Центральноукраїнський науковий вісник. Технічні науки. Випуск_10. Частина 2. - 2024

Permanent URI for this collectionhttps://dspace.kntu.kr.ua/handle/123456789/16156

Browse

Subject: search.filters.subject.machine learning

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Підвищення надійності та ефективності експлуатації виробничих ліній методами штучного інтелекту, використовуючи моніторинг акустичних сигналів
    (ЦНТУ, 2024) Ковальов, С. Г.; Аулін, В. В.; Гриньків, А. В.; Варваров, В. В.; Kovalov, S.; Aulin, V.; Hrynkiv, A.; Varvarov, V.
    У статті розглянуто підвищення надійності та ефективності виробничих процесів шляхом зменшення витрат на обслуговування та мінімізації простоїв. Пропонується метод оптимізації технічного обслуговування за допомогою алгоритмів штучного інтелекту. Досліджується кореляція між акустичними спектрами вузлів обладнання та їх надійністю та ефективністю. Запропоновано використовувати конволюційні мережі для розпізнавання патернів роботи обладнання через двовимірне відображення акустичних спектрів. Дослідження підтверджує зв'язок між параметрами надійності функціонування та ефективності використання обладнання та їхніми акустичними спектрами. The article provides an in-depth analysis of a method to improve the reliability and efficiency of automated production lines by reducing maintenance costs and minimizing downtime using artificial intelligence algorithms. The method involves the application of acoustic spectra generated by the production line nodes during operation to establish a correlation with the reliability and efficiency of these lines. A model for representing acoustic spectra as a two-dimensional data array, which captures the change in acoustic spectra over time, has been proposed. The format of acoustic spectra as two-dimensional data is used to recognize equipment operation patterns. To recognize these patterns, the use of a convolutional neural network is proposed, and its software model has been developed, allowing simulation and assessment of the accuracy of using machine learning methods.
  • Thumbnail Image
    Item
    Інтеграція штучного інтелекту в системи підтримки прийняття рішень в оптимізації виробничих процесів машинобудівного підприємства на прикладі машинного навчання
    (ЦНТУ, 2024) Бойко, Р. Ю.; Аулін, В. В.; Тихий, А. А.; Карпушин, С. О.; Коваль, О. П.; Boiko, R.; Aulin, V.; Tykhyi, А.; Karpushyn, S.; Koval, O.
    У статті представлено комплексний огляд систем підтримки прийняття рішень в галузевому машинобудуванні на основі штучного інтелекту у контексті Індустрії 4.0. Проаналізовано підходи до інтеграції та обробки даних, а також основні методи машинного та глибокого навчання, що формують технологічне підґрунтя таких рішень. Окреслено архітектуру, типові етапи впровадження і запропоновано план інтеграції штучного інтелекту для машинобудівного підприємства, включно з описом складових рішення та ключових стратегій розгортання. Розглянуто потенційні виклики й надано рекомендації щодо успішної реалізації. Результати впровадження можуть значно скоротити незаплановані простої устаткування, підвищити ефективність виробництва й забезпечити підприємствам суттєву конкурентну перевагу. This article provides a comprehensive overview of decision support systems based on artificial intelligence within the context of Industry 4.0. The integration approaches and data processing methods, as well as key machine learning and deep learning techniques, which form the technological foundation of such systems, are analyzed. The article outlines the architecture, typical implementation stages, and suggests a plan for artificial intelligence integration in a machine-building enterprise, including descriptions of the system components and deployment strategies. Potential challenges and recommendations for successful implementation are also discussed.