ランダムフォレスト分類アルゴリズムに基づく砂型鋳造のデータ駆動型鋳造欠陥予測モデル

複雑な砂型鋳造プロセスとプロセスパラメータ間の相互作用により、鋳造品質を制御することが難しく、高いスクラップ率を引き起こします。鋳造欠陥を減少させ、生産効率を向上させるためにデータ駆動型モデルに基づく戦略が提案され、これはランダムフォレスト（RF）分類モデル、特徴重要度分析、およびモンテカルロシミュレーションによるプロセスパラメータの最適化を含みます。収集されたデータには4種類の欠陥と対応するプロセスパラメータが含まれ、RFモデルの構築に使用されました。分類結果はすべてのカテゴリで90％以上の再現率を示しています。ジニ指数は、RFモデルにおけるさまざまな欠陥の形成におけるプロセスパラメータの重要性を評価するために使用されました。最後に、分類モデルは品質予測のために異なる生産条件に適用されました。ガス孔隙欠陥のためのプロセスパラメータの最適化の場合、このモデルはモンテカルロ法の実験プロセスとしてより良い温度分布を推定する役割を果たします。工場に適用された予測モデルは、欠陥検出の効率を大幅に向上させました。結果は、スクラップ率が10.16％から6.68％に減少したことを示しています。