| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Mašīnmācīšanās tehnoloģiju izmantošana naftas produktu ražošanas procesu optimizēšanā |
| Nosaukums angļu valodā |
Use of Machine Learning Technologies for Optimization of Oil Product Manufacturing Processes |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Mg. s. ing. Baiba Blumberga |
| Recenzents |
Mg. sc. ing. Artis Ābolts |
| Anotācija |
Mašīnmācīšanās ir viena no stratēģiski svarīgākajām tendencēm Informācijas Tehnoloģiju jomā, tāpēc tā nav iedomājama bez procesu optimizēšanas, datu pareizas apstrādes un analīzes, kā arī zināšanām konkrētajā nozarē. Darba mērķis ir optimizēt naftas produktu ražošanas procesu, izmantojot mašīnmācīšanās tehnoloģiju.
Pirmajā nodaļā tika izpētīti gan naftas produktu ražošanas pamatprincipi, gan naftas modulis, kurš sastāv no trīs galvenajiem procesiem – augšposma, vidusposma un lejasposma. Tika novērtēts process, kurā nepieciešama optimizēšana.
Otrajā nodaļā tika izpētītas mašīnmācīšanās tehnoloģijas, tajās izmantotie algoritmi un tehnoloģijas. Apskatīti iespējamie prognozēšanas modeļi, kuri būs nepieciešami prototipa izveidē.
Bakalaura darbā, pēc iegūtās teorijas informācijas, tika analizēts, kura mašīnmācīsanās tehnoloģijas izmantošana sniegs naftas produktu ražošanas procesu optimizēšanu.
Autore darbā iepazīstina ar SAP Predicitve Analytics tehnoloģiju. Gala rezultātā izstrādāts prototips, kurš pierāda, ka izvēlētā tehnoloģija - SAP Predicitve Analytics, spēj optimizēt naftas produktu ražošanas procesu augšposmā. Bakalaura beigās tika izdarīti secinājumi.
Darba apjoms - 56 lpp., 3 tabulas, 32 attēli un 1 pielikums. |
| Atslēgas vārdi |
Mašīnmācīšanās, mašīnmācīšanās algoritmu veidi, prognozēšanas modeļi, SAP Leonardo, SAP Predictive Analytics, nafta, jēlnafta, naftas produktu transportēšana, naftas produktu iegūšana, naftas produktu uzglabāšana, augšposms |
| Atslēgas vārdi angļu valodā |
Machine learning, machine learning algorithms, forecasting models, SAP Leonardo, SAP Predictive Analytics, oil, crude oil, oil product transportation, oil products obtaining, oil storage, upstream |
| Valoda |
lv |
| Gads |
2019 |
| Darba augšupielādes datums un laiks |
30.05.2019 13:44:22 |
