谷津俊助さんが第17回データ工学と情報マネジメントに関するフォーラム（DEIM2025）にて学生プレゼンテーション賞を受賞

研究内容
現在、切削工具である切削刃は人手により交換されており、使用時間や生産個数を基準に交換タイミングが決められています。その結果、まだ使用可能な切削刃が無駄に廃棄されるという問題が生じています。本研究では、この課題を解決するために、高炭素鋼の切削加工時に得られる切削音や電流データから、切削刃の摩耗量を機械学習で予測する手法を提案しました。

研究目的

本研究では、高炭素鋼の黒皮切削時に取得される切削音や電流などのデータから、切削刃の摩耗量を予測する機械学習モデルを構築しました。まず、切削音や電流のデータを分析し、摩耗に大きく影響する特徴量を抽出・検討しました。これらの特徴量をもとにモデルを学習させた結果、実際の計測値に近い精度で摩耗量を予測できることを確認しました。

今後の展望

加工条件によって予測精度に差があるため、今後は加工条件をより考慮して予測をする工夫を行っていきます。