Aplikace strojového učení pro prediktivní údržbu v Průmyslu 4.0

Simple item page
but.committeeprof. Dr. Ing. Alexandr Štefek, Dr. (předseda) prof. Ing. Pavel Václavek, Ph.D. (místopředseda) Ing. Martin Čala, Ph.D. (člen) Ing. Jaroslav Lepka, Ph.D. (člen) Ing. Tomáš Macho, Ph.D. (člen) Ing. Radek Štohl, Ph.D. (člen) Ing. Karel Horák, Ph.D. (člen)cs
but.defenceStudent obhájil diplomovou/bakalářskou práci. Komise neměla žádné námitky k řešené práci. V průběhu odborné rozpravy odpověděl na dotazy oponenta. Komise se ptala na to, jestli student přemýšlel o realizaci neuronové sítě na nějakém embedded zařízení a případně jaká by byla výpočetní náročnost. Student popsal jakým způsobem byly algoritmy implementovány, zmínil se o možnostech implementace a popsal výpočetní náročnost algoritmů. Komise se dále doptávala na motivaci studenta k použití filtru typu plovoucí průměr namísto dolní propusti. Student výběr filtru zdůvodnil. Další dotaz mířil na to, jakým způsobem student zajistil, aby byla neuronová síť odolná vůči volbě filtru. Student dotaz zodpověděl bez výhrad.cs
but.jazykčeština (Czech)
but.programKybernetika, automatizace a měřenícs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorHorák, Karelcs
dc.contributor.authorNavrátil, Tadeášcs
dc.contributor.refereeRichter, Miloslavcs
dc.date.created2023cs
dc.description.abstractPráce zpracovává algoritmy strojového učení pro použití v konceptu Průmysl 4.0. Největší důraz je kladen na prediktivní údržbu a vizuální inspekci. V teoretické části je práce zaměřena na literární rešerši metod strojového učení v oblasti detekce anomálií v časových řadách a obrazových datech. V praktické části se zabývá reimplementací vybraných metod a jejich zhodnocení pomocí matice záměn a metrik, které z ní vycházejí.cs
dc.description.abstractThe thesis develops machine learning algorithms for use in the Industry 4.0 concept. The main focus is on predictive maintenance and visual inspection. In the theoretical part, the thesis focuses on a literature search of machine learning methods in the field of anomaly detection in time series and image data. The practical part deals with the reimplementation of the selected methods and their evaluation using the confusion matrix and metrics based on iten
dc.description.markAcs
dc.identifier.citationNAVRÁTIL, T. Aplikace strojového učení pro prediktivní údržbu v Průmyslu 4.0 [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.cs
dc.identifier.other151581cs
dc.identifier.urihttp://hdl.handle.net/11012/210119
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectStrojové učenícs
dc.subjectPrůmysl 4.0cs
dc.subjectPrůmyslová revolucecs
dc.subjectPrediktivní údržbacs
dc.subjectVizuální inspekcecs
dc.subjectDetekce anomáliícs
dc.subjectAutoenkodérycs
dc.subjectMachine Learningen
dc.subjectIndustry 4.0en
dc.subjectIndustrial Revolutionen
dc.subjectPredictive Maintenanceen
dc.subjectVisual Inspectionen
dc.subjectAnomaly detectionen
dc.subjectAutoencodersen
dc.titleAplikace strojového učení pro prediktivní údržbu v Průmyslu 4.0cs
dc.title.alternativeApplications of Machine Learning in Predictive Maintenance of Industry 4.0en
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2023-06-07cs
dcterms.modified2023-06-08-11:46:28cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid151581en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 14:40:14en
sync.item.modts2025.01.17 15:09:27en
thesis.disciplinebez specializacecs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav automatizace a měřicí technikycs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
15.51 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
6.65 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_151581.html
Size:
5.02 KB
Format:
Hypertext Markup Language
Description:
file review_151581.html
Download
Collections
2023