基于可解释机器学习的高效铣削质量预测
机器学习
2024-09-17 v1
摘要
本文提出了一种用于预测铣削表面粗糙度的可解释机器学习 (ML) 方法。利用铝合金 2017A 的铣削数据集，本研究采用了随机森林回归模型和特征重要性技术。主要贡献包括开发能够准确预测各种粗糙度值的 ML 模型，以及识别冗余传感器，特别是用于测量法向切削力的传感器。我们的实验表明，移除某些传感器可以在不牺牲预测精度的情况下降低成本，突显了可解释机器学习在提高加工成本效益方面的潜力。
引用
@article{arxiv.2409.10203,
title = {Efficient Milling Quality Prediction with Explainable Machine Learning},
author = {Dennis Gross and Helge Spieker and Arnaud Gotlieb and Ricardo Knoblauch and Mohamed Elmansori},
journal= {arXiv preprint arXiv:2409.10203},
year = {2024}
}
备注
arXiv admin note: substantial text overlap with arXiv:2403.18731