Detekce stavu mimo kontrolu pro výrobní proces ve Škoda Auto
Out-of-control state detection for manufacturing processes at Skoda Auto
Typ dokumentu
diplomová prácemaster thesis
Autor
Diem Huong Nguyen
Vedoucí práce
Macaš Martin
Oponent práce
Le Anh Vu
Studijní obor
Datové vědyStudijní program
Otevřená informatikaInstituce přidělující hodnost
katedra počítačůPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Pokrok v technologii přišpěl v posledním desetiletí ke zvýšení komplexity výrobních procesů ve výrobním průmyslu. Tyto výrobní procesy pak generují data se složitější strukturou, což společně v kombinaci s produkcí velkého množství dat zapříčinilo pokles efektivity klasických metod regulace procesu. Metody strojového učení nejsou v tomto oboru příliš používané, ale právě tyto metody ukazují největší potenciál řešit problémy, se kterými se dnešní regulace procesu musí často zabývat. Mezi ně se řadí například vysoká vícerozměrnost, nelinearita, multimodalita a vzájemné korelace mezi proměnnými. Tato práce se věnuje výzkumu statistické regulace procesů a využití klasických metod oproti vybrané metodě strojového učení, one-class support vector machine. Výsledky v sérii experimentů ukázaly, že se v tomto komplexním prostředí metoda one-class support vector machine orientuje lépe než metody klasické a v drtivě většině případů získává lepší výsledky. Metody byly také implementovány do aplikace pro statistické řízení procesů, která importuje data z měření, předzpracuje je a aplikuje tyto metody detekce působení zvláštních příčin na proces výroby a výsledky detekce prezentuje uživateli. The progress of technology in the last decade contributed to the growth of complexity among processes in the manufacturing industry. These processes then generate data with increasingly complex data structure, which, in combination with the data production of today's world, resulted in the dwindling effectivity of the classical statistical process control methods. Although underused, machine learning-based methods have the potential to handle intricate dynamic processes with multivariate, nonlinear, and multimodal data that are also mutually correlated. This thesis focuses on the research of statistical process control and the comparison of its classical methods with a machine learning method, one-class support vector machine. The results of a series of conducted experiments show that the machine learning method adapts better to the complex environment and outperforms the classical methods. Finally, the thesis discusses the implementation of statistical process control software, which imports measurement data from a DFQ file (Q-DAS format), preprocesses them, applies selected methods of assignable cause detection, and presents the results visually to the user.
Kolekce
- Diplomové práce - 13136 [892]