Klasifikacija zvočnih signalov v proizvodnji z uporabo metode nenadzorovanega strojnega učenja k-meansReba, Aleks (Avtor) Berlec, Tomaž (Mentor) Prezelj, Jurij (Komentor) klasifikacija industrijskega zvokanenadzorovano učenjeakustikak-meanszvočna usmerjenostspremljanje v realnem časuV sodobnih konkurenčnih industrijskih okoljih je bistveno ohranjanje optimalne učinkovitosti in kakovosti. Tradicionalne metode se pogosto zanašajo na vizualne preglede ali spremljanje na podlagi senzorjev, ki pa morda ne zaznajo subtilnih sprememb ali ne zagotavljajo vpogleda v realnem času. V tem delu je bila z namenom izboljšanja spremljanja in vrednotenja proizvodnih procesov v realnem času razvita metodologija za uporabo nenadzorovanih algoritmov strojnega učenja, natančneje algoritma k-means, za razvrščanje in analizo zvočnih podatkov iz proizvodnih okolij. Metodologija obsega prepoznavanje ključnih zvočnih značilnosti, kot so usmerjenost, lastnosti frekvenčnega spektra in statistični deskriptorji signalov na več časovnih konstantah, ter uporabo teh značilnosti za učenje algoritma k-means. Rezultati klasifikacije so omogočili zanesljivo razvrščanje zvočnih signalov, kar omogoča identifikacijo delovnega stanja strojev in zaznavanje odstopanj v procesu. Ta raziskava potrjuje, da ima razvrščanje zvoka s pomočjo algoritmov nenadzorovanega strojnega učenja potencial za izboljšanje spremljanja v realnem času ter optimizacijo proizvodnih procesov, kar lahko bistveno pripomore k večji učinkovitosti in zmanjšanju stroškov proizvodnje.20242024-12-20 07:30:17Magistrsko delo/naloga166109sl