teoria

Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Both sides previous revision Previous revision
Next revision		 Previous revision
teoria [2026/01/20 14:09] – adminteoria [2026/01/22 21:34] (current) – [Porównanie metod] admin
Line 5: Line 5:
 Tradycyjne systemy automatyki (BMS) działają na sztywnych regułach "jeżeli-to". Systemy ML działają inaczej – szukają wzorców w danych historycznych i na ich podstawie podejmują decyzje ((Géron A., "Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow", 2020)). Tradycyjne systemy automatyki (BMS) działają na sztywnych regułach "jeżeli-to". Systemy ML działają inaczej – szukają wzorców w danych historycznych i na ich podstawie podejmują decyzje ((Géron A., "Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow", 2020)).
  
-[Image of simple diagram explaining machine learning process: input data -> model -> prediction] 
  
 ===== Jak działa proces uczenia? ===== ===== Jak działa proces uczenia? =====
Line 14: Line 13:
   - ** Predykcja:** System otrzymuje nowe dane (prognozę pogody na jutro) i przewiduje, co się stanie, zanim to nastąpi ((VanderPlas J., "Python Data Science Handbook", 2017)).   - ** Predykcja:** System otrzymuje nowe dane (prognozę pogody na jutro) i przewiduje, co się stanie, zanim to nastąpi ((VanderPlas J., "Python Data Science Handbook", 2017)).
  
-===== Główne metody stosowane w FM ===== 
-W zależności od tego, jaki problem chcemy rozwiązać, stosuje się różne podejścia, zgodne ze standardami zarządzania aktywami ((PN-ISO 55000:2014, "Zarządzanie aktywami – Przegląd, zasady i terminologia")). 
  
-==== 1. Przewidywanie wartości (Regresja) ==== +===== Porównanie podejść =====
-Stosujemy, gdy wynikiem ma być konkretna liczba. +
-  * **Zasada:** Algorytm rysuje linię trendu przez dane historyczne, uwzględniając wiele zmiennych naraz. +
-  * **Przykłady w budynku:** +
-    * Prognozowanie rachunku za prąd w przyszłym miesiącu ((Zhao H.X., Magoulès F., "A review on the prediction of building energy consumption", 2012)). +
-    * Szacowanie czasu potrzebnego na schłodzenie sali konferencyjnej przed spotkaniem. +
- +
-==== 2. Klasyfikacja stanów ==== +
-Stosujemy, gdy system ma przypisać obecną sytuację do konkretnej kategorii (np. "OK" albo "AWARIA") ((Géron A., op. cit., s. 85)). +
-  * **Zasada:** Algorytm wyznacza granicę między bezpiecznym a niebezpiecznym stanem pracy. +
-  * **Przykłady w budynku:** +
-    * Rozróżnianie fałszywego alarmu pożarowego od prawdziwego. +
-    * Decyzja, czy biuro jest zajęte (na podstawie poziomu CO2). +
- +
-==== 3. Wykrywanie anomalii ==== +
-Specyficzny rodzaj analizy, gdzie system uczy się "normalnego" zachowania budynku. Wszystko, co odbiega od normy, jest zgłaszane jako potencjalna usterka. +
-===== Różnica w sterowaniu ===== +
-Największą zaletą ML jest przejście ze sterowania reaktywnego na predykcyjne.+
  
 ^ Cecha ^ Tradycyjna Automatyka (BMS) ^ Machine Learning (AI) ^ ^ Cecha ^ Tradycyjna Automatyka (BMS) ^ Machine Learning (AI) ^
  • teoria.1768918158.txt.gz
  • Last modified: 2026/01/20 14:09
  • by admin