Použití metod strojového učení pro bezkontaktní detekci periodických událostí na výrobní lince

Simple item page
but.committeeprof. Ing. Michal Prauzek, Ph.D. (předseda) doc. Ing. Petr Beneš, Ph.D. (místopředseda) doc. Ing. Jakub Arm, Ph.D. (člen) Ing. Martin Čala, Ph.D. (člen) Ing. Karel Horák, Ph.D. (člen) Ing. Libor Veselý, Ph.D. (člen)cs
but.defenceStudent obhájil diplomovou práci. Komise neměla žádné námitky k řešené práci. V průběhu odborné rozpravy odpověděl na dotazy: Kolik oken je zapotřebí pro rozhodovací algoritmus?cs
but.jazykangličtina (English)
but.programKybernetika, automatizace a měřenícs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorHorák, Karelen
dc.contributor.authorMartiník, Tomášen
dc.contributor.refereeŘičánek, Dominiken
dc.date.accessioned2025-06-11T03:58:05Z
dc.date.available2025-06-11T03:58:05Z
dc.date.created2025cs
dc.description.abstractTato diplomová práce představuje návrh a ověření neinvazivního systému pro detekci výrobních cyklů s využitím radarových a kamerových senzorů. Navržené řešení automaticky identifikuje opakující se vzory v datech časových řad za účelem detekce průchodů výrobků výrobními stanovišti. Důraz byl kladen na širokou použitelnost, která umožňuje nasazení v různorodých výrobních prostředích bez nutnosti úprav hardwaru, zásahu technika nebo nové certifikace systému. Kompletní řešení – zahrnující sběr dat, zpracování signálu, modelování vzoru a vyhodnocení – bylo implementováno a ověřeno na reálných datech z průmyslového prostředí, přičemž prokázalo vysokou robustnost, přizpůsobivost a praktickou využitelnost.en
dc.description.abstractThis thesis presents the design and validation of a non-invasive system for detecting manufacturing cycles using radar and camera sensors. The proposed solution automatically identifies recurring patterns in time series data to detect product passages through production stations. Emphasis was placed on general applicability, enabling deployment across diverse manufacturing environments without requiring hardware modifications, technician intervention, or system re-certification. The complete pipeline—covering data acquisition, signal processing, pattern modeling, and evaluation—was implemented and validated on real-world industrial data, demonstrating high robustness, adaptability, and practical viability.cs
dc.description.markAcs
dc.identifier.citationMARTINÍK, T. Použití metod strojového učení pro bezkontaktní detekci periodických událostí na výrobní lince [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2025.cs
dc.identifier.other167593cs
dc.identifier.urihttps://hdl.handle.net/11012/251763
dc.language.isoencs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectPrůmyslová automatizaceen
dc.subjectvýrobaen
dc.subjectdetekce cyklůen
dc.subjectradarové senzoryen
dc.subjectmotivy v časových řadáchen
dc.subjectrozpoznávání vzorůen
dc.subjectmonitoring výrobyen
dc.subjectPrůmysl 4.0en
dc.subjectIndustrial Automationcs
dc.subjectManufacturingcs
dc.subjectCycle Detectioncs
dc.subjectRadar Sensorscs
dc.subjectTime Series Motifscs
dc.subjectPattern Recognitioncs
dc.subjectProduction Monitoringcs
dc.subjectIndustry 4.0cs
dc.titlePoužití metod strojového učení pro bezkontaktní detekci periodických událostí na výrobní linceen
dc.title.alternativeMachine Learning Approach for Periodic Events Detection at Production Linecs
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2025-06-10cs
dcterms.modified2025-06-10-14:58:48cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid167593en
sync.item.dbtypeZPen
sync.item.insts2025.06.11 05:58:05en
sync.item.modts2025.06.11 05:35:23en
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:
18.67 MB
Format:
Adobe Portable Document Format
Description:
file final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
14.29 MB
Format:
Unknown data format
Description:
file appendix-1.zip
Download
Thumbnail Image
Name:
review_167593.html
Size:
6.41 KB
Format:
Hypertext Markup Language
Description:
file review_167593.html
Download
Collections
2025