본 연구는 스펀본드 부직포 생산 공정의 최적화를 위해 기계 학습 기반 워크플로우를 제안한다. 이 워크플로우는 시뮬레이션 모델과 데이터 기반 기계 학습 모델을 결합하여 활용한다.
공정 매개변수 선정: 부직포 품질에 영향을 미치는 6가지 주요 공정 매개변수를 선정하였다. 이 매개변수들은 부직포의 균일성을 나타내는 출력 변수인 변동 계수(CV)와 연관된다.
데이터 수집 및 지식 통합: 시뮬레이션 모델을 활용하여 데이터를 생성하고, 전문가 지식과 과학적 지식을 통합하여 데이터 품질을 향상시켰다. 이를 통해 계산 비용을 줄이고 특징 선택을 용이하게 하였다.
모델 선택: 다양한 회귀 모델(선형 회귀, 다항 회귀, 베이지안 회귀, 랜덤 포레스트, 인공 신경망 등)을 평가하여 인공 신경망 모델을 최종 모델로 선택하였다. 이 모델은 가장 높은 정확도와 계산 성능을 보였다.
최적화 및 인간 검증: 선택된 기계 학습 모델을 활용하여 부직포 균일성을 실시간으로 예측하고 최적화할 수 있는 시각화 도구를 개발하였다. 이 도구를 통해 전문가가 공정 매개변수를 탐색하고 최적의 조건을 선택할 수 있다. 최종적으로 인간 검증을 통해 미적 기준을 만족하는 최적의 공정 조건을 도출한다.
Naar een andere taal
vanuit de broninhoud
arxiv.org
Belangrijkste Inzichten Gedestilleerd Uit
by Viny... om arxiv.org 04-16-2024
https://arxiv.org/pdf/2404.09604.pdfDiepere vragen