Využití analýzy dat pro redukci variability hmotnostní odchylky osobních plášťů

Kateřina Smolková

Diplomová práce

The use of data analysis for variability reduction of weight deviation of passenger tires

Anotace:

Diplomová práce se zabývá tématem využití datové analýzy k řešení zadané business potřeby, kterou je zlepšit stabilitu hmotností osobních plášťů pro přední gumárenský podnik. Cílem práce je identifikovat nejsilnější faktory vedoucí k existenci zmetků ve výrobě osobních plášťů s nepřípustnou hmotností za účelem vytvoření analytického řešení pro podporu rozhodovacích procesů. V prvé řadě je charakterizováno řízení kvality výroby s důrazem na gumárenský průmysl, načež je detailně vymezeno hlavní business zadání. Další část práce je věnována vlastnímu řešení. Nejdříve je analyzován výrobní proces ve vztahu k hmotnostem osobních plášťů a následně jsou zmapována vhodná data pro prediktivní model (konkrétně klasifikační strom CART), který klasifikuje osobní pláště do třech hmotnostních tříd. S využitím výstupů modelu jsou posléze nalezeny nejsilnější faktory vedoucí k výrobě neshodných osobních plášťů. Na základě zjištěných poznatků je navrhnut Business Intelligence report pro účely řízení daných faktorů v rámci kontinuálního zlepšování kvality výroby.

Abstract:

The thesis focuses on how data analysis can be used to address a specific business need, which is to improve the weight stability of passenger tires for a leading rubber manufacturer. The aim of this thesis is to identify the main factors causing production of scraps with an unacceptable weight to create an analytical solution to support decision-making processes. First, the quality management in manufacturing is characterized with an emphasis on the rubber industry, and then the main business case is described in detail. Another part of the thesis is dedicated to the proposed solution. The tire production process is analysed at first in relation to the tire weight and consequently, suitable data are mapped for the purpose of building a predictive model (classification tree CART), which classifies tires into three weight classes. Examining the model's outputs, the main factors contributing to the production of unsuitable passenger tires are identified. Based on these findings, the Business Intelligence report is designed to manage the factors with the intention to continuously improve the production quality.

Klíčová slova

datová analýza, výroba, procesy, strojové učení, CART, business intelligence, variabilita

Keywords

data analysis, manufacturing, processes, machine learning, CART, business intelligence, variability

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 23. 6. 2024

Obhajoba závěrečné práce

• Obhajoba proběhla 7. 10. 2024
• Vedoucí: Pavel Zimmermann
• Oponent: Jan Pour

Vysoká škola ekonomická v Praze

Magisterský studijní program / obor:
Informační systémy a technologie / Business Intelligence