Prediktivní analytika ve výrobě

Petr Adámek

Diplomová práce

Predictive Analytics In Manufacturing

Anotace:

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.

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.

Klíčová slova

big data, internet věcí, prediktivní analytika, průmysl 4.0, prediktivní údržba, strojové učení

Keywords

big data, internet of things, predictive analytics, predictive maintenance, industry 4.0, machine learning

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 13. 1. 2019

Obhajoba závěrečné práce

• Obhajoba proběhla 30. 5. 2019
• Vedoucí: Jan Pour
• Oponent: Zuzana Šedivá

Vysoká škola ekonomická v Praze

Magisterský studijní program / obor:
Aplikovaná informatika / Informační systémy a technologie