<?xml version="1.0" encoding="utf-8"?>
<Gradivo ID="175830" NadgradivoID="0" NRID="27864700" OceID="0" DomainUrl="https://repozitorij.uni-lj.si/" IzpisPolniUrl="https://repozitorij.uni-lj.si/IzpisGradiva.php?lang=slv&amp;id=175830" StOgledov="475" StPrenosov="134" StOcen="0" VsotaOcen="0" DatumIzvoza="2026-11-21 10:00:34" OcenaSkupna="0" StPodgradiv="0" StudijskiProgramEvsID="1000315" JeIndeksirano="0" JeVecAvtorjev="0" DovoliZahtevkeZaDostop="0">
  <PID Url="http://hdl.handle.net/20.500.12556/RUL-175830">20.500.12556/RUL-175830</PID>
  <Naslov>Primerjava algoritmov strojnega učenja za napovedovanje bodočih stanj medicinske naprave</Naslov>
  <Podnaslov></Podnaslov>
  <TujJezik_Naslov>Comparison of machine learning algorithms for predicting future states of a medical device</TujJezik_Naslov>
  <TujJezik_Podnaslov></TujJezik_Podnaslov>
  <Opis>V diplomski nalogi sem analiziral možnosti napovedovanja senzornih podatkov medicinskega stroja WD 290, ki ga proizvaja podjetje Belimed. Namen napovedovanja senzornih podatkov je omogočiti zgodnje zaznavanje morebitnih nepravilnosti v delovanju stroja, ter s tem preprečiti izpade ali okvare. Napovedovanje tako služi kot orodje za oceno prihodnjega stanja stroja na podlagi trendov v senzornih podatkih. Takšen pristop lahko služi kot osnova za vzpostavitev prediktivnega servisa, ki omogoča pravočasno vzdrževanje in optimizacijo delovanja naprav. Z uporabo različnih algoritmov strojnega učenja (linearna in polinomska regresija, odločitveno drevo ter metod k-najbližjih sosedov - KNN) sem primerjal njihovo učinkovitost pri napovedovanju vrednosti na podlagi zbranih podatkov.
Podatke sem pridobil s pomočjo programske opreme SmartHub ter jih obdelal z uporabo programskega jezika Python. Izvedel sem predobdelavo podatkov, učenje modelov ter njihovo vrednotenje z metrikama koeficientom determinacije in povprečno kvadratno napako.
Ugotovil sem, da sta se metodi odločitvenega drevesa in KNN izkazali za najbolj natančni, medtem ko sta regresijska modela pokazala slabšo zmogljivost zaradi kompleksnosti podatkovnega nabora.</Opis>
  <TujJezik_Opis>In this thesis, I analyzed the possibilities of predicting sensor data from the WD 290 medical machine, manufactured by the company Belimed. The purpose of sensor data prediction is to enable early detection of potential irregularities in the machine’s operation, thereby preventing breakdowns or failures. Prediction thus serves as a tool for assessing the future condition of a machine based on trends in sensor data. Such an approach can serve as a basis for establishing a predictive service, which enables timely maintenance and optimization of device performance. Using various machine learning algorithms (linear and polynomial regression, decision tree, and k-nearest neighbors - KNN), I compared their effectiveness in forecasting values based on the collected data. 
The data was acquired using the SmartHub software and processed with the Python programming language.  I performed data preprocessing, model training, and evaluation using the metrics of coefficient of determination and mean squared error. 
The result showed that the decision tree and KNN methods were the most accurate, while the regression models performed poorly due to the complexity of the dataset.</TujJezik_Opis>
  <KljucneBesede>
    <Beseda>Napovedovanje</Beseda>
    <Beseda>strojno učenje</Beseda>
    <Beseda>regresija</Beseda>
    <Beseda>odločitveno drevo</Beseda>
    <Beseda>k-najbližjih sosedov</Beseda>
    <Beseda>obdelava podatkov</Beseda>
    <Beseda>analiza podatkov.</Beseda>
  </KljucneBesede>
  <TujJezik_KljucneBesede>
    <Beseda>Predicting</Beseda>
    <Beseda>machine learning</Beseda>
    <Beseda>regression</Beseda>
    <Beseda>decision tree</Beseda>
    <Beseda>k-nearest neighbors</Beseda>
    <Beseda>data processing</Beseda>
    <Beseda>data</Beseda>
    <Beseda>data analysis.</Beseda>
  </TujJezik_KljucneBesede>
  <Potrjeno>true</Potrjeno>
  <JeZaklenjeno>false</JeZaklenjeno>
  <JeRecenzirano>false</JeRecenzirano>
  <Zaloznik></Zaloznik>
  <Izvor></Izvor>
  <Jezik ID="1060" ISO639-3="slv">Slovenski jezik</Jezik>
  <TujJezik ID="1033" ISO639-3="eng">Angleški jezik</TujJezik>
  <Povezave></Povezave>
  <Pokrivanje></Pokrivanje>
  <CasovnoPokritje></CasovnoPokritje>
  <AvtorskePravice></AvtorskePravice>
  <VrstaGradiva ID="mb11" DRIVER="info:eu-repo/semantics/bachelorThesis">Diplomsko delo/naloga</VrstaGradiva>
  <DatumVstavljanja>2025-11-10 13:05:01</DatumVstavljanja>
  <DatumObjave>2025-11-10 13:05:08</DatumObjave>
  <DatumSpremembe>2026-02-02 11:39:15</DatumSpremembe>
  <DatumTrajnegaHranjenja>0000-00-00 00:00:00</DatumTrajnegaHranjenja>
  <LetoIzida>2025</LetoIzida>
  <LetoIzidaDo>0</LetoIzidaDo>
  <KrajIzida></KrajIzida>
  <LetoIzvedbe>0</LetoIzvedbe>
  <KrajIzvedbe></KrajIzvedbe>
  <Opomba></Opomba>
  <StStrani></StStrani>
  <StevilcenjeNivo1></StevilcenjeNivo1>
  <StevilcenjeNivo2></StevilcenjeNivo2>
  <Kronologija></Kronologija>
  <Patent_Stevilka></Patent_Stevilka>
  <Patent_DatumVeljavnosti>0000-00-00</Patent_DatumVeljavnosti>
  <VerzijaDokumenta>NiDoloceno</VerzijaDokumenta>
  <StatusObjaveDrugje>NiDoloceno</StatusObjaveDrugje>
  <VrstaStroskaObjave>NiDoloceno</VrstaStroskaObjave>
  <DatumPoslanoVRecenzijo>0000-00-00</DatumPoslanoVRecenzijo>
  <DatumSprejetjaClanka>0000-00-00</DatumSprejetjaClanka>
  <DatumObjaveClanka>0000-00-00</DatumObjaveClanka>
  <EmbargoDo></EmbargoDo>
  <VrstaEmbarga ID="1" Naziv="Takojšnja javna objava" OpenAIREDostop="openAccess"></VrstaEmbarga>
  <Osebe>
    <Oseba ID="152744" Ime="ADMIR" Priimek="KEKIĆ" AltIme="" VlogaID="70" VlogaNaziv="Avtor" ConorID="" Afiliacija="" ArrsID="0" ORCID=""></Oseba>
    <Oseba ID="28275" Ime="Andrej" Priimek="Kos" AltIme="" VlogaID="991" VlogaNaziv="Mentor" ConorID="" Afiliacija="" ArrsID="0" ORCID=""></Oseba>
  </Osebe>
  <Identifikatorji>
    <Identifikator ID="16" Sifra="VisID" Naziv="VisID" URL="">63232</Identifikator>
    <Identifikator ID="3" Sifra="CobissID" Naziv="COBISS_ID" URL="https://plus.cobiss.net/cobiss/si/sl/bib/266955779">266955779</Identifikator>
  </Identifikatorji>
  <Relacije>
  </Relacije>
  <VerzijeGradiva>
  </VerzijeGradiva>
  <Datoteke>
    <Datoteka ID="221721" DatotekaNRID="14513256" NamenDatotekeID="2" NamenDatoteke="Predstavitvena datoteka" FormatDatotekeID="2" FormatDatoteke=".pdf" MIME="application/pdf" IkonaFormata="pdf.png" IkonaFormataPolniUrl="https://repozitorij.uni-lj.si/teme/rulDev/img/fileTypes/pdf.png" VelikostDatoteke="4065874" VelikostDatotekeKratko="3,88 MB" DatumVstavljanja="2025-11-10 13:05:09" JeZbrisana="false" JeJavnoVidna="true" JeIndeksirana="true" JeVidno="true" VidnoOd="01.01.1970" Zaporedje="0">
      <Naziv>Kekic_Admir_-_Primerjava_algoritmov_strojnega_ucenja_za_napovedovanje_bodocih_stanj_medicinske_n.pdf</Naziv>
      <OrgNaziv>Kekic_Admir_-_Primerjava_algoritmov_strojnega_ucenja_za_napovedovanje_bodocih_stanj_medicinske_n.pdf</OrgNaziv>
      <URL></URL>
      <Opis></Opis>
      <OpisTujJezik></OpisTujJezik>
      <UrlObdelave></UrlObdelave>
      <FrekvencaAzuriranjaID>1</FrekvencaAzuriranjaID>
      <Verzija></Verzija>
      <MD5>45607C543CD93F3C26E8380A89D7E38D</MD5>
      <SHA256>35c6f75d7b6df31e543d611e1b0994dcad34c806ef17a69412ecde8be7cc31f5</SHA256>
      <UUID>2c695a25-be2d-11f0-9328-0050569b8976</UUID>
      <PID></PID>
      <PrenosPolniUrl>https://repozitorij.uni-lj.si/Dokument.php?lang=slv&amp;id=221721</PrenosPolniUrl>
      <Vsebine>
        <Vsebina TipVsebine="GoloBesedilo" JezikID="1060" Oznaka="" Dolzina="45920"></Vsebina>
      </Vsebine>
    </Datoteka>
  </Datoteke>
  <Organizacije>
    <Organizacija OrganizacijaID="27" Kratica="FE" ZavodEvsID="0000060" Logo="" LogoPolniUrl="https://repozitorij.uni-lj.si/teme/rulDev/img/logo/">Fakulteta za elektrotehniko</Organizacija>
  </Organizacije>
  <OrganizacijeVira>
  </OrganizacijeVira>
  <MetodeZbiranjaPodatkov>
  </MetodeZbiranjaPodatkov>
  <TipologijaDela ID="2.11" Koda="2.11" Naziv="Diplomsko delo" SchemaOrg="Thesis"></TipologijaDela>
  <Ostalo>
    <StIrodsDatotek>0</StIrodsDatotek>
    <StDatotekPodTrajnimEmbargom>0</StDatotekPodTrajnimEmbargom>
    <StDatotekZOmejenimDostopom>0</StDatotekZOmejenimDostopom>
  </Ostalo>
</Gradivo>
