Adatelemzésen alapuló gyártósor-optimalizálás

OData támogatás
Konzulens:
Dr. Dudás Ákos
Automatizálási és Alkalmazott Informatikai Tanszék

A diplomaterv a Continental Corporation, világszinten vezető autóipari cég magyarországi

leányvállalatával, a Continental Automotive Hungary Kft.-vel közösen készült. A különböző

termékek gyártása során a telephely jelentős mennyiségű mérési adatot állít elő több tucat

gyártósoron. Jelenleg csak korlátolt mértékben valósul meg a gyártási adatokra épülő prediktív

adatelemzés. A mérési adatok és minőségügyi mutatók között rejlő lehetséges összefüggések jobb

megértése érdekében, a Vehicle Dynamics (VED) üzletág számos elemzési esetet javasolt az ER100

nevű elektronikus fékrendszer termékcsalád gyártása alatt megfigyelt gyártásminőségi hibákkal

kapcsolatban.

A diplomatervben először a cég jelenlegi, központi Manufacturing Execution System (MES)

rendszerre épülő adatgyűjtési folyamatait és sztenderd üzleti intelligencia (BI) és riportolási

megoldásait mutatom be közelebbről. Ezután megtervezek és implementálok egy teljes gépi

tanulásos adatfeldolgozási folyamatot, kezdve a heterogén adatok SQL Server Integration Services

(SSIS) szoftverével történő integrálásával, ami által előállítható a bemenete olyan különböző gépi

tanulás modelleknek, melyek sikeres betanítás után predikciókat szolgáltatnak.

Az elméleti összefoglalás, a használt szoftver eszközök és gépi tanulásos technikák bemutatása

után két, valós adatokon alapuló, a VED üzletág által javasolt esettanulmányt mutatok be. Ezek

során számos gépi tanulásos modellt hozok létre népszerű keretrendszereket használva, mint a

Scikit-learn és TensorFlow. A bemeneti adatok jobb megértése céljából az adatfelderítési fázis alatt

egy interaktív web-es dashboard-ot hozok létre a Python Bokeh vizualizációs könyvtárát használva.

A helyi adatközpontban (on-premise) megvalósított adatelemzés mellett egy, az Amazon Web

Services (AWS) által kínált Amazon SageMaker szolgáltatásra épülő, felhő-alapú gépi tanulásos

modell betanítását és predikciós végpont kialakítását is bemutatom egy konkrét példa keretében.

Végül az adatelemzési esettanulmányok eredményeit mutatom be kiegészítve további

lehetséges feladatokkal kapcsolatban, ami által az eredmények javíthatóak lennének, illetve olyan

kiegészítő lépésekkel, amikkel a diplomaterv alatt készített megoldások éles gyártási környezetben

bevezethetővé válhatnának.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.