{"id":34602,"date":"2024-04-15T12:31:00","date_gmt":"2024-04-15T04:31:00","guid":{"rendered":"https:\/\/university.segi.edu.my\/?p=34602"},"modified":"2025-04-15T15:22:58","modified_gmt":"2025-04-15T07:22:58","slug":"advancing-real-time-tool-wear-monitoring-through-hybrid-deep-learning-models","status":"publish","type":"post","link":"https:\/\/university.segi.edu.my\/ms\/advancing-real-time-tool-wear-monitoring-through-hybrid-deep-learning-models\/","title":{"rendered":"Memajukan Pemantauan Pakai Alat Masa Nyata Melalui Model Pembelajaran Dalam Hibrid"},"content":{"rendered":"

Yong Ge, Hiu Hong Teo, dan Dr. Lip Kean Moey, semua penyelidik dari Universiti SEGi, telah menyumbang penyelidikan yang memberi kesan kepada bidang pembuatan pintar dengan penerbitan terkini<\/a> dalam Jurnal Antarabangsa Teknologi Pembuatan Termaju<\/em> (Jilid 132, 2024), bertajuk: "Pemakaian Alat Pemantauan: Algoritma Hibrid Mengintegrasikan Struktur Sisa dan BiLSTM Bertindan."<\/p>\n

Apabila transformasi digital membentuk semula landskap pembuatan, keperluan untuk pemantauan kehausan alatan (TW) yang tepat, cekap dan masa nyata telah menjadi kritikal untuk mengekalkan produktiviti dan kawalan kualiti. Sistem pemantauan tradisional sangat bergantung pada kejuruteraan ciri manual, yang boleh menghalang kebolehsuaian dan kecekapan.<\/p>\n

Sebagai tindak balas, pasukan penyelidik SEGi membangunkan rangka kerja pembelajaran mendalam hibrid yang memanfaatkan kekuatan rangkaian saraf sisa dan model memori jangka pendek dua arah (SBiLSTM) bertindan untuk meramalkan haus alatan dengan lebih tepat dan dengan kebolehgeneralisasian yang lebih besar.<\/p>\n

Sumbangan Utama Kajian<\/h3>\n
    \n
  • \n

    Pengekstrakan Ciri Berbilang Skala: Struktur rangkaian sisa mengekstrak ciri tempatan adaptif, berskala berbilang daripada data gabungan sensor, meningkatkan kedalaman dan ketepatan perwakilan isyarat.<\/p>\n<\/li>\n

  • \n

    Pengecaman Corak Temporal: Seni bina SBiLSTM menangkap kebergantungan siri masa dalam isyarat haus alat, meningkatkan ramalan perkembangan haus dalam persekitaran dinamik.<\/p>\n<\/li>\n

  • \n

    Pelicinan Pasca Ramalan: Kaedah pembetulan pelicinan novel meningkatkan kestabilan ramalan dan meningkatkan skor MAE dan RMSE, menunjukkan konsistensi berprestasi tinggi.<\/p>\n<\/li>\n

  • \n

    Keputusan Penanda Aras Unggul: Model hibrid mengatasi pembelajaran mesin tradisional dan model pembelajaran mendalam yang lain, mengesahkan keberkesanannya dalam konteks pembuatan ketepatan.<\/p>\n<\/li>\n<\/ul>\n

    Penyelidikan ini menunjukkan nilai integrasi antara disiplin antara AI dan sistem mekanikal, menyokong evolusi penyelenggaraan ramalan selaras dengan Industri 4.0. Ia juga mengukuhkan komitmen Universiti SEGi untuk memacu inovasi melalui penyelidikan berasaskan aplikasi dunia sebenar.<\/p>\n

    Penyelidikan ini menyokong Matlamat Pembangunan Lestari Pertubuhan Bangsa-Bangsa Bersatu (SDG) berikut:<\/h3>\n
      \n
    • \n

      SDG 9: Industri, Inovasi dan Infrastruktur \u2013 dengan mempertingkatkan penggunaan teknologi pembuatan pintar.<\/p>\n<\/li>\n

    • \n

      SDG 12: Penggunaan dan Pengeluaran Bertanggungjawab \u2013 dengan meningkatkan kecekapan mesin, mengurangkan masa henti dan meminimumkan sisa bahan melalui penyelenggaraan ramalan.<\/p>\n<\/li>\n<\/ul>","protected":false},"excerpt":{"rendered":"

      Yong Ge, Hiu Hong Teo, and Dr. Lip Kean Moey, all researchers from SEGi University, have contributed impactful research to the field of intelligent manufacturing with their recent publication in […]<\/p>","protected":false},"author":49,"featured_media":34739,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":[],"categories":[256,245,75,84],"tags":[],"_links":{"self":[{"href":"https:\/\/university.segi.edu.my\/ms\/wp-json\/wp\/v2\/posts\/34602"}],"collection":[{"href":"https:\/\/university.segi.edu.my\/ms\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/university.segi.edu.my\/ms\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/university.segi.edu.my\/ms\/wp-json\/wp\/v2\/users\/49"}],"replies":[{"embeddable":true,"href":"https:\/\/university.segi.edu.my\/ms\/wp-json\/wp\/v2\/comments?post=34602"}],"version-history":[{"count":1,"href":"https:\/\/university.segi.edu.my\/ms\/wp-json\/wp\/v2\/posts\/34602\/revisions"}],"predecessor-version":[{"id":34740,"href":"https:\/\/university.segi.edu.my\/ms\/wp-json\/wp\/v2\/posts\/34602\/revisions\/34740"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/university.segi.edu.my\/ms\/wp-json\/wp\/v2\/media\/34739"}],"wp:attachment":[{"href":"https:\/\/university.segi.edu.my\/ms\/wp-json\/wp\/v2\/media?parent=34602"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/university.segi.edu.my\/ms\/wp-json\/wp\/v2\/categories?post=34602"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/university.segi.edu.my\/ms\/wp-json\/wp\/v2\/tags?post=34602"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}