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 "eksploracja danych" wg kryterium: Temat

  Lista filtrów

Dostawca treści

Podbaza

Wyrównaj
Wyświetlanie 1-15 z 41
Tytuł:
Integrating simulation into data mining
Zintegrowana symulacja w eksploracji danych
Autorzy:
Bubeník, P.
Horák, F.
Powiązania:
https://bibliotekanauki.pl/articles/339667.pdf
Data publikacji:
2015
Wydawca:
Polskie Towarzystwo Zarządzania Produkcją
Tematy:
data mining
simulation
CRISP-DM
eksploracja danych
symulacja
CRISPDM
Opis:
This article describes a way to integrate a simulation into a data mining technology, particularly with respect to CRISP-DM standard. Aim of this approach is to enable data mining in various cases, when available data do not meet all the requirements for data mining analysis. Solution is primarily tied to manufacturing companies environment, where there are many processes, that can be simulated, and thus the acquisition of sufficient volume of data for further analysis is possible.
W artykule opisano sposób integracji oprogramowania symulacyjnego z technologią eksploracji danych, z szczególnym uwzględnieniem standardu CRISP-DM. Celem takiego podejścia jest pozyskanie danych w przypadkach, gdy dostępne dane nie spełniają wszystkich wymagań związanych z analizą w systemie eksploracji danych. Zaproponowane rozwiązanie jest przede wszystkim związane z praktyką produkcyjną, gdzie realizowanych jest wiele procesów, które można komputerowo zasymulować, a tym samym można pozyskać wystarczające ilości danych do dalszych analiz.
Źródło:
Zarządzanie Przedsiębiorstwem; 2015, 18, 1; 8-12
1643-4773
Pojawia się w:
Zarządzanie Przedsiębiorstwem
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Credit Risk Management Using Automatic Machine Learning
Autorzy:
Gaweł, Bartłomiej
Paliński, Andrzej
Powiązania:
https://bibliotekanauki.pl/articles/2037439.pdf
Data publikacji:
2020
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
data mining
scoring
credit
loan
eksploracja danych
kredyt
pożyczka
Opis:
The article presents the basic techniques of data mining implemented in typical commercial software. They were used to assess the risk of credit card debt repayment. The article assesses the quality of classification models derived from data mining techniques and compares their results with the traditional approach using a logit model to assess credit risk. It turns out that data mining models provide similar accuracy of classification compared to the logit model, but they require much less work and facilitate the automation of the process of building scoring models.
Źródło:
Decision Making in Manufacturing and Services; 2020, 14, 2; 193-208
1896-8325
2300-7087
Pojawia się w:
Decision Making in Manufacturing and Services
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Multidimensional clustering data visualization using k-medoids algorithm
Autorzy:
Kocyba, J.
Jach, T.
Nowak-Brzezińska, A.
Powiązania:
https://bibliotekanauki.pl/articles/951647.pdf
Data publikacji:
2013
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
cluster analysis
data mining
K-medoids
BUPA
analiza skupień
eksploracja danych
Opis:
The article presents the possibilities of using clustering algorithms to group and visualize data from blood tests of various people in the context of alcohol consumption impact on measured blood parameters. The presented results should be considered as the preliminary to the future works involving automatic visualization of medical data by using clustering algorithms. The authors present the results of clustering of the above data using k-medoids algorithm along with the proposition of visualization. The authors used as a set of input data "BUPA liver disorders" medical base taken from the Machine Learning Repository [7].
Źródło:
Journal of Medical Informatics & Technologies; 2013, 22; 63-70
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An alternative extension of the k-means algorithm for clustering categorical data
Autorzy:
San, O. M.
Huynh, V. N.
Nakamori, Y.
Powiązania:
https://bibliotekanauki.pl/articles/907406.pdf
Data publikacji:
2004
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
analiza skupień
dane kategoryczne
eksploracja danych
cluster analysis
categorical data
data mining
Opis:
Most of the earlier work on clustering has mainly been focused on numerical data whose inherent geometric properties can be exploited to naturally define distance functions between data points. Recently, the problem of clustering categorical data has started drawing interest. However, the computational cost makes most of the previous algorithms unacceptable for clustering very large databases. The k-means algorithm is well known for its efficiency in this respect. At the same time, working only on numerical data prohibits them from being used for clustering categorical data. The main contribution of this paper is to show how to apply the notion of "cluster centers'' on a dataset of categorical objects and how to use this notion for formulating the clustering problem of categorical objects as a partitioning problem. Finally, a k-means-like algorithm for clustering categorical data is introduced. The clustering performance of the algorithm is demonstrated with two well-known data sets, namely, soybean disease and nursery databases.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2004, 14, 2; 241-247
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Applying Data Mining and Machine Learning Algorithms to predict symptom development in Parkinsons disease
Stosowanie eksploracji danych i algorytmów uczenia maszynowego do przewidywania rozwoju objawów w chorobie Parkinsona
Autorzy:
Przybyszewski, Andrzej W.
Powiązania:
https://bibliotekanauki.pl/articles/1037828.pdf
Data publikacji:
2014
Wydawca:
Śląski Uniwersytet Medyczny w Katowicach
Tematy:
eksploracja danych
algorytmy uczenia
choroba parkinsona
data mining
machine learning algorithms
parkinson's disease
Opis:
The standard treatment of PD symptoms depends on the experience of a particular neurologist, UPDRS and Hoehn and Yahr scale measurements in order to estimate the stage of PD, the patient’s reports and patient’s responses to medications. All these estimations are to a great extent subjective and determine different treatments in different centers. The purpose of this work was to develop an approach that may more precisely and objectively estimate a patient’s symptoms and in consequence optimize individual PD treatment. We have presented sever-al examples of different methods that make measurements in PD more precise. However, greater precision and objectivity were only the first steps. In addition, all (standard and new) data must be evaluated in an intelligible way in order to better estimate PD symptoms and their developments. We have used data mining and machine learning approaches to mimic the “golden” neurologist’s reasoning.
Standardowe leczenie objawów PD zależy od doświadczenia danego neurologa oraz wyników pomiarów w skalach UPDRS oraz Hoehn i Yahr , aby ocenić stadium choroby Parkinsona, opinii pacjenta i jego reakcji na leki. Wszystkie oceny stosowane w tym celu są w dużej mierze subiektywne. Celem niniejszej pracy było opracowanie podejścia, które mogłoby bardziej precyzyjnie i obiektywnie oszacować fluktację objawów pacjenta i w konsekwencji optymalizację indywidualnego traktowania PD. Pokazaliśmy kilka przykładów różnych metod, które zwiększają precyzję pomiarów w PD. Trzeba zaznaczyć, że większa precyzja i obiektywność są tylko pierwszym krokiem. Ostatecznie wszystkie dane (otrzymane zarówno nowymi, jak i standardowymi metodami) muszą być porównane w czytelny sposób, aby lepiej ocenić nasilenie i rozwój objawów PD. Użyta metoda eksploracji danych i algorytm uczenia maszynowego mają naśladować „złoty” tok rozumowania neurologa.
Źródło:
Annales Academiae Medicae Silesiensis; 2014, 68, 5; 332-349
1734-025X
Pojawia się w:
Annales Academiae Medicae Silesiensis
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Methods for mining co–location patterns with extended spatial objects
Autorzy:
Bembenik, R.
Jóźwicki, W.
Protaziuk, G.
Powiązania:
https://bibliotekanauki.pl/articles/330860.pdf
Data publikacji:
2017
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
spatial data mining
colocation patterns
extended objects
dane przestrzenne
eksploracja danych
obiekt rozszerzony
Opis:
The paper discusses various approaches to mining co-location patterns with extended spatial objects. We focus on the properties of transaction-free approaches EXCOM and DEOSP, and discuss the differences between the method using a buffer and that employing clustering and triangulation. These theoretical differences between the two methods are verified experimentally. In the performed tests three different implementations of EXCOM are compared with DEOSP, highlighting the advantages and downsides of both approaches.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2017, 27, 4; 681-695
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Center-based l1-clustering method
Autorzy:
Sabo, K.
Powiązania:
https://bibliotekanauki.pl/articles/330910.pdf
Data publikacji:
2014
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
l1 clustering
data mining
optimization
weighted median problem
metoda grupowania
eksploracja danych
optymalizacja
Opis:
In this paper, we consider the l1-clustering problem for a finite data-point set which should be partitioned into k disjoint nonempty subsets. In that case, the objective function does not have to be either convex or differentiable, and generally it may have many local or global minima. Therefore, it becomes a complex global optimization problem. A method of searching for a locally optimal solution is proposed in the paper, the convergence of the corresponding iterative process is proved and the corresponding algorithm is given. The method is illustrated by and compared with some other clustering methods, especially with the l2-clustering method, which is also known in the literature as a smooth k-means method, on a few typical situations, such as the presence of outliers among the data and the clustering of incomplete data. Numerical experiments show in this case that the proposed l1-clustering algorithm is faster and gives significantly better results than the l2-clustering algorithm.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2014, 24, 1; 151-163
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
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:
An Overview of Data Mining and Process Mining Applications in Underground Mining
Przegląd zastosowań technik drążenia danych i procesów w górnictwie podziemnym
Autorzy:
Brzychczy, Edyta
Powiązania:
https://bibliotekanauki.pl/articles/318399.pdf
Data publikacji:
2019
Wydawca:
Polskie Towarzystwo Przeróbki Kopalin
Tematy:
eksploracja danych
eksploracja procesów
analiza
proces wydobywczy
górnictwo podziemne
data mining
process mining
analysis
mining process
underground mining
Opis:
The underground mining process can be analysed with a data-oriented or process-oriented approach. The first of them is popular and wide known as data mining while the second is still not often used in the conditions of the mining companies. The aim of this paper is an overview of data mining and process mining applications in an underground mining domain and an investigation of the most popular analytic techniques used in the defined analytic perspectives (“Diagnostics and machinery”, “Geomechanics”, “Hazards”, “Mine planning and safety”). In the paper two research questions are formulated: RQ1: What are the most popular data mining/process mining tasks in the analysis of the underground mining process? and RQ2: What are the most popular data mining/process mining techniques applied in the multi-perspective analysis of the underground mining process? In the paper sixty--two published articles regarding to data mining tasks and analytic techniques in the mentioned domain have been analysed. The results show that predominatingly predictive tasks were formulated with regard to the analysed phenomena, with strong overrepresentation of classification task. The most frequent data mining algorithms is comprised of the following: artificial neural networks, decision trees, rule induction and regression. Only a few applications of process mining in analysis of the underground mining process have been found – they were briefly described in the paper.
Celem artykułu jest przegląd zastosowań eksploracji danych (data mining) i procesów (process mining) w analizie procesu wydobywczego w kopalniach podziemnych oraz identyfikacja najpopularniejszych technik analizy danych w tym zakresie. W artykule sformułowano dwa pytania badawcze: P1: Jakie są najpopularniejsze zadania eksploracji danych/eksploracji procesów w analizie procesu wydobywczego w kopalniach podziemnych? oraz P2: Jakie są najpopularniejsze techniki eksploracji danych/eksploracji procesów stosowane w wielowymiarowej analizie procesu wydobywczego w kopalniach podziemnych? W artykule przeanalizowano sześćdziesiąt dwie opublikowane prace dotyczące eksploracji danych w ujęciu zdefiniowanych perspektyw analitycznych (“Diagnostyka i maszyny”, “Geomechanika”, “Zagrożenia”, “Projektowanie kopalń i bezpieczeństwo”). Wyniki pokazują, że w odniesieniu do analizowanych zjawisk formułowano głównie zadania predykcyjne, z silną nadreprezentacją zadania klasyfikacji. Do najczęściej wykorzystywanych technik eksploracji danych należą: sztuczne sieci neuronowe, drzewa decyzyjne, indukcja reguł i regresja. Eksploracja procesów w analizie procesu wydobywczego w kopalniach podziemnych została opisana tylko w kilku artykułach, które pokrótce omówiono.
Źródło:
Inżynieria Mineralna; 2019, 21, 1; 301-314
1640-4920
Pojawia się w:
Inżynieria Mineralna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Clusterization methods in detecting the restricted areas for sea transport
Autorzy:
Dramski, M.
Powiązania:
https://bibliotekanauki.pl/articles/393349.pdf
Data publikacji:
2017
Wydawca:
Polskie Stowarzyszenie Telematyki Transportu
Tematy:
data mining
clusterization
restricted area
shortest path
eksploracja danych
klasteryzacja
obszar zastrzeżony
najkrótsza ścieżka
Opis:
Clusterization is one of the data mining techniques which is responsible for classifying data. Selection of the proper parameters leads to some desired clusters behavior. Th is fact can be used in detecting the restricted areas for ships and other units. Th e allowed area can be marked as a data cluster and vice versa. Th e other advantage is the fact that each cluster consists of the set of points which can be used to fi nd the shortest path in given area. In this paper the use of clusterization in detecting restricted areas is described. Few methods are analyzed and the conclusions presented.
Źródło:
Archives of Transport System Telematics; 2017, 10, 1; 24-27
1899-8208
Pojawia się w:
Archives of Transport System Telematics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Classification method for vehicles with a maximum permissible weight up to 3.5 tonnes
Autorzy:
Ryguła, A.
Konior, T.
Piwowarczyk, P.
Powiązania:
https://bibliotekanauki.pl/articles/393555.pdf
Data publikacji:
2019
Wydawca:
Polskie Stowarzyszenie Telematyki Transportu
Tematy:
vehicle classification
weigh in motion
data mining
klasyfikacja pojazdów
ważenie w ruchu
eksploracja danych
Opis:
Detecting and distinguishing vehicles with a maximum permissible weight up to 3.5 tonnes, among others required in the TLS 8+1 classification, due to the similar dimensions of selected vehicle groups is often a relatively complex process that requires the use of extensive classification methods. Detection of commercials vans is particularly important. Their parameters are similar to lorry vehicles and their incorrect classification, eg in systems of weighing vehicles in motion, results in the lack of information on exceeding the permissible total weight. The article presents the selected classification method and its effectiveness.
Źródło:
Archives of Transport System Telematics; 2019, 12, 4; 27-30
1899-8208
Pojawia się w:
Archives of Transport System Telematics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A survey on prediction of diabetes using classification algorithms
Autorzy:
Khanwalkar, A.
Soni, R.
Powiązania:
https://bibliotekanauki.pl/articles/1818807.pdf
Data publikacji:
2021
Wydawca:
Stowarzyszenie Komputerowej Nauki o Materiałach i Inżynierii Powierzchni w Gliwicach
Tematy:
diabetes
diabetes prediction
algorithm
data mining
machine learning
cukrzyca
algorytm
eksploracja danych
uczenie maszynowe
Opis:
Purpose: Diabetes is a chronic disease that pays for a large proportion of the nation's healthcare expenses when people with diabetes want medical care continuously. Several complications will occur if the polymer disorder is not treated and unrecognizable. The prescribed condition leads to a diagnostic center and a doctor's intention. One of the real-world subjects essential is to find the first phase of the polytechnic. In this work, basically a survey that has been analyzed in several parameters within the poly-infected disorder diagnosis. It resembles the classification algorithms of data collection that plays an important role in the data collection method. Automation of polygenic disorder analysis, as well as another machine learning algorithm. Design/methodology/approach: This paper provides extensive surveys of different analogies which have been used for the analysis of medical data, For the purpose of early detection of polygenic disorder. This paper takes into consideration methods such as J48, CART, SVMs and KNN square, this paper also conducts a formal surveying of all the studies, and provides a conclusion at the end. Findings: This surveying has been analyzed on several parameters within the poly-infected disorder diagnosis. It resembles that the classification algorithms of data collection plays an important role in the data collection method in Automation of polygenic disorder analysis, as well as another machine learning algorithm. Practical implications: This paper will help future researchers in the field of Healthcare, specifically in the domain of diabetes, to understand differences between classification algorithms. Originality/value: This paper will help in comparing machine learning algorithms by going through results and selecting the appropriate approach based on requirements.
Źródło:
Journal of Achievements in Materials and Manufacturing Engineering; 2021, 104, 2; 77--84
1734-8412
Pojawia się w:
Journal of Achievements in Materials and Manufacturing Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Data Mining Process Maturity – Result of Empirical Research
Dojrzałość procesu eksploracji danych – wynik badania empirycznego
Autorzy:
Sliż, Piotr
Powiązania:
https://bibliotekanauki.pl/articles/526302.pdf
Data publikacji:
2019-05-06
Wydawca:
Uniwersytet Warszawski. Wydawnictwo Naukowe Wydziału Zarządzania
Tematy:
data mining
data mining process process management process maturity
eksploracja danych proces eksploracji danych
zarządzanie procesami
dojrzałość procesów
Opis:
The main goal of the article is to present the results of the study relating to the assessment of data mining process maturity on the example of Polish organizations. Several partial objectives were added to the main goal. CT1: To diagnose the current state of knowledge regarding the data-mining process in the discipline of management sciences. Attempts at attaining this objective served to identify the knowledge gap. CT2: To adopt an appropriate theoretical perspective in the form of a theoretical model, enabling the implementation of future research challenges. The first section of the article describes the results of quantitative and qualitative bibliometric analysis. The second section presents the parameters and the definition of the data mining process. Then, the theoretical model used for measuring the maturity of the data mining process is discussed. In the fourth section, the structure of the empirical research conducted and its partial results are outlined. It transpired that the vast majority of the surveyed organizations qualified at the first level of process maturity, defined as a state in which organizations are not aware of the need to identify activities aimed at data mining. Research objectives formulated in the article have been implemented using such research methods as quantitative and qualitative bibliometric analysis, opinion polls and statistical methods.
Celem głównym artykułu było przedstawienie wyników badania oceny dojrzałości procesu eksploracji danych na przykładzie polskich organizacji. Realizacji celu głównego przyporządkowano cele cząstkowe. CT1: Określenie istniejącego stanu wiedzy dotyczącego data-mining process w dyscyplinie nauk o zarządzaniu. Podjęta próba realizacji tego celu służyła identyfikacji luki poznawczej. CT2: Przyjęcie odpowiedniej perspektywy teoretycznej w postaci modelu teoretycznego, umożliwiającego realizację przyszłych wyzwań badawczych. W pierwszej sekcji artykułu opisano wyniki ilościowej i jakościowej analizy bibliometrycznej. Następnie, w sekcji drugiej przedstawiono parametry i definicję procesu eksploracji danych. W sekcji następnej przedstawiono model teoretyczny, wykorzystany do pomiaru dojrzałości procesu eksploracji danych. W sekcji czwartej, w wyniku zrealizowanego postępowania empirycznego scharakteryzowano strukturę badania oraz cząstkowe wyniki. W jego rezultacie stwierdzono, że zdecydowana większość badanych organizacji została zakwalifikowana do pierwszego poziomu dojrzałości procesu, definiowanego jako stan, w którym organizacje nie wykazują świadomości potrzeby identyfikacji działań zmierzających do eksploracji danych. Sformułowane w artykule cele badawcze zostały zrealizowane z wykorzystaniem takich metod badawczych, jak: ilościowa i jakościowa analiza bibliometryczna, sondażowe badanie opinii oraz metody statystyczne.
Źródło:
Problemy Zarządzania; 2019, 2/2019 (82); 233-251
1644-9584
Pojawia się w:
Problemy Zarządzania
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Additive model applications for the fault detection of actuators
Zastosowanie addytywnego modelu regresji dla potrzeb detekcji uszkodzeń zaworów regulacyjnych
Autorzy:
Łabęda, Z. M.
Powiązania:
https://bibliotekanauki.pl/articles/154441.pdf
Data publikacji:
2009
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
urządzenie wykonawcze
detekcja uszkodzeń
model addytywny
eksploracja danych
actuator
fault detection
additive model
data mining
Opis:
The early detection of faults is critical if one wants to avoid the performance degradation and damage to the machinery or the loss of human life. Therefore, accurate diagnosis helps us to make a right decision on emerging actions and repairs [1, 2, 3]. In this paper, a new way of additive models and knowledge discovery data application for designing actuator has been presented. The planned aim is the fault detection of the control valve with a servomotor and a positioner (Fig. 2) based on the received model. Used additive models (1) overcome the curse of dimensionality and allow us to examine the predictor effects separately, in the absence of interactions [8, 9]. The backfitting algorithm with nonparametric smoothing techniques has been used for the estimation of the additive model [8, 9, 10]. The results of the modelling and the fault detection procedures have been presented. All research has been carried out based on the example of a control valve for measurement tracks in the boiler laboratory setup. Received results are satisfactory because the tests detected all simulated faults. Therefore, it is an useful method for the multivariate industrial process fitting and fault detection in the analyzed structures.
W pracy przedstawiono wykorzystanie addytywnego modelu regresji oraz statystycznych technik eksploracji danych do stworzenia modelu zaworu regulacyjnego. Pozyskana wiedza posłużyła do konstrukcji algorytmów detekcji uszkodzeń, a następnie do oceny wrażliwości na występowanie poszczególnych uszkodzeń. Badania przeprowadzono dla przykładowego zaworu regulacyjnego na podstawie danych laboratoryjnych próbkowanych na stanowisku regulacji poziomu wody w zbiorniku walczakowym. Otrzymane wyniki są zadowalające, gdyż zaprezentowane metody pozwoliły na wykrycie wszystkich zasymulowanych uszkodzeń.
Źródło:
Pomiary Automatyka Kontrola; 2009, R. 55, nr 3, 3; 152-155
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Podejmowanie decyzji eksploatacyjnych w oparciu o fuzję różnego typu danych
Maintenance Decision Making based on different types of data fusion
Autorzy:
Galar, D.
Gustafson, A.
Tormos, B.
Berges, L.
Powiązania:
https://bibliotekanauki.pl/articles/301602.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
eksploracja danych
pozostały okres użytkowania (RUL)
fuzja danych
monitorowanie stanu
CMMS
data mining
RUL
data fusion
condition monitoring
Opis:
Over the last decade, system integration is applied more as it allows organizations to streamline business processes. A recent development in the asset engineering management is to leverage the investment already made in process control systems. This allows the operations, maintenance, and process control teams to monitor and determine new alarm level based on the physical condition data of the critical machines. Condition-based maintenance (CBM) is a maintenance philosophy based on this massive data collection, wherein equipment repair or replacement decisions depend on the current and projected future health of the equipment. Since, past research has been dominated by condition monitoring techniques for specific applications; the maintenance community lacks a generic CBM implementation method based on data mining of such vast amount of collected data. The methodology would be relevant across different domains. It is necessary to integrate Condition Monitoring (CM) data with management data from CMMS (Computer Maintenance Management Systems) which contains information, such as: component failures, failure information related data, servicing or repairs, and inventory control and so on. These systems are the core of traditional scheduled maintenance practices and rely on bulk observations from historical data to make modifications to regulated maintenance actions. The most obvious obstacle in the integration of CMMS, process and CM data is the disparate nature of the data types involved, and there have benn several attempts to remedy this problem. Although, there have been many recent efforts to collect and maintain large repositories of these types of data, there have been relatively few studies to identify the ways these to datasets could be related. This paper attempts to fulfill that need by proposing a combined data mining-based methodology for CBM considering CM data and Historical Maintenance Management data. It shows a system integration of physical and management data that also supports business intelligence and data mining where data sets can be combined in non-traditional ways.
W ostatniej dekadzie coraz częściej stosuje się integrację systemów, która pozwala przedsiębiorstwom zwiększać wydajność procesów biznesowych. Nowością w zarządzaniu infrastrukturą techniczną jest zwiększanie efektywności już poczynionych inwestycji w systemy kontroli procesów. Pozwala to zespołom do spraw operacyjnych, utrzymania ruchu oraz kontroli procesów monitorować i ustalać nowe poziomy alarmowe na podstawie danych o stanie fizycznym maszyn krytycznych. Utrzymanie urządzeń zależne od ich bieżącego stanu technicznego (condition-based maintenance, CBM) to filozofia utrzymania ruchu opierająca się na tym masowym poborze danych, wedle której decyzje dotyczące naprawy lub wymiany sprzętu zależą od jego obecnego oraz przewidywanego przyszłego stanu technicznego. Ponieważ dotychczasowe badania były zdominowane przez problem technik monitorowania stanu dla konkretnych aplikacji, nie opracowano ogólnej metody wdrażania CBM opartej na eksploracji (data mining ) owych olbrzymich ilości zebranych danych, która miałaby zastosowanie w różnych domenach. Konieczna jest integracja danych z monitorowania stanu (condition monitoring, CM) z danymi dotyczącymi zarządzania pochodzącymi ze skomputeryzowanych systemów zarządzania utrzymaniem ruchu (CMMS), które zawierają informacje na temat uszkodzeń elementów składowych, dane związane z uszkodzeniami, a także informacje dotyczące obsługi lub napraw czy sterowania zapasami. Systemy te stanowią podstawę tradycyjnych praktyk obsługi planowej, a zasadzają się na całościowych obserwacjach dokonywanych na podstawie danych eksploatacyjnych, które pozwalają modyfikować regulowane działania obsługowe. Najbardziej oczywistą przeszkodą w integracji danych CMMS, danych procesowych oraz danych z monitorowania stanu jest rozbieżność ich natury. Dotychczas podjęto jedynie kilka prób rozwiązania tego problemu. Chociaż ostatnio wiele wysiłku włożono w gromadzenie i utrzymanie dużych zasobów tego typu danych, istnieje stosunkowo niewiele badań na temat możliwych sposobów powiązania owych zestawów danych. W prezentowanej pracy poczyniono próbę wypełnienia tej luki proponując metodologię łączoną opartą na eksploracji danych dla celów CBM, która bierze pod uwagę dane z monitorowania stanu i eksploatacyjne dane z zarządzania ruchem. W pracy przedstawiono integrację systemową danych fizycznych i danych z zarządzania, która wspiera także analitykę biznesową (business intelligence) oraz eksplorację danych, gdzie zestawy danych można łączyć w sposób nietradycyjny.
Źródło:
Eksploatacja i Niezawodność; 2012, 14, 2; 135-144
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 41

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