Meghibásodási mutatók optimalizálása gépi tanulási módszerekkel

OData támogatás
Konzulens:
Dr. Martinek Péter
Elektronikai Technológia Tanszék

Az utóbbi időben a gépi tanulási módszerek széleskörű elterjedésével lehetővé vált, hogy a vállalatok historikus adatok felhasználásával, jövőt modellező eszközök segítségével hozzanak döntéseket. A karbantartási feladatok területén is megnőtt az igény prediktív módszerek alkalmazására, hogy a kezelési költségeket csökkenteni, az eszközök rendelkezésre állását pedig növelni lehessen.

Diplomamunkámban olyan algoritmusokat használtam, melyek segítségével egy adott időszakon belüli meghibásodások száma előrejelezhető, az eszközök rendelkezésre állása megbecsülhető és az alkatrészek élettartamáról is következtetéseket vonhatunk le. Természetesen a kívánt cél elérése érdekében az adatgyűjtést elő kell készíteni, hogy megfelelő minőségű és mennyiségű adat álljon rendelkezésre a modellezéshez. A feladat megvalósítása során az SAP karbantartási moduljának adatait modelleztem, de a kívánt eredmény elérése érdekében szükség volt az eredetileg rendelkezésre álló adatmodell újrastrukturálására.

Az alkalmazás implementálásához olyan SAP által fejlesztett eszközöket és technológiákat használtam, melyek mindenki számára elérhetőek.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.