Car manufacturing analysis: influence of configuration on production time
| Thesis title: | Analýza výroby automobilů: Vliv konfigurace na délku výroby |
|---|---|
| Author: | Vancl, Jakub |
| Thesis type: | Závěrečná práce - Institut celoživotního vzdělávání |
| Supervisor: | Zimmermann, Pavel |
| Opponents: | Gerthofer, Michal |
| Thesis language: | Česky |
| Abstract: | Tato práce se zabývá problematikou výroby automobilů, konkrétně vlivem výbavy na délku výroby. Současně je cílem odhalit ty prvky výbavy, které nejvíce ovlivňují délku výroby. Tyto cíle jsou naplněny pomocí strojového učení. Příprava dat probíhala jak přes SQL, kdy byla data pomocí nástroje SSIS nahrána do relační databáze, tak přes Python. I díky process miningu bylo možné rozdělit výrobu do jednotlivých dílčích úseků, v rámci kterých byly určeny nejsignifikantnější výbavové prvky, predikce jestli auto s konkrétní specifikací bude vyráběno déle než obvykle a případně i čas, který konkrétní automobil na daném úseku stráví. Nejlepších výsledků bylo dosaženo použitím algoritmů regresní náhodný les a vícevrstvý perceptron. Dále vznikla process miningová mapa, která znázornila celý výrobní proces a díky které je možné identifikovat problémová místa. Na konci práce jsou shrnuty výsledky včetně doporučení čím se zabývat. Dále jsou zde návrhy pro případný další rozvoj. |
| Keywords: | výroba automobilů; výbava; délka výroby; strojové učení |
| Thesis title: | Car manufacturing analysis: influence of configuration on production time |
|---|---|
| Author: | Vancl, Jakub |
| Thesis type: | Závěrečná práce - Institut celoživotního vzdělávání |
| Supervisor: | Zimmermann, Pavel |
| Opponents: | Gerthofer, Michal |
| Thesis language: | Česky |
| Abstract: | This paper deals with car manufacturing problematic especially the influence of equipment on production time. At the same time, the aim is to reveal those equipment elements that most influence the production time. These goals are fulfilled through machine learning. Data preparation took place both via SQL, when the data was uploaded to the relational database using the SSIS tool and via Python. Thanks to the process mining, it was possible to divide production into individual sub-sections, within which the most significant equipment elements were determined, predictions of whether a car with a specific specification will be produced longer than usual and possibly also the time a particular car spends on a given section. The best results were obtained using regression random forest and multilayer perceptron algorithms. Furthermore, a process mining map was created, which illustrated the entire production process and thanks to which it is possible to identify problem areas. At the end of the work, the results are summarized, including recommendations on what to deal with. There are also suggestions for possible further development. |
| Keywords: | car manufacturing; equipment; production time; machine learning |
Information about study
| Study programme: | Data & Analytics for Business Management |
|---|---|
| Type of study programme: | Celoživotní vzdělávání studijní program |
| Assigned degree: | MBA |
| 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: | 1. 4. 2020 |
|---|---|
| Date of submission: | 10. 1. 2021 |
| Date of defense: | 12. 3. 2021 |
| Identifier in the InSIS system: | https://insis.vse.cz/zp/75697/podrobnosti |