Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elartu.tntu.edu.ua/handle/lib/47191
Назва: | Розроблення та дослідження інтелектуальної системи розпізнавання браку при роботі пакувального обладнання |
Інші назви: | Development and research of an intelligent defect recognition system for packaging equipment |
Автори: | Тригубець, Мирослав Іванович Tryhubets, Myroslav |
Приналежність: | Тернопільський національний технічний університет імені Івана Пулюя, кафедра комп'ютерно-інтегрованих технологій |
Бібліографічний опис: | Тригубець М. І. Розроблення та дослідження інтелектуальної системи розпізнавання браку при роботі пакувального обладнання : робота на здобуття кваліфікаційного ступеня магістра : спец. 174 - автоматизація, комп’ютерно-інтегровані технології та робототехніка / наук. кер. Д. П. Стухляк. Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2024. 71 с. |
Дата публікації: | 28-гру-2024 |
Дата внесення: | 4-січ-2025 |
Видавництво: | ТНТУ, Тернопіль |
Країна (код): | UA |
Місце видання, проведення: | Тернопільський національний технічний університет ім. І. Пулюя, Факультет прикладних інформаційних технологій та електроінженерії, Кафедра комп’ютерно-інтегрованих технологій |
Установа захисту: | ЕК №22, 2024 р. |
Науковий керівник: | Стухляк, Данило Петрович Stukhlyak, Danylo |
Члени комітету: | Марущак, Павло Орестович Marushchak, Pavlo |
УДК: | 681.5 |
Теми: | 174 "Автоматизація, комп’ютерно-інтегровані технології та робототехніка" автоматизація та комп’ютерно-інтегровані технології контроль якості машинне навчання виробництво штучний інтелект брак quality control production defect detection machine learning artificial intelligence |
Кількість сторінок: | 71 |
Короткий огляд (реферат): | У роботі розроблено та досліджено інтелектуальну систему розпізнавання браку на основі штучного інтелекту для пакувального обладнання. Система дозволяє автоматизувати контроль якості продукції, знижуючи витрати та підвищуючи ефективність виробничих процесів. Розроблена система використовує алгоритми машинного навчання для обробки зображень та виявлення дефектів продукції. Інтеграція системи у виробничий процес дозволяє виконувати аналіз у режимі реального часу, знижуючи кількість браку та забезпечуючи високу якість продукції. Використання сучасних програмно-апаратних платформ забезпечує стабільну роботу системи та дозволяє її масштабування для роботи з різними типами обладнання. Це підвищує гнучкість системи та сприяє її адаптації до умов реального виробництва. The research developed and investigated an intelligent defect detection system based on artificial intelligence for packaging equipment. The system enables the automation of quality control processes, reducing costs and improving production efficiency. The developed system utilizes machine learning algorithms for image processing and defect detection. Integration into the production process allows real-time analysis, reducing defect rates and ensuring high product quality. Using modern software and hardware platforms ensures the system's stable operation and scalability for various types of equipment. This enhances the system's flexibility and facilitates adaptation to real production conditions. |
Опис: | Роботу виконано на кафедрі комп’ютерно-інтегрованих технологій Тернопільського національного технічного університету імені Івана Пулюя Міністерства освіти і науки України. Захист відбудеться 28 грудня 2024 р. о 09 .00 годині на засіданні екзаменаційної комісії № 22 у Тернопільському національному технічному університеті імені Івана Пулюя за адресою: 46001, м. Тернопіль, вул. Руська, 56, навчальний корпус №1, ауд. 403 |
Зміст: | ЗМІСТ 5 ПЕРЕЛІК УМОВНИХ СКОРОЧЕНЬ 6 ВСТУП 7 1. АНАЛІТИЧНА ЧАСТИНА 9 1.1. Постановка задачі автоматизації контролю якості 9 1.2. Огляд існуючих методів розпізнавання браку 11 1.3. Використання штучного інтелекту у виробничих процесах 14 1.4. Вибір програмно-апаратної платформи 17 2. ТЕОРЕТИЧНА ЧАСТИНА 21 2.1. Архітектура інтелектуальної системи 21 2.2. Використання моделей OpenAI для аналізу 24 2.3. Алгоритми обробки зображень та виявлення браку 31 2.4. Інтеграція системи у виробничий процес 34 3. ЕКСПЕРИМЕНТАЛЬНА ЧАСТИНА 38 3.1. Налаштування тестового середовища 38 3.2. Проведення експериментів з розпізнавання браку 41 3.3. Оцінка ефективності використання моделей OpenAI 44 4. НАУКОВО-ДОСЛІДНА ЧАСТИНА 47 4.1. Аналіз результатів впровадження системи 47 4.2. Оптимізація параметрів алгоритмів розпізнавання 49 4.3. Використання системи в умовах реального виробництва 51 5. СПЕЦІАЛЬНА ЧАСТИНА 53 5.1. Налаштування системи та інтеграція в мережу 53 5.2. Оцінка екологічного впливу та енергетична ефективність системи 56 6. БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ, ОХОРОНА ПРАЦІ 60 6.1. Безпека електрообладнання у виробничих процесах 60 6.2. Аналіз ризиків на робочому місці оператора 62 6.3. Охорона праці при експлуатації системи 64 ВИСНОВКИ 67 ПЕРЕЛІК ПОСИЛАНЬ 69 |
URI (Уніфікований ідентифікатор ресурсу): | http://elartu.tntu.edu.ua/handle/lib/47191 |
Власник авторського права: | © Тригубець М.І., 2024 |
Перелік літератури: | 1. ISO 9001:2015 "Quality management systems - Requirements". [Електронний ресурс]. Режим доступу: https://www.iso.org/standard/62085.html. 2. OpenCV Documentation: Image Processing Techniques. [Електронний ресурс]. Режим доступу: https://docs.opencv.org/4.x/. 3. He K., Zhang X., Ren S., Sun J. Deep Residual Learning for Image Recognition. [Електронний ресурс]. Режим доступу: https://arxiv.org/abs/1512.03385 4. NVIDIA Jetson Developer Documentation. [Електронний ресурс]. Режим доступу: https://docs.nvidia.com/jetson/archives/r35.4.1/DeveloperGuide/ 5. OpenAI API Documentation - Vision Models. [Електронний ресурс]. Режим доступу: https://platform.openai.com/docs/guides/vision 6. Industrial IoT and Industry 4.0 Guidelines. [Електронний ресурс]. Режим доступу: https://www.iiconsortium.org/pdf/IIRA-v1.9.pdf 7. "Deep Learning for Visual Inspection". PyTorch. [Електронний ресурс]. Режим доступу: https://pytorch.org/tutorials/intermediate/torchvision_tutorial.html 8. "Real-time Data Processing in Manufacturing". Apache Kafka. [Електронний ресурс]. Режим доступу: https://kafka.apache.org/documentation/#connect 9. "Industrial Computer Vision Guidelines". MVTec. [Електронний ресурс]. Режим доступу: https://www.mvtec.com/technologies/deep-learning 10. "Environmental Impact Assessment in Manufacturing". ISO 14001. [Електронний ресурс]. Режим доступу: https://www.iso.org/iso-14001-environmental-management.html 11. "Industrial Automation Safety Standards". International Society of Automation. [Електронний ресурс]. Режим доступу: https://www.isa.org/standards-and-publications 12. "Machine Learning in Production Systems". TensorFlow. [Електронний ресурс]. Режим доступу: https://www.tensorflow.org/tfx/guide/serving 13. "Real-time Systems in Industrial Applications". IEEE Industrial Electronics. [Електронний ресурс]. Режим доступу: https://ieeexplore.ieee.org/xpl/conhome/1000351/all-proceedings 14. Білоконь Т.М. Використання штучного інтелекту в діяльності підприємств // Вінницький національний технічний університет. – 2023. – [Електронний ресурс]. Режим доступу: https://ir.lib.vntu.edu.ua/bitstream/handle/123456789/42065/20483.pdf?sequence=3 15. Гришко В., Зінченко І. Синергія ШІ та бізнесу, як фактор ефективності управління в умовах розвитку технологій // Економіка і регіон. – 2023. – №4 (91). – С. 223-229. – DOI. [Електронний ресурс]. Режим доступу: https://journals.nupp.edu.ua/eir/article/view/3216 16. Ковтуненко Ю.В. Застосування штучного інтелекту у системі управління підприємством: проблеми та переваги // Економічний вісник Одеського політехнічного університету. – 2019. – №2 (8). – С. 93–99. – [Електронний ресурс]. Режим доступу: https://economics.net.ua/ejopu/2019/No2/93.pdf 17. Система охорони праці та екологічна безпека (HSE). [Електронний ресурс]. Режим доступу: https://www.bdo.ua/uk-ua/services-2/consulting/occupational-health-and-safety 18. Екологізація виробництва та зелені технології. Навчальний посібник. [Електронний ресурс]. Режим доступу: https://ela.kpi.ua/bitstream/123456789/48002/1/Ekolog.pdf 19. Екологічна відповідальність і безпека праці: чому підприємства мають відповідати HSE стандартам. [Електронний ресурс]. Режим доступу: https://eba.com.ua/ekologichna-vidpovidalnist-i-bezpeka-pratsi-chomu-pidpryyemstva-mayut-vidpovidaty-hse-standartam 20. Микитишин А.Г. Методичні рекомендації з виконання, оформлення та захисту кваліфікаційних робіт магістрів спеціальності 151 – «Автоматизація та комп’ютерно-інтегровані технології» / ТНТУ ім. І. Пулюя; уклад. А.Г. Микитишин, М.М. Митник, В.В. Левицький, Р.І. Королюк – Тернопіль: ТНТУ, 2022. – 84 с. 21. Левицький В.В. Методичні вказівки до виконання курсового проєкту з дисципліни «Основи автоматизованого проєктування складних об’єктів та систем» для здобувачів освітнього рівня магістр за спеціальністю 174"Автоматизація, комп’ютерно-інтегровані технології та робототехніка" / Уклад. В.В. Левицький, І.С. Дідич – Тернопіль: ТНТУ, 2023. - 44 с. 22. Тотосько О.В. Введення в компютерну графіку та дизайн: Навчальний посібник для студентів спеціальності 174 "Автоматизація, компютерно-інтегровані технології та робототехніка"/Укладачі: О.В. Тотосько, П.Д. Стухляк, А.Г. Микитишин, В.В. Левицький, Р.З. Золотий - Тернопіль: ФОП Паляниця В.А., 2023 - 304с. http://elartu.tntu.edu.ua/handle/lib/41166. 23. Левицький В.В. Методичні вказівки для виконання курсового проєкту з дисципліни «Ідентифікація та моделювання технологічних об’єктів» для студентів спеціальності 174 «Автоматизація, комп’ютерно-інтегровані технології та робототехніка» / уклад. В. В. Левицький. // ТНТУ. – 2024. – С. 49. 24. Микитишин А.Г. Методичні рекомендації з виконання, оформлення та захисту кваліфікаційних робіт магістрів спеціальності 174 – «Автоматизація, комп’ютерно-інтегровані технології та робототехніка» / ТНТУ ім. І. Пулюя; уклад. А.Г. Микитишин, М.М. Митник, В.В. Левицький, Р.І. Королюк – Тернопіль: ТНТУ, 2024. – 82 с. 25. Левицький В.В. Методичні вказівки до виконання курсового проєкту з дисципліни «Основи автоматизованого проєктування складних об’єктів та систем» для здобувачів освітнього рівня магістр за спеціальністю 174"Автоматизація, комп’ютерно-інтегровані технології та робототехніка" / Уклад. В.В. Левицький, І.С. Дідич – Тернопіль: ТНТУ, 2023. - 44 с. 26. Динаміка впровадження OpenAI API у виробничих умовах. [Електронний ресурс]. Режим доступу: https://developer.openai.com/research/dynamics-manufacturing.pdf |
Тип вмісту: | Master Thesis |
Розташовується у зібраннях: | 151 — автоматизація та комп’ютерно-інтегровані технології, 174 Автоматизація, комп’ютерно-інтегровані технології та робототехніка |
Файли цього матеріалу:
Файл | Опис | Розмір | Формат | |
---|---|---|---|---|
KRM_Tryhubets_M_2024.pdf | Кваліфікаційна робота магістра | 879,22 kB | Adobe PDF | Переглянути/відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.
Інструменти адміністратора