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

摘要

Metodyka automatycznego odkrywania wiedzy o procesach wytwarzania i przetwarzania metali obejmuje problemy zwiazane z (1) akwizycja danych i integracja ich w aspekcie dalszej eksploracji, (2) doborem i adaptacja metod uczenia maszynowego - indukcji regul, predykcji zmiennych ilosciowych i jakosciowych, (3) formalizacja wiedzy w odpowiednich reprezentacjach: regulowej, zbiorow rozmytych, zbiorow przyblizonych czy wreszcie logiki deskrypcyjnej oraz (4) integracja wiedzy w repozytoriach opisanych modelami semantycznymi, czyli ontologiami. Autor przedstawil mozliwos? osiagniecia rownowagi pomiedzy wygoda uzytkowania a precyzja w przypadku pozyskiwania wiedzy z malych zbiorow. Badania wykazaly, ze drzewa decyzyjne sa wygodnym narzedziem odkrywania wiedzy i dobrze radza sobie z problemami silnie nieliniowymi, a wprowadzenie dyskretyzacji poprawia ich dzialanie. Zastosowanie metod analizy skupień umozliwilo tez wyciaganie bardziej ogolnych wnioskow, przez co udowodniono teze, ze granulacja informacji pozwala znalez? wzorce nawet w malych zbiorach danych. Opracowano w ramach badań procedure postepowania w analizie malych zbiorow danych eksperymentalnych dla modeli multistage, multivariate & multivariable, co moze w znacznym stopniu uprosci? takie badania w przyszlosci.