이 논문은 목표 형상이 알려져 있을 때 곡면 선체 판을 성형하기 위한 사이클-타임(cycle-times)을 결정하기 위한 인공신경망(ANN) 모델을 제안한다. 제안된 모델은 선박 건조 회사가 선박 제작에 필요한 사이클-타임을 예측하는 데 도움을 준다. 입력 변수는 목표 형상에서 추출한 기하학적 정보(곡률(curvedness), 가우스 곡률(Gaussian curvature), 선체 판의 폭과 높이)이며, 출력 변수는 단위 면적당 가열 지속 시간이다. 제안된 모델의 구조는 냉간 성형(cold forming) 사례 이후 선상(line) 가열에 대한 사이클-타임을 예측하며, 두 개의 은닉층으로 구성된다. 제안된 모델은 데이터셋이 변경될 때에만 재학습(retraining)을 수행하면 되므로 사용이 편리하고 유연하다. 제안된 모델의 성능은 5-겹 교차검증(five-fold cross-validation)을 통해 분석하였으며, 선형 회귀 분석(linear regression analysis) 방법과 미리 정의된 공식으로부터 도출된 수학적 모델과 비교하였다. 그 결과, ANN 모델은 선박 건조 적용에서 곡면 선체 판의 사이클-타임 예측에 대해 신뢰할 수 있고 정확한 것으로 나타났다. 서론 선박 건조 회사는 일반적으로 생산 계획 부서가 제작 공정을 최적화하기 시작하기 전에, 다양한 목적을 위한 이전 선박을 기반으로 선박의 생산 비용을 추정한다. 그들은 추정된 값을 이용하여 전체 제작 공정을 정련하거나 불필요한 작업을 줄임으로써 공정을 개선하고, 전반적인 생산 효율을 극대화한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.