Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "data-mining" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-7 z 7
    Tytuł:
    Application of selected Data Mining methods to machinery operation
    Zastosowania wybranych metod Data Mining w eksploatacji maszyn
    Autorzy:
    Gibiec, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/327756.pdf
    Data publikacji:
    2009
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    maszyna
    eksploatacja
    stan techniczny
    data mining
    analiza danych
    machine
    diagnostics
    technical condition
    data analysis
    Opis:
    In this research an example of selected Data Mining techniques application to mining cutterloader exploitation and service planning was presented. Information, concerning a type of machine failure or execution of servicing activity, recorded in servicing protocols, was used. Early information about the range of expected service is essential for optimization of schedule of services and contents of spare parts stockroom. In this research, forecasting of the maintenance activities range was analyzed. Also the identification of sequence of activities performed during following machine stoppages was performed. Such information makes it possible to increase the reliability of maintenance due to conducting services of several parts during the same break in exploitation. For these purposes algorithms of sequence and link analyses were used.
    W pracy przedstawiono przykład wykorzystania wybranych technik Data Mining do wspomagania eksploatacji górniczego kombajnu ścianowego. Wykorzystano informacje o rodzaju uszkodzenia lub wykonanej czynności serwisowej zawarte w protokołach serwisowych sporządzanych przez służby utrzymania ruchu. Ponieważ wczesna informacja o zakresie serwisu pomaga w lepszym jego zaplanowaniu oraz daje możliwość optymalizacji stanów magazynowych części zamiennych, w pracy przeanalizowano możliwość przewidywania zakresu czynności utrzymaniowych. Dokonano także identyfikacji sekwencji następujących po sobie czynności wykonywanych podczas kolejnych zatrzymań maszyny. Ich znajomość umożliwia obniżenie kosztów utrzymania poprzez wykonanie serwisu kilku elementów podczas jednego postoju. Do tych zastosowań wykorzystano metody analizy połączeń i sekwencji.
    Źródło:
    Diagnostyka; 2009, 3(51); 69-72
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Using data mining tools to show correlations between failures occurring in city buses
    Wykorzystanie narzędzi data mining do oceny awarii autobusów miejskich
    Autorzy:
    Marzec, M.
    Uhl, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/329404.pdf
    Data publikacji:
    2012
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    data mining
    analiza koszykowa
    autobus miejski
    awaria
    niezawodność
    basket analysis
    reliability of buses
    Opis:
    A failure in a bus or other technical device increases its operational costs. Apart from repair costs, a failure might make the work scheduled for the given time impossible, which leads to financial consequences equalling the value of the unaccomplished work or its effects. Because of that it is very important to run research aimed at improving reliability. The following work presents application of data mining tools that show correlations between failures of various components. Such an approach enables improving the reliability of buses or other technical devices by pointing out design errors and defining control procedures that enable early failure detection. The basket analysis done in this work is based on the databases in which baskets were created with the use of an innovative programme with a dynamic frame that segregated data.
    Awaria autobusu lub innego urządzenia technicznego przyczynia się do zwiększenia kosztów eksploatacji. Poza kosztami napraw, awaria powoduje, że praca zaplanowana w określonym czasie może nie zostać wykonana. Pociąga to za sobą konsekwencje finansowe odzwierciedlające wartość niewykonanej pracy bądź jej efektów. W związku z powyższym bardzo ważne jest, aby wykonywać badania mające na celu zwiększenie niezawodności tych obiektów. Niniejsza praca proponuję aplikację podejścia z wykorzystaniem narzędzi data mining do wskazania relacji miedzy uszkodzeniami poszczególnych części. Takie praktyki pozwalają na zwiększenie niezawodności autobusów lub innych obiektów technicznych poprzez wskazanie błędów konstrukcyjnych oraz procedur kontrolnych mających na celu wczesne wykrywanie uszkodzeń. Analiza koszykowa przeprowadzona na potrzeby niniejszego opracowania korzysta ze zbiorów danych, w których koszyki zostały stworzone z wykorzystaniem innowacyjnego programu działającego w oparciu o dynamiczną ramkę dokonującą podziału danych.
    Źródło:
    Diagnostyka; 2012, 4(64); 3-7
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie technik Data Mining do odkrywania relacji diagnostycznych w danych opisujących przebieg historii eksploatacji maszyn
    Data Mining techniques application to diagnostic relations discovering in historic data of machinery exploitation
    Autorzy:
    Gibiec, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/329144.pdf
    Data publikacji:
    2007
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    relacje diagnostyczne
    klasyfikacja stanu technicznego
    data mining
    analiza danych
    diagnostic relations
    technical condition classification
    data analyses
    Opis:
    W pracy przedstawiono przykład wykorzystania wybranych technik Data Mining do odkrywania relacji diagnostycznych w danych z rejestratora przebiegu eksploatacji górniczego kombajnu ścianowego. Wykorzystując metody grupowania określono ilość grup w danych oraz zweryfikowano ich związek ze stanem technicznym urządzenia na podstawie protokołów serwisowych. Zbudowano modele klasyfikujące wyróżnione stany techniczne urządzenia wykorzystując metody drzew klasyfikujących. Analizując działanie mechanizmu klasyfikującego drzew w postaci reguł odkryto relacje diagnostyczne opisujące przyczyny zmian stanu technicznego rozważanego urządzenia.
    In this research an example of Data Mining techniques application to diagnostic relations discovering from data recorder of exploitation parameters of mining cutter-loader was presented. Using clustering methods the number of clusters in data was determined. Their correlations with technical condition of machinery was verified basing on servicing documentation. Classification trees methods were used to build models classifying listed technical conditions. Performance of their classification system in form of rules was investigated. Basing on these rules diagnostic relations describing reasons of technical condition changes were discovered.
    Źródło:
    Diagnostyka; 2007, 3(43); 65-70
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Selection of clustering methods for wind turbines operational data
    Dobór metod grupowania danych procesowych dla turbin wiatrowych
    Autorzy:
    Gibiec, M.
    Barszcz, T.
    Bielecka, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/327686.pdf
    Data publikacji:
    2010
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    diagnostyka maszyn
    turbina wiatrowa
    eksploracja danych
    grupowanie
    machine diagnostics
    wind turbine
    data mining
    clustering
    Opis:
    Quickly growing number of monitored wind turbines has changed the needs for monitoring and diagnostic algorithms. The data from hundreds of monitoring systems are transferred to the diagnostic centers, where the data should be analyzed. High cost of labor created the need for automated diagnostic methods. The first task in this wide discipline is classification of the data and detection of malfunction states. The paper investigates application of data mining methods for classification of operational data from wind turbines. It is shown, that combination of the agglomeration method with the C-means clustering yields very good results and can be used for automated diagnostics of wind farms.
    Szybko rosnąca liczba monitorowanych turbin wiatrowych zmieniła potrzeby w zakresie algorytmów monitorowania diagnostyki. Obecnie dane z setek systemów monitorowania przesyłane są do centrów diagnostycznych, gdzie muszą zostać przeanalizowane. Wysokie koszty pracy ekspertów spowodowały potrzebę zautomatyzowania metod diagnostycznych. Pierwszym zadaniem stała się automatyczna klasyfikacja danych i wykrywanie stanów niesprawności. Artykuł przedstawia zastosowanie metod "data mining" do klasyfikacji danych procesowych z turbin wiatrowych. Pokazano, że połączenie metody aglomeracji danych z metodą K-means daje bardzo dobre wyniki i może być zastosowane do zautomatyzowanej diagnostyki farm wiatrowych.
    Źródło:
    Diagnostyka; 2010, 4(56); 37-42
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Agent approach in machine diagnosis
    Podejście agentowe w diagnostyce maszyn
    Autorzy:
    Klemm, M.
    Tabaszewski, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/328055.pdf
    Data publikacji:
    2011
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    diagnostyka
    system agentowy
    diagnostyka wielosymptomowa
    sztuczna inteligencja
    eksploracja danych
    condition monitoring
    agent system
    multisymptom diagnostic
    artificial intelligence
    data mining
    Opis:
    The paper presents a new approach to software development of diagnostic machines. The proposed system is a collection of many independent applications called agents which gain the diagnostic information, process it and inform the user of the system of the occurrence of significant events concerning the operation of the object. This allows a comprehensively support of the operation process by detecting the current condition and forecast a failure. An important feature of the proposed system is the speed, ability to learn through the use of artificial intelligence and openness that allows for any development of the system by adding more new items pursuing new activities or the same action on a different basis (increasing the reliability of inference).
    W pracy przedstawiono nowe podejście do tworzenia oprogramowania diagnostycznego maszyn. Zaproponowany system jest zbiorem wielu niezależnych aplikacji nazwanych agentami, które pozyskują informację diagnostyczną, przetwarzają ją i informują użytkownika systemu o wystąpieniu istotnych zdarzeń dotyczących eksploatacji obiektu. Pozwala to kompleksowo wspomagać proces eksploatacji poprzez wykrywanie aktualnego stanu i prognozę do awarii. Istotną cechą zaproponowanego systemu jest szybkość działania, zdolność uczenia się poprzez zastosowanie metod sztucznej inteligencji oraz otwartość pozwalająca na dowolny rozwój systemu poprzez dodawanie kolejnych nowych elementów realizujących nowe działania lub te same działania w oparciu o inne zasady (zwiększanie niezawodności wnioskowania).
    Źródło:
    Diagnostyka; 2011, 4(60); 59-64
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A new data mining approach for power performance verification of an on-shore wind farm
    Autorzy:
    Castellani, F.
    Garinei, A.
    Terzi, L.
    Astolfi, D.
    Moretti, M.
    Lombardi, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/328750.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    wind energy
    renewable energy
    wind turbine performance
    data mining
    SCADA database
    control systems
    fault diagnosis
    performance optimization
    wind turbine power output
    Opis:
    Monitoring wind energy production is fundamental to improve the performances of a wind farm during the operational phase. In order to perform reliable operational analysis, data mining of all available information spreading out from turbine control systems is required. In this work a SCADA (Supervisory Control And Data Acquisition) data analysis was performed on a small wind farm and new post-processing methods are proposed for condition monitoring of the aerogenerators. Indicators are defined to detect the malfunctioning of a wind turbine and to select meaningful data to investigate the causes of the anomalous behaviour of a turbine. The operating state database is used to collect information about the proper power production of a wind turbine and a number map has been codified for converting the performance analysis problem into a purely numerical one. Statistical analysis on the number map clearly helps in detecting operational anomalies, providing diagnosis for their reasons. The most operationally stressed turbines are systematically detected through the proposal of two Malfunctioning Indices. Results demonstrate that a proper selection of the SCADA data can be very useful to measure the real performances of a wind farm and thus to define optimal repair/replacement and preventive maintenance policies that play a major role in case of energy production.
    Źródło:
    Diagnostyka; 2013, 14, 4; 35-42
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Performance optimization of model-free fault diagnosis schemes
    Optymalizacja sprawności schematów diagnostycznych bez wsparcia modelowego
    Autorzy:
    Kalisch, M.
    Przystałka, P.
    Katunin, A.
    Timofiejczuk, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/327736.pdf
    Data publikacji:
    2016
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    fault detection
    fault isolation
    evolutionary optimization
    data mining techniques
    wavelet analysis
    wind turbine system
    detekcja uszkodzeń
    izolacja uszkodzeń
    optymalizacja ewolucyjna
    techniki eksploracji danych
    analiza falkowa
    turbina wiatrowa
    Opis:
    This paper describes the method of model-free fault detection and isolation. The main purpose of the research is to present one possibility of the development of diagnostic schemes for which the component structure and behavioural parameters are tuned automatically in order to obtain the maximal efficiency of the fault detection and isolation system. The proposed approach can be viewed as the intersection of elementary methods (classic and soft computing) such as discrete wavelet analysis, machine learning (using decision trees or artificial neural networks), and evolutionary algorithms. The fundamental verification of the method was conducted for data made available within the benchmark problem involving a wind turbine. The achieved results confirm the effectiveness of the proposed approach while also showing its limitations.
    Artykuł opisuje metodę detekcji i izolacji uszkodzeń bez użycia modelu. Głównym celem badań jest pokazanie możliwości opracowania schematów diagnostycznych, których struktura oraz parametry są dostrajane automatycznie w celu osiągnięcia najwyższej możliwej sprawności detekcji i izolacji uszkodzeń. Zaproponowane podejście może być postrzegane jako połączenie elementarnych metod (klasyczne metody oraz obliczenia miękkie) jak np. analiza falkowa, metody uczenia maszynowego (drzewa decyzyjne i sztuczne sieci neuronowe) oraz algorytmy ewolucyjne. Weryfikacja metody została przeprowadzona na danych symulacyjnych wygenerowanych za pomocą modelu turbiny wiatrowej. Uzyskane wyniki potwierdziły wysoką skuteczność metody oraz pokazały jej ograniczenia.
    Źródło:
    Diagnostyka; 2016, 17, 1; 51-58
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-7 z 7

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies