Electrical Discharge Machine State Classification Based on Energy Consumption

Bc. Timotej Šimurka

Bakalářská práce

Anotace:

Táto bakalárska práca sa zaoberá porovnávaním rôznych metód klasifikácie subsekvencii časového radu na dátach rôznej zložitosti zozbieraných pomocou smart elektromerov. Zaoberá sa špecifickými charakteristikami dostupných dát, analyzuje viaceré techniky spracovania časového radu a vyhodnocuje výsledky predimplementovaných klasifikačných algoritmov, pričom optimalizuje ich hyperparametre na dosiahnutie najlepších možných výsledkov. Výsledkom tejto práce je komplexné vyhodnotenie klasifikačných metód a spustiteľný skript v jazyku Python, ktorý má pomôcť zadávajúcej firme zlepšiť monitorovanie prevádzkových stavov ich elektrických vybíjacích strojov.

Abstract:

This thesis focuses on comparing various methods for time series subsequence classification of data of differing complexity collected by smart electricity meters. It addresses the unique characteristics of the datasets, investigates multiple time series processing techniques, and evaluates the performance of pre-implemented classifiers while choosing their hyperparameters for the best possible performance. The outcome is a comprehensive evaluation of classification methods and an executable Python script, which is intended to assist the supervising company in enhancing the monitoring of operational states in their electrical discharge machines.

Keywords

machine learning, supervised classification, time series, electrical discharge machine

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 19. 12. 2024

Obhajoba závěrečné práce

• Obhajoba proběhla 5. 2. 2025
• Vedoucí: RNDr. Michal Batko, Ph.D.
• Oponent: doc. RNDr. Jan Sedmidubský, Ph.D.

Masarykova univerzita

Fakulta informatiky

Bakalářský studijní program / obor:
Informatika / Informatika