prikaz prve stranice dokumenta Process monitoring and predictive diagnostics
Rad nije dostupan
završni rad
Process monitoring and predictive diagnostics
Zagreb: Sveučilište u Zagrebu, Fakultet kemijskog inženjerstva i tehnologije, 2019. urn:nbn:hr:149:648802
Brzović, Adriana
Sveučilište u Zagrebu
Fakultet kemijskog inženjerstva i tehnologije

Institucijski repozitorij: Repozitorij Fakulteta kemijskog inženjerstva i tehnologije Sveučilišta u Zagrebu

Citirajte ovaj rad

Brzović, A. (2019). Process monitoring and predictive diagnostics (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet kemijskog inženjerstva i tehnologije. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:149:648802

Brzović, Adriana. "Process monitoring and predictive diagnostics." Završni rad, Sveučilište u Zagrebu, Fakultet kemijskog inženjerstva i tehnologije, 2019. https://urn.nsk.hr/urn:nbn:hr:149:648802

Brzović, Adriana. "Process monitoring and predictive diagnostics." Završni rad, Sveučilište u Zagrebu, Fakultet kemijskog inženjerstva i tehnologije, 2019. https://urn.nsk.hr/urn:nbn:hr:149:648802

Brzović, A. (2019). 'Process monitoring and predictive diagnostics', Završni rad, Sveučilište u Zagrebu, Fakultet kemijskog inženjerstva i tehnologije, citirano: 16.02.2025., https://urn.nsk.hr/urn:nbn:hr:149:648802

Brzović A. Process monitoring and predictive diagnostics [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet kemijskog inženjerstva i tehnologije; 2019 [pristupljeno 16.02.2025.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:149:648802

A. Brzović, "Process monitoring and predictive diagnostics", Završni rad, Sveučilište u Zagrebu, Fakultet kemijskog inženjerstva i tehnologije, Zagreb, 2019. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:149:648802

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:149:648802
Podaci o radu
NaslovProcess monitoring and predictive diagnostics
Naslov (hrvatski)Nadziranje i prediktivna dijagnostika procesa
AutorAdriana Brzović
MentorNenad Bolf (mentor)
Član povjerenstvaNenad Bolf (predsjednik povjerenstva)
Član povjerenstvaAleksandra Sander (član povjerenstva)
Član povjerenstvaŽeljka Ujević Andrijić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet kemijskog inženjerstva i tehnologije
Zagreb
Datum i država obrane2019-09-19, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Kemijsko inženjerstvo
Sažetak
As technology advances, particularly in the IT sector, more and more companies running large-scale industrial operations look to computer based solutions to replace expensive monitoring and maintenance methods. Machine learning is one such solution gaining popularity in the last couple of years. This paper explores how machine learning models can be used for preventative and predictive maintenance of an industrial heat exchanger by continuously detecting fouling formation. The results of the neural network model show successful prediction of fouling formation in the heat exchanger. Random forest model does not successfully predict fouling formation as it cannot extrapolate on new data. The results of this study show great potential in application of machine learning methods in the industry for improving production processes in terms of greater efficiency, energy and raw material saving.
Sažetak (hrvatski)
Uz napredak tehnologije, posebno IT sektora, javlja se sve veća potreba za računalnim rješenjima koja bi zamijenila skupe metode nadziranja i održavanja procesa u velikim proizvodnim pogonima. Jedno od takvih rješenja s rastućom popularnošću u zadnjih nekoliko godina je strojno učenje. Ovaj rad istražuje primjenu modela strojnog učenja za nadziranje i prediktivnu dijagnostiku industrijskog izmjenjivača topline pomoću kontinuiranog praćenja nastajanja naslaga. Razvijen je model neuronske mreže i model slučajnih šuma. Rezultati razvijenog modela neuronske mreže pokazuju uspješno predviđanje nastajanja naslaga u izmjenjivaču topline. Model slučajnih šuma ne predviđa uspješno nastajanje naslaga zbog nemogućnosti ekstrapoliranja na novim podatcima. Rezultati ostvareni u ovom radu pokazuju veliki potencijal primjene metoda strojnog učenja u industriji za poboljšanje proizvodnih procesa u pogledu veće učinkovitosti, uštede energije i sirovina.
Ključne riječi
Ključne riječi (hrvatski)
Jezikengleski
URN:NBNurn:nbn:hr:149:648802
Studijski programNaziv: Kemijsko inženjerstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka kemijskog inženjerstva (univ. bacc. ing. cheming.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2023-02-14 08:42:35