VSE knjižnice (vzajemna bibliografsko-kataložna baza podatkov COBIB.SI)
-
Optimising predictive accuracy in sheet metal stamping with advanced machine learning: A LightGBM and neural network ensemble approachStefanovska, Ema ; Pepelnjak, TomažThis article presents an innovative ensemble model that integrates advanced machine learning techniques to enhance the precision of sheet metal stamping processes. By combining a light gradient ... boosting machine (LightGBM) with deep neural networks (DNNs), the model achieves high accuracy in predicting the final geometry of stamped sheet metal parts, and proactively identifies potential deviations to guarantee strict compliance to geometrical tolerances. In a comprehensive evaluation based on diverse performance metrics, the ensemble model demonstrates substantial improvements over the individual models, achieving a high coefficient of determination R2 of 0.951. Significantly, an extensive dataset derived from finite element method simulations is found to facilitate the training of our models in a variety of stamping scenarios, giving superior generalisability and reliability in terms of predictions. In addition, the integration of the ensemble model into an interactive web platform for real-time predictive analytics underscores its practical application in manufacturing settings, as it can optimise decision-making and operational efficiency. The predictive power of the ensemble model and its integration into a real-time framework provide a solid foundation for further advancements in developing a digital twin of the sheet metal stamping process. Our findings highlight the transformative potential of combining diverse machine learning techniques to revolutionise manufacturing processes, thus ensuring higher quality, adaptability, and cost efficiency.Vir: Advanced engineering informatics. - ISSN 1474-0346 (Vol. 65, pt A, [art.] 103103, May 2025, str. 1-17)Vrsta gradiva - članek, sestavni del ; neleposlovje za odrasleLeto - 2025Jezik - angleškiCOBISS.SI-ID - 221917955
| Avtor | Stefanovska, Ema ; Pepelnjak, Tomaž |
| Naslov | Optimising predictive accuracy in sheet metal stamping with advanced machine learning: A LightGBM and neural network ensemble approach |
| Datum objave | |
| COBISS.SI-ID | 221917955 |
| Verzija objave v repozitoriju | Založnikova različica |
| Licenca objave v repozitoriju | Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna |
| Embargo | Takojšnja javna objava |
Projekti in financerji, navedeni v objavi
| Naziv | Akronim | Številka projekta | Financer |
|---|---|---|---|
| Inovativni izdelovalni sistemi in procesi | P2-0248-2022 |
Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije |
|
| Young Researcher program | Young Researcher program |
Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije |
Datoteke, ki spadajo k objavi
| Povezava |
|---|
|
|
|
|
vir: Advanced engineering informatics. - ISSN 1474-0346 (Vol. 65, pt A, [art.] 103103, May 2025, str. 1-17)
Vnos na polico
Trajna povezava
- URL:
Faktor vpliva
Dostop do baze podatkov JCR je dovoljen samo uporabnikom iz Slovenije. Vaš trenutni IP-naslov ni na seznamu dovoljenih za dostop, zato je potrebna avtentikacija z ustreznim računom AAI.
| Leto | Faktor vpliva | Izdaja | Kategorija | Razvrstitev | ||||
|---|---|---|---|---|---|---|---|---|
| JCR | SNIP | JCR | SNIP | JCR | SNIP | JCR | SNIP | |
Faktor vpliva
Baze podatkov, v katerih je revija indeksirana
| Ime baze podatkov | Področje | Leto |
|---|
| Povezave do osebnih bibliografij avtorjev | Povezave do podatkov o raziskovalcih v sistemu SICRIS |
|---|---|
| Stefanovska, Ema | 54780 |
| Pepelnjak, Tomaž | 12957 |
Vir: Osebne bibliografije
in: SICRIS
Izberite prevzemno mesto:
Prevzem gradiva po pošti
Naslov za dostavo:
Med podatki člana manjka naslov.
Storitev za pridobivanje naslova trenutno ni dostopna, prosimo, poskusite še enkrat.
S klikom na gumb "V redu" boste potrdili zgoraj izbrano prevzemno mesto in dokončali postopek rezervacije.
S klikom na gumb "V redu" boste potrdili zgoraj izbrano prevzemno mesto in naslov za dostavo ter dokončali postopek rezervacije.
S klikom na gumb "V redu" boste potrdili zgoraj izbrani naslov za dostavo in dokončali postopek rezervacije.
Obvestilo
Trenutno je storitev za avtomatsko prijavo in rezervacijo nedostopna. Gradivo lahko rezervirate sami na portalu Biblos ali ponovno poskusite tukaj kasneje.
Gesla v Splošnem geslovniku COBISS
Izbira mesta prevzema
Gradivo iz matične enote je brezplačno. Če je gradivo na mesto prevzema dostavljeno iz drugih enot, lahko knjižnica to storitev zaračuna.
| Mesto prevzema | Status gradiva | Rezervacija |
|---|
Rezervacija v teku
Prosimo, počakajte trenutek.
Rezervacija je uspela.
Rezervacija ni uspela.
Rezervacija...
Članska izkaznica:
Mesto prevzema: