Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorŠmídl Luboš, Ing. Ph.D.
dc.contributor.authorPapazian, Valentin
dc.contributor.refereePolák Filip, Ing.
dc.date.accepted2024-6-19
dc.date.accessioned2024-07-12T09:02:14Z-
dc.date.available2023-10-2
dc.date.available2024-07-12T09:02:14Z-
dc.date.issued2024
dc.date.submitted2024-5-20
dc.identifier96361
dc.identifier.urihttp://hdl.handle.net/11025/55796-
dc.description.abstractTato diplomová práce se zabývá vývojem modelu pro efektivní predikci síly potřebné k válcování plechů, což je klíčový aspekt v procesu výroby kovových materiálů. Využívá metody strojového učení a provádí rozsáhlou analýzu dat, zkoumá různé algoritmy, včetně lineární regrese, k-Nearest Neighbors (kNN) a stromových metod. Data pro analýzu byla poskytnuta společností PT Solutions Worldwide (PTSW) a obsahují údaje z válcovny hliníku za studena. Přesné predikce mají za cíl nejen snížit výrobní náklady, ale také zvýšit kvalitu a konzistenci finálních produktů. Práce dále identifikuje potenciální směry pro budoucí výzkum, jako je testování modelů na rozšířených a diverzifikovaných datasetech nebo vytvoření ensemble modelů. Testování algoritmů strojového učení s různými předzpracováními dat odhalilo, že model kNN s logaritmickým předzpracováním dat je pro tuto specifickou úlohu nejvhodnější, dosahující MAPE 6.35 %. Tato studie přináší informace o integraci strojového učení do průmyslových procesů a nastiňuje možnosti jejich dalšího vývoje a optimalizace.cs
dc.format64
dc.language.isocs
dc.publisherZápadočeská univerzita v Plzni
dc.rightsPlný text práce je přístupný bez omezení
dc.subjectstrojové učenícs
dc.subjectdatová analýzacs
dc.subjectpředzpracování datcs
dc.subjectválcovánícs
dc.subjectprediktivní analýzacs
dc.subjectučení s učitelem.cs
dc.titlePredikce materiálových vlastností vzorků vyráběných procesem\\ válcovánícs
dc.title.alternativePrediction of material properties of samples produced by the rolling processen
dc.typediplomová práce
dc.thesis.degree-nameIng.
dc.thesis.degree-levelNavazující
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných věd
dc.thesis.degree-programKybernetika a řídicí technika
dc.description.resultObhájeno
dc.description.abstract-translatedThis thesis focuses on the development of a predictive model for effectively forecasting the force required for rolling sheet metal, a key aspect in the production process of metallic materials. It utilizes machine learning methods and conducts extensive data analysis, examining various algorithms, including linear regression, k-Nearest Neighbors (kNN), and tree-based methods. The data for analysis was provided by PT Solutions Worldwide (PTSW). Accurate predictions aim not only to reduce manufacturing costs but also to enhance the quality and consistency of the final products. The work further identifies potential directions for future research, such as testing models on expanded and diversified datasets or creating ensemble models. Testing machine learning algorithms with various data preprocessing revealed that the kNN model with logarithmic data preprocessing is the most suitable for this specific task, achieving a MAPE of 6.35 %. This study provides insights into the integration of machine learning into industrial processes and outlines possibilities for their further development and optimization.en
dc.subject.translatedmachine learningen
dc.subject.translateddata analysisen
dc.subject.translatedpreprocessingen
dc.subject.translatedrollingen
dc.subject.translatedpredictive analysisen
dc.subject.translatedsupervised learning.en
Vyskytuje se v kolekcích:Diplomové práce / Theses (KKY)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
DP_Papazian.pdfPlný text práce2,34 MBAdobe PDFZobrazit/otevřít
PosudekOponentaSTAG-PolakF-291226.pdfPosudek oponenta práce60,42 kBAdobe PDFZobrazit/otevřít
PosudekVedoucihoSTAG-SmidlL-53843.pdfPosudek vedoucího práce60,08 kBAdobe PDFZobrazit/otevřít
ProtokolSPrubehemObhajobySTAG.pdfPrůběh obhajoby práce39,81 kBAdobe PDFZobrazit/otevřít
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/55796

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání
navigace
  1. DSpace at University of West Bohemia
  2. Vysokoškolské kvalifikační práce / Theses
  3. Fakulta aplikovaných věd / Faculty of Applied Sciences
  4. Katedra kybernetiky / Department of Cybernetics
  5. Diplomové práce / Theses (KKY)