Repozitorij samostojnih visokošolskih in višješolskih izobraževalnih organizacij

Iskanje po repozitoriju
A+ | A- | Pomoč | SLO | ENG

Iskalni niz: išči po
išči po
išči po
išči po

Možnosti:
  Ponastavi


1 - 2 / 2
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
IZBOLJŠANJE UČINKOVITOSTI STROJEV ZA TLAČNO LITJE S SPROTNIM SPREMLJANJEM NJIHOVEGA STANJA
Žan Perše, 2025, diplomsko delo

Opis: V uvodnem delu diplomske naloge je predstavljeno področje visokotlačnega litja in pomen učinkovitega nadzora nad proizvodnim procesom. Poudarjen je vpliv kompleksnosti izdelkov ter zahteve trga po nižjih stroških, kar zahteva sprotno spremljanje stanja strojev. V nadaljevanju je opisana teoretična osnova visokotlačnega litja, vključno s tehnologijo, napakami v ulitkih in metodami za zagotavljanje kakovosti. Podrobneje so predstavljeni sistemi za zajem podatkov ter pomen njihove analize za optimizacijo proizvodnje. Naslednji del naloge zajema analizo obstoječega stanja v proizvodnem okolju. Na podlagi zbranih podatkov so bile prepoznane težave, na podlagi katerih je bila predlagana rešitev z uporabo sistematičnega zajema podatkov in vizualizacije ključnih parametrov. V zadnjem delu so predstavljeni rezultati kateri kažejo na možnosti za zmanjšanje izmeta in zastojev ter podajajo smernice za nadaljnji razvoj digitalnega spremljanja v industriji tlačnega litja.
Ključne besede: visokotlačno litje, napake pri litju, proizvodnja ulitkov, zajem in analiza podatkov, sprotno spremljanje stanja strojev, zagotavljanje kakovosti, učinkovitost
Objavljeno v ReVIS: 06.09.2025; Ogledov: 281; Prenosov: 9
.pdf Celotno besedilo (2,49 MB)

2.
Načrtovanje nevronske mreže za napovedovaje kvalitete tlačnega litja.
Đejhan Ljimani, 2025, ni določena

Opis: Diplomska naloga raziskuje področje umetne inteligence, s poudarkom na uporabi nevronskih mrež za napovedovanje kakovosti pri visokotlačnem litju. Uvodnemu delu, ki podaja kontekstualni okvir, sledi teoretični del, ki obravnava ključne vidike umetne inteligence, vključno z zgodovinskim razvojem umetne inteligence in opisom strojnega učenja, ki vključuje nadzorovano, nenadzorovano in spodbujevalno učenje. Prav tako so v tem delu opisane nevronske mreže, njihova sestava, arhitekturne značilnosti ter lastnosti, skupaj s procesi modeliranja, določitvijo topologije in metrikami za ocenjevanje učinkovitosti regresijskih modelov. Del je zaključen s pregledom programskega jezika Python in njegovih knjižnic za strojno učenje, ki podpirajo analizo v empiričnem delu naloge. Empirični del naloge vključuje razvoj pilotnega modela napovedovanja kakovosti visokotlačnega litja s pomočjo orodja Orange ter implementacijo nevronske mreže v programskem jeziku Python. S pomočjo teh pristopov naloga prikazuje možno pot za napovedovanje kakovosti izdelkov pri visokotlačnem litju.
Ključne besede: umetna inteligenca, strojno učenje, nevronske mreže, Python, visokotlačno litje.
Objavljeno v ReVIS: 23.02.2025; Ogledov: 727; Prenosov: 6
.pdf Celotno besedilo (1,90 MB)

Iskanje izvedeno v 0.03 sek.
Na vrh