bakalářská práce

Predikce doby dílčích servisních zásahů z agregovaných dat

Text práce 1.61 MB

Autor práce: Bc. Rostislav Ludvík

Ak. rok: 2025/2026

Vedoucí: Ing. Aleš Smrčka, Ph.D.

Oponent: Ing. Michal Rozsíval

Abstrakt:

Tato bakalářská práce se zabývá metodami odhadu skrytých proměnných aplikovatelnými na datovou sadu servisních zásahů společnosti Thermo Fisher Scientific. Řešený problém spočívá v odhadu dílčích časů výměny náhradních dílů z agregovaného celkového času servisního zásahu. Pro výsledný predikční model jsou využity neuronové sítě, a to zejména pro jejich schopnost zachytit nelineární závislosti v datech. Navržený model z atributů servisního zásahu a označení náhradního dílu odhaduje očekávaný čas potřebný k jeho výměně. Součástí práce je implementace modelu ve formě aplikace s příkazovým rozhraním. Aplikace umožňuje nahrání datové sady, trénink modelu a následnou predikci času výměny pro zadaný díl nebo jejich kombinaci. Funkcionalita řešení je následně ověřena na anonymizovaných datech. Výsledky vyhodnocení svědčí o schopnosti implementovaného modelu poskytovat prakticky využitelné odhady.

Klíčová slova:

predikční model, agregovaná data, skryté proměnné, lineární regrese, metoda nejmenších čtverců, neuronové sítě, strojové učení, CLI aplikace

Termín obhajoby

19.06.2026

Výsledek obhajoby

obhájeno (práce byla úspěšně obhájena)

znamkaCznamka

Klasifikace

C

Průběh obhajoby

Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm C.

Otázky k obhajobě

  1. V evaluaci uvádíte, že Váš model dosahuje vyšší chybovosti než jednoduchý průměr nad datovou sadou. Jaký je tedy přínos Vašeho modelu?
  2. V analyzované datové sadě je i u identických servisních zásahů vysoká variabilita doby jejich trvání. Napadá Vás, jaké další parametry by bylo možné využít pro jejich lepší rozlišení, a tedy i pro následné zlepšení predikce Vašeho modelu?
  3. Navržený model využívá symetrickou hodnotící funkci, tedy nadhodnocení i podhodnocení doby zásahu má stejnou penalizaci. Nebylo by však v praxi vhodnější podhodnocení doby zásahu penalizovat více než nadhodnocení?
  4. Proč jste všechny obrázky v práci převzal?

Jazyk práce

čeština

Fakulta

Ústav

Studijní program

Informační technologie (BIT)

Složení komise

prof. RNDr. Alexandr Meduna, CSc. (předseda)
prof. Ing. Martin Čadík, Ph.D. (místopředseda)
Ing. Jaroslav Rozman, Ph.D. (člen)
Ing. Zbyněk Křivka, Ph.D. (člen)
Ing. Lukáš Kekely, Ph.D. (člen)

Posudek vedoucího
Ing. Aleš Smrčka, Ph.D.

Aktivita studenta i jeho přístup k práci byly nadprůměrné. Rostislav Ludvík musel při řešení zohlednit požadavky zadavatele i vedoucího projektu a průběžně konfrontovat navržený postup s dostupnou datovou sadou.

Kritérium hodnocení Slovní hodnocení
Informace k zadání

Práce vznikla ve spolupráci s firmou Termofisher Scientific. Zadání má jasný aplikovatelný charakter, který má pomoci při odhadu doby servisních záznamů na základě historických dat. Student musel navrhnout několik přístupů, konzultovat je se mnou i s technickým vedoucím a experimentálně je ověřit na pro datové analýzy nepříznivých datech dodaných externí firmou. Výsledek je hodnocený jako použitelný.

Práce s literaturou

Studentovi byly doporučeny konkrétní oblasti literatury. Samotné studijní prameny si student vybíral sám.

Aktivita během řešení, konzultace, komunikace

Student byl po celou dobu aktivní. Konzultace probíhaly pravidelně s jasným pokrokem v práci.

Aktivita při dokončování

Technické řešení i zpráva byly dokončeny v dostatečném předstihu.

Publikační činnost, ocenění
Výsledný počet bodů navržený vedoucím: 90

Známka navržená vedoucím: A

Posudek oponenta
Ing. Michal Rozsíval

Student analyzoval poskytnutou datovou sadu a na jejím základě navrhl a pro účely evaluace natrénoval predikční model pro odhad doby dílčích servisních zásahů. Celkově vytvořil funkční programové řešení, které umožňuje trénování modelu a jeho následné využití pro orientační odhad délky servisního zásahu.

Kritérium hodnocení Slovní hodnocení Body Max. body
Náročnost zadání

Stupeň hodnocení: průměrně obtížné zadání

Cílem práce byl návrh modelu pro predikci doby výměny zadaného dílu či jejich kombinace z agregovaných dat a vytvoření aplikace umožňující trénování a použití navrženého modelu. Student se mimo jiné musel seznámit s datovou sadou obsahující parametry skutečně provedených servisních zásahů, kterou poskytla společnost Thermo Fisher, a na jejím základě navrhnout a natrénovat vhodný predikční model.

Prezentační úroveň technické zprávy

Text práce se celkově drží logické struktury. Chybí mi však samostatná kapitola s popisem poskytnuté datové sady a obecně by některé části, především v kombinované kapitole návrhu a implementace, mohly být více rozepsány.

70 100
Formální úprava technické zprávy

Práce je psaná v českém jazyce. Celkově se v práci vyskytuje malé množství jazykových a typografických chyb, například jednopísmenné členy na konci řádků, chybějící reference obrázky (např. obrázky 3.1 a 3.2) nebo míchání matematického a programátorského zápisu v rovnicích (např. rovnice 3.10 a 4.6).

72 100
Realizační výstup

Implementovaná aplikace umožňuje trénování a použití navrženého modelu. Zdrojové kódy jsou vhodně formátované, ale mohly být více dokumentované. Vytvořené řešení bylo studentem demonstrováno a je funkční, avšak slabší stránkou řešení je dosažená přesnost predikčního modelu.

75 100
Využitelnost výsledků

Vytvořenou aplikaci je možné použít pro natrénování navrženého modelu nad poskytnutou datovou sadou a pro následnou predikci doby trvání servisních zásahů.

Rozsah splnění požadavků zadání

Stupeň hodnocení: zadání splněno

Rozsah technické zprávy

Stupeň hodnocení: splňuje pouze minimální požadavky

Technická zpráva má rozsah kolem 40 normostran. Celkově však obsahuje potřebné části, i když některé mohly být více rozepsané. Především mi v práci chybí samostatná kapitola s popisem použité datové sady.

Práce s literaturou

K literatuře nemám větší výhrady.

80 100
Otázky k obhajobě:
  1. V evaluaci uvádíte, že Váš model dosahuje vyšší chybovosti než jednoduchý průměr nad datovou sadou. Jaký je tedy přínos Vašeho modelu?
  2. V analyzované datové sadě je i u identických servisních zásahů vysoká variabilita doby jejich trvání. Napadá Vás, jaké další parametry by bylo možné využít pro jejich lepší rozlišení, a tedy i pro následné zlepšení predikce Vašeho modelu?
  3. Navržený model využívá symetrickou hodnotící funkci, tedy nadhodnocení i podhodnocení doby zásahu má stejnou penalizaci. Nebylo by však v praxi vhodnější podhodnocení doby zásahu penalizovat více než nadhodnocení?
Výsledný počet bodů navržený oponentem: 75

Známka navržená oponentem: C

Odpovědnost: Mgr. et Mgr. Hana Odstrčilová