論文の概要: Deep Learning Based Tool Wear Estimation Considering Cutting Conditions

• arxiv url: http://arxiv.org/abs/2407.01199v1
• Date: Mon, 1 Jul 2024 11:48:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-03 21:49:58.232988
• Title: Deep Learning Based Tool Wear Estimation Considering Cutting Conditions
• Title（参考訳）: 切削条件を考慮したディープラーニングツール摩耗推定
• Authors: Zongshuo Li, Markus Meurer, Thomas Bergs,
• Abstract要約: モデル入力として切断条件を組み込んだ畳み込みニューラルネットワークに基づく深層学習手法を提案する。 我々は,ツール摩耗推定精度と,新しい固定あるいは可変切断パラメータへの伝達性の観点から,モデルの性能を評価する。
• 参考スコア（独自算出の注目度）: 0.18206461789819073
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Tool wear conditions impact the final quality of the workpiece. In this study, we propose a deep learning approach based on a convolutional neural network that incorporates cutting conditions as extra model inputs, aiming to improve tool wear estimation accuracy and fulfill industrial demands for zero-shot transferability. Through a series of milling experiments under various cutting parameters, we evaluate the model's performance in terms of tool wear estimation accuracy and its transferability to new fixed or variable cutting parameters. The results consistently highlight our approach's advantage over conventional models that omit cutting conditions, maintaining superior performance irrespective of the stability of the wear development or the limitation of the training dataset. This finding underscores its potential applicability in industrial scenarios.
• Abstract（参考訳）: 工具摩耗条件はワークの最終的な品質に影響を及ぼす。 本研究では,切削条件を余分なモデル入力として組み込んだ畳み込みニューラルネットワークに基づく深層学習手法を提案する。 各種切削パラメータを用いた一連の切削実験を通じて, 工具摩耗推定精度および新しい固定あるいは可変切削パラメータへの転写性の観点から, モデルの性能評価を行った。 その結果, 従来型の切断条件を省略し, 摩耗発達の安定性やトレーニングデータセットの制限によらず, 優れた性能を維持したモデルに対して, アプローチの優位性を常に強調した。 この発見は、産業シナリオにおける潜在的な適用可能性を強調している。

関連論文リスト

• Explanatory Model Monitoring to Understand the Effects of Feature Shifts on Performance [61.06245197347139]
  そこで本研究では,機能シフトによるブラックボックスモデルの振る舞いを説明する新しい手法を提案する。 本稿では,最適輸送と共有値の概念を組み合わせた提案手法について,説明的性能推定として紹介する。
  論文  参考訳（メタデータ） (2024-08-24T18:28:19Z)
• Deep Learning Approach for Enhanced Transferability and Learning Capacity in Tool Wear Estimation [0.18206461789819073]
  切断パラメータを考慮した工具摩耗推定のための深層学習手法を提案する。 提案手法は,伝達性と学習能力の両面で従来の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2024-07-01T11:49:10Z)
• Low-rank finetuning for LLMs: A fairness perspective [54.13240282850982]
  低ランク近似技術は、微調整された大規模言語モデルのデファクトスタンダードとなっている。 本稿では,これらの手法が初期訓練済みデータ分布から微調整データセットのシフトを捉える上での有効性について検討する。 低ランク微調整は好ましくない偏見や有害な振る舞いを必然的に保存することを示す。
  論文  参考訳（メタデータ） (2024-05-28T20:43:53Z)
• 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)
• QualEval: Qualitative Evaluation for Model Improvement [82.73561470966658]
  モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。 QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。 例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
  論文  参考訳（メタデータ） (2023-11-06T00:21:44Z)
• Making informed decisions in cutting tool maintenance in milling: A KNN based model agnostic approach [0.0]
  そこで本研究では,KNNをベースとしたホワイトボックスモデルを提案する。 このアプローチは、ツールが特定の状態にある理由を検出するのに役立つ。
  論文  参考訳（メタデータ） (2023-10-23T07:02:30Z)
• Sharing Information Between Machine Tools to Improve Surface Finish Forecasting [0.0]
  筆者らは旋回加工過程における表面粗さの測定を予測するためのベイズ階層モデルを提案する。 階層モデルは、複数の独立ベイズ線形回帰モデルと比較され、加工環境における部分プールの利点を示す。
  論文  参考訳（メタデータ） (2023-10-09T15:44:35Z)
• Learning Objective-Specific Active Learning Strategies with Attentive Neural Processes [72.75421975804132]
  学び アクティブラーニング(LAL)は、アクティブラーニング戦略自体を学ぶことを提案し、与えられた設定に適応できるようにする。 能動学習問題の対称性と独立性を利用した新しい分類法を提案する。 私たちのアプローチは、筋電図から学ぶことに基づいており、モデルに標準ではない目的に適応する能力を与えます。
  論文  参考訳（メタデータ） (2023-09-11T14:16:37Z)
• SynBench: Task-Agnostic Benchmarking of Pretrained Representations using Synthetic Data [78.21197488065177]
  近年、下流のタスクで大規模なデータで事前訓練された微調整大型モデルが成功し、ディープラーニングにおける重要なパラダイムシフトにつながった。 本稿では,合成データを用いて事前学習した表現の質を測定するためのタスク非依存フレームワークであるtextitSynBenchを提案する。
  論文  参考訳（メタデータ） (2022-10-06T15:25:00Z)
• Diagnostic Tool for Out-of-Sample Model Evaluation [12.44615656370048]
  モデルの将来, サンプル外損失を特徴付けるための有限キャリブレーションデータセットについて検討する。 弱い仮定の下で有限サンプル保証を提供するシンプルなモデル診断ツールを提案する。
  論文  参考訳（メタデータ） (2022-06-22T11:13:18Z)
• Post-hoc Models for Performance Estimation of Machine Learning Inference [22.977047604404884]
  さまざまなシナリオにおいて、推論中に機械学習モデルがどれだけうまく機能するかを推定することが重要である。 性能評価をさまざまなメトリクスやシナリオに体系的に一般化する。 提案したポストホックモデルは標準信頼ベースラインを一貫して上回っていることがわかった。
  論文  参考訳（メタデータ） (2021-10-06T02:20:37Z)

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。