机器学习算法的应用,用于在芯板加工过程中监测工具状况
Agata Przybyś-Małaczek1, Izabella Antoniuk1, Karol Szymanowski2
1Department of Artificial Intelligence, Institute of Information Technology, Warsaw University of Life Sciences, 02-776 Warsaw, Poland.
Sensors (Basel, Switzerland)
|July 14, 2023
概括
机器学习准确地监测芯片板削中的工具状况,实时检测磨损和预测故障. 这种由人工智能驱动的方法提高了制造效率,优于传统方法.
科学领域:
- 制造业 工程 制造工程
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 实时监测工具状况对于制造效率至关重要.
- 传统的方法难以准确及及时检测工具磨损和故障.
- 芯片板削对工具监控提出了独特的挑战.
研究的目的:
- 开发一种新的机器学习方法,用于实时监测板片削中的工具状况.
- 提高工具磨损检测和故障预测的准确性.
- 提高削过程的整体效率和生产率.
主要方法:
- 利用机器学习算法来监控工具状况.
- 应用特征工程分析了来自加工过程的11个不同的信号.
- 开发了芯片板削的实时监控系统.
主要成果:
- 在检测工具磨损方面实现了高精度.
- 在实时中成功预测了工具故障.
- 与传统的监测方法相比,表现出优越的性能.
结论:
- 机器学习为高级工具状态监控提供了强大的解决方案.
- 开发的方法显著提高了制造过程的效率和生产率.
- 这项研究强调了人工智能在工业自动化和预测性维护方面的潜力.
