dc.contributor.advisor | Koštialová Jančíková, Zora | |
dc.contributor.author | Sláčala, Jaroslav | |
dc.date.accessioned | 2017-08-23T09:31:18Z | |
dc.date.available | 2017-08-23T09:31:18Z | |
dc.date.issued | 2017 | |
dc.identifier.other | OSD002 | |
dc.identifier.uri | http://hdl.handle.net/10084/119300 | |
dc.description.abstract | Cílem diplomové práce je optimalizace procesního nastavení technologického procesu s využitím systému umělých neuronových sítí. Očekávaným výsledkem práce je návrh provozní aplikace pro podporu rozhodování operátorů v rámci systému řízení výroby. Z důvodu širšího zasazení tématu práce do problematiky jsou v práci přiblíženy základní metody umělé inteligence. Velká část práce je věnována umělým neuronovým sítím. Dále je v práci vysvětlen systém MES, jeho možnosti a přínos pro výrobní sektor. Systémem MES je úzce svázán s filozofií Industry 4.0, tedy plně kybernetickým podnikem, tzv. „smart factory“. Problematika neuronových sítí, jejich praktický návrh a testování bylo realizováno pomocí software STATISTICA firmy StatSoft, Inc. | cs |
dc.description.abstract | The aim of the thesis is optimization of the process setting of the technological process by using a system of artificial neural networks. The expected result of this work is the draft of process application for operator’s decision support within the production control system. Due to the wider set the theme of work into problems in this thesis work are approximated basic methods of artificial intelligence. A large part of the thesis is devoted to artificial neural networks. The study also explained MES system and its potential and benefits for manufacturing sector. MES system is closely tied to the Industry 4.0 philosophy, a fully cybernetic factory so-called smart factory. Problems of artificial neural networks, their practical design and testing have been realized by using the software STATISTICA, StatSoft, Inc. | en |
dc.format.extent | 4213195 bytes | |
dc.format.mimetype | application/pdf | |
dc.language.iso | cs | |
dc.publisher | Vysoká škola báňská - Technická univerzita Ostrava | cs |
dc.subject | Umělá inteligence | cs |
dc.subject | umělé neuronové sítě | cs |
dc.subject | Manufacturing Execution Systems | cs |
dc.subject | Industry 4.0. | cs |
dc.subject | Artificial intelligence | en |
dc.subject | artificial neural networks | en |
dc.subject | Manufacturing Execution Systems | en |
dc.subject | Industry 4.0. | en |
dc.title | Optimalizace nastavení parametrů technologického procesu | cs |
dc.title.alternative | Optimization of parameter setting of the technological process | en |
dc.type | Diplomová práce | cs |
dc.contributor.referee | David, Jiří | |
dc.date.accepted | 2017-06-01 | |
dc.thesis.degree-name | Ing. | |
dc.thesis.degree-level | Magisterský studijní program | cs |
dc.thesis.degree-grantor | Vysoká škola báňská - Technická univerzita Ostrava. Fakulta metalurgie a materiálového inženýrství | cs |
dc.description.department | 638 - Katedra automatizace a počítačové techniky v metalurgii | |
dc.contributor.consultant | Barčák, Tomáš | |
dc.thesis.degree-program | Ekonomika a řízení průmyslových systémů | cs |
dc.thesis.degree-branch | Automatizace a počítačová technika v průmyslových technologiích | cs |
dc.description.result | výborně | cs |
dc.identifier.sender | S2736 | cs |
dc.identifier.thesis | SLA0116_FMMI_N3922_3902T042_2017 | |
dc.rights.access | openAccess | |