Sheet Using Simulation, Journal of KWJS, 30(6). 68-73.
K. K. Seo. (2014). Development of a Sales Prediction Model of Electronic Appliances using Artificial Neural Networks, JJournal of Digital Convergence 12(11), 209-214.
E. M. Yang, H. J. Lee & C. H. Seo. (2017). Comparison of Detection Performance of Intrusion Detection System Using Fuzzy and Artificial Neural Network, Journal of Digital Convergence, 15(6), 391-398.
K. T. Kim, J. Y. Choi. (2018). Facial Local Region Based Deep Convolutioal Neural networks for Atomated Face Recognition, Journal of Korea Convergence Society, 9(4). 47-55.
T. S. Ki & S. H. Lee. (2017). A Prediction Scheme for Power Apparatus using Artificial Neural Networks, Journal of Korea Convergence Society, 7(6). 201-207
Y. S. Yang, T. T. Nguyen & K. Y. Bae. (2010). Prediction of Heating Line for Plate Forming in Induction Heating Process Using Artificial Neural Network, Journal of the KWJS, 28(4). 1-4.
J. H. Cho. (2013). Prediction of Arc Welding Quality through Artificial Neural Network, Journal of KWJS, 31(3), 44-48.
Y. B. Cho, H. S. Chang & H. S. Cho. (1993). Estimation of Nugget Size in Resistance Spot Welding Processes Using Artificial Neural Networks, Journal of Mechanical Science and Technology, 17(2), 393-406.
S. W. Shin, J. H. Lee & S. H. Park. (2018). Strength Estimation Model of Resistance Spot Welding of 1.2 GPa Grade Ultra High Strength TRIP Steel for Car Body Applications, Journal of Welding and Joining, 36(1). 82-89.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.