Využití IoT pro chladicí zařízení ve vybraném supermarketovém řetězci
Autor(ka) práce:
Gorylová, Barbora
Typ práce:
Diplomová práce
Vedoucí práce:
Zimmermann, Pavel
Oponenti práce:
Pour, Jan
Jazyk práce:
Česky
Abstrakt:
Diplomová práce je součástí společného projektu zabývajícího se využitím IoT v supermarketovém řetězci s cílem optimalizovat spotřebu elektřiny chladicích a mrazicích zařízení. Tato diplomová práce se věnovala přípravě modelů strojového učení, které slouží jako nezbytný podklad pro navazující řešení optimalizační úlohy zpracované v samostatné diplomové práci autorky Juračkové. Úvodní část je věnována pojmu IoT a jeho využití v maloobchodním prodeji. Dále je vysvětlena náplň projektu včetně představení zadavatelů a seznámení se zvolenými prodejnami. Následně jsou analyzována dostupná data ze senzorů a je popsán proces jejich čištění a transformace. Hlavní část práce se zaměřuje na sestavení prediktivních modelů pro několik vybraných prodejen, jejich interpretaci a identifikaci klíčových faktorů ovlivňujících spotřebu energie.
Klíčová slova:
Internet věcí; data ze senzorů; strojové učení; prediktivní modelování; spotřeba elektřiny
Název práce:
Use of IoT for Refrigeration Equipment in a Selected Supermarket Chain
Autor(ka) práce:
Gorylová, Barbora
Typ práce:
Diploma thesis
Vedoucí práce:
Zimmermann, Pavel
Oponenti práce:
Pour, Jan
Jazyk práce:
Česky
Abstrakt:
This thesis is part of a collaborative project dealing with the use of IoT in a supermarket chain to optimize the electricity consumption of refrigeration and freezing equipment. The aim of this thesis is to prepare machine learning models, which serve as a necessary basis for the subsequent solution of the optimization task processed in a separate master thesis of the author Juračková. The introductory part is devoted to the concept of IoT and its use in retail. Then the scope of the project is explained, including an introduction of the sponsors and the selected stores. Further, the available sensor data is analysed, and the process of cleaning and transformation is described. The main part of the paper is dedicated to building predictive models for a few selected stores, interpreting them and identifying the key factors influencing energy consumption.