Diplomová práce

Identifikace metod vhodných pro hledání potenciálně příčinných souvislostí ve výrobních datech za účelem snížení zmetkovosti

Identifying appropriate methods for finding potentially causal associations in manufacturing data for the purpose of reducing the scrap rate

Mgr. Nikola Vavreková
Anotace

Cieľom tejto diplomovej práce je preskúmať jednotlivé metódy strojového učenia a identifikovať tie, ktoré sú vhodné pre odhalenie príčin zmätkovosti na výrobných dátach. V teoretickej časti sú predstavené štatistické metódy, ktoré sa využívajú pri root-cause analýze. V praktickej časti sú modely rozhodovacích stromov, náhodných a boosting lesov a neurónových sietí aplikované na výrobné dáta so zdrojovým …více

Abstract

The aim of this thesis is to examine the various methods of machine learning and identify those that are suitable for revealing the causes of confusion on production data. The theoretical part presents the statistical methods used in root-cause analysis. In the practical part, models of decision trees, random and boosting forests and neural networks are applied to production data with source code in …více

Klíčová slova
dátová analýza strojové učenie root cause analýza R data analysis machine learning root cause analysis
Zadání práce
Cíl práce: Cílem práce je prozkoumat vybrané metody data miningu a identifikace těch přístupů, které jsou vhodné pro aplikaci na výrobní data za účelem odhalení příčin zmetkovosti. Autorka provede kritickou rešerši algoritmů a přístupů, které se využívají při root-cause analýze. Vybrané statistické metody a metody strojového učení (např. bayesovské sítě, rozhodovací stromy, neuronové sítě, korelační matice, atd.) aplikuje k analýze výrobních dat. Autorka také navrhne kritéria a postupy k posouzení a porovnání jednotlivých přístupů k řešení. Součástí práce bude programové řešení v jazyku R aplikovatelné na standardizovaná výrobní data.
Administrativní informace
Práce zkontrolována:
18. 5. 2021 20:50, doc. Mgr. Maria Králová, Ph.D., učo 18650
Plný text práce
897 KB / soubor PDF
Jazyk práce
slovenština slovenština
Termín obhajoby
22. 6. 2021
Práce byla úspěšně obhájena

Vedoucí

doc. Mgr. Maria Králová, Ph.D., učo 18650
KAMI ESF MU

Oponent

Mgr. Hana Fitzová, Ph.D., učo 13908
KE ESF MU

Literatura

  • WITTEN, I. H.; Eibe FRANK a Mark A. HALL. Data mining : practical machine learning tools and techniques. 3rd ed. Burlington: Morgan Kaufmann, 2011, xxxiii, 62. ISBN 9780123748560.
  • MURPHY, Kevin P. Machine learning : a probabilistic perspective. Cambridge, Mass.: MIT Press, 2012, xxix, 1067. ISBN 9780262018029.
  • FRIENDLY, Michael a David MEYER. Discrete data analysis with R : visualization and modeling techniques for categorical and count data. Edited by Achim Zeileis. Boca Raton: CRC Press/Taylor & Francis Group, 2016, xvii, 544. ISBN 9781498725835.
  • KABACOFF, Robert. R in action : data analysis and graphics with R. Second edition. Shelter Island: Manning, 2015, xxviii, 57. ISBN 9781617291388.
  • MOBLEY, R. Keith. Root cause failure analysis. Boston: Newnes, 1999, 308 s. ISBN 0-7506-7158-0.
Citovat tuto práci
Masarykova univerzita Ekonomicko-správní fakulta
Studijní program
Plán
Matematické a statistické metody v ekonomii

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.