Zobrazit minimální záznam

dc.contributor.advisorKoziorek, Jiří
dc.contributor.authorByrtus, Radek
dc.date.accessioned2025-01-21T12:45:54Z
dc.date.available2025-01-21T12:45:54Z
dc.date.issued2024
dc.identifier.otherOSD002
dc.identifier.urihttp://hdl.handle.net/10084/155614
dc.description.abstractIndustry in the modern sense brings with it challenges in many areas. Among these challenges is the predictive maintenance of industrial automation equipment. Induction motors, industrial robots and more are now commonly used in manufacturing processes around the world. The concept of predictive maintenance has its roots in the 1990s and there are many research papers and publications in this direction. Manufacturers are also trying to reduce production costs to a minimum as part of competition and price battles, which leads to the requirement for an overall increase in the efficiency of the production process. In the last few decades, the industry has been undergoing total digitalization and there is also a more efficient handling of data within Cloud and Edge platforms. This qualification thesis aims to present a methodology to monitor the condition of industrial machines commonly used in modern industry. It also defines an basic Edge-enabled framework for Condition Monitoring and Predictive Maintenance (PdM). It also discusses modern approaches to data handling for predictive maintenance needs within Edge platforms and describes the broader context of this issue.en
dc.description.abstractPrůmysl v moderním pojetí s sebou přináší výzvy v mnoha oblastech. Mezi tyto výzvy se řadí také prediktivní údržba průmyslových zařízení pro automatizaci. Indukční motory, průmyslové roboty a další jsou dnes běžně využívány v rámci výrobních procesů po celém světě. Koncept prediktivní údržby má své kořeny v 90. letech minulého století a v tomto směru existuje mnoho výzkumných prací a publikací. Výrobci se v rámci konkurenčních a cenových bojů také snaží snížit výrobní náklady na minimum, což vede na požadavek celkového zvýšení efektivity výrobního procesu. V posledních desetiletích průmysl prochází celkovou digitalizací a dochází i k efektivnějšímu nakládání s daty v rámci Cloud a Edge platforem. Tato kvalifikační práce si klade za cíl prezentovat metodiku sledování kondice průmyslových strojů běžně používaných v moderním průmyslu. Definuje také základní Edge-enabled rámec pro sledování stavů a prediktivní údržbu (PdM). Pojednává také o moderních přístupech zpracování dat pro potřeby prediktivní údržby v rámci Edge platforem a popisuje také širší souvislosti této problematiky.cs
dc.format.extent10467787 bytes
dc.format.mimetypeapplication/pdf
dc.language.isoen
dc.publisherVysoká škola báňská – Technická univerzita Ostravacs
dc.subjectEdge-enabled frameworken
dc.subjectMethodologyen
dc.subjectPredictive Maintenanceen
dc.subjectCondition Monitoringen
dc.subjectEdge Computingen
dc.subjectEdge-enabled rámeccs
dc.subjectMetodikacs
dc.subjectPrediktivní Údržbacs
dc.subjectSledování stavucs
dc.subjectEdge Computingcs
dc.titleMethodology for Condition Monitoring of Industrial Systems Based on Edge Computingen
dc.title.alternativeMetodika pro sledování stavu průmyslových systémů založená na edge computingucs
dc.typeDisertační prácecs
dc.contributor.refereeČermák, Petr
dc.contributor.refereeHájovský, Radovan
dc.contributor.refereeJanáčová, Dagmar
dc.date.accepted2024-11-28
dc.thesis.degree-namePh.D.
dc.thesis.degree-levelDoktorský studijní programcs
dc.thesis.degree-grantorVysoká škola báňská – Technická univerzita Ostrava. Fakulta elektrotechniky a informatikycs
dc.description.department450 - Katedra kybernetiky a biomedicínského inženýrstvícs
dc.thesis.degree-programElektrotechnikacs
dc.thesis.degree-branchTechnická kybernetikacs
dc.description.resultvyhovělcs
dc.identifier.senderS2724
dc.identifier.thesisBYR0034_FEI_P2649_2612V045_2024
dc.rights.accessopenAccess


Soubory tohoto záznamu

Tento záznam se objevuje v následujících kolekcích

Zobrazit minimální záznam