Page 57 - Inżynieria & Utrzymanie Ruchu - Styczeń / luty 2020

mogą występować w danych, nie zna ana- lizowanych typów danych ani ich prze- znaczenia. Uczenie nadzorowane pozwala za to na dokładne i szybkie modyfika-
cje procesu produkcyjnego, dzięki czemu staje się on bardziej efektywny przez pod- niesienie wskaźnika OEE.
***
Inwestycja w tak zaawansowane rozwią-
zania technologiczne jak machine lear-
Literatura
ning nie jest łatwa, jednak w dłuższej per- spektywie w wielu przypadkach właściwa i opłacalna.
Agnieszka Hyla – konsultantka ds. optyma- lizacji produkcji w Centrum Szkoleń Inży- nierskich EMT-Systems, kierownik pro- jektów informatycznych, autorka tekstów
z zakresu zarządzania w przemyśle.
Online
Więcej artykułów na temat nowo- czesnych sposobów wykorzysta-
nia danych w przemyśle znajdą Pań- stwo na naszej stronie internetowej w zakładce „Przemysł 4.0”: www.utrzymanieruchu.pl
www.utrzymanieruchu.pl
1. S. Chand, J.F. Davis, „What is smart manufacturing?”, „Time Magazine”, July 2010.
2. S. Lang, „Durchgängige Mitarbeiterinformation zur Steigerung von Effizienz und Prozesssicherheit in der Produktion (Dissertation)”, Universität
Erlangen-Nürnberg, Bamberg: Meisenbach Verlag, 2007.
3. „Minimizing the Six Big Losses in Manufacturing with Industry 4.0 Technology”, www.seebo.com/six-big-losses/, dostęp z dnia: 15.12.2019 r.
4. „Machine Learning and AI in Manufacturing”, www.seebo.com/machine-learning-ai-manufacturing/, dostęp z dnia: 15.12.2019 r.
5. A. Samuel, „Some studies in machine learning using the game of checkers”, „IBM Journal of Research and Development”, Volume 3, Issue 3,
July 1959, pp. 210–229, doi: http://dx.doi.org/10.1147/rd.33.0210
6. „Machine learning in manufacturing: advantages, challenges and applications”, www.tandfonline.com/doi/pdf/10.1080/21693277.2016.1192517,
dostęp z dnia: 15.12.2019 r.