Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/53391
Повний запис метаданих
Поле DCЗначенняМова
dc.contributor.advisorМикитишин, Андрій Григорович-
dc.contributor.advisorMykytyshyn, Andrii-
dc.contributor.authorГолич, Юрій Андрійович-
dc.contributor.authorHolych, Yurii-
dc.contributor.authorНовічков, Олексій Андрійович-
dc.contributor.authorNovichkov, Oleksii-
dc.date.accessioned2026-07-12T13:20:18Z-
dc.date.available2026-07-12T13:20:18Z-
dc.date.issued2026-06-26-
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/53391-
dc.descriptionРоботу виконано на кафедрі комп’ютерно-інтегрованих технологій Тернопільського національного технічного університету імені Івана Пулюя Міністерства освіти і науки України. Захист відбудеться 26 червня 2026 р. о 09 .00 годині на засіданні екзаменаційної комісії № 20 у Тернопільському національному технічному університеті імені Івана Пулюя за адресою: 46001, м. Тернопіль, вул. Руська, 56, навчальний корпус №1, ауд. 505uk_UA
dc.description.abstractГолич Ю.А., Новічков О.А. – Розробка та дослідження моделі класифікації режимів навантаження в технологічних процесах на основі методів машинного навчання 174 – «Автоматизація, комп’ютерно-інтегровані технології та робототехніка» – Тернопільський національний технічний університет імені Івана Пулюя. – Тернопіль, 2026. Кваліфікаційна робота присвячена розробленню та дослідженню моделі класифікації режимів навантаження в технологічних процесах на основі методів машинного навчання. У роботі досліджено підходи до автоматизованого моніторингу електромеханічного обладнання, реалізовано програмне забезпечення для обробки даних IMU-сенсорів і класифікації режимів роботи електродвигуна, а також виконано порівняльне дослідження моделей SVM та штучної нейронної мережі. Отримані результати можуть бути використані під час розроблення комп'ютерно-інтегрованих систем автоматизації, моніторингу та керування технологічними процесами.uk_UA
dc.description.abstractDevelopment and research of a model for classifying load modes in technological processes based on machine learning methods 174 - "Automation, computer-integrated technologies, and robotics" - Ternopil Ivan Puluj National Technical University. - Ternopil, 2026 The qualification work is devoted to the development and study of a model for classifying load modes in technological processes based on machine learning methods. The thesis examines approaches to the automated monitoring of electromechanical equipment, implements software for processing data from IMU sensors and classifying electric motor operating modes, and conducts a comparative study of SVM and artificial neural network models. The results obtained can be used in the development of computer-integrated systems for the automation, monitoring, and control of technological processesuk_UA
dc.description.tableofcontentsВСТУП 8 РОЗДІЛ 1. АНАЛІТИЧНА ЧАСТИНА 11 1.1 Особливості режимів навантаження в технологічних процесах 11 1.2 Автоматизовані системи моніторингу та контролю технологічного обладнання 14 1.3 Сенсорні системи збору даних та вібраційний моніторинг електромеханічного обладнання 18 1.4 Методи МН для класифікації режимів роботи технологічних систем 23 1.5 Аналіз існуючих рішень та постановка задачі дослідження 28 РОЗДІЛ 2. ПРОЕКТНА ЧАСТИНА 30 2.1 Аналіз та характеристика набору даних 30 2.2 Формування інформаційної моделі класифікації режимів навантаження 34 2.3 Попередня обробка та підготовка даних до МН 36 2.4 Проєктування ПЗ класифікації режимів навантаження 38 2.5 Розробка алгоритму функціонування системи 41 РОЗДІЛ 3. СПЕЦІАЛЬНА ЧАСТИНА 45 3.1 Реалізація ПЗ системи класифікації режимів навантаження 45 3.2. Дослідження та візуалізація набору даних 49 3.3. Оцінювання ефективності моделей класифікації 53 3.4. Оцінювання ефективності моделей класифікації 57 РОЗДІЛ 4. БЕЗПЕКА ЖИТТЄДІЯЛЬНОСТІ, ОСНОВИ ОХОРОНИ ПРАЦІ 60 4.1 Аналіз шкідливих факторів при роботі з ПК 60 4.2 Організація безпечного робочого місця користувача ПК 62 4.3 Заходи щодо збереження працездатності користувача ПК 64 ВИСНОВКИ 68 ПЕРЕЛІК ПОСИЛАНЬ 70uk_UA
dc.language.isoukuk_UA
dc.publisherТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.subject174uk_UA
dc.subjectавтоматизація, комп’ютерно-інтегровані технології та робототехнікаuk_UA
dc.subjectавтоматизована системаuk_UA
dc.subjectінтелектуальний аналіз данихuk_UA
dc.subjectмнuk_UA
dc.subjectкласифікаціяuk_UA
dc.subjectрежими навантаженняuk_UA
dc.subjectтехнологічний процесuk_UA
dc.subjectсенсорні даніuk_UA
dc.subjectакселерометрuk_UA
dc.subjectгіроскопuk_UA
dc.subjectвібраційний моніторингuk_UA
dc.subjectautomated systemuk_UA
dc.subjectintelligent data analysisuk_UA
dc.subjectmachine learninguk_UA
dc.subjectclassificationuk_UA
dc.subjectload modesuk_UA
dc.subjectmanufacturing processuk_UA
dc.subjectsensor datauk_UA
dc.subjectaccelerometeruk_UA
dc.subjectgyroscopeuk_UA
dc.subjectvibration monitoringuk_UA
dc.titleРозробка та дослідження моделі класифікації режимів навантаження в технологічних процесах на основі методів машинного навчанняuk_UA
dc.title.alternativeDevelopment and research of a model for classifying load modes in technological processes based on machine learning methodsuk_UA
dc.typeBachelor Thesisuk_UA
dc.rights.holder© Голич Ю.А., Новічков О.А., 2026uk_UA
dc.coverage.placenameТернопільuk_UA
dc.format.pages72-
dc.subject.udc004.03.8uk_UA
dc.relation.references1. Lee J., Bagheri B., Kao H.-A. A Cyber-Physical Systems Architecture for Industry 4.0-based Manufacturing Systems. Manufacturing Letters. 2015. Vol. 3. P. 18–23.uk_UA
dc.relation.references2. Didych, I., & Yasniy, O. (2025). STRUCTURAL INTEGRITY & LIFETIME ESTIMATION BY MACHINE LEARNING METHODS. LAP Lambert Academic Publishing.uk_UA
dc.relation.references3. Haykin, S. Neural Networks and Learning Machines, 3rd ed.; Prentice Hall: Hamilton, ON, Canada, 2009; p. 936.uk_UA
dc.relation.references4. Yasniy O., Maruschak P., Mykytyshyn A., Didych I., Tymoshchuk D. Artificial Intelligence as Applied to Classifying Epoxy Composites for Aircraft. Aviation. 2025. Vol. 29(1). P. 22–29.uk_UA
dc.relation.references5. Tymoshchuk D., Didych I., Maruschak P., Yasniy O., Mykytyshyn A., Mytnyk M. Machine Learning Approaches for Classification of Composite Materials. Modelling. 2025. Vol. 6(4). Article 118.uk_UA
dc.relation.references6. Carvalho T. P., Soares F. A. A. M. N., Vita R., Francisco R. P., Basto J. P., Alcalá S. G. A Systematic Literature Review of Machine Learning Methods Applied to Predictive Maintenance. Computers & Industrial Engineering. 2019. Vol. 137. Article 106024.uk_UA
dc.relation.references7. Aggarwal C. C. Neural Networks and Deep Learning. 2nd ed. Cham : Springer, 2023. 559 p.uk_UA
dc.relation.references8. Motor Vibration Classification IMU Dataset. Kaggle. URL: https://www.kaggle.com/datasets/brjapon/motor-vibration-classificationuk_UA
dc.relation.references9. Géron A. Hands-On Machine Learning with Scikit-Learn, Keras and TensorFlow. 3rd ed. Sebastopol : O’Reilly Media, 2022. 851 p.uk_UA
dc.relation.references10. Goodfellow I., Bengio Y., Courville A. Deep Learning. Cambridge : MIT Press, 2016. 775 p.uk_UA
dc.relation.references11. Russell S., Norvig P. Artificial Intelligence: A Modern Approach. 4th ed. Hoboken : Pearson, 2021. 1168 p.uk_UA
dc.relation.references12. Alpaydin E. Introduction to Machine Learning. 5th ed. Cambridge : MIT Press, 2021. 755 p.uk_UA
dc.relation.references13. Murphy K. P. Machine Learning: A Probabilistic Perspective. Cambridge : MIT Press, 2012. 1104 p.uk_UA
dc.relation.references14. James G., Witten D., Hastie T., Tibshirani R. An Introduction to Statistical Learning with Applications in Python. Cham : Springer, 2023. 607 p.uk_UA
dc.relation.references15. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning. 2nd ed. New York : Springer, 2009. 745 p.uk_UA
dc.relation.references16. Pedregosa F. et al. Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research. 2011. Vol. 12. P. 2825–2830.uk_UA
dc.relation.references17. McKinney W. Python for Data Analysis. 3rd ed. Sebastopol : O’Reilly Media, 2022. 579 p.uk_UA
dc.relation.references18. Chollet F. Deep Learning with Python. 2nd ed. Shelter Island : Manning Publications, 2021. 504 p.uk_UA
dc.relation.references19. Han J., Kamber M., Pei J. Data Mining: Concepts and Techniques. 4th ed. Burlington : Morgan Kaufmann, 2022. 752 p.uk_UA
dc.relation.references20. Kelleher J. D., Namee B. M., D'Arcy A. Fundamentals of Machine Learning for Predictive Data Analytics. 2nd ed. Cambridge : MIT Press, 2020. 853 p.uk_UA
dc.relation.references21. Навчально-методичний посібник до практичних заняття з дисципліни «Безпека життєдіяльності, основи охорони праці» для студентів освітнього ступеня ,,бакалавр" усіх спеціальностей та форм навчання / Укладачі: Гурик О.Я., Окіпний І.Б., Сенчишин В.С., Мариненко С.Ю., Король О.І. – Тернопіль: ТНТУ імені Івана Пулюя, 2025. 123 с.uk_UA
dc.relation.references22. Методичні рекомендації з виконання, оформлення та захисту кваліфікаційних робіт бакалаврів спеціальності «Автоматизація, комп’ютерно-інтегровані технології та робототехніка» освітньої програми «Комп’ютеризовані системи управління та прикладне програмування» / ТНТУ ім. І. Пулюя; уклад. А.Г. Микитишин, В.В. Левицький, О.С. Голотенко – Тернопіль: ТНТУ, 2025. – 86 с.uk_UA
dc.contributor.affiliationТернопільський національний технічний університет ім. І. Пулюя, Факультет прикладних інформаційних технологій та електроінженерії. Кафедра комп’ютерно-інтегрованих технологійuk_UA
dc.coverage.countryUAuk_UA
dc.identifier.citation2015Голич Ю.А., Новічков О.А. – Розробка та дослідження моделі класифікації режимів навантаження в технологічних процесах на основі методів машинного навчання: кваліфікаційна робота бакалавра за спеціальністю 174 – «Автоматизація, комп’ютерно-інтегровані технології та робототехніка» / Ю.А. Голич, О.А. Новічков – Тернопіль: ТНТУ, 2026. – 72 с.uk_UA
Розташовується у зібраннях:151 — Автоматизація та компʼютерно-інтегровані технології, 174 Автоматизація, комп’ютерно-інтегровані технології та робототехніка (бакалаври)

Файли цього матеріалу:
Файл Опис РозмірФормат 
dyplom_Holych_Yu._Novichkov_O._2026.pdfДипломна робота2,88 MBAdobe PDFПереглянути/відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.

Інструменти адміністратора