NAVRÁTIL, T. Aplikace strojového učení pro prediktivní údržbu v Průmyslu 4.0 [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Pan Navrátil zpracoval jako svoji diplomovou práci téma Aplikace strojového učení pro prediktivní údržbu v Průmyslu 4.0. Téma není snadné především tím, že dosud je v praxi implementováno pouze malé množství, a to zatím jen dílčích metod pro včasnou detekci poruchových stavů s využitím metod strojového učení. Především nízký počet dostupných datasetů je v této oblasti limitující – diplomant však nalezl řadu specifických datasetů, z nichž pro testování vybral nejbližší průmyslovému provozu, k tomu díle využil i software pro generování syntetických dat. Diplomant hodně využíval konzultací, pracoval tak méně samostatně, zato ale pečlivě. Předloženou práci považuji za přínosnou především tím, že kromě přehledného zpracování teoretického přehledu prediktivní údržby provedl diplomant řadu časově náročných experimentů s nemalým množstvím manuální přípravy dat a rovněž sestavil přehlednou a plně funkční aplikaci pro analýzu anomálií při prediktivní údržbě. Kromě výjimečných spíše formálních chyb považuji odevzdanou diplomovou práci a postup diplomanta ze velmi dobrý a hodnotím stupněm A.
Zadání lze považovat za splněné, pokud platí studentem uváděné informace o výběru metod konzultovaných s vedoucím práce, jak je uvedeno v bodu 2 zadání. Plnění jednotlivých bodů zadání je v práci uváděné v logickém sledu a jednotlivým částem je věnován odpovídající rozsah. Výsledky testů jsou vhodně zařazeny do příloh. Práce je značně rozsáhlá. Sama o sobě má 80 stránek, navíc obsahuje v přílohách výsledky srovnávání jednotlivých variant testů. Práce je na dobré prezentační i formální úrovni. Pouze drobné připomínky: v práci se vyskytují překlepy, které však nebrání čitelnosti práce, např. již předposlední odstavec úvodu; Při psaní více čísel obrázků by tyto měly být odděleny, např. středníky. Pro porovnání metod by bylo vhodné uvádět výsledky pro stejné vstupní signály – např. 4.5 LSTM, nebo 4.11 s CNN vypadají v druhém typu jak? Kapitoly 6.2 a další - zobrazení popisovaného obrázku na další straně. Hodnoty v matici záměn by bylo vhodné vyjádřit i v procentech. Pro zvládnutí musel osvědčit nejen práci se zdroji ve formě literatury, ale i SW nástrojů a databází, které nalezl, upravil a použil pro řešení. Značný rozsah třetí kapitoly je věnován nalezeným datasetům, jejich základním charakteristikám a hodnocením jejich využitelnosti v dané práci. Na závěr vybral databáze pro testování. Pro vybranou databázi a zvolené nástroje provedl testy pro změny parametrů nastavení, které v práci popsal společně s jejich hodnocením. Práci lze pokládat za dílo studenta, a celkově svědčí o jeho magisterských schopnostech.
eVSKP id 151581