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.
To Another Language
from source content
arxiv.org
Thông tin chi tiết chính được chắt lọc từ
by Viny... lúc arxiv.org 04-16-2024
https://arxiv.org/pdf/2404.09604.pdfYêu cầu sâu hơn