The amount of data is growing fast with the advance of data capturing and management technologies. However, data from different source are often isolated and not ready to be analyzed together as one data set. The effort of connecting pieces of isolated data into a unified data set is time consuming and often costly in terms of cognitive load and programming time. To address this problem, here we proposed an approach using machine learning to augment human intelligence in the data unification process, especially complex categorical data value unification. Many aspects of useful information are extracted from supervised machine learning models, then used to amplify intelligence of human experts in various aspects of the data unification process. An empirical study is performed applying the proposed methodology to the field of Asset Performance Management, specifically focus only on the performance of equipment asset. The experiments show that machine learning helps experts in the unification standard generation, unified value suggestion, batch data unification. We conclude that machine learning models contain valuable information that can facilitate the data unification process. / Master of Science

No description available.

The automotive industry is in a period of significant change with different emerging technologies trying to impact the industry. It is in a time where the fourth industrial revolution, Industry 4.0, opens up opportunities for OEMs to improve their products and services with the help of transitioning towards Asset Performance Management (APM 4.0). This master thesis has identified various OEMs values with the help of the framework Value Mapping Tool to help the companies capitalize on these opportunities. The values were divided into the following subvalues; Value Captured, Value Missed, and Value Opportunities. OEMs have to adapt their existing business models with the help of business model innovation to improve the identification of values further and stay competitive or gain competitive advantages. Literature regarding the current state of the automotive industry and transitioning towards APM 4.0 has been combined with findings from six semi-structured interviews. The findings are based on interviews with employees with different positions from various automotive companies in Sweden. Furthermore, the findings and the literature have been compared to three benchmarking studies of similar research in Germany, China, and the USA to gain an overall view of the problem. The missed values are characterized by Complexity, Ambiguity, and Knowledge. Moreover, the values captured show that new business models are needed due to the market rapidly transforming but companies lacking knowledge on how to capture value. The complexity concerns the new complex technologies arriving as well as the high level of uncertainties rising with the introduction of APM 4.0. The ambiguities indicate the problems the automotive companies have with searching for information since they do not know what to expect. The knowledge refers to knowledge gained during the process of implementing APM 4.0 in order to identify valuable unexplored data. Nonetheless, the study also led to finding potential value opportunities despite the lack of knowledge and a high level of uncertainty. There are unexplored business models which can improve the manufacturing processes for the automotive companies. Project benchmarking has shown positive signs but still has not reached its full potential due to low amounts of tests. The study concludes that many clear obstacles hinder a successful implementation of APM 4.0 within the Swedish automotive industry. In order for the automotive companies to optimize the implementation, they have to capture value relevant to their business model. / Fordonsindustrin befinner sig i en period av tydliga ändringar då ny teknologi försöker göra sitt avtryck på industrin. Det är i en tid då den fjärde industriella revolutionen, Industry 4.0, öppnar upp möjligheter för OEM:s att förbättra deras produkter och tjänster med hjälp av skiftet mot ”Asset Performance Management (APM 4.0)”. Denna masters arbete har identifierat olika värden i OEM:s med hjälp av ramverket Value Mapping Tool för att stödja företag att ta vara på dessa möjligheter. Värdena blev uppdelade i följande delvärden; Värde Fångat, Värde Missat och Värde Möjligheter. OEM:s måste anpassa deras nuvarande affärsmodell med hjälp av affärsmodellsinnovation för att kunna förbättra identifieringen av värden ännu mer och för att förbli konkurrenskraftig eller tjäna konkurrensfördelar. Litteraturen angående det rådande läget av fordonsindustrin och skiftet mot APM 4.0 har kombinerats med resultatet från de sex semistrukturerade intervjuerna. Resultatet är baserade på intervjuer med anställda inom olika positioner från varierande fordonsföretag i Sverige. Vidare, har resultatet och litteraturen jämförts med tre riktmärknings studier av liknande forskning i Tyskland, Kina och USA för att kunna få en överblick av problemet. De missade värdena karaktäriseras av Komplexitet, Oklarhet och Kunskap. Vidare, visar de fångade värden att nya affärsmodeller krävs på grund av den snabbt ändrade marknaden i samband med den nya teknologin som kommer, men företag saknar kunskap av att veta hur de ska fånga denna värde. Komplexitet berör de nya komplexa teknologierna som kommer samt den höga nivå av osäkerhet som uppstår i samband med introduktionen av APM 4.0. Oklarhet syftar på de problem som fordonsföretag har med att hitta information eftersom de inte vet vad de ska förvänta sig. Kunskap hänvisar till kunskap erhållen under implementeringsprocessen av APM 4.0 för att identifiera värdefull outforskad data. Likväl, hittade studien också potentiella värde möjligheter trots bristen på kunskap och den höga nivån av osäkerhet. Det finns oupptäckta affärsmodeller som kan förbättra tillverkningsprocesserna för fordonsföretag. Riktmärkning projekten har visat positiva tecken men har fortfarande inte uppnått sin fulla potential på grund av det låga antalet tester. Studien drar slutsatsen att det finns många tydliga hinder för en lyckad implementering av APM 4.0 inom den svenska fordonsindustrin. För att dessa fordonsföretag ska optimera implementeringen måste de fånga värde som är relevant till deras affärsmodeller.