Výrobné spoločnosti generujú veľké množstvo textových dát,
ktoré je možné využiť na detekciu prevádzkových problémov
priamo pri ich vzniku. Tieto komplikácie môžu byť nákladné,
najmä ak si diagnostika príčin a opravy systému vyžadujú značné
zdroje z dôvodu komplexnosti zariadení. Táto diplomová práca sa
zameriava na zlepšenie systému detekcie anomálií v spoločnosti
RACOM pomocou techník dolovania dát a strojového učenia
aplikovaných na systémové logy Linuxu. Navrhované riešenie sa
sústreďuje na identifikáciu neštandardného správania v reálnom
čase, zníženie diagnostického úsilia a zvýšenie spoľahlivosti a
udržiavateľnosti výrobného systému.