論文の概要: Steel Surface Roughness Parameter Calculations Using Lasers and Machine Learning Models

• arxiv url: http://arxiv.org/abs/2307.03723v2
• Date: Sun, 1 Oct 2023 11:21:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-03 17:15:47.077955
• Title: Steel Surface Roughness Parameter Calculations Using Lasers and Machine Learning Models
• Title（参考訳）: レーザと機械学習モデルを用いた鋼表面粗さパラメータ計算
• Authors: Alex Milne, Xianghua Xie
• Abstract要約: 鋼板の表面性状の制御は, 亜鉛めっきおよび熱間圧延プロセスにおいて, 顧客の要求を満たすために不可欠である。 従来の方法はポストプロダクションのスタイラス測定に依存し、オンライン技術はストリップ全体を非接触でリアルタイムに計測する。 我々は最先端の機械学習モデルを活用し、オンライン計測の精度を著しく高め、Ra表面粗さ測定値に変換する。
• 参考スコア（独自算出の注目度）: 5.692841379023887
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Control of surface texture in strip steel is essential to meet customer requirements during galvanizing and temper rolling processes. Traditional methods rely on post-production stylus measurements, while on-line techniques offer non-contact and real-time measurements of the entire strip. However, ensuring accurate measurement is imperative for their effective utilization in the manufacturing pipeline. Moreover, accurate on-line measurements enable real-time adjustments of manufacturing processing parameters during production, ensuring consistent quality and the possibility of closed-loop control of the temper mill. In this study, we leverage state-of-the-art machine learning models to enhance the transformation of on-line measurements into significantly a more accurate Ra surface roughness metric. By comparing a selection of data-driven approaches, including both deep learning and non-deep learning methods, to the close-form transformation, we evaluate their potential for improving surface texture control in temper strip steel manufacturing.
• Abstract（参考訳）: 鋼板の表面性状の制御は, 亜鉛めっきおよび熱間圧延プロセスにおける顧客の要求を満たすために不可欠である。 従来の方法はポストプロダクションのスタイラス測定に依存し、オンライン技術はストリップ全体の非接触およびリアルタイム計測を提供する。 しかし, 製造パイプラインの有効利用には, 正確な測定の確保が不可欠である。 さらに、正確なオンライン測定により製造工程パラメータのリアルタイム調整が可能となり、一貫性のある品質とテンパーミルのクローズドループ制御が可能となる。 本研究では,最先端の機械学習モデルを用いて,オンライン計測の高精度なra面粗さ測定への変換を実現する。 深部学習法と非深部学習法の両方を含むデータ駆動型アプローチの選択をクローズフォーム変換と比較することにより, 薄帯鋼製造における表面テクスチャ制御の改善の可能性を評価する。

関連論文リスト

• Sparse Attention-driven Quality Prediction for Production Process Optimization in Digital Twins [53.70191138561039]
  データ駆動方式で運用ロジックを符号化することで,生産ラインのディジタルツインをデプロイすることを提案する。 我々は,自己注意型時間畳み込みニューラルネットワークに基づく生産プロセスの品質予測モデルを採用する。 本手法は,本手法により,仮想及び実生産ライン間のシームレスな統合を促進できることを示す。
  論文  参考訳（メタデータ） (2024-05-20T09:28:23Z)
• On the Calibration of Large Language Models and Alignment [63.605099174744865]
  信頼性キャリブレーションは、ディープモデルの信頼性を高める重要なツールである。 構築プロセス全体を通して、アライメント言語モデルの校正を体系的に検討する。 我々の研究は、人気のあるLCMが十分に校正されているか、トレーニングプロセスがモデルの校正にどのように影響するかに光を当てています。
  論文  参考訳（メタデータ） (2023-11-22T08:57:55Z)
• Towards a Deep Learning-based Online Quality Prediction System for Welding Processes [4.923235962860045]
  溶接プロセスは, 材料特性, プロセス条件, 溶接品質の複雑な原因-効果関係を特徴とする。 ディープラーニングは、利用可能なプロセスデータ内の関係を特定し、プロセス観察から溶接品質を予測する能力を提供する。 本稿では,GMAWにおけるディープラーニングに基づく予測品質システムの概念を提案する。
  論文  参考訳（メタデータ） (2023-10-19T10:35:50Z)
• Sequential Monte Carlo applied to virtual flow meter calibration [0.0]
  油とガスの製造において、仮想フロー計測(VFM)は、マルチフェーズ流量をリアルタイムで推定しようとする一般的なソフトセンサーである。 キャリブレーションは、モデルの大きな多様性と利用可能な測定値の両方のために、アプリケーションに大きく依存する。 本稿では,生産セパレータによって提供される測定値に基づいてキャリブレーション手法を提案する。
  論文  参考訳（メタデータ） (2023-04-13T07:35:18Z)
• Predicting Surface Texture in Steel Manufacturing at Speed [81.90215579427463]
  亜鉛めっきおよび熱間圧延過程における鋼板の表面テクスチャの制御は,顧客要求を満たすために不可欠である。 本稿では,インラインレーザ反射計測から表面特性予測への変換精度向上のための機械学習の利用を提案する。
  論文  参考訳（メタデータ） (2023-01-20T12:11:03Z)
• Machine learning based modelling and optimization in hard turning of AISI D6 steel with newly developed AlTiSiN coated carbide tool [0.0]
  新規に開発したAlTiSiN被覆炭化物を用いて, 乾燥切削条件下で加工を行った。 加工操作から収集したデータは、機械学習(ML)ベースの代理モデルの開発に使用される。
  論文  参考訳（メタデータ） (2022-01-30T15:54:15Z)
• Data-driven and Automatic Surface Texture Analysis Using Persistent Homology [1.370633147306388]
  合成表面の粗さレベルを分類するためのトポロジカルデータ解析(TDA)手法を提案する。 我々は、表面の形状に関する情報をカプセル化する永続化図を生成する。 次に、Carlsson座標、永続画像、テンプレート関数を用いて、各表面またはプロファイルの特徴行列を求める。
  論文  参考訳（メタデータ） (2021-10-19T14:19:58Z)
• Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
  新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。 本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。 その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
  論文  参考訳（メタデータ） (2021-02-15T10:37:52Z)
• Classification of Spot-welded Joints in Laser Thermography Data using Convolutional Neural Networks [52.661521064098416]
  レーザサーモグラフィーデータから得られた画像を用いてスポット溶接の品質検査を行う手法を提案する。 我々は畳み込みニューラルネットワークを用いて溶接品質を分類し、異なるモデルの性能を互いに比較する。
  論文  参考訳（メタデータ） (2020-10-24T20:38:12Z)
• 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)

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。