Εφαρμογή τεχνολογιών μηχανικής μάθησης για πρόληψη βλαβών σε εργαλειομηχανές

Η βιομηχανική παραγωγή σήμερα αποτελεί πυλώνα της οικονομίας. Οποιαδήποτε βλάβη και παύση της παραγωγικής διαδικασίας συνεπάγεται μειωμένα έσοδα και καθυστερήσεις. Στην εξάλειψη των βλαβών στις διαδικασίες παραγωγής συμβάλει η πληροφορική και η μηχανική μάθηση. Αυτό συμβαίνει χάρις στο πλήθος των πο...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Γκιάλας, Θεοχάρης
Άλλοι συγγραφείς: Gkialas, Theocharis
Γλώσσα:Greek
Έκδοση: 2022
Θέματα:
Διαθέσιμο Online:https://hdl.handle.net/10889/23464
Περιγραφή
Περίληψη:Η βιομηχανική παραγωγή σήμερα αποτελεί πυλώνα της οικονομίας. Οποιαδήποτε βλάβη και παύση της παραγωγικής διαδικασίας συνεπάγεται μειωμένα έσοδα και καθυστερήσεις. Στην εξάλειψη των βλαβών στις διαδικασίες παραγωγής συμβάλει η πληροφορική και η μηχανική μάθηση. Αυτό συμβαίνει χάρις στο πλήθος των πολύτιμων δεδομένων που συλλέγονται. Αναλύονται λοιπόν σε αυτή την εργασία η μηχανική μάθηση, που επιτρέπει την εξόρυξη πληροφορίας από τα δεδομένα, και οι κατηγορίες της με παραδείγματα αλγορίθμων στην καθεμία. Ιδιαίτερη έμφαση δίνεται στην μάθηση με και χωρίς επίβλεψη καθώς χρειάζονται στη συνέχεια της εργασίας. Έπειτα παρουσιάζεται ένα πραγματικό παράδειγμα μηχανικής μάθησης με επίβλεψη με στόχο την αναγνώριση φάσης διαδικασίας και επίπεδο κρισιμότητας σε μια εργαλειομηχανή ξηρής κοκκοποίησης από μία φαρμακευτική εταιρία. Για αυτό γίνεται χρήση των αλγορίθμων Random Forest και Decision Jungle Algorithm.. Στη συνέχεια παρουσιάζεται ένα πραγματικό πρόβλημα μηχανικής μάθησης χωρίς επίβλεψη για την κατηγοριοποίηση και αξιολόγηση των δεδομένων από αισθητήρες σε δύο bottleneck μηχανές παραγωγής κινητήρων εσωτερικής καύσης και θα γίνει κατάταξή τους σε συστάδες κάνοντας χρήση του αλγορίθμου K-Means. Τέλος γίνεται ανάπτυξη κώδικα σε γλώσσα προγραμματισμού Python σύμφωνα με τη μεθοδολογία της πρώτης περίπτωσης.