Využití IoT pro chladicí zařízení ve vybraném supermarketovém řetězci
Autor(ka) práce:
Juračková, Martina
Typ práce:
Diplomová práce
Vedoucí práce:
Zimmermann, Pavel
Oponenti práce:
Pour, Jan
Jazyk práce:
Česky
Abstrakt:
Tato práce je součástí řešení k projektu optimalizační úlohy českého supermarketového řetězce využívajícího IoT zařízení k monitoringu dění na prodejně. Zpracování tohoto business problému je poměrně obsáhlé, proto je rozdělené mezi dvě řešitelky. V první fázi projektu kolegyně Gorylová vytvořila prediktivní modely spotřeby elektrické energie a také identifikovala důležité faktory ovlivňující spotřebu supermarketu. V druhé fázi projektu, které se věnuje autorka tato práce, byla řešena úloha optimalizace nákladů supermarketu. S využitím SARIMAX modelů a Monte Carlo simulací odhadujeme očekávané náklady spojené se zkažením zboží. Na základě závěrů kolegyně Gorylové predikujeme prostřednictvím XGBoost modelu očekávané náklady na spotřebu energie. Celkový očekávaný náklad je pak součtem těchto dvou dílčích očekávaných nákladů, přičemž optimální nastavení teplot je pro supermarket takové, které generuje nejnižší celkové očekávané náklady. Jinými slovy pomocí metod strojového učení vytváříme algoritmus, který odhaduje celkové očekávané náklady supermarketu na chlazení a mražení odpovídající zadaným vstupním parametrům. Mezi vkládané parametry patří například nastavená teplota chlazení a mražení, teplota na prodejně, teplota v okolí prodejny či hodnota zboží.
Klíčová slova:
SARIMAX model; Monte Carlo simulace; optimalizace nákladů; strojové učení; CRISP-DM
Název práce:
Use of IoT for Refrigeration Equipment in a Selected Supermarket Chain
Autor(ka) práce:
Juračková, Martina
Typ práce:
Diploma thesis
Vedoucí práce:
Zimmermann, Pavel
Oponenti práce:
Pour, Jan
Jazyk práce:
Česky
Abstrakt:
This thesis is part of a solution to an optimization problem for a Czech supermarket chain that uses IoT devices to monitor in-store activity. The business problem is quite extensive, therefore it is divided between two authors. In the first part of the solution, author Gorylová created models predicting energy consumption and also identified key factors impacting the energy consumption of a supermarket. The second part of the solution which is provided by this author focuses on the optimization problem. Based on SARIMAX models and Monte Carlo simulations, we estimate expected costs associated with the possibility of goods spoiling. With the use of the findings of author Gorylová, we predict expected energy consumption costs via XGBoost model. Total expected cost is the sum of the two aforementioned expected costs and the supermarket's optimal temperature setting is the one that minimizes total expected costs. In other words with the help of machine learning methods, we develop an algorithm that estimates the total expected costs of a supermarket associated with refrigeration and freezing based on specific input parameters. The parameters include for example the setting of the temperature of refrigeration and freezing, inside temperature, outside temperature, or the value of goods.
Klíčová slova:
machine learning; CRISP-DM; SARIMAX model; Monte Carlo simulation; cost optimization