SWTDII: SW pro hledání souvislostí v datech z konstrukce, provozních datech a zkušebních datech pomocí výpočetní inteligence (SW pro provozy kde i data z výrobních linek jsou dostupná)

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21220%2F20%3A00345479" target="_blank" >RIV/68407700:21220/20:00345479 - isvavai.cz</a>
Výsledek na webu
<a href="http://mech.fs.cvut.cz/" target="_blank" >http://mech.fs.cvut.cz/</a>
DOI - Digital Object Identifier
—

Jazyk výsledku
čeština
Název v původním jazyce
SWTDII: SW pro hledání souvislostí v datech z konstrukce, provozních datech a zkušebních datech pomocí výpočetní inteligence (SW pro provozy kde i data z výrobních linek jsou dostupná)
Popis výsledku v původním jazyce
SW pouzı'vá metody analy'zy dat a strojove'ho ucenı' na vyhodnocenı' mozny'ch za'vislostı' a znalostı' mezi konstrukcnı'mi daty, vy'robnı'mi daty z linek a zkusebnı'mi daty a poskytuje zpetnou vazbu pro konstrukci a u'drzbu za u'celem optimalizace konstrukčních návrhů a výroby. Uživatel je tak schopen bez znalostí metod výpočetní inteligence aplikovat algoritmy pro datový preprocessing, detekci anomálií, nebo například predikci časových řad.
Název v anglickém jazyce
SWTDII: SW for relations analysis in construction data and test data using computational intelligence (SW for manufacturing process where data from production lines are available)
Popis výsledku anglicky
The SW uses data analysis and machine learning methods to evaluate possible dependencies and knowledge between design data, production data from lines and test data, and provides feedback for design and maintenance to optimize design and production. The user is thus able to apply algorithms for data preprocessing, anomaly detection, or time series prediction without knowledge of computational intelligence methods.

Projekt
<a href="/cs/project/TN01000071" target="_blank" >TN01000071: Národní centrum kompetence Mechatroniky a chytrých technologií pro strojírenství</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění
2020
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Interní identifikační kód produktu
NCC MESTEC - W4-data mining
Technické parametry
OS: Windows, Linux, MAC Min. požadavky na HW: 4GB RAM, dual core CPU. Celková velikost instalace včetně souvisejících SW: 4GB Související instalace a kompilace: Python 3.7.4 v distribuci Anaconda. Počet vyvinutých modulů: 8. Názvy modulů: analyze.py, anomaly_detection.py ,app.py, data_preprocessing.py, misc.py, predict.py, backpropagation.py, honu.py Celková velikost zdrojového kódu: 1 590 KB Množství zpracovávaných dat pro minimální HW konfiguraci: 0.5 GB Podmínky využití výsledku jsou zahrnuty ve Smlouvě o využití výsledků projektu NCK MESTEC, podepsané 16.12.2020 (ČVUT, RBCB)
Ekonomické parametry
Předpokládaná za licenci: 1 500 000,- Kč bez DPH Cena je odvozena od potenciálu úspor celkového SW řešení pro cílového zákazníka.
IČO vlastníka výsledku
68407700
Název vlastníka
ČVUT FS, Ústav mechaniky

Podobné výsledky(10)