dc.contributor.advisor | Štolfa, Jakub | |
dc.contributor.author | Chvatík, Štěpán | |
dc.date.accessioned | 2022-09-01T07:22:16Z | |
dc.date.available | 2022-09-01T07:22:16Z | |
dc.date.issued | 2022 | |
dc.identifier.other | OSD002 | |
dc.identifier.uri | http://hdl.handle.net/10084/147579 | |
dc.description.abstract | V současné době existuje nespočet různých FM systémů. Systém Urbido je komplexní nástroj, který pokrývá vlastnosti většiny těchto programů a vše spojuje do jednoho ucelené ekosystému. Tím se otevírá možnost použití strojového učení na rozličných datech, která se v Urbidu evidují. Smyslem této práce je popsat možnosti a schopnosti AI pluginu do aplikace Urbido, který bude schopen analyzovat a vyhodnotit provozní data z různých zařízení. Na základě těchto dat bude systém pomocí strojového učení vyhodnocovat, zdali došli či nedošlo k nějakému kritickému stavu a následně uživatele sám upozorní na tuto skutečnost, případně naplánuje činnost vedoucí k nápravě tohoto stavu. | cs |
dc.description.abstract | There are currently countless different FM systems. The Urbido system is a comprehensive tool that covers the features of most of these programs and combines everything into one integrated ecosystem. This opens up the possibility of using machine learning on the various data recorded in Urbido. The purpose of this work is to describe the possibilities and capabilities of the AI plugin for the Urbido system, which will be able to analyze and evaluate operational data from various devices. Based on this data, the system will use machine learning to evaluate whether a critical condition has occurred or not and then notify the user of this fact, or plan action to correct this condition. | en |
dc.format.extent | 3686199 bytes | |
dc.format.mimetype | application/pdf | |
dc.language.iso | cs | |
dc.publisher | Vysoká škola báňská – Technická univerzita Ostrava | cs |
dc.subject | AI | cs |
dc.subject | strojové učení | cs |
dc.subject | neuronové sítě | cs |
dc.subject | prediktivní údržba | cs |
dc.subject | passport majetku | cs |
dc.subject | facility management | cs |
dc.subject | javascript | cs |
dc.subject | php | cs |
dc.subject | ajax | cs |
dc.subject | python | cs |
dc.subject | AI | en |
dc.subject | machine learning | en |
dc.subject | neural networks | en |
dc.subject | predictive maintenance | en |
dc.subject | property passport | en |
dc.subject | facility management | en |
dc.subject | javascript | en |
dc.subject | php | en |
dc.subject | ajax | en |
dc.subject | python | en |
dc.title | Plánování s podporou umělé inteligence v rámci systému pro správu objektů | cs |
dc.title.alternative | Planning with the Support of Artificial Intelligence within the Object Management System | en |
dc.type | Diplomová práce | cs |
dc.contributor.referee | Ježek, David | |
dc.date.accepted | 2022-05-31 | |
dc.thesis.degree-name | Ing. | |
dc.thesis.degree-level | Magisterský studijní program | cs |
dc.thesis.degree-grantor | Vysoká škola báňská – Technická univerzita Ostrava. Fakulta elektrotechniky a informatiky | cs |
dc.description.department | 460 - Katedra informatiky | cs |
dc.thesis.degree-program | Informační a komunikační technologie | cs |
dc.thesis.degree-branch | Informatika a výpočetní technika | cs |
dc.description.result | velmi dobře | cs |
dc.identifier.sender | S2724 | |
dc.identifier.thesis | CHV0037_FEI_N2647_2612T025_2022 | |
dc.rights.access | openAccess | |