Utilize este identificador para referenciar este registo:
http://elartu.tntu.edu.ua/handle/lib/47203| Título: | Застосування методів машинного навчання для класифікації даних в комп’ютеризованих системах керування технологічними процесами |
| Outros títulos: | Application of machine learning methods for data classification in computerized control systems for technological processes |
| Autor: | Яцишин, Роман Ігорович Yatsyshyn, Roman |
| Affiliation: | Тернопільський національний технічний університет імені Івана Пулюя, кафедра комп'ютерно-інтегрованих технологій |
| Bibliographic description (Ukraine): | Яцишин Р. І. Застосування методів машинного навчання для класифікації даних в комп’ютеризованих системах керування технологічними процесами : робота на здобуття кваліфікаційного ступеня магістра : спец. 174 - автоматизація, комп’ютерно-інтегровані технології та робототехніка / наук. кер. А. Г. Микитишин. Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2024. 75 с. |
| Data: | 24-Dez-2024 |
| Date of entry: | 4-Jan-2025 |
| Editora: | ТНТУ, Тернопіль |
| Country (code): | UA |
| Place of the edition/event: | Тернопільський національний технічний університет ім. І. Пулюя, Факультет прикладних інформаційних технологій та електроінженерії, Кафедра комп’ютерно-інтегрованих технологій |
| Institution defense: | ЕК №22, 2024 р. |
| Supervisor: | Микитишин, Андрій Григорович Mykytyshyn, Andriy |
| Committee members: | Марущак, Павло Орестович Marushchak, Pavlo |
| UDC: | 004.03.8 |
| Palavras-chave: | 174 "Автоматизація, комп’ютерно-інтегровані технології та робототехніка" автоматизація та комп’ютерно-інтегровані технології методи машинного навчання швидкість рвт штучний інтелект класифікація випадкові ліси підсилені дерева нейронні мережі асиметрій циклу навантажування діаграма втомного руйнування machine learning methods classification artificial intelligence boosted trees random forests stress ratio neural networks fatigue crack growth diagrams |
| Number of pages: | 75 |
| Resumo: | Яцишин Р.І. – Застосування методів машинного навчання для класифікації даних в комп’ютеризованих системах керування технологічними процесами. 174 – «Автоматизація, комп’ютерно-інтегровані технології та робототехніка» – Тернопільський національний технічний університет імені Івана Пулюя. – Тернопіль, 2024. Кваліфікаційна робота присвячена застосуванню методів машинного навчання в комп’ютеризованих системах керування технологічними процесами, котрі відкривають нові можливості для оптимізації виробничих процесів, покращення контролю якості, прогнозування несправностей та зменшення витрат. Yatsyshyn R.І. – Application of machine learning methods for data classification in computerized control systems for technological processes. 174 - “Automation, computer-integrated technologies and robotics” - Ternopil Ivan Puluj National Technical University. - Ternopil, 2024. The qualification work is devoted to the application of machine learning methods in computerized process control systems, which open up new opportunities for optimizing production processes, improving quality control, predicting faults, and reducing costs. |
| Descrição: | Роботу виконано на кафедрі комп’ютерно-інтегрованих технологій Тернопільського національного технічного університету імені Івана Пулюя Міністерства освіти і науки України. Захист відбудеться 24 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 |
| Content: | ВСТУП 10 РОЗДІЛ 1. АНАЛІТИЧНА ЧАСТИНА 12 1.1 Огляд комп’ютеризованих систем керування технологічними процесами 12 1.2 Основні задачі класифікації даних у технологічних процесах 16 1.3 Сучасні методи машинного навчання для задач класифікації 17 1.4 Особливості застосування нейронних мереж, випадкових лісів, підсилених дерев 26 РОЗДІЛ 2. ТЕХНОЛОГІЧНА ЧАСТИНА 28 2.1 Огляд характеристик діаграм втомного руйнування алюмінієвого сплаву 28 2.2 Постановка задачі класифікації типу навантаження за коефіцієнтом асиметрії R 32 2.3 Опис вхідних даних: параметри da/dN, K та R 34 2.4 Попередня обробка даних: нормалізація, масштабування, очистка 36 2.5 Вибір метрик для оцінки якості класифікації 38 РОЗДІЛ 3. КОНСТРУКТОРСЬКА ЧАСТИНА 41 3.1 Розробка архітектури комп’ютеризованої системи керування з інтеграцією методів МН 41 3.2 Вибір програмного забезпечення для інтеграції методів класифікації 43 3.3 Забезпечення надійності та продуктивності системи 46 РОЗДІЛ 4. НАУКОВО-ДОСЛІДНА ЧАСТИНА 48 4.1 Побудова моделей машинного навчання для класифікації 48 4.2 Аналіз впливу параметрів моделей на якість класифікації 53 4.3 Оцінка узгодженості результатів класифікації з експериментальними даними ДВР 56 РОЗДІЛ 5. СПЕЦІАЛЬНА ЧАСТИНА 58 5.1 Практична реалізація класифікації типу навантаження 58 5.2 Перевірка надійності та стійкості системи у різних режимах роботи 63 РОЗДІЛ 6. ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 64 6.1 Характеристика шкідливих факторів виробничого середовища 64 6.2 Забезпечення безпеки життєдіяльності при роботі з ПК 66 ВИСНОВКИ 72 ПЕРЕЛІК ДЖЕРЕЛ 74 ДОДАТКИ |
| URI: | http://elartu.tntu.edu.ua/handle/lib/47203 |
| Copyright owner: | © Яцишин Р.І., 2024 |
| References (Ukraine): | 1. McCrady S. G. Designing SCADA application software: A practical approach – Amsterdam, Singapore: Elsevier Science, 2013, 227 pages. 2. Frank D. Petruzella. Programmable Logic Controllers, Published by McGraw-Hill Education, 2 Penn Plaza, New York, NY 10121. Copyright © 2017 by McGraw-Hill 3. Haykin, S., 2009 “Neural Networks and Learning Machines”, Third Edition, McMaster University, Hamilton, Ontario, Canada, 938 p. 4. Шаховська Н.Б., Камінський Р.М., Вовк О.Б. Системи штучного інтелекту: навч. посібник. Львів: Видавництво Львівської політехніки, 2018. 392 p. 5. Alpayndin E. Introduction to Machine Learning // The Knowledge Engineering Review. 2010. Vol. 25, № 3. P. 353–353. 6. Mitchell T.M. Machine learning. London: McGraw-Hill Science/Engineering/Math, 1997. 7. Wasserman Ph.D. Neural Computing: Theory and Practice. New York: Coriolis Group (Sd), 1989. 8. Smola A., Vishwanathan S.V.N. Introduction to Machine Learning. Cambridge University Press, 2010. 9. Kuna M. Finite Elements in Fracture Mechanics: Theory-Numerics-Applications. Springer, 2013. 446 p. 10. Варфоломеев І.В., Ясній.О.П. Моделювання руйнування імовірнісними методами елементів конструкцій з тріщинами // Фіз.-хім. механіка матеріалів. 2008. Vol. 44, № 1. P. 76–83. 11. Ясній О.П., Собчак.А.Р., Ясній В.П. Оцінювання ймовірності руйнування колектора пароперегрівника // Фіз.-хім. механіка матеріалів. 2014. Vol. 50, № 3. P. 63–68. 12. Paris P.C. The growth of fatigue cracks due to variations in load : Ph.D.Thesis. Lehight University, 1962. 263 p. 13. Pidaparti R.M.V., Palakal M.J. Neural network approach to fatigue-crack-growth predictions under aircraft spectrum loadings // J Aircr. 1995. Vol. 32, № 4. P. 825–831. 14. Mohanty J.R. et al. Application of artificial neural network for predicting fatigue crack propagation life of aluminum alloys // Archives of Computational Materials Science and Surface Engineering. 2009. Vol. 1, № 3. P. 133–138. 15. O. Yasniy, I. Didych, Yu. Lapusta: Prediction of fatigue crack growth diagrams by methods of machine learning under constant amplitude loading, Acta Metallurgica Slovaca, 26(1), 2020, 31 - 33. 16. Yasniy, O., Mytnyk, M., Maruschak, P., Mykytyshyn, A., & Didych, I., 2024 “Machine learning methods as applied to modelling thermal conductivity of epoxy-based composites with different fillers for aircraft,” Aviation, 28(2), pp. 64-71. 17. Ясній О.П. et al. Прогнозування діаграм втомного руйнування алюмінієвого сплаву Д16Т методами машинного навчання // Фізико-хімічна механіка матеріалів. 2018. Vol. 54, № 3. P. 43–48. 18. Tymoshchuk D, Yasniy O, Maruschak P, Iasnii V, Didych I. Loading Frequency Classification in Shape Memory Alloys: A Machine Learning Approach. Computers. 2024; 13(12):339. https://doi.org/10.3390/computers13120339 19. Ясній П., Пиндус Ю., Фостик В. Вплив асиметрії циклу навантаження на характеристики циклічної тріщиностійкості алюмінієвого сплаву Д16Т // Вісник Тернопільськ. держ. техн. ун-ту. 2007. Vol. 12, № 1. P. 7–12. |
| Content type: | Master Thesis |
| Aparece nas colecções: | 151 — автоматизація та комп’ютерно-інтегровані технології, 174 Автоматизація, комп’ютерно-інтегровані технології та робототехніка |
Ficheiros deste registo:
| Ficheiro | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| KRM_Yatsyshyn_R_2024.pdf | Кваліфікаційна робота магістра | 3,96 MB | Adobe PDF | Ver/Abrir |
Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.
Ferramentas administrativas