SwePub
Sök i LIBRIS databas

  Utökad sökning

id:"swepub:oai:DiVA.org:kth-323499"
 

Sökning: id:"swepub:oai:DiVA.org:kth-323499" > Research on paralle...

  • Wei, X. (författare)

Research on parallel distributed clustering algorithm applied to cutting parameter optimization

  • Artikel/kapitelEngelska2022

Förlag, utgivningsår, omfång ...

  • 2022-05-05
  • Springer Nature,2022
  • printrdacarrier

Nummerbeteckningar

  • LIBRIS-ID:oai:DiVA.org:kth-323499
  • https://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-323499URI
  • https://doi.org/10.1007/s00170-022-09252-7DOI

Kompletterande språkuppgifter

  • Språk:engelska
  • Sammanfattning på:engelska

Ingår i deldatabas

Klassifikation

  • Ämneskategori:ref swepub-contenttype
  • Ämneskategori:art swepub-publicationtype

Anmärkningar

  • QC 20230206
  • In the big data era, traditional data mining technology cannot meet the requirements of massive data processing with the background of intelligent manufacturing. Aiming at insufficient computing power and low efficiency in mining process, this paper proposes a improved K-means clustering algorithm based on the concept of distributed clustering in cloud computing environment. The improved algorithm (T.K-means) is combined with MapReduce computing framework of Hadoop platform to realize parallel computing, so as to perform processing tasks of massive data. In order to verify the practical performance of T.K-means algorithm, taking machining data of milling Ti-6Al-4V alloy as the mining object. The mapping relationship among cutting parameters, surface roughness, and material removal rate is mined, and the optimized value for cutting parameters is obtained. The results show that T.K-means algorithm can be used to mine the optimal cutting parameters, so that the best surface roughness can be obtained in milling Ti-6Al-4V titanium alloy. 

Ämnesord och genrebeteckningar

  • NATURVETENSKAP Data- och informationsvetenskap hsv//swe
  • NATURAL SCIENCES Computer and Information Sciences hsv//eng
  • Big data
  • Cutting parameter optimization
  • Data mining
  • Distributed clustering
  • MapReduce framework
  • T.K-means algorithm
  • Aluminum alloys
  • K-means clustering
  • Metadata
  • Milling (machining)
  • Parameter estimation
  • Surface roughness
  • Ternary alloys
  • Titanium alloys
  • Vanadium alloys
  • Computing power
  • Cutting parameters
  • Cutting parameters optimizations
  • Data mining technology
  • Distributed clustering algorithm
  • Intelligent Manufacturing
  • Mapreduce frameworks
  • Massive data
  • TK-mean algorithm

Biuppslag (personer, institutioner, konferenser, titlar ...)

  • Sun, Q. (författare)
  • Liu, X. (författare)
  • Yue, C. (författare)
  • Liang, S. Y. (författare)
  • Wang, LihuiKTH,Produktionsutveckling(Swepub:kth)u1blju84 (författare)
  • KTHProduktionsutveckling (creator_code:org_t)

Sammanhörande titlar

  • Ingår i:The International Journal of Advanced Manufacturing Technology: Springer Nature120:11-12, s. 7895-79040268-37681433-3015

Internetlänk

Hitta via bibliotek

Till lärosätets databas

Hitta mer i SwePub

Av författaren/redakt...
Wei, X.
Sun, Q.
Liu, X.
Yue, C.
Liang, S. Y.
Wang, Lihui
Om ämnet
NATURVETENSKAP
NATURVETENSKAP
och Data och informa ...
Artiklar i publikationen
The Internationa ...
Av lärosätet
Kungliga Tekniska Högskolan

Sök utanför SwePub

Wikipedia om författaren:
X_Wei
Wei, X.
en

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy