Корзина (0)---------

Корзина

Ваша корзина пуста

Корзина (0)---------

Корзина

Ваша корзина пуста

Каталог товаров
Наши фото
2
3
1
4
5
6
7
8
9
10
11
информационная модель в виде ER-диаграммы в нотации Чена
Информационная модель в виде описания логической модели базы данных
Информациооная модель в виде описания движения потоков информации и документов (стандарт МФПУ)
Информациооная модель в виде описания движения потоков информации и документов (стандарт МФПУ)2
G
Twitter
FB
VK
lv

ВКР 380305 : «Методика анализа данных для бизнес-аналитики на предприятии АО «ЭнергоМаш»»

ВКР Финансовый университет Методика анализа данных для бизнес-аналитики на предприятии «ЭнергоМаш» | Заказать на diplom-it.ru

? Диплом «Методика анализа данных для бизнес-аналитики на АО «ЭнергоМаш»»

Бесплатная консультация: Telegram @Diplomit, Тел.: +7 (987) 915-99-32, Email: admin@diplom-it.ru

Актуальность

45 % времени аналитики «ЭнергоМаш» уходит на очистку данных, а не на выводы. Отсутствие унифицированной методики EDA тормозит проекты бережливого производства. Предлагаемая методика описывает полный цикл: сбор → очистка → EDA → ML proof-of-concept.

Бесплатная консультация: Telegram @Diplomit, WhatsApp +7 (987) 915-99-32 | Тел.: +7 (987) 915-99-32, Email: admin@diplom-it.ru | MAX +7 (987) 915-99-32

Цель и задачи

Цель: разработать методику анализа данных, сокращающую цикл от raw-data до дашборда с 2 недель до 3 дней.
Задачи:

  • Определить таксономию источников (MES, SCADA, ERP);
  • Разработать pipeline очистки (Python + Great Expectations);
  • Стандартизировать EDA-отчёт (Jupyter Template);
  • Создать ML-POC (XGBoost для предиктивного обслуживания);
  • Сформировать чек-лист качества данных (DQM).

Объект и предмет

Объект — производственные и управленческие данные «ЭнергоМаш».
Предмет — стандартизированная методика анализа и очистки данных.

План

  1. Введение
  2. Обзор методик EDA
  3. Классификация источников данных
  4. Разработка пайплайна очистки
  5. Шаблоны EDA и ML-POC
  6. Метрики качества и экономический эффект
  7. Заключение
  8. Список источников

Нужны шаблоны Jupyter? Telegram: @Diplomit

Ожидаемые результаты

  • Template EDA (Jupyter) — 15 страниц;
  • Great Expectations coverage — 92 %;
  • Экономия времени аналитиков — 60 %;
  • OEE + 4 п.п.

Пример введения

Концепция Industry 4.0 опирается на данные, но «грязные» данные создают иллюзию управления. Унификация процесса анализа позволяет быстрее переходить к ML-экспериментам и бережливым инициативам.

Заключение

Методика успешно апробирована на участке мехобработки: время подготовки отчёта сократилось с 10 дней до 2,5 дней, выявлено 14 % скрытых простоев.

Источники

• 30 источников, 12 — 2024-2025 гг.
Пример:
1. O’Reilly. Effective Exploratory Data Analysis — 2024.
2. Great Expectations Docs — 2025.
3. ISO/IEC 25012:2023 Data quality model.

Полезные материалы

Оцените стоимость дипломной работы, которую точно примут
Тема работы
Срок (примерно)
Файл (загрузить файл с требованиями)
Выберите файл
Допустимые расширения: jpg, jpeg, png, tiff, doc, docx, txt, rtf, pdf, xls, xlsx, zip, tar, bz2, gz, rar, jar
Максимальный размер одного файла: 5 MB
Имя
Телефон
Email
Предпочитаемый мессенджер для связи
Комментарий
Ссылка на страницу
0Избранное
товар в избранных
0Сравнение
товар в сравнении
0Просмотренные
0Корзина
товар в корзине
Мы используем файлы cookie, чтобы сайт был лучше для вас.