Analýza dat pro prediktivní údržbu robotického ramene

Simple item page
but.committeeprof. Ing. Lukáš Sekanina, Ph.D. (předseda) doc. Ing. Zdeněk Vašíček, Ph.D. (člen) Ing. Ondřej Lengál, Ph.D. (člen) doc. Ing. Jiří Jaroš, Ph.D. (člen) Ing. Ivana Burgetová, Ph.D. (člen) doc. Ing. Michal Bidlo, Ph.D. (člen)cs
but.defenceStudent nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm A.cs
but.jazykslovenština (Slovak)
but.programInformační technologie a umělá inteligencecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorJanoušek, Vladimírsk
dc.contributor.authorŽitný, Rolandsk
dc.contributor.refereeRozman, Jaroslavsk
dc.date.created2023cs
dc.description.abstractRobotické ramená Mitsubischi MELFA využívané v moderných továrniach pracujú takmer bez prestávky a produkujú senzorické dáta o svojom chode. Nad takýmito dátami je možné vykonávať rôzne techniky analýz za cieľom prediktívnej údržby, ktoré poskytujú informácie o stave a potrebe údržby takýchto robotických ramien. Navrhovaný proces prediktívnej údržby pozostáva zo systému získavania senzorických dát pomocou knižníc slmpclient a mitsubishi-monitor, systému analyzačných metód s detekciou anomálií pomocou konvolučného autoenkodéra, klasifikáciou anomálií pomocou konvolučných neurónových sietí a segmentáciou dát na segmenty jednotlivých akcií robota pomocou skrytých Markovových modelov. Takéto analyzačné techniky poskytujú informácie o závažnosti, type a lokalite vznikajúcich porúch a abnormalít v správaní, ktoré následne určujú čas potrebný pre vykonanie požadovanej údržby. Takto vytvorený reťazec procesov prediktívnej údržby predstavuje táto práca, kde získané zistenia poskytujú cenné poznatky o aplikovaní prediktívnej údržby robotických ramien Mitsubishi MELFA v priemyselnom prostredí.sk
dc.description.abstractThe Mitsubishi MELFA robotic arms used in modern factories work almost without interruption and produce sensory data about their operation. Various analysis techniques can be applied to such data for predictive maintenance, which provide information on the condition and maintenance needs of such robotic arms. The proposed predictive maintenance process consists of a sensory data acquisition system using the slmpclient and mitsubishi-monitor libraries, an analysis method system with anomaly detection using a convolutional autoencoder, anomaly classification using convolutional neural networks, and data segmentation into segments of individual robot actions using hidden Markov models. Such analysis techniques provide information on the severity, type, and location of emerging faults and abnormalities in behavior, which then determine the time required to perform the required maintenance. This work presents a created chain of predictive maintenance processes, where the obtained findings provide valuable insights into the application of predictive maintenance of Mitsubishi MELFA robotic arms in an industrial environment.en
dc.description.markAcs
dc.identifier.citationŽITNÝ, R. Analýza dat pro prediktivní údržbu robotického ramene [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023.cs
dc.identifier.other143131cs
dc.identifier.urihttp://hdl.handle.net/11012/211904
dc.language.isoskcs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectprediktívna údržbask
dc.subjectsenzorické dátask
dc.subjectMitsubishi MELFAsk
dc.subjectrobotické ramenosk
dc.subjectdetekcia anomáliísk
dc.subjectklasifikácia anomáliísk
dc.subjectsegmentácia signálusk
dc.subjectkonvolučný autoenkodérsk
dc.subjectkonvolučné neurónové sietesk
dc.subjectskryté Markovove modelysk
dc.subjectIIoTsk
dc.subjectslmpclientsk
dc.subjectmitsubishi-monitorsk
dc.subjectpredictive maintenanceen
dc.subjectsensory dataen
dc.subjectMitsubishi MELFAen
dc.subjectrobotic armen
dc.subjectanomaly detectionen
dc.subjectanomaly classificationen
dc.subjectsignal segmentationen
dc.subjectconvolutional autoencoderen
dc.subjectconvolutional neural networksen
dc.subjectHidden Markov modelsen
dc.subjectIIoTen
dc.subjectslmpclienten
dc.subjectmitsubishi-monitoren
dc.titleAnalýza dat pro prediktivní údržbu robotického ramenesk
dc.title.alternativeData Analysis for Predictive Maintenance of a Robotic Armen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2023-06-19cs
dcterms.modified2023-06-19-12:10:36cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid143131en
sync.item.dbtypeZPen
sync.item.insts2024.05.16 14:52:14en
sync.item.modts2024.05.16 14:16:04en
thesis.disciplineInteligentní zařízenícs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémůcs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Collections
2023