کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
1134957 1489100 2011 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Data mining for quality control: Burr detection in the drilling process
ترجمه فارسی عنوان
داده کاوی برای کنترل کیفیت: تشخیص با مته سوراخ کردن در روند حفاری
کلمات کلیدی
داده کاوی - یادگیری ماشین - روند حفاری - تشخیص با مته سوراخ کردن
فهرست مطالب مقاله
چکیدهکلمات کلیدی1. مقدمه 2. یک بررسی از کارهای مرتبط3. برپایی آزمایشی: آماده سازی و انتخاب دادهشکل 3. سیگنال محور الکتریکی بدست آمده در طی دریلینگشکل 4. ناحیه برش5. رویکرد معرفی شده و نتایج آزمایشی5. 1. ارزیابی5. 2. رویکرد اول5. 2. 1 نتایج5. 3. رویکرد دوم5.3.1 انتخاب زیرمجموعه آینده5. 3. 2. ترکیب الگوریتمهای طبقه بندی کننده5. 3. 3. نتایج معیارهاجدول 5. انتخاب متغیرها.جدول 6. نتایج الگوریتمهای یادگیری ماشین با انتخاب متغیرها.5. 4. رویکرد سومجدول 8. 10 الگوریتم درجه یک5. 4. 1. نتایججدول 12. روش شف.شکل 5. درخت طبقه بندی6. نتایج
ترجمه چکیده
فرآیند دریلینگ، یکی از مهمترین عملکردها در صنعت هوانوردی می باشد. آن روی باله های هواپیماها انجام شده است و مشکل اصلی آن در تولید برآمدگی می باشد. در حال حاضر، یک بازرسی بصری و یک کار حذف برآمدگی دستی پس از حفاری و قبل از پرچ کاری برای مطمئن ساختن کیفیت محصول وجود دارد. این عملکردها هزینه و منبع های مورد نیاز در طی فرآیند را افزایش می دهد. مقاله، استفاده تکنیک‌های حفاری داده برای دستیابی به یک مدل قابل اطمینان برای کشف تولید برآمدگی در طی دریلینگ سرعت بالا در وضعیت های خشک روی آلومینیوم Al 7075-T6 را نشان می دهد. آن حذف عملکردهای غیر تولیدی برای بهینه کردن فرآیند و کاهش هزینه اقتصادی را ممکن می سازد. بعلاوه، این مدل باید قادر به اجرا شدن بعدا در یک سیستم نمایش برای کشف اتوماتیک و آنلاین باشد وقتی برآمدگی تولید شده خارج از محدوده های تحمل باشد یا نباشد. مقاله کل فرآیند تحلیل داده از آمادگی داده برای ارزیابی و انتخاب مدل نهایی توصیف می کند.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی صنعتی و تولید
پیش نمایش مقاله
داده کاوی برای کنترل کیفیت: تشخیص با مته سوراخ کردن در روند حفاری
چکیده انگلیسی
Drilling process is one of the most important operations in aeronautic industry. It is performed on the wings of the aeroplanes and its main problem lies with the burr generation. At present moment, there is a visual inspection and manual burr elimination task subsequent to the drilling and previous to the riveting to ensure the quality of the product. These operations increase the cost and the resources required during the process. The article shows the use of data mining techniques to obtain a reliable model to detect the generation of burr during high speed drilling in dry conditions on aluminium Al 7075-T6. It makes possible to eliminate the unproductive operations in order to optimize the process and reduce economic cost. Furthermore, this model should be able to be implemented later in a monitoring system to detect automatically and on-line when the generated burr is out of tolerance limits or not. The article explains the whole process of data analysis from the data preparation to the evaluation and selection of the final model.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Industrial Engineering - Volume 60, Issue 4, May 2011, Pages 801–810
نویسندگان
, , , ,