Sharing Information Between Machine Tools to Improve Surface Finish Forecasting

要約

現在、ほとんどの表面品質予測方法は単一タスクの予測しか実行できないため、データセットが十分に活用されず、繰り返し作業が発生し、実験コストが増加します。
これに対抗するために、著者らは旋削加工プロセスの表面粗さ測定を予測するためのベイジアン階層モデルを提案しています。
階層モデルは、複数の独立したベイジアン線形回帰モデルと比較され、予測精度と不確実性の定量化に関して、加工設定における部分プーリングの利点が示されています。

要約(オリジナル)

At present, most surface-quality prediction methods can only perform single-task prediction which results in under-utilised datasets, repetitive work and increased experimental costs. To counter this, the authors propose a Bayesian hierarchical model to predict surface-roughness measurements for a turning machining process. The hierarchical model is compared to multiple independent Bayesian linear regression models to showcase the benefits of partial pooling in a machining setting with respect to prediction accuracy and uncertainty quantification.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google