최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기소성가공 = Transactions of materials processing : Journal of the Korean society for technology of plastics, v.29 no.2, 2020년, pp.89 - 96
박근태 (부산대학교 항공우주공학과) , 박지우 (부산대학교 부품소재산학협력연구소) , 곽민준 (부산대학교 항공우주공학과) , 강범수 (부산대학교 항공우주공학과)
The finite element method has been widely applied in the sheet metal forming process. However, the finite element method is computationally expensive and time consuming. In order to tackle this problem, surrogate modeling methods have been proposed. An artificial neural network (ANN) is one such sur...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
딥 드로잉 공정은 무엇인가? | 딥 드로잉 공정은 펀치를 이용하여 블랭크를 다이 공동부로 밀어 넣어 이음매가 없고 직경에 비해 깊이가 깊은 제품을 성형하는 공법이며, 대량 생산에 적합하기 때문에 다양한 제품 제작에 활용되고 있다. 딥 드로잉 공정에 영향을 미치는 공정 변수는 블랭크 형상, 펀치 및 다이 곡률 반경, 펀치와 다이 간격, 블랭크 홀딩력, 마찰 계수 등이 있다. | |
성형 공정의 결과예측을 위해 유한요소법(finite element method) 사용할때 발생하는 단점은? | 하지만 요소의 크기가 작아져 총 요소 수가 많아질수록 컴퓨팅 시간이 오래 걸리며 메모리 사용량이 많아지게 된다. 따라서 성형 공정 결과 예측을 위한 유한요소 해석의 반복 수가 많아질 경우 비효율성이 커지는 단점이 있다. | |
딥 드로잉 공정에 영향을 미치는 공정변수는? | 딥 드로잉 공정은 펀치를 이용하여 블랭크를 다이 공동부로 밀어 넣어 이음매가 없고 직경에 비해 깊이가 깊은 제품을 성형하는 공법이며, 대량 생산에 적합하기 때문에 다양한 제품 제작에 활용되고 있다. 딥 드로잉 공정에 영향을 미치는 공정 변수는 블랭크 형상, 펀치 및 다이 곡률 반경, 펀치와 다이 간격, 블랭크 홀딩력, 마찰 계수 등이 있다. 공정 변수들은 복잡하게 상호작용을 하기 때문에 성형품의 상태를 예측하는 것은 어렵다. |
G. E. P. Box, K. B. Wilson, 1951, On the Experimental Attainment of Optimum Conditions, J. R. Stat. Soc. Ser. B stat. Methodol., Vol. 13, No. 1, pp. 1-38.
Y. M. Xie, 2011, Multi-Objective Optimal Approach Based on Kriging Model in a Deep Drawing Process, Key Eng. Mater., Vol. 474, pp. 205-210.
Y. Tang, J. Chen, 2009, Robust Design of Sheet Metal Forming Process Based on Adaptive Importance Sampling, Struct. Multidiscip. Optim., Vol. 39, No. 5, pp. 531- 544.
G. Sun, G. Li, Q. Li, 2012, Variable Fidelity Design Based Surrogate and Artificial Bee Colony Algorithm for Sheet Metal Forming Process, Finite Elem. Anal. Des., Vol. 59, pp. 76-90.
K. M. Liew, H. Tan, T. Ray, M. J. Tan, 2004, Optimal Process Design of Sheet Metal Forming for Minimum Springback Via an Integrated Neural Network Evolutionary Algorithm, Struct. Multidiscip. Optim., Vol. 26, No. 3-4, pp. 284-294.
J. Pfrommer, C. Zimmerling, J. Liu, L. Karger, F. Henning, J. Beyerer, 2018, Optimisation of Manufacturing Process Parameters Using Deep Neural Networks as Surrogate Models, Procedia CIRP, Vol. 72, pp. 426-431.
M. A. Woo, S. M. Lee, K. H. Lee, W. J. Song, J. kim, 2018, Application of an Artificial Neural Network Model to Obtain Constitutive Equation Parameters of Materials in High Speed Forming Process, Proc. Kor. Soc. Tech. Plast. Conf., Vol. 27, No. 6, pp. 331-338.
H. Wang, F. Ye, L. Chen, E. Li, 2017, Sheet Metal Forming Optimization by Using Surrogate Modeling Techniques, Chin. J. Mech. Eng., Vol. 30, No. 1, pp. 22-36.
S. Sivasankaran, R. Narayanasamy, R. Jeyapaul, C. Loganathan, 2009, Modelling of Wrinkling in Deep Drawing of Different Grades of Annealed Commercially Pure Aluminium Sheets When Drawn Through a Conical Die Using Artificial Neural Network, Mater. Des., Vol. 30, No. 8, pp. 3193-3205.
G. S. Shin, J. G. Park, J. H. Kim, Y. S. Kim, Y. H. Park, N. K. Park, 2015, Effect of Processing Conditions on the Deep Drawability of Ti-6Al-4V Sheet at Warm Temperatures, Proc. Kor. Soc. Tech. Plast. Conf., Vol. 24, No. 1, pp. 5-12.
Y. Q. Li, Z. S. Cui, X. Y. Ruan, D. J. Zhang, 2006, CAE-based Six Sigma Robust Optimization for Deep-Drawing Process of Sheet Metal, Int. J. Adv. Manuf. Technol., Vol. 30, No. 7-8, pp. 631-637.
R. Hill, 1948, A Theory of the Yielding and Plastic Flow of Anisotropic Metals, Proc. R. Soc. London, Ser. A. Math. Phys. Sci., Vol. 193, No. 1033, pp. 281-297.
Y. A. LeCun, L. Bouuou, G. B. Orr, K. R. Muller, 2012, Efficient Backprop, Neural networks: Tricks of the trade, Springer, Berlin, Heidelberg, pp. 9-48.
M. Y. M. Ahmed, N. Qin, 2009, Surrogate-based Aerodynamic Design Optimization: Use of Surrogates in Aerodynamic Design Optimization, Int. Conf. Aerosp. Sci. Aviat. Technol., Military Technical College, Kobry Elkobba, Cario, Vol.13, pp. 1-26.
*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.