Fugu-MT 論文翻訳(概要): A Data-driven Reduced Order Modeling Approach Applied In Context Of Numerical Analysis And Optimization Of Plastic Profile Extrusion

論文の概要: A Data-driven Reduced Order Modeling Approach Applied In Context Of Numerical Analysis And Optimization Of Plastic Profile Extrusion

arxiv url: http://arxiv.org/abs/2209.03121v1
Date: Wed, 7 Sep 2022 13:12:28 GMT
ステータス: 処理完了
システム内更新日: 2022-09-08 13:19:14.020350
Title: A Data-driven Reduced Order Modeling Approach Applied In Context Of Numerical Analysis And Optimization Of Plastic Profile Extrusion
Title（参考訳）: データ駆動型還元秩序モデリング手法の数値解析とプラスチックプロファイラ押出しの最適化への応用
Authors: Daniel Hilger and Norbert Hosters
Abstract要約: キャリブレーションユニット内の押出プロファイル内における温度分布の予測を目的とした,データ駆動型リダクションオーダーモデル(ROM)を開発した。これにより、ROMは予測に基づくプロセス制御の全体的な目標への第一歩として機能し、望ましくないウォーページや最終製品の損傷を避ける。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In course of this work, we examine the process of plastic profile extrusion, where a polymer melt is shaped inside the so-called extrusion die and fixed in its shape by solidification in the downstream calibration unit. More precise, we focus on the development of a data-driven reduced order model (ROM) for the purpose of predicting temperature distributions within the extruded profiles inside the calibration unit. Therein, the ROM functions as a first step to our overall goal of prediction based process control in order to avoid undesired warpage and damages of the final product.
Abstract（参考訳）: 本研究は, 下流キャリブレーションユニットの固化処理により, いわゆる押出成形体の内部にポリマー溶融体を成形し, その形状を固定するプラスチックプロファイル押出成形プロセスについて検討する。より正確には、キャリブレーションユニット内の押出プロファイル内の温度分布を予測するために、データ駆動型還元秩序モデル(ROM)の開発に焦点を当てる。これにより、ROMは予測に基づくプロセス制御の全体的な目標への第一歩として機能し、望ましくないウォーページや最終製品の損傷を避ける。

関連論文リスト

On conditional diffusion models for PDE simulations [53.01911265639582]
スパース観測の予測と同化のためのスコアベース拡散モデルについて検討した。本稿では,予測性能を大幅に向上させる自動回帰サンプリング手法を提案する。また,条件付きスコアベースモデルに対する新たなトレーニング戦略を提案する。
論文参考訳（メタデータ） (2024-10-21T18:31:04Z)
Steering Masked Discrete Diffusion Models via Discrete Denoising Posterior Prediction [88.65168366064061]
本稿では,確率論的推論の課題として,事前学習したMDMを操る作業を行う新しいフレームワークであるDDPPを紹介する。私たちのフレームワークは、3つの新しい目標のファミリーにつながります。 Wet-lab Validation(ウェット・ラブ・バリデーション)を用いて,報酬最適化タンパク質配列の過渡的発現を観察する。
論文参考訳（メタデータ） (2024-10-10T17:18:30Z)
DiffusionPCR: Diffusion Models for Robust Multi-Step Point Cloud Registration [73.37538551605712]
ポイントクラウド登録(PCR)は、2つのポイントクラウド間の相対的な厳密な変換を推定する。本稿では, PCR を拡散確率過程として定式化し, ノイズ変換を基礎的真理にマッピングする。実験ではDiffusionPCRの有効性を示し,3Dおよび3DLoMatchに対する最先端の登録リコール率(95.3%/81.6%)を得た。
論文参考訳（メタデータ） (2023-12-05T18:59:41Z)
Towards a unified nonlocal, peridynamics framework for the coarse-graining of molecular dynamics data with fractures [6.478834929962051]
MD模擬材料破壊データセットからメソスケール連続体サロゲートとして周辺力学モデルを抽出する学習フレームワークを提案する。我々の周辺力学シュロゲートモデルは、トレーニングと異なるグリッド解像度の予測タスクに利用できる。
論文参考訳（メタデータ） (2023-01-11T16:07:17Z)
Investigation of reinforcement learning for shape optimization of profile extrusion dies [1.5293427903448022]
強化学習(Reinforcement Learning, RL)は、学習に基づく最適化アルゴリズムである。 RLは、エージェントと環境との試行錯誤の相互作用に基づいている。この手法を2つの2次元テストケースに適用して検討する。
論文参考訳（メタデータ） (2022-12-23T08:53:09Z)
Surrogate Modelling for Injection Molding Processes using Machine Learning [0.23090185577016442]
射出成形は、複雑なプラスチックオブジェクトをモデル化するための最も一般的な製造方法の1つである。モルドフローシミュレーションプロジェクトからのデータの抽出を含むデータ処理パイプラインのベースラインを提案する。我々は,時間と偏向分布予測のための機械学習モデルを評価し,MSEおよびRMSEメトリクスのベースライン値を提供する。
論文参考訳（メタデータ） (2021-07-30T12:13:52Z)
Learning to predict metal deformations in hot-rolling processes [59.00006390882099]
ホットローリング(Hot-rolling)は、入力から一連の変形を通じて断面を生成する金属成形プロセスである。現状では、ロールの回転列と形状は、与えられた断面を達成するために必要である。そこで本研究では,一組のロールが与えられた形状を予測するための教師付き学習手法を提案する。
論文参考訳（メタデータ） (2020-07-22T13:33:44Z)
VAE-LIME: Deep Generative Model Based Approach for Local Data-Driven Model Interpretability Applied to the Ironmaking Industry [70.10343492784465]
モデル予測だけでなく、その解釈可能性も、プロセスエンジニアに公開する必要があります。 LIMEに基づくモデルに依存しない局所的解釈可能性ソリューションが最近出現し、元の手法が改良された。本稿では, 燃焼炉で生成する高温金属の温度を推定するデータ駆動型モデルの局所的解釈可能性に関する新しいアプローチ, VAE-LIMEを提案する。
論文参考訳（メタデータ） (2020-07-15T07:07:07Z)
On the minmax regret for statistical manifolds: the role of curvature [68.8204255655161]
2つの部分のコードと最小記述長は、最高のモデルを選別するための手順を提供するのに成功している。我々は、フィッシャー情報計量のスカラー曲率が支配的な役割を果たす複雑さによって与えられる標準表現よりも、よりシャープな表現を導出する。
論文参考訳（メタデータ） (2020-07-06T17:28:19Z)
Optimization of Passive Chip Components Placement with Self-Alignment Effect for Advanced Surface Mounting Technology [2.6168876987285308]
表面実装技術(SMT)は、電子部品を半田印刷回路基板(PCB)に直接配置する電子包装の強化手法である。リフロー過程の間、沈殿したはんだペーストが溶け始めると、電子部品は最高対称性を達成する方向に移動する。本研究では,予測手法として,サポートベクタ回帰(SVR)とランダムフォレスト回帰(RFR)の2つの機械学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-01-27T07:37:47Z)

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。