최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국금형공학회지 = Journal of the Korea Society of Die & Mold Engineering, v.13 no.3, 2019년, pp.53 - 58
양동철 (한국생산기술연구원 금형기술그룹) , 김종선 (한국생산기술연구원 금형기술그룹)
This paper presents Artificial Neural Network(ANN) method to predict maximum injection pressure of injection molding machine and weights of injection molding products. 5 hidden layers with 10 neurons is used in the ANN. The ANN was conducted with 5 Input parameters and 2 response data. The input par...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
ANN이 사출성형품의 무게예측에 많이 사용되는 이유는 무엇인가? | 따라서 최근 연구에서는 사출성형품의 무게를 예측할 때, 기계학습(machine learning)과 딥 러닝(deep-leaning)을 적용한 Artificial Neural Network(ANN) 방식이 사용되기도 한다3). ANN이 사출성형품의 무게예측에 많이 사용되는 이유는 기존의 최적화 기법들, 예를 들어 다구찌 방법 등 보다 결과들 도출하는 속도가 빠르고 정확하며 사출성형변수들 사이의 비선형적 관계까지 예측해 낼 수 있기 때문이다4). 본 연구에서는 4개의 캐비티로 구성된 컵 금형을 사용하여 L27 직교배열을 이용한 5인자 3수준의 성형조건과 경계조건 내에서 무작위로 선택된 23개의 성형조건에 대해 사출성형을 진행하고 최대 사출압력과 무게를 측정한다. | |
플라스틱 사출성형은 무엇인가? | 플라스틱 사출성형은 복잡한 형상과 크기가 큰 제품을 짧은 시간에 저렴한 비용으로 생산해내는 제조기술이다1). 사출공정에서 용융된 수지는 차가운 금형 안으로 들어가 높은 보압 하에서 굳어진다 2). | |
사출성형품의 품질기준평가에 무게가 중요한 평가요소인 이유는 무엇인가? | 사출성형품의 품질기준평가에서 무게는 하나의 중요한 평가요소이다. 제품 무게는 제품의 표면품질, 기계적 성질 등과 밀접한 관계가 있다1). 사출성형품의 무게를 예측할 때, 이전에는 사출 성형기술자의 경험적인 지식에 의존하는 trial-and-error 방식이 사용되어 왔다. |
Meiabadi, M. S., Vafaeesefat, A., and Sharifi, F., "Optimization of Plastic Injection Molding Process by Combination of Artificial Neural Network and Genetic Algorithm", J. Optim. Ind. Eng., Vol. 13, pp. 49-54, 2013.
Changuy, S., Lixia, W., and Qian, L., "Optimization of injection molding process parameters using combination of artificial neural network and genetic algorithm method", J. Mater. Process. Technol., Vol. 183, pp. 412-418, 2007.
Chen, W. C., and Kurniawan, D., "Process Parameters Optimization for Multiple Quality Characteristics in Plastic Injection Molding using Taguchi Method", BPNN, GA, and Hybrid PSO-GA", nt. J. Precis. Eng. Manuf., Vol. 15, pp. 1583-1593, 2014.
Li, K., Yan, S., Zhong, Y., Pan, W., and Zhao, G., "Multi-Objective Optimization of the Fiber-reinforced Composite Injection Molding Process using Taguchi method", RSM, and NSGA-II", Simul. Modell. Pract. Theory, Vol. 91, pp. 69-82, 2019.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.