論文の概要: Explainable Artificial Intelligence for Manufacturing Cost Estimation and Machining Feature Visualization

• arxiv url: http://arxiv.org/abs/2010.14824v2
• Date: Sun, 13 Jun 2021 05:31:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-02 06:13:42.209240
• Title: Explainable Artificial Intelligence for Manufacturing Cost Estimation and Machining Feature Visualization
• Title（参考訳）: 製造コスト推定と加工特徴可視化のための説明可能な人工知能
• Authors: Soyoung Yoo, Namwoo Kang
• Abstract要約: 提案したプロセスは,(1)データ収集と事前処理,(2)ディープラーニングアーキテクチャ探索,(3)予測結果の可視化からなる。 提案したディープラーニングモデルは,コンピュータ数値制御(CNC)加工部品の製造コストの高い予測可能性を示す。 提案手法を用いることで,設計段階における製造コストの低減を図るため,設計者に対して設計指導を行うことができる。
• 参考スコア（独自算出の注目度）: 6.85316573653194
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Studies on manufacturing cost prediction based on deep learning have begun in recent years, but the cost prediction rationale cannot be explained because the models are still used as a black box. This study aims to propose a manufacturing cost prediction process for 3D computer-aided design (CAD) models using explainable artificial intelligence. The proposed process can visualize the machining features of the 3D CAD model that are influencing the increase in manufacturing costs. The proposed process consists of (1) data collection and pre-processing, (2) 3D deep learning architecture exploration, and (3) visualization to explain the prediction results. The proposed deep learning model shows high predictability of manufacturing cost for the computer numerical control (CNC) machined parts. In particular, using 3D gradient-weighted class activation mapping proves that the proposed model not only can detect the CNC machining features but also can differentiate the machining difficulty for the same feature. Using the proposed process, we can provide a design guidance to engineering designers in reducing manufacturing costs during the conceptual design phase. We can also provide real-time quotations and redesign proposals to online manufacturing platform customers.
• Abstract（参考訳）: 近年,ディープラーニングに基づく製造コスト予測の研究が始まっているが,モデルがブラックボックスとして使用されているため,コスト予測の根拠は説明できない。 本研究では,説明可能な人工知能を用いた3次元コンピュータ支援設計(cad)モデルの製造コスト予測手法を提案する。 提案手法は, 製造コストの増大に影響を及ぼす3次元cadモデルの加工特性を可視化することができる。 提案手法は,(1)データ収集と前処理,(2)3次元ディープラーニングアーキテクチャ探索,(3)予測結果を説明する可視化からなる。 提案する深層学習モデルは,計算機数値制御(cnc)機械部品の製造コストの予測可能性が高い。 特に,3次元勾配重み付けクラスアクティベーションマッピングを用いることで,提案モデルがcnc加工特徴を検出できるだけでなく,同一特徴に対する加工困難度を区別できることを示す。 提案手法を用いることで,概念設計段階で製造コストを削減するための設計指針を設計者に提供することができる。 また、オンライン製造プラットフォーム顧客にリアルタイムの引用や再提案も提供できます。

関連論文リスト

• Text2CAD: Text to 3D CAD Generation via Technical Drawings [45.3611544056261]
  Text2CADは、生成プロセスを自動化するために調整された安定した拡散モデルを利用する新しいフレームワークである。 テキスト2CADは,高品質な3次元CADモデルに正確に変換された技術図面を効果的に生成することを示す。
  論文  参考訳（メタデータ） (2024-11-09T15:12:06Z)
• Geometric Deep Learning for Computer-Aided Design: A Survey [85.79012726689511]
  本調査では,コンピュータ支援設計における学習手法の概要について概観する。 類似性解析と検索、2Dおよび3DCADモデル合成、点雲からのCAD生成を含む。 ベンチマークデータセットとその特性の完全なリストと、この領域の研究を推進しているオープンソースコードを提供する。
  論文  参考訳（メタデータ） (2024-02-27T17:11:35Z)
• Novel End-to-End Production-Ready Machine Learning Flow for Nanolithography Modeling and Correction [0.0]
  最先端の研究は、ランタイムと計算能力を減らすために機械学習(ML)技術を模索した。 本稿では,ML-RETの修正が可能な,スケーラブルなエンドツーエンドフローを提案する。
  論文  参考訳（メタデータ） (2024-01-04T20:53:43Z)
• CNC-Net: Self-Supervised Learning for CNC Machining Operations [49.55380246503274]
  我々は、CNCマシンをシミュレートするためのディープニューラルネットワーク(DNN)の使用を表すCNC-Netという先駆的なアプローチを導入する。 本手法は,手動CNCプログラミングの高コストに代えて,コスト効率のよい代替手段を提供することにより,製造における革新的自動化を実現する可能性を秘めている。
  論文  参考訳（メタデータ） (2023-12-15T16:31:17Z)
• Weighted Unsupervised Domain Adaptation Considering Geometry Features and Engineering Performance of 3D Design Data [2.306144660547256]
  本稿では,3次元設計データの幾何学的特徴と工学的性能を考慮した2重非教師なし領域適応手法を提案する。 提案モデルでは, 最大von Mises応力の大きさとそれに対応する3次元路面車輪の位置を予測するために, 車輪衝撃解析問題を用いて実験を行った。
  論文  参考訳（メタデータ） (2023-09-08T00:26:44Z)
• Accelerated and Inexpensive Machine Learning for Manufacturing Processes with Incomplete Mechanistic Knowledge [0.0]
  本稿では,この問題に対処するトランスファーラーニングに基づくアプローチを提案する。 MLモデルは、物理ベースのプロセスモデル(ソース)から大量の計算コストのかかるデータに基づいて訓練され、その後、より安価な実験データ(ターゲット)に基づいて微調整される。 情報源の極めて機能的かつ定量的な不正確さにもかかわらず、我々の手法はモデル開発コストを何年も削減し、実験コストを56～76%削減し、計算コストを桁違いに削減し、予測誤差を16～24%削減する。
  論文  参考訳（メタデータ） (2023-04-29T10:54:57Z)
• An adaptive human-in-the-loop approach to emission detection of Additive Manufacturing processes and active learning with computer vision [76.72662577101988]
  In-situ monitoring and process control in Additive Manufacturing (AM) は大量の排出データを収集することを可能にする。 このデータは、3Dプリントされた部品の3Dおよび2D表現への入力として使用できる。 本研究の目的は,機械学習技術を用いた適応型ヒューマン・イン・ザ・ループ手法を提案することである。
  論文  参考訳（メタデータ） (2022-12-12T15:11:18Z)
• Design Automation for Fast, Lightweight, and Effective Deep Learning Models: A Survey [53.258091735278875]
  本調査では,エッジコンピューティングを対象としたディープラーニングモデルの設計自動化技術について述べる。 これは、有効性、軽量性、計算コストの観点からモデルの習熟度を定量化するために一般的に使用される主要なメトリクスの概要と比較を提供する。 この調査は、ディープモデル設計自動化技術の最先端の3つのカテゴリをカバーしている。
  論文  参考訳（メタデータ） (2022-08-22T12:12:43Z)
• Using Machine Learning to Predict Engineering Technology Students' Success with Computer Aided Design [50.591267188664666]
  機械学習技術と組み合わせたデータによって、特定の学生がデザインタスクでどれだけうまく機能するかを予測する方法を示す。 初期設計シーケンスアクションを用いたモデルは,特に予測に有用であることが判明した。 これらのモデルをさらに改善することで、事前の予測が得られ、学生のフィードバックがより早く得られるようになり、学習が向上する可能性がある。
  論文  参考訳（メタデータ） (2021-08-12T20:24:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。