Analiza učinkovitosti proizvodnje kot primer strojnega učenja: operativna odličnost in ključni kazalniki uspešnostiTekavčič, Aleš (Avtor) Žiberna, Aleš (Mentor) Sokolić, Jure (Komentor) nadzorovano strojno učenjeučinkovitost proizvodnjeizgubevitka industrijaKPImetode strojnega učenjaPython.Z vse bolj digitalizirano družbo in tudi industrijo, na katero se bomo osredotočili v nadaljevanju diplomske naloge, je vzporedno prisotnih tudi vse več podatkov, ki se zbirajo na takšen ali drugačen način. V diplomski nalogi je zato predstavljeno področje strojnega učenja kot orodja, ki nam omogoča algoritmično obdelavo podatkov večjih razsežnosti. Podatki se v našem primeru v večji meri zbirajo na podlagi senzoričnih meritev, medtem ko se nekatere od teh meritev tudi nadaljnje obdela za namen ali vizualne ali poglobljene predstavitve delovanja različnih procesov znotraj proizvodnje. Slednje operaterjem v proizvodnji in ne nazadnje tudi vodilnim v podjetju omogoča pregled nad delom in lažje načrtovanje poslovanja. Na podlagi primerjave modelov je bilo ugotovljeno, da se je kot najbolj učinkovita metoda za napovedovanje učinkovitosti proizvodnje na podlagi preteklih podatkov za to spremenljivko izkazala metoda naključnih gozdov, medtem ko sta se preostali dve metodi izkazali podobno slabše.[A. Tekavčič]20212021-10-03 08:30:05Diplomsko delo/naloga131800UDK: 004.85:330.526.33(043.2)VisID: 132746COBISS_ID: 90101251sl