Czasopismo | HUTNIK - WIADOMOŚCI HUTNICZE | Rocznik 2020 - zeszyt 4

Eksploracja danych i uczenie maszynowe w aspektach pozyskiwania wiedzy o produkcji i przetwarzaniu metali na potrzeby Przemysłu 4.0

Data mining and machine learning in aspects of acquiring knowledge about the production and processing of metals for the needs of Industry 4.0

10.15199/24.2020.4.3

Krzysztof REGULSKI

nr katalogowy: 125908
10.15199/24.2020.4.3

Streszczenie

i integracją ich w aspekcie dalszej eksploracji, (2) doborem i adaptacją metod uczenia maszynowego ― indukcji reguł, predykcji zmiennych ilościo􀀐 wych i jakościowych, (3) formalizacją wiedzy w odpowiednich reprezentacjach: regułowej, zbiorów rozmytych, zbiorów przybliżonych czy wreszcie logiki deskrypcyjnej oraz (4) integracją wiedzy w repozytoriach opisanych modelami semantycznymi, czyli ontologiami. Autor przedstawił możliwość osiągnięcia równowagi pomiędzy wygodą użytkowania a precyzją w przypadku pozyskiwania wiedzy z małych zbiorów. Badania wykazały, że drze􀀐 wa decyzyjne są wygodnym narzędziem odkrywania wiedzy i dobrze radzą sobie z problemami silnie nieliniowymi, a wprowadzenie dyskretyzacji poprawia ich działanie. Zastosowanie metod analizy skupień umożliwiło też wyciąganie bardziej ogólnych wniosków, przez co udowodniono tezę, że granulacja informacji pozwala znaleźć wzorce nawet w małych zbiorach danych. Opracowano w ramach badań procedurę postępowania w analizie małych zbiorów danych eksperymentalnych dla modeli multistage, multivariate & multivariable, co może w znacznym stopniu uprościć takie badania w przyszłości.

Abstract

The methodology of automatic knowledge discovery about metal production and processing processes includes problems related to (1) data acquisition and integration in the aspect of further exploration, (2) selection and adaptation of machine learning methods - rule induction, quantitative and qualitative variable prediction, (3) formalization knowledge in appropriate representations: rule, fuzzy sets, rough sets and finally descriptive logic, and (4) integration of knowledge in repositories described by semantic models or ontologies. The author presented the possibility of achieving a balance between ease of use and precision when acquiring knowledge from small collections. Research has shown that decision trees are a convenient tool for discovering knowledge and that they deal well with strongly non-linear problems, and the introduction of discretization improves their operation. The use of cluster analysis methods also made it possible to draw more general conclusions, which proved the thesis that granulation of information allows finding patterns even in small data sets. As part of the research, a procedure was developed for analyzing small experimental data sets for multistage, multivariate & multivariable models, which can greatly simplify such research in the future.

Słowa kluczowe

Keywords

Bibliografia

[1] Agolla J.E. 2018. "Human Capital in the Smart Manufactu􀀐 ring and Industry 4.0 Revolution",
[in:] Digital Transformation in Smart Manufacturing, eds. Petrillo A., Cioffi R., De Felice F., IntechOpen,
[2] Gorecky D., Schmitt M., Loskyll M., Zühlke D. 2014. "Hu􀀐 man-machine-interaction in the industry 4.0 era", 12th IEEE International Conference on Industrial Informatics (INDIN), Porto Alegre, Brazil: 289-294.
[3] Górny Z., Kluska-Nawarecka S., Wilk-Kołodziejczyk D., Regulski K. 2015. "Methodology for the construction of a rule-based knowledge base enabling the selection of appropriate bronze heat treat􀀐 ment parameters using rough sets", Archives of Metallurgy and Materials 60(1): 309-315.
[4] Kinzel H. 2016. "Industry 4.0 - Where does this leave the Human Factor? ", 27th Annual Conference of Human Dignity and Humiliation Studies ‘Cities at Risk - From Humiliation to Dignity’ in Dubrovnik, Croatia, September 19-23.
[5] Kluska-Nawarecka S., Regulski K., Krzyżak M., Leśniak G., Gurda M. 2013. "System of semantic integration of non-structuralized documents in natural language in the domain of metallurgy", Archives of Metallurgy and Materials 58(3): 927-930.
[6] Macioł P., Regulski K. 2016. "Development of semantic de􀀐 scription for multiscale models of thermo-mechanical treatment of metal alloys", The Journal of The Minerals JOM 68: 2082-2088.
[7] Rauch E., Linder C., Dallasega P. 2020. "Anthropocentric perspective of production before and within Industry 4.0", Computers & Industrial Engineering Volume 139, 105644.
[8] Regulski K., Rojek G., Skóra M., Kusiak J. 2012. "Data ex􀀐 ploration approach in control of metal forming manufacturing chain : ex􀀐 ample of fasteners production", Steel Research International 1319-1322.
[9] Regulski K., Szeliga D., Kusiak J. 2014. "Data exploration approach versus sensitivity analysis for optimization of metal forming processes", Key Engineering Materials 611-612: 1390-1395.
[10] Regulski K., Jakubski J., Opaliński A., Brzeziński M., Gło􀀐 wacki M. 2016. The prediction of moulding sand moisture content based on the knowledge acquired by data mining techniques", Archives of Metallurgy and Materials 61(3): 1363-1368.
[11] Regulski K. 2017. "Formalization of technological know􀀐 ledge in the field of metallurgy using document classification tools sup􀀐 ported with semantic techniques, Archives of Metallurgy and Materials 62(2): 715-720.
[12] Regulski K., Wilk-Kołodziejczyk D., Kacprzyk B., Gumien􀀐 ny G., Rojek G., Mrzygłód B. 2017. "Approximation of ausferrite con􀀐 tent in the compacted graphite iron with the use of combined techniques of data mining", Archives of Foundry Engineering 17(3): 117-122.
[13] Regulski K., Wilk-Kołodziejczyk D., Kluska-Nawarecka S., Szymczak T., Gumienny G., Jaśkowiec K. 2019. "Multistage discretiza􀀐 tion and clustering in multivariable classification of the impact of alloy􀀐 ing elements on properties of hypoeutectic silumin", Archives of Civil and Mechanical Engineering 19 (1): 114-126.
[14] Szeliga D., Kusiak J., Rauch Ł. 2012. "Sensitivity analysis as Support for Design of Hot Rolling Technology of Dual Phase Steel Strips", Metal Forming 2012: proceedings of the 14th international conference on Metal Forming: September 16-19, 2012, Krakow, Poland, eds. Jan Kusiak, Janusz Majta, Danuta Szeliga. — Weinheim: Wiley- VCH Verlag GmbH & Co. KGaA, (Steel Research International ; spec. ed.): 1275-1278.
[15] Wilk-Kołodziejczyk D., Regulski K., Gumienny G., Kac􀀐 przyk B., Kluska-Nawarecka S., Jaśkowiec K. 2018. "Data mining tools in identifying the components of the microstructure of compacted graphite iron based on the content of alloying elements", International Journal of Advanced Manufacturing Technology 95(9-12): 3127-3139.

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


e-Publikacja (format pdf) - nr 125908 "Eksploracja danych i ucze..." licencja: Osobista Produkt cyfrowy	10.00 zł

Zeszyt


HUTNIK - WIADOMOŚCI HUTNICZE - e-zeszyt (pdf) 2020-4 licencja: Osobista Produkt cyfrowy	32.00 zł

Prenumerata

HUTNIK - WIADOMOŚCI HUTNICZE - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

400.00 zł

HUTNIK - WIADOMOŚCI HUTNICZE - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
HUTNIK - WIADOMOŚCI HUTNICZE - papierowa prenumerata roczna	540.00 zł brutto 500.00 zł netto 40.00 zł VAT (stawka VAT 8%)
HUTNIK - WIADOMOŚCI HUTNICZE - pakowanie i wysyłka	14.00 zł brutto 11.38 zł netto 2.62 zł VAT (stawka VAT 23%)

554.00 zł

HUTNIK - WIADOMOŚCI HUTNICZE - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
HUTNIK - WIADOMOŚCI HUTNICZE - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	600.00 zł brutto 555.56 zł netto 44.44 zł VAT (stawka VAT 8%)

600.00 zł

Zeszyt

2020-4

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma