| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Uporaba strojnega učenja za identifikacijo glavnih parametrov bentonitne peščene mešanice za zmanjšanje izmeta ulitkov: razvoj modela znanja za klasifikacijo izmeta : diplomsko delo
Avtorji:ID Breznikar, Žiga (Avtor)
ID Brezočnik, Miran (Mentor) Več o mentorju... Novo okno
ID Bojinović, Marko (Komentor)
Datoteke:.pdf UN_Breznikar_Ziga_2024.pdf (2,70 MB)
MD5: A3267E99AB6D0E17305C9514DE1F08F7
 
Jezik:Slovenski jezik
Vrsta gradiva:Diplomsko delo/naloga
Tipologija:2.11 - Diplomsko delo
Organizacija:FS - Fakulteta za strojništvo
Opis:V diplomskem delu najprej obravnavamo teoretične osnove gravitacijskega litja in strojnega učenja. Nato smo na podlagi podatkov iz Podjetja X razvili spletno aplikacijo za interaktiven prikaz izmeta ulitkov in klasifikator za oceno njihove kakovosti. Za razvoj modela znanja klasifikacije smo uporabili SQL Server Management Studio in Visual Studio Code ter programska jezika MS SQL (Microsoft Structured Query Language) in Python. Izhodiščne podatke smo preuredili in analizirali z uporabo metod podatkovne znanosti in statističnih metod. Podatke o izmetu je bilo treba vizualno prikazati in ustvariti model znanja, naučen na razpoložljivih podatkih, ki lahko napove, če bo prišlo do izmeta. Delo se deli na dva segmenta. Prvi segment zajema opis postopka izdelave in prikaz spletne aplikacije. Drugi segment zajema opis priprave podatkov za namene klasifikatorja, predprocesiranje, optimizacijo in analizo klasifikatorja. Na koncu dela podajamo tudi napotke za nadaljnje delo in izboljšave.
Ključne besede:gravitacijsko litje, strojno učenje, izmet, klasifikator, podatkovna znanost
Kraj izida:Maribor
Kraj izvedbe:Maribor
Založnik:[Ž. Breznikar]
Leto izida:2024
Št. strani:1 spletni vir (1 datoteka PDF (XI, 60 f., [3] f. pril.))
PID:20.500.12556/DKUM-90462 Novo okno
UDK:621.7+621.9(043.2)
COBISS.SI-ID:216614403 Novo okno
Datum objave v DKUM:09.10.2024
Število ogledov:175
Število prenosov:66
Metapodatki:XML DC-XML DC-RDF
Področja:KTFMB - FS
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share



Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:04.09.2024

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Application of machine learning for identifying key parameters of bentonite sand mixture to reduce casting defects: development of knowledge model for defect classification
Opis:In this thesis, we first discuss the theoretical foundations of gravity casting and machine learning. Then, based on data from Company X, we developed a web application for the interactive display of casting defects and a classifier to assess their quality. To develop the classification knowledge model, we used SQL Server Management Studio and Visual Studio Code, along with the programming languages MS SQL (Microsoft Structured Query Language) and Python. The initial data was reorganized and analyzed using data science and statistical methods. The defect data needed to be visually represented, and a knowledge model was created, trained on the available data, that could predict whether a defect would occur. The work is divided into two segments. The first segment covers the process of creating and displaying the web application. The second segment covers the preparation of data for the classifier, preprocessing, optimization, and analysis of the classifier. The conclusion of the thesis provides guidelines for further work and improvements.
Ključne besede:gravity casting, machine learning, defect, classifier, data science


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici