레이저 가공에서 표면 거칠기 정확한 예측을 위한 RSM 및 기계 학습의 통합

이 연구는 EN 10130 강의 레이저 절단 과정에서 표면 거칠기 (Ra) 모델링을 고전 통계 및 기계 학습 방법을 통합하여 조사합니다. 먼저, 절단 속도, 레이저 출력, 보조 가스 압력을 입력 매개변수로 사용하여 17회의 실험 설계를 기반으로 반응 표면 방법론 (RSM)을 사용하여 2차 모델이 개발되었습니다. RSM 모델은 R2 값 0.8227에 도달했지만, 여전히 예측 값과 실험 값 간의 비선형 편차가 존재했습니다. 예측 정확도를 향상시키기 위해 RSM 출력의 잔차를 모델링하기 위해 회귀 나무 알고리즘이 적용되었습니다. RSM 예측과 기계 학습 기반 수정이 결합된 결과 하이브리드 모델은 원래 RSM 모델에 비해 더 높은 R2 값 0.8889와 더 낮은 RMSE를 얻었습니다. 일반화를 평가하기 위해 단일 교차 검증 (LOOCV)이 수행되었으며, 이를 통해 RMSE는 0.3241, R2는 0.6039로 나타났습니다. 이러한 결과는 복잡한 의존성을 포착하고 예측 정확도를 향상시키는 하이브리드 접근 방법의 효과를 확인하며, 레이저 가공의 고급 프로세스 모델링에 대한 잠재력을 강조합니다.