| | SLO | ENG | Cookies and privacy

Bigger font | Smaller font

Search the digital library catalog Help

Query: search in
search in
search in
search in
* old and bologna study programme

Options:
  Reset


1 - 10 / 39
First pagePrevious page1234Next pageLast page
1.
Napovedovanje temperature vodnikov in obremenitev na stebrih daljnovodov s pomočjo genetskih algoritmov
Kristijan Šket, 2020, undergraduate thesis

Abstract: Diplomsko delo zajema reševanje problema v sistemu prenosa in distribucije električne energije. Proučevali smo atmosferske vplive in vplive odvzema električne energije iz sistema na temperaturo in poves električnih vodnikov ter napetosti in vibracije v podporni konstrukciji. Za modeliranje smo uporabili metodo genetskih algoritmov, ki temeljijo na darvinističnih izsledkih o razvoju vrst in posnemajo principe naravne selekcije. Razviti modeli omogočajo študij teže posameznega vpliva. Namen dobljenih modelov je določanje najmočnejših vplivov in možnost napovedovanja vrednosti odzivov za daljše časovno obdobje in s tem ocenjevanje življenjske dobe daljnovodov. Rezultat našega dela so napovedni modeli z visoko stopnjo prilagojenosti na učni in testni množici. Modeli podajajo natančne napovedi, predvsem za temperaturo električnih vodnikov in njihov poves. Nižjo stopnjo natančnosti napovedi pri napetostih in vibracijah v stebrih pripisujemo dejstvu, da na te odzive vplivajo tudi obremenitve na konstrukciji in lastnosti materiala.
Keywords: električni vodniki, stebri, napetosti, vibracije, genetski algoritmi, modeliranje in optimizacija.
Published: 10.09.2020; Views: 288; Downloads: 116
.pdf Full text (1,20 MB)

2.
Vpliv statičnih, kinematičnih in dinamičnih dejavnikov na natančnost obdelave z robotom
Janez Gotlih, 2020, doctoral dissertation

Abstract: Doktorska disertacija se ukvarja z razvojem metodologije za določanje natančnosti obdelave z uporabo robota. Zaradi prilagodljivosti so industrijski roboti lahko alternativa namenskim strojem, posebej kadar gre za velike obdelovance ali obdelavo netipičnih ali mehkejših materialov. Težava je, da proizvajalci za industrijske robote natančnost robota po celotnem delovnem prostoru podajajo preveč ohlapno. V doktorski disertaciji smo predstavili pristop, ki omogoča določitev statičnih, kinematičnih in dinamičnih lastnosti robota z uporabo analitičnih, numeričnih in eksperimentalnih metod. Analitične metode smo uporabili za določitev gibljivosti in vztrajnosti robota, numerične metode za določitev strukturne togosti in eksperimentalne metode za določitev dušenja in prisotnosti resonančnega stanja sistema ter za kalibracijo numeričnega modela za določitev strukturne togosti robota. S polinomsko regresijo smo vzpostavili nadomestne modele, ki posamezno lastnost povežejo s pozo robota. Poze robota za izdelavo reprezentativnih izdelkov smo poiskali s pomočjo statističnih in nedeterminističnih metod. Izbrali smo Taguchi zasnovo eksperimenta, ki pri obvladljivem obsegu meritev najbolje zadosti pogoju pravokotnosti in omogoča, da se posamezna lastnost robota izrazi neodvisno od drugih. Meje eksperimenta smo določili z večkriterijskim dvojnim genetskim algoritmom z uteženimi ciljnimi kriteriji. Eksperimente rezkanja z robotom smo izvedli v prilagojeni celici. Na podlagi CMM-meritev kakovostnih kriterijev izdelkov smo določili vpliv gibljivosti, strukturne togosti, dušenja, vztrajnosti in prisotnosti resonančnega stanja na natančnost obdelave z robotom. Za kakovostne kriterije smo uporabili ploskost izdelane površine, najmanjši, srednji in največji premer izdelane luknje na treh nivojih ter krožnost, valjnost in ravnost srednjice luknje. Ugotovili smo, da je znotraj eksperimentalno opisanega področja natančnost obdelave z robotom odvisna od vseh obravnavanih dejavnikov.
Keywords: robotika, mehanske obdelave, genetski algoritmi, zasnova eksperimenta, natančnost
Published: 26.06.2020; Views: 477; Downloads: 93
.pdf Full text (3,31 MB)

3.
Reševanje problema usmerjanja vozil s pomočjo evolucijskih algoritmov
Matic Pintarič, 2019, undergraduate thesis

Abstract: V diplomskem delu rešujemo problem optimizacije, s katerim se na dnevni ravni srečuje vedno več logističnih podjetij in ostalih prevoznikov. Ustrezna rešitev problema usmerjanja vozil pomeni za podjetje precejšen prihranek na gorivu in s tem znižanje vsakodnevnih stroškov. Reševanje problema smo izvedli s pomočjo naravno-navdihnjenih algoritmov, ki v svojem delovanju opisujejo principe biološke evolucije. Za izvedbo eksperimenta smo razvili sistem, ki omogoča aplikacijo poljubnega evolucijskega algoritma na problem usmerjanja vozil. Eksperiment sestoji iz testiranja uporabe petih evolucijskih tehnik na petih primerih problema. Analiza rezultatov je sestavljena iz pregleda različnih nastavitev, uporabljenih za reševanje in opisa pridobljenih rezultatov, ločenega na primerjavo pridobljenih fitnes vrednosti in časov reševanja algoritmov.
Keywords: usmerjanje vozil, evolucijski algoritmi, genetski algoritmi, algoritmi po vzoru iz narave, optimizacija
Published: 11.11.2019; Views: 489; Downloads: 72
.pdf Full text (1,25 MB)

4.
Primerjava metod terminskega planiranja proizvodnje
Samo Lorenčič, 2017, undergraduate thesis

Abstract: Terminiranje v proizvodnji je postopek časovnega planiranja del in virov, s ciljem optimizacije procesa proizvodnje. Namen terminiranja je zmanjšanje časa izdelave, s čimer se poveča učinkovitost proizvodnje ob zmanjšanju celotnih stroškov. Na izbiro je veliko metod terminskega planiranja, ki se med seboj lahko zelo razlikujejo, zato je vselej prisotna dilema pri izbiri najprimernejše metode za dan proces. Namen diplomske naloge je najprej predstaviti proces terminiranja na splošno, k čemur je vključen tudi ekonomski vidik. Nato pa se naloga posveča opisu pogosto uporabljenih tradicionalnih metod (poudarek na prednostnih pravilih), ter njihovi alternativi - genetskim algoritmom. Razlike med metodama so, s pomočjo primerov, opisane v zaključnem komentarju. Z implementacijo ustreznega genetskega algoritma, se lahko v določenih kompleksnih primerih skrajša terminski plan, kar pripelje do korenitega zmanjšanja proizvodnih stroškov.
Keywords: Terminsko planiranje proizvodnje, operativni management proizvodnje, upravljanje proizvodnje, prednostna pravila, genetski algoritmi
Published: 04.10.2017; Views: 887; Downloads: 130
.pdf Full text (1,09 MB)

5.
Optimizacija ravninskih paličnih konstrukcij z uporabo genetskih algoritmov
Rok Tumpej, 2017, undergraduate thesis

Abstract: V diplomskem delu je predstavljen razvoj programa, ki omogoča preračun statično obremenjenih ravninskih paličnih konstrukcij in konstrukcij sestavljenih iz linijskih nosilcev. Predstavljena je metoda končnih elementov in uporaba le te v računalniškem programiranju. Pravilnost delovanja razvitega programa je potrjena z analitičnimi izračuni in s primerjavo s programskim orodjem Abaqus. Delo zajema tudi optimizacijo oblike paličnih konstrukcij z uporabo genetskih algoritmov in optimizacije z rojem delcev. Rezultati optimizacije so prikazani na različnih primerih.
Keywords: metoda končnih elementov, palične konstrukcije, linijski nosilci, optimizacija oblike, genetski algoritmi, optimizacija z rojem delcev, programiranje, Python
Published: 28.09.2017; Views: 2362; Downloads: 158
.pdf Full text (3,66 MB)

6.
Uporaba genetskih algoritmov pri napovedovanju pretovora v Luki Koper, d.d.
Karmen Balantič, 2017, master's thesis/paper

Abstract: Za učinkovito planiranje in sprejemanje pravih odločitev morajo danes podjetja znati predvideti stanje v prihodnosti, zato so metode za napovedovanje nepogrešljive, hkrati pa hitro se spreminjajoče politično in gospodarsko okolje vpliva na to, da osnovne metode za napovedovanje niso več dovolj. Zato smo v magistrskem delu poskušali preučiti genetske algoritme in njihovo uporabnost pri napovedovanju pretovora v Luki Koper, d. d. Izdelali smo dva avtoregresijska integrirana modela drsečih sredin s pojasnjevalnimi spremenljivkami (modela ARIMAX) za napovedovanje pretovora kontejnerjev in napovedovanje razsutega tovora. Pojasnjevalne spremenljivke so nam predstavljali različni makroekonomski kazalniki (bruto domači proizvod, uvoz/izvoz, stopnja brezposelnosti ter pariteta kupnih moči), ki vplivajo na pretovor v Luki Koper. Uporabnost genetskih algoritmov smo v modelu preizkusili dvakrat, prvič za izbiro primernih makroekonomskih kazalnikov kot vhodov ARIMAX modela, kjer smo genetske algoritme združili z regresijo delnih najmanjših kavdratov, ter drugič za izbiro najprimernejšega ARIMAX modela. Dobljena modela sta ustrezala vsem pogojem za stabilnost in ustreznost modela ter dokaj dobro zajela dinamiko časovnih vrst, zaradi česar lahko primernost uporabne genetskih algoritmom pri napovedovanju pretovora potrdimo.
Keywords: genetski algoritmi, model ARIMAX, regresija delnih najmanjših kvadratov, napovedovanje pretovora, makroekonomski kazalniki
Published: 05.06.2017; Views: 750; Downloads: 105
.pdf Full text (4,22 MB)

7.
Optimizacija razmestitve kaliber na valjih in pripadajočih dovodnih skrinj za valjanje okroglih jeklenih profilov z uporabo genetskega algoritma
Anemari Gračnar, 2016, master's thesis

Abstract: Optimizacija je v današnjem konkurenčnem in hitro odzivnem okolju bistvena za doseganje najboljših rezultatov in uspešno poslovanje. V podjetju Štore Steel d.o.o. nenehno stremijo k izboljšavam in povečanju produktivnosti posameznih proizvodnih obratov. V tem magistrskem delu se optimizacija nanaša na valjarno, in sicer na proces valjanja okroglih profilov jeklenih palic. Pri valjanju za preoblikovanje obdelovanca uporabljamo valjarska ogrodja, v katera so vstavljeni valji. Valji imajo po svojem obodu postružene oblike-kalibre, s katerimi z natančnim vodenjem valjanca neposredno v kalibro dajemo valjancu novo obliko in dimenzijo prereza. Vodenje se izvaja s skrinjami, ki so montirane na ogrodjih, pred in za valjem. Pri prehodu valjanja iz ene dimenzije na drugo se v sistemu pojavi prilagoditev posameznih valjev, tako da bomo z novo postavitvijo dosegli želeno dimenzijo. Ob tem se pojavi tudi prestavitev skrinj, tako da vodijo valjanec v zahtevano kalibro. Z analizo valjanja, opreme, s katero ga izvajamo, in planov, ki ji v proizvodnem procesu upoštevamo, smo iskali optimizacijo razmestitve kaliber na valjih ob montaži več skrinj na ogrodje. S tem smo želeli zmanjšati število menjav skrinj in zastoje, ki jih menjava povzroči. Z analizo valjev, kaliber in pripadajočih skrinj smo ugotovili glavne pogoje za optimizacijo. Za iskanje rešitve smo uporabili genetski algoritem. Cilj magistrskega dela je bil zmanjšati število menjav za 20 %, s predstavljeno optimizacijo pa se je število menjav zmanjšalo za 36,3 %. S tem je zastavljeni cilj dosežen. 
Keywords: valjanje, optimizacija, razmestitev kaliber, genetski algoritmi
Published: 21.10.2016; Views: 1128; Downloads: 131
.pdf Full text (4,04 MB)

8.
Razporejanje proizvodnje z metodami strojnega učenja
Robert Rupnik, 2016, master's thesis/paper

Abstract: Procesi v kompleksnih proizvodnih okoljih postajajo vse bolj nepredvidljivi in se zaradi nenehnih spreminjajočih se zahtev odjemalcev v globalnem okolju čedalje hitreje spreminjajo. Podjetja so se tako že v preteklosti pričela podrobneje organizirati in so v procese vključevala pomagala za terminiranje proizvodnje posameznega izdelka. Danes so na trgu že zelo dodelani računalniško podprti programi, ki pa žal ne predstavljajo ustrezne rešitve v kompleksnih okoljih, kjer imamo opravka z masovnimi, stohastičnimi tokovi materialov. V nalogi smo prikazali praktično uporabo aplikacije, izdelane z metodo strojnega učenja in genetskih algoritmov, v konkretnem proizvodnem okolju jeklarne SIJ Acroni d. o. o. Podjetje sestavljajo štiri enote, optimirali pa smo sklop strojev v eni izmed njih. Zaradi kompleksnosti proizvodnje izključno unikatnih izdelkov proces optimiranja v takem primeru preseže orodja klasičnega terminiranja kakor tudi človeško kombinatoriko. Reševanja izziva zmanjšanja zastojev smo se lotili z uporabo znanja s področja umetne inteligence in genetskih algoritmov. Razvili smo model za sklop strojev in izvedli njegovo validacijo s pomočjo dogodkovne simulacije. Genetske algoritme smo uporabili za iskanje optimalnega proizvodnega razporeda. V izvedeni preliminarni študiji smo ugotovili, da lahko z uporabo genetskih algoritmov čas proizvodnje skrajšamo v povprečju tudi za 4 %, kar pomeni velike časovne prihranke in za podjetje tudi nižje stroške obratovanja proizvodnje. Na ta način smo dokazali, da predstavljajo genetski algoritmi primerno metodo za optimiranje kompleksnih proizvodnih procesov, kar pripomore k večji produktivnosti proizvodnega procesa.
Keywords: strojno učenje, genetski algoritmi, optimiranje, stohastični procesi, planiranje (terminiranje) proizvodnega procesa, proizvodni management
Published: 17.10.2016; Views: 1107; Downloads: 106
.pdf Full text (3,25 MB)

9.
META-HEVRISTIČNO ISKANJE OPTIMALNE TRGOVALNE STRATEGIJE ZA BORZO BITSTAMP
Gregor Flajs, 2016, undergraduate thesis

Abstract: V diplomski nalogi smo s pomočjo meta-hevristike razvili algoritem, ki je sposoben v polinomskem času poiskati optimalne vrednosti parametrov trgovalnih tehničnih indikatorjev, z namenom, da bi dobili trgovalno strategijo za izmenjavo bitcoinov na borzi Bitstamp, ki bi prinašala pozitiven donos. Predstavili smo kaj je bitcoin in elektronsko borzo Bitstamp. Nato smo na kratko predstavili osnovne pojme tehničnega trgovanja na borzah. V nadaljevanju smo opredelili pojem meta-hevristika in opisali najbolj pogoste metode meta-hevristike in algoritme. Sledi genetski algoritem ki smo ga razvili za iskanje trgovalne strategije. Za konec pa smo še prikazali najboljšo strategijo, ki jo je algoritem našel.
Keywords: bitcoin, bitstamp, meta-hevristika, genetski algoritmi, trgovalna strategija
Published: 27.09.2016; Views: 5781; Downloads: 88
.pdf Full text (1,43 MB)

10.
UMETNI IMUNSKI SISTEM - S STRANI BIOLOGIJE NAVDIHNJENO RAČUNANJE
Andrej Barovič Karpov, 2016, master's thesis

Abstract: Cilj magistrskega dela je opis (njihova sestava in princip, po katerem delujejo), implementacija algoritmov umetnega imunskega sistema (AIS) in njihova integracija v obstoječo EARS okolje. V AIS skupino algoritmov spadajo CLONALG, NSA, aiNET in drugi. Te algoritme smo primerjali z ostalimi optimizacijskimi algoritmi, kot so: PSO, DE, ABC, in TLBO. Primerjavo med algoritmi smo izvedli na CEC skupini problemov in pri tem uporabili statistične teste (NHST) ter novejši pristop CRS4EAs. Rezultati vsake generacije so bili podvrženi dodatnim testom za ugotavljanje eksploracijskih (raziskovalnih) in eksploatacijskih (izkoriščevalnih) lastnosti algoritma AIS.
Keywords: inteligentni sistemi, evolucijsko računanje, evolucijski algoritmi, evolucijske strategije, genetsko programiranje, genetski algoritmi, umetni imunski sistem
Published: 07.07.2016; Views: 1082; Downloads: 83
.pdf Full text (1,67 MB)

Search done in 0.2 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica