magistrsko delo
Klemen Kovič (Avtor), Miran Brezočnik (Mentor), Polona Tominc (Mentor)

Povzetek

V magistrski nalogi predstavimo metode strojnega učenja in njihovo rabo za modeliranje treh različnih tehnoloških procesov: trdega struženja, visokohitrostnega struženja in rezkanja. Podatke smo pridobili iz znanstvenih člankov, objavljenih v mednarodnih revijah. Za modeliranje tehnoloških procesov smo uporabili multiplo linearno regresijo, naključne gozdove, stohastično gradientno pospeševanje in metodo cubist. Na koncu predstavimo prediktivne sposobnosti posameznih metod in primerjamo rezultate. Napovedi omenjenih štirih metod tudi primerjamo z rezultati, ki so jih poročali avtorji člankov, in identificiramo najuspešnejšo metodo strojnega učenja za vsak proces. Za zaključek še teoretično raziščemo vpliv strojnega učenja na industrijo in poslovanje podjetij.

Ključne besede

tehnološki procesi;struženje;rezkanje;visokohitrostne obdelave;modeliranje;strojno učenje;optimizacija poslovnih procesov;magistrske naloge;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.09 - Magistrsko delo
Organizacija: UM FS - Fakulteta za strojništvo
Založnik: [K. Kovič]
UDK: 004.85:621.9(043.2)
COBISS: 27598339 Povezava se bo odprla v novem oknu
Št. ogledov: 601
Št. prenosov: 61
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Application of machine learning in modelling of technological processes
Sekundarni povzetek: In the master's thesis we present the machine learning methods and their use for modelling of three different technological processes: hard turning, high speed turning and milling. Data was obtained from scientific articles published in international journals. Multiple linear regression, random forests, stochastic gradient boosting and the cubist method were used to model the technological processes. Finally, we present the predictive capabilities of each method and compare the results. We also compare the predictions of these four methods with the results reported by the authors of the articles and identify the most successful machine learning method for each process. To conclude, we explore the impact of machine learning on industry and business operations.
Sekundarne ključne besede: technological processes;turning;milling;high speed machining;modelling;machine learning;business process optimization;
Vrsta dela (COBISS): Magistrsko delo/naloga
Komentar na gradivo: Univ. v Mariboru, Fak. za strojništvo, Gospodarsko inženirstvo
Strani: XII, 69 str.
ID: 11722743