KCI등재
비파괴검사 데이터의 머신러닝을 이용한 알루미늄 합금의 강도 추정 = Strength Estimation of Aluminum Alloy using Machine Learning of NDT Data
저자
발행기관
학술지명
한국비파괴검사학회지(JOURNAL OF THE KOREAN SOCIETY FOR NONDESTRUCTIVE TESTING)
권호사항
발행연도
2023
작성언어
Korean
주제어
등재정보
KCI등재,ESCI
자료형태
학술저널
발행기관 URL
수록면
195-202(8쪽)
제공처
소장기관
The increasing demand for lightweight aluminum alloys in advanced industrial products has necessitated the development of monitoring techniques for material strength using non-destructive testing (NDT) methods to ensure quality control. In this study, a machine learning model was developed to estimate the strength of aluminum alloys using NDT parameters known to be related to material strength, such as ultrasonic longitudinal/transverse velocity, attenuation coefficient, nonlinearity parameter, and eddy current electrical conductivity. The training data set consisted of NDT parameters obtained from more than 400 specimens with diverse strength distributions, along with tensile test data. A dedicated automated measurement system was employed to enhance the reliability of NDT parameter measurements. The estimated strength achieved more than 90% accuracy when a ±20 MPa interval accuracy was applied to the ground-truth strength. As data accumulation continues in the future, the performance of the proposed model is expected to improve further. Considering that destructive tensile tests possess an uncertainty of approximately 10%, the proposed technique offers an alternative to destructive testing, thereby establishing itself as a promising technology.
더보기첨단 산업 제품의 경량화를 위한 알루미늄 합금의 수요가 늘어가면서 품질 관리를 위해 비파괴검사기법을 이용한 재료강도의 전수 모니터링 기술이 필요하게 되었다. 이를 위해서 본 연구에서는 재료의 강도와 관련이 있다고 알려진 비파괴검사 파라미터들인 초음파 종/횡파속도, 감쇠계수, 비선형 파라미터, 와전류전기전도도를 입력파라미터로 사용하여 알루미늄 합금의 강도를 추정할 수 있는 머신러닝 모델을 개발하였다. 학습을 위한 데이터셋은 다양한 강도분포를 갖도록 제작한 400여 개의 시편으로부터 얻은 비파괴검사 파라미터와 인장시험 데이터로 구성되었다. 특히 비파괴검사 파라미터의 측정에는 신뢰성을 높이기 위해 전용으로 개발된 자동화 측정시스템을 이용하였다. 학습결과 추정된 강도는 실제 강도와 ±20 MPa의 구간 정확도를 적용할 때 90% 이상의 정확도를 얻을 수 있었다. 향후 데이터의 축적이 지속되면 성능은 더욱 향상될 수 있을 것으로 기대되며, 이는 파괴 인장시험의 불확도가 10% 수준임을 감안할 때 제안하는 기술이 파괴시험을 대체할 수 있는 충분히 가능성이 높은 기술임을 입증한다.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)