Optimalizace spotřeby energie robotických buněk využitím metod strojového učení
Energy Optimization of Robotic Cells using Machine Learning
Type of document
diplomová prácemaster thesis
Author
Petr Ungar
Supervisor
Šůcha Přemysl
Opponent
Faigl Jan
Field of study
Umělá inteligenceStudy program
Otevřená informatikaInstitutions assigning rank
katedra počítačůRights
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
Show full item recordAbstract
Energy efficiency in industry is an increasingly important topic, especially in the context of higher electricity costs and the drive for environmentally sustainable production. As industrial robots are a large consumer of energy, it is essential to find ways to make their operation more efficient. This thesis extends the use of the Process Simulate eRobot plugin, which currently only supports power optimization for robots made by KUKA, due to the way energy profiles are obtained. We propose a new method for obtaining these profiles using machine learning. These profiles can then be used in the eRobot plugin for energy optimization. Experimental results show that the new approach is comparable to the existing one in terms of energy savings, suggesting wider applicability to other robotic systems. Energetická účinnost v průmyslu je stále důležitější téma, zejména v souvislosti s vyššími náklady na elektřinu a snahou o ekologicky udržitelnou výrobu. Protože jsou průmysloví roboti velkým spotřebitelem energie, je nezbytné najít způsoby, jak jejich provoz zefektivnit. Tato práce se zabývá rozšířením využití Process Simulate eRobot pluginu, který v současné době podporuje optimalizaci spotřeby pouze pro roboty od výrobce KUKA, a to kvůli způsobu získávání energetických profilů. Navrhujeme novou metodu získávání těchto profilů využívající strojového učení. Tyto profily mohou být následně využity v eRobot pluginu pro energetickou optimalizaci. Experimentální výsledky ukazují, že nový přístup je srovnatelný se stávajícím v míře energetické úspory, což naznačuje širší použitelnost pro jiné robotické systémy.
Collections
- Diplomové práce - 13136 [892]