Predictive Analytics In Manufacturing
Thesis title: | Prediktivní analytika ve výrobě |
---|---|
Author: | Adámek, Petr |
Thesis type: | Diplomová práce |
Supervisor: | Pour, Jan |
Opponents: | Šedivá, Zuzana |
Thesis language: | Česky |
Abstract: | Diplomová práce se zabývá tématem prediktivní analytiky se zaměřením na výrobní podnik. Správné využívání výrobních dat může podnikům poskytnou velkou konkurenční výhodu a ušetřit nemalé finanční prostředky. Cílem práce je navrhnout konkrétní řešení na využití prediktivní analytiky ve výrobě. K dosažení byla využita analýza dostupných literárních zdrojů a čtyři polostrukturované rozhovory se zaměstnanci. Úvodní část práce vymezuje teoretický rámec okolo prediktivní analytiky. V práci je rozebrán úzce související fenomén Průmyslu 4.0, nasazení průmyslového internetu věcí do výroby a s tím následně spojené zpracování Big Dat. V navazující části je čtenář seznámen s prediktivní analytikou a modelováním. Následně jsou vysvětleny základní prediktivní modely: rozhodovací strom a neuronová síť. Nabyté poznatky z první části práce jsou uplatněny k dosažení cíle práce v reálném podniku, kterému byla doporučeno nasazení prediktivní údržby za pomoci identifikování zvuků, které signalizují poruchu stroje. |
Keywords: | big data; internet věcí; prediktivní analytika; průmysl 4.0; prediktivní údržba; strojové učení |
Thesis title: | Predictive Analytics In Manufacturing |
---|---|
Author: | Adámek, Petr |
Thesis type: | Diploma thesis |
Supervisor: | Pour, Jan |
Opponents: | Šedivá, Zuzana |
Thesis language: | Česky |
Abstract: | The thesis deals with the topic of predictive analytics with a focus on manufacturing company. Proper use of production data can provide companies with a great competitive advantage and save considerable money. The aim of the thesis is to propose a specific solution for the use of predictive analytics in production. An analysis of available literary sources and four semi-structured interviews with employees were used to achieve this. The introductory part defines the theoretical framework for predictive analytics. The thesis deals with the closely related phenomenon of Industry 4.0, the deployment of industrial Internet of Things into production and the subsequent processing of Big Data. In the following part, the reader is acquainted with predictive analytics and modelling. Subsequently, basic predictive models have explained: the decision tree and neural network. Acquired knowledge from the first part of the thesis is used to achieve the goal of work in a real company, which was recommended to use predictive maintenance with the help of identifying sounds that signal a machine failure. |
Keywords: | big data; internet of things; predictive analytics; predictive maintenance; industry 4.0; machine learning |
Information about study
Study programme: | Aplikovaná informatika/Informační systémy a technologie |
---|---|
Type of study programme: | Magisterský studijní program |
Assigned degree: | Ing. |
Institutions assigning academic degree: | Vysoká škola ekonomická v Praze |
Faculty: | Faculty of Informatics and Statistics |
Department: | Department of Information Technologies |
Information on submission and defense
Date of assignment: | 13. 1. 2019 |
---|---|
Date of submission: | 29. 4. 2019 |
Date of defense: | 30. 5. 2019 |
Identifier in the InSIS system: | https://insis.vse.cz/zp/69175/podrobnosti |