采用可解释人工智能（XAI）方法分析增材制造样品中输入变量与拉伸强度的相关性
机器学习
2023-05-31 v1 人工智能
摘要
本研究探讨了包括填充率、层高、挤出温度和打印速度在内的各种输入参数对通过增材制造生产的物体所得拉伸强度的影响。本研究的主要目标是增强我们对输入参数与拉伸强度之间相关性的理解，并识别影响增材制造过程性能的关键因素。为实现这一目标，我们首次引入了可解释人工智能（XAI）技术的使用，这使我们能够分析数据并获得对系统行为的宝贵洞察。具体而言，我们采用了SHAP（SHapley Additive exPlanations），一种被广泛采用的用于解释机器学习模型预测的框架，来为在数据上训练的机器学习模型的行为提供解释。我们的发现表明，填充率和挤出温度对拉伸强度的影响最为显著，而层高和打印速度的影响相对较小。此外，我们发现输入参数与拉伸强度之间的关系高度复杂且非线性，难以用简单的线性模型准确描述。
引用
@article{arxiv.2305.18426,
title = {Employing Explainable Artificial Intelligence (XAI) Methodologies to Analyze the Correlation between Input Variables and Tensile Strength in Additively Manufactured Samples},
author = {Akshansh Mishra and Vijaykumar S Jatti},
journal= {arXiv preprint arXiv:2305.18426},
year = {2023}
}