1. Optimizacije v inženirstvu : reševanje problemov z metahevrističnimi metodami v okolju MATLABJanez Gotlih, Mirko Ficko, 2025, učbenik za višje in visoke šole Opis: Skripta obravnavajo temeljne pristope optimizacije v inženirstvu s poudarkom na uporabi metahevrističnih metod, kot sta genetski algoritem (GA) in algoritem rojev delcev (PSO). Namenjena so študentom in inženirjem, ki želijo razumeti tako teoretično ozadje kot praktično implementacijo optimizacijskih algoritmov v okolju MATLAB. Vključujejo poglavja o enokriterijskih in večkriterijskih optimizacijskih problemih, obravnavajo omejitve, različne ciljne funkcije ter vizualizacijo rezultatov. Vsako poglavje vsebuje strukturirane vaje in naloge za samostojno delo, ki spodbujajo razumevanje delovanja algoritmov, oblikovanje optimizacijskih modelov in interpretacijo rešitev. Poseben poudarek je na razlagi parametrov algoritmov, primerjavi konvergence ter vplivu nastavitev na vedenje optimizacije. Skripta se zaključijo s pregledom značilnih testnih funkcij in primeri Pareto front za večkriterijsko optimizacijo. Zasnovana so tako, da tudi uporabniki brez poglobljenega matematičnega znanja lahko postopoma razvijejo intuicijo za uporabo optimizacijskih pristopov v realnih inženirskih problemih.
Ključne besede: metahevristične metode, genetski algoritem (GA), algoritem rojev delcev (PSO), eno- in večkriterijska optimizacija, MATLAB, inženirske aplikacije
Objavljeno v DKUM: 11.11.2025; Ogledov: 0; Prenosov: 1
 Celotno besedilo (5,96 MB)
Gradivo ima več datotek! Več... |
2. Strojno učenje za inženirje : koncepti, primeri in uporaba v okolju MATLABJanez Gotlih, Miran Brezočnik, 2025, drugo učno gradivo Opis: Skripta obravnavajo strojno učenje z vidika uporabe v inženirstvu, pri čemer temeljne koncepte povezujejo s praktičnimi primeri v okolju MATLAB. Predstavljeni so štirje temeljni pristopi strojnega učenja: nadzorovano učenje, nenadzorovano učenje, učenje z okrepitvijo in prenosno učenje. Za vsak pristop so podani temeljni koncepti, konkretni primeri uporabe ter naloge za samostojno delo. Poseben poudarek je na uporabi orodij, kot so Regression Learner, Classification Learner, Deep Network Designer in Reinforcement Learning Designer, s pomočjo katerih študenti razvijajo modele na podatkih, ki izvirajo iz realnih inženirskih primerov. Med njimi so obraba orodja, vibracije strojev, balansiranje sistemov in prepoznavanje predmetov. Skripta vključujejo tudi eksperimentalne podatkovne množice in praktične napotke za učenje, validacijo in izboljšavo modelov. Namenjena so študentom tehniških smeri ter vsem, ki želijo usvojiti uporabo metod strojnega učenja za reševanje konkretnih inženirskih problemov.
Ključne besede: strojno učenje, nadzorovano učenje, nenadzorovano učenje, učenje z okrepitvijo, prenosno učenje, MATLAB, inženirske aplikacije
Objavljeno v DKUM: 10.11.2025; Ogledov: 0; Prenosov: 6
Celotno besedilo (6,25 MB)
Gradivo ima več datotek! Več... |
3. Predicting relative density of pure magnesium parts produced by laser powder bed fusion using XGBoostKristijan Šket, Snehashis Pal, Janez Gotlih, Mirko Ficko, Igor Drstvenšek, 2025, izvirni znanstveni članek Opis: In this work, Laser Powder Bed Fusion (LPBF), an additive manufacturing (AM) process, was optimised to produce pure magnesium components. The focus of the presented work is on the prediction of the relative product density using the machine learning model XGBoost to improve the production process and thus the usability of the material for practical use. Experimental tests with different parameters, laser power, scanning speed and layer thickness, and fixed parameters, track overlapping and hatching distance, were analysed and resulted in relative material densities between 89.29% and 99.975%. The XGBoost model showed high predictive power, achieving an R2 test result of 0.835, a mean absolute error (MAE) of 0.728 and a root mean square error (RMSE) of 0.982. Feature importance analysis showed that the interaction of laser power and scanning speed had the largest influence on the predictions at 35.9%, followed by laser power × layer thickness at 29.0%. The individual contributions were laser power (11.8%), scanning speed (10.7%), scanning speed × layer thickness (9.0%) and layer thickness (3.6%). These results provide a data-based method for LPBF parameter settings that improve manufacturing efficiency and component performance in the aerospace, automotive and biomedical industries and identify optimal parameter regions for a high density, serving as a pre-optimisation stage.
Ključne besede: additive manufacturing, machine learning, XG Boost, magnesium, relative density
Objavljeno v DKUM: 03.11.2025; Ogledov: 0; Prenosov: 5
Celotno besedilo (1,60 MB)
Gradivo ima več datotek! Več... |
4. Razvoj lifepo4 baterije za uporabo v električnih golf vozilihŽiga Bačnar, 2025, magistrsko delo Opis: Magistrsko delo obravnava razvoj litij-železov-fosfatne (LiFePO4) baterije za električna golf vozila, ki zamenjujejo svinčeno-kislinske sisteme. Vključuje tržno analizo največjih proizvajalcev golf vozil in obstoječih litij-ionskih baterij za določitev ključnih tehničnih zahtev napetosti, kapacitete, velikosti ter zaščite. Na podlagi ugotovitev je razvit koncept baterijskega sistema z 51,2 V nominalne napetosti in 100 Ah kapacitete, ki vključuje konstrukcijo ohišja za sestavne dele baterije. Izvedena je stroškovna analiza materialov in sestave, ki omogoča oceno ekonomske upravičenosti projekta. Delo se zaključi s SWOT analizo, ki izpostavi prednosti, slabosti, priložnosti in tveganja uvedbe baterije na trg.
Ključne besede: razvoj, konstrukcija, litij-ionska tehnologija, LiFePO₄, baterija, golf vozila
Objavljeno v DKUM: 09.10.2025; Ogledov: 0; Prenosov: 0
Celotno besedilo (3,38 MB) |
5. Razvoj pločevinastega držala za gibke cevi za natakanje v odprte posodeMiha Gerečnik, 2025, magistrsko delo Opis: V magistrskem delu je predstavljen razvoj pločevinastega držala za gibke cevi, namenjenega pretakanju tekočin v odprte posode. Izhodišče naloge je bila ugotovitev, da na trgu primanjkuje preprostih, zanesljivih in cenovno dostopnih rešitev za pritrditev gibkih cevi na rob odprte posode. Kot glavno področje uporabe je bilo opredeljeno vinogradništvo, kjer je varno pretakanje grozdnega soka in vina pomembna delovna operacija.
Naloga zajema opis procesa razvoja izdelka – od idejne zasnove in oblikovanja do izdelave prototipa ter testiranja. V procesu razvoja izdelka so bile izvedene številne izboljšave, kot so optimizirana oblika izrezov za večjo stabilnost, prilagoditev ušes za vpenjanje na različne robove posod ter vključitev estetskega elementa ob hkratni minimizaciji izdelovalnih stroškov.
Rezultati kažejo, da izdelek združuje funkcionalnost, enostavnost uporabe in stroškovno učinkovitost, hkrati pa ponuja možnosti uporabe tudi v širšem spektru – od kmetijstva do prehrambne industrije. Naloga poleg tehničnega vidika vključuje tudi projektno, ekonomsko in trženjsko analizo, s čimer je prikazan celosten pristop od ideje do potencialne uvedbe izdelka na trg.
Ključne besede: razvoj izdelka, analiza trga, laserski razrez, upogibanje, stroškovna analiza, trženje
Objavljeno v DKUM: 07.10.2025; Ogledov: 0; Prenosov: 14
Celotno besedilo (2,46 MB) |
6. Oblikovno spajanje pločevine brez pritrdilnih elementov : diplomsko deloŽiga Iršič, 2025, diplomsko delo Opis: Diplomsko delo obravnava oblikovno spajanja pločevine brez uporabe pritrdilnih elementov. Tovrstno spajanje se zaradi svojih prednosti vse bolj uveljavlja v sodobni industriji in lahko predstavlja alternativo tradicionalnim postopkom spajanja pločevine, kot so varjenje, kovičenje in lepljenje. Tehnologija spajanja brez pritrdilnih elementov temelji na oblikovni mehanski povezavi, ki jo omogoča pločevina z dodanimi geometrijskimi elementi, kot so reže, zavihki in kavlji. Razvoj tovrstnega spajanja sta omogočila postopka numerično krmiljenega laserskega razreza in upogibanja pločevine, ki omogočata izdelavo oblik za oblikovno spajanje pločevine brez pritrdilnih elementov. Predstavljene so nekatere možne izvedbe spojev, ki prikazujejo možnosti uporabe te metode.
Ključne besede: oblikovno spajanje, pločevina, laserski razrez, upogibanje
Objavljeno v DKUM: 02.10.2025; Ogledov: 0; Prenosov: 8
Celotno besedilo (2,58 MB) |
7. Razvoj vpenjalne priprave za rezkanje industrijskega noža za razkroj recikliranih odpadkov : diplomsko deloMatic Orešnik, 2025, diplomsko delo Opis: Diplomsko delo obravnava razvoj vpenjalne priprave za rezkanje industrijskega noža, namenjenega razkroju recikliranih odpadkov. Analizirano je obstoječe stanje, izpostavljene so pomanjkljivosti trenutnega vpenjanja ter predstavljeni različni koncepti izboljšav. Koncepte primerjamo z vidika učinkovitosti, preprostosti, ergonomije in stroškov. Sledi razdelava konstrukcijskih risb ter stroškovna analiza, na podlagi katere izberemo optimalno rešitev. V zaključku s simulacijo potrdimo časovni prihranek nove priprave. Delo obravnava aktualen problem iz prakse, ki zahteva hitro zaznavanje in odpravo pomanjkljivosti v proizvodnem procesu.
Ključne besede: mehanska obdelava, rezkanje, vpenjanje obdelovancev, vpenjalna priprava
Objavljeno v DKUM: 26.08.2025; Ogledov: 0; Prenosov: 20
Celotno besedilo (2,81 MB) |
8. Izboljšave kovanja aluminijevega nosilca robotskega prijemala : diplomsko deloTijan Marovt, 2025, diplomsko delo Opis: Diplomska naloga je nastala v sodelovanju s podjetjem Marovt, ki zaradi elektrifikacije avtomobilske industrije opravlja tehnološki prehod s kovanja jekla na kovanje lažjih materialov, kot sta aluminij in titan.
V diplomski nalogi je opisan postopek kovanja aluminijastega robotskega prijemala.
Opisan je proces kovanja, obrezovanje in proces termične obdelave aluminijeve zlitine 7075. V načrtovanju procesa kovanja so se s programom Qform opravile simulacije kovanja. Za razrez se uporablja tračna žaga, za predgretje električna tračna peč, pri kovanju pa kovaška stiskalnica. V procesu obrezovanja je prišlo do težav s prijemanjem odkovka na obrezilno orodje in smo jih uspešno odpravili z avtomatskim sistemom mazanja. Za potrebe končne termične obdelave se je investiralo v novo komorno peč, pri kateri smo uspešno določili parametre in potrdili ustreznost procesa s končnimi testi.
Ključne besede: kovanje aluminija, termična obdelava aluminija, izboljšava industrijskega procesa
Objavljeno v DKUM: 08.07.2025; Ogledov: 0; Prenosov: 30
Celotno besedilo (3,39 MB) |
9. Zasnova vpenjalnega sistema za obdelavo kovaških obreznih orodij z žično erozijo : diplomsko deloMaks Mikša, 2024, diplomsko delo Opis: Diplomsko delo se ukvarja z izboljšanjem procesa žične elektro erozijske obdelave (WEDM) v podjetju Marovt d.o.o.. Glavni cilj naloge je konstruiranje in izdelava namenske vpenjalne naprave, za hitrejše in hkrati natančnejše vpenjanje obdelovancev. Naprava odpravlja potrebo po večkratnem centriranju in merjenju, kar znatno skrajšuje čas obdelave in povečuje učinkovitost. Vpenjalna naprava je izdelana iz nerjavečega jekla. Rezultati diplomskega dela so izboljšanje delavnih procesov, zmanjšanje proizvodnih stroškov in povečanje konkurenčnosti podjetja.
Ključne besede: žična elektro erozijska obdelava, kovanje, obrezovanje, vpenjalni sistemi, mehanska obdelava
Objavljeno v DKUM: 11.04.2025; Ogledov: 0; Prenosov: 42
Celotno besedilo (2,14 MB) |
10. Predicting corn moisture content in continuous drying systems using LSTM neural networksMarko Simonič, Mirko Ficko, Simon Klančnik, 2025, izvirni znanstveni članek Opis: As we move toward Agriculture 4.0, there is increasing attention and pressure on the productivity of food production and processing. Optimizing efficiency in critical food processes such as corn drying is essential for long-term storage and economic viability. By using innovative technologies such as machine learning, neural networks, and LSTM modeling, a predictive model was implemented for past data that include various drying parameters and weather conditions. As the data collection of 3826 samples was not originally intended as a dataset for predictive models, various imputation techniques were used to ensure integrity. The model was implemented on the imputed data using a multilayer neural network consisting of an LSTM layer and three dense layers. Its performance was evaluated using four objective metrics and achieved an RMSE of 0.645, an MSE of 0.416, an MAE of 0.352, and a MAPE of 2.555, demonstrating high predictive accuracy. Based on the results and visualization, it was concluded that the proposed model could be a useful tool for predicting the moisture content at the outlets of continuous drying systems. The research results contribute to the further development of sustainable continuous drying techniques and demonstrate the potential of a data-driven approach to improve process efficiency. This method focuses on reducing energy consumption, improving product quality, and increasing the economic profitability of food processing
Ključne besede: drying, moisture prediction, big data, artificial intelligence, LSTM
Objavljeno v DKUM: 21.03.2025; Ogledov: 0; Prenosov: 13
Celotno besedilo (2,99 MB)
Gradivo ima več datotek! Več... |
