Tesis:
From data and algorithms to value creation in the Industry 4.0
- Autor: SCHMIDT, Daniel
- Título: From data and algorithms to value creation in the Industry 4.0
- Fecha: 2022
- Materia: Sin materia definida
- Escuela: FACULTAD DE INFORMATICA
- Departamentos: AEROTECNIA
- Acceso electrónico: https://oa.upm.es/70523/
- Director/a 1º: ORDIERES MERÉ, Joaquín
- Director/a 2º: VILLALBA-DIEZ, Javier
- Resumen: Desarrollar formas de crear, recopilar y poner a disposición de los usuarios los conocimientos es esencial para la mejora de las empresas y el impulso hacia la Industria 4.0. La tecnología digital puede respaldar este esfuerzo y hacer que sea posible compartir estos conocimientos a escala mundial. Para aprovechar al máximo las posibilidades, se requiere la perspectiva holística de una empresa como sistema sociotécnico. En esta red, tanto los trabajadores como la tecnología deben actuar coordinadamente a través de estrategias y conocimientos para lograr resultados positivos. Para un trabajador, esto se da a través del sistema de gestión óptimo, sus conocimientos y la interacción con otros empleados y la tecnología. En la tecnología, los algoritmos y los datos dirigen estos factores. Mediante el uso de estos, esta tesis investiga diferentes direcciones y oportunidades para abordar los retos hacia la Industria 4.0. En un estudio de caso, a través de la utilización de sensores de electroencefalografía, se ha demostrado que el uso de diferentes métodos de gestión ajustada mostró diferencias dramáticas en los patrones cerebrales de los practicantes y un sistema de aprendizaje profundo fue capaz de clasificar los datos registrados con una precisión del 96,5%. Este conocimiento puede utilizarse para comprender las diferencias que presentan los métodos de gestión y cómo se pueden conseguir mejores resultados mediante la gestión ajustada. Mediante el uso del aprendizaje profundo, se demuestran estrategias para el control y la mejora de la calidad. Se logró una clasificación automática de los defectos con una tasa de precisión del 98,4%. Mediante el uso de conocimientos y datos de la industria de la impresión, se ha demostrado que la automatización de un proceso de trabajo que antes era manual es posible y ofrece muchos beneficios y nuevas vías de desarrollo aprovechando la economía digital. ----------ABSTRACT---------- Developing ways to better create, collect, and make knowledge available is essential to the improvement of businesses and the drive towards the Industry 4.0. Digital technology can support this endeavour and make it feasible to share this knowledge on a global scale. To gain full advantage of the possibilities, it requires the holistic perspective of a company as a sociotechnical system. In this network, both workers and technology need to act in coordination through strategies and knowledge to achieve positive results. For a worker, this is given through the optimal management system, his or her knowledge, and the interaction with other employees and technology. In technology, algorithms and data drive these factors. Through the usage of these, this thesis researches different directions and opportunities to tackle the challenges towards the Industry 4.0. In a case study, through the utilisation of electroencephalography sensors, it has been proven that the use of different lean management methods showed dramatic differences in the brain patterns of practitioners and a deep learning system was able to classify the recorded data with an accuracy of 96.5%. This knowledge can be used to understand the differences the management methods have and how better results can be achieved through lean management. Through the use of deep learning, strategies for quality control and quality improvement are demonstrated. An automatic classification of defects was achieved with an accuracy rate of 98.4%. By using knowledge and data from the printing industry, it has been proven that the automation of a previously manual work process is possible and offers many benefits and further paths for development by taking advantage of the digital economy.