From data and algorithms to value creation in the Industry 4.0

Schmidt, Daniel (2022). From data and algorithms to value creation in the Industry 4.0. Thesis (Doctoral), E.T.S.I. Industriales (UPM). https://doi.org/10.20868/UPM.thesis.70523.

Description

Title: From data and algorithms to value creation in the Industry 4.0
Author/s:
  • Schmidt, Daniel
Contributor/s:
  • Ordieres-Meré, Joaquín
  • Villalba-Díez, Javier
Item Type: Thesis (Doctoral)
Read date: 13 May 2022
Subjects:
Freetext Keywords: Algoritmos; Deep Learning; Industry 4.0; Datos; Conocimiento = Algorithms; Deep Learning; Industry 4.0; Data; Knowledge
Faculty: E.T.S.I. Industriales (UPM)
Department: Ingeniería de Organización, Administración de Empresas y Estadística
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img] PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (34MB)
[img] PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (33MB)

Abstract

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.

More information

Item ID: 70523
DC Identifier: https://oa.upm.es/70523/
OAI Identifier: oai:oa.upm.es:70523
DOI: 10.20868/UPM.thesis.70523
Deposited by: Archivo Digital UPM 2
Deposited on: 01 Jun 2022 06:09
Last Modified: 01 Dec 2022 23:30
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM