RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      3D 프린팅 플라스틱 소재의 산업안전 활용을 위한 인공지능기반 재료거동 연구 = A Study on the AI based material behavior of 3D printing plastic for the utilization of industrial safety

      한글로보기

      https://www.riss.kr/link?id=T17083957

      • 0

        상세조회
      • 0

        다운로드
      서지정보 열기
      • 내보내기
      • 내책장담기
      • 공유하기
      • 오류접수

      부가정보

      국문 초록 (Abstract) kakao i 다국어 번역

      외부의 충격으로부터 잦은 위험을 받는 건설노동자 등의 안전모의 안전성은 가장 중요한 문제라고 할 수 있으며, 낮은 가격, 우수한 비강도 및 비강성을 가지는 플라스틱 재료가 주로 사용되고 있다. 또한 최근 개인에 대한 맞춤형 장비의 소요가 증가하며 기존의 사출 방식의 플라스틱 제품이 아닌 3D 프린팅을 활용한 헬멧 등의 수요 및 연구가 증가하고 있다.
      본 연구에서는 고위험 근로자의 안전모에 사용되는 플라스틱 재료의 안전성을 예측하기 위한 연구로써 인장시험을 통한 기계적 물성을 파악하고 낙하충격시험을 진행하였으며, 통계학적 기법인 다구치 기법을 통해 출력 변수를 최적화하였으며, 최적화 된 출력 조건으로 기계적 물성을 예측하였다. 최종적으로 머신러닝 기법을 활용하여 재료의 기계적 물성 예측 모델을 개발하였다. 인장시험은 3가지의 출력 조건(레이어 두께, 노즐 온도, 채움 밀도)을 통해 3D 프린팅 된 플라스틱 재료의 기계적물성을 비교 및 확인하였으며, 인장시험 결과 중 극한응력이 가장 높은 출력 조건을 통해 평판형 시편을 제작하였다. 수행된 낙하충격시험은 충격 에너지를 확인하기 위해 3가지의 높이조건으로 진행하여 재료에 가해진 충격량을 도출하였다. 획득한 인장시험 결과는 다구치 기법을 통해 신호대비 잡음비에 대한 분석과 머신러닝 기법인 ANN(Artificial Neural Network)을 활용하여 실제 실험값과 비교 분석 및 검증하였다.
      번역하기

      외부의 충격으로부터 잦은 위험을 받는 건설노동자 등의 안전모의 안전성은 가장 중요한 문제라고 할 수 있으며, 낮은 가격, 우수한 비강도 및 비강성을 가지는 플라스틱 재료가 주로 사용...

      외부의 충격으로부터 잦은 위험을 받는 건설노동자 등의 안전모의 안전성은 가장 중요한 문제라고 할 수 있으며, 낮은 가격, 우수한 비강도 및 비강성을 가지는 플라스틱 재료가 주로 사용되고 있다. 또한 최근 개인에 대한 맞춤형 장비의 소요가 증가하며 기존의 사출 방식의 플라스틱 제품이 아닌 3D 프린팅을 활용한 헬멧 등의 수요 및 연구가 증가하고 있다.
      본 연구에서는 고위험 근로자의 안전모에 사용되는 플라스틱 재료의 안전성을 예측하기 위한 연구로써 인장시험을 통한 기계적 물성을 파악하고 낙하충격시험을 진행하였으며, 통계학적 기법인 다구치 기법을 통해 출력 변수를 최적화하였으며, 최적화 된 출력 조건으로 기계적 물성을 예측하였다. 최종적으로 머신러닝 기법을 활용하여 재료의 기계적 물성 예측 모델을 개발하였다. 인장시험은 3가지의 출력 조건(레이어 두께, 노즐 온도, 채움 밀도)을 통해 3D 프린팅 된 플라스틱 재료의 기계적물성을 비교 및 확인하였으며, 인장시험 결과 중 극한응력이 가장 높은 출력 조건을 통해 평판형 시편을 제작하였다. 수행된 낙하충격시험은 충격 에너지를 확인하기 위해 3가지의 높이조건으로 진행하여 재료에 가해진 충격량을 도출하였다. 획득한 인장시험 결과는 다구치 기법을 통해 신호대비 잡음비에 대한 분석과 머신러닝 기법인 ANN(Artificial Neural Network)을 활용하여 실제 실험값과 비교 분석 및 검증하였다.

      더보기

      목차 (Table of Contents)

      • Nomenclature iii
      • List of tables iv
      • List of Figures vi
      • 요 지 viii
      • Nomenclature iii
      • List of tables iv
      • List of Figures vi
      • 요 지 viii
      • 제1장 서 론 1
      • 제2장 이론적 배경 3
      • 2.1 인장시험과 재료거동 3
      • 2.2 낙하충격시험과 재료거동 4
      • 2.3 인공신경망(ANN) 모델 5
      • 제3장 실험적 연구 8
      • 3.1 플라스틱 재료 8
      • 3.2. 3D 프린팅 10
      • 3.3. 인장시험 14
      • 3.4 낙하충격시험 15
      • 제4장 해석적 연구 16
      • 4.1 다구치 기법을 통한 ABS 출력 조건 최적화 17
      • 4.2. 다구치 기법을 통한 PC-ABS 출력 조건 최적화 18
      • 제5장 결과 및 고찰 19
      • 5.1 플라스틱 재료의 인장 거동 및 기계적 물성 19
      • 5.1.1 ABS 인장 거동 및 기계적 물성 20
      • 5.1.2 PC-ABS 인장 거동 및 기계적 물성 22
      • 5.2 낙하충격시험 24
      • 5.3 출력 변수 최적화 및 기계적 물성 예측 27
      • 5.3.1 ABS 다구치 기법 예측결과 27
      • 5.3.2 PC-ABS 다구치 기법 예측결과 28
      • 5.4 머신러닝예측결과 29
      • 5.4.1 ABS 머신러닝 예측결과 29
      • 5.4.2 PC-ABS 머신러닝 예측결과 31
      • 제6장 결 론 33
      • 참고문헌 82
      • Abstract 85
      더보기

      분석정보

      View

      상세정보조회

      0

      Usage

      원문다운로드

      0

      대출신청

      0

      복사신청

      0

      EDDS신청

      0

      동일 주제 내 활용도 TOP

      더보기

      주제

      연도별 연구동향

      연도별 활용동향

      연관논문

      연구자 네트워크맵

      공동연구자 (7)

      유사연구자 (20) 활용도상위20명

      이 자료와 함께 이용한 RISS 자료

      나만을 위한 추천자료

      해외이동버튼