Tesis por compendio / [ES] El paradigma de la Industria 4.0 (I4.0) gravita en gran medida sobre el potencial de las tecnologías de la información y la comunicación (TIC) para mejorar la competitividad y sostenibilidad de las industrias. El concepto de Smart Manufacturing Scheduling (SMS) surge y se inspira de ese potencial. SMS, como estrategia de transformación digital, aspira a optimizar los procesos industriales mediante la aplicación de tecnologías como el gemelo digital o digital twin (DT), el modelo de gestión zero-defect manufacturing (ZDM), y el aprendizaje por refuerzo profundo o deep reinforcement learning (DRL), con el propósito final de orientar los procesos de programación de operaciones hacia una automatización adaptativa en tiempo real y una reducción de las perturbaciones en los sistemas de producción. SMS se basa en cuatro principios de diseño del espectro I4.0: automatización, autonomía, capacidad de acción en tiempo real e interoperabilidad. A partir de estos principios clave, SMS combina las capacidades de la tecnología DT para simular, analizar y predecir; la del modelo ZDM para prevenir perturbaciones en los sistemas de planificación y control de la producción; y la del enfoque de modelado DRL para mejorar la toma de decisiones en tiempo real. Este enfoque conjunto orienta los procesos de programación de operaciones hacia una mayor eficiencia y, con ello, hacia un mayor rendimiento y resiliencia del sistema productivo. Esta investigación emprende, en primer lugar, una revisión exhaustiva del estado del arte sobre SMS. Con la revisión efectuada como referencia, la investigación plantea un modelo conceptual de SMS como estrategia de transformación digital en el contexto del proceso de programación del taller de trabajos o job shop. Finalmente, la investigación propone un modelo basado en DRL para abordar la implementación de los elementos clave del modelo conceptual: el DT del taller de trabajos y el agente programador. Los algoritmos que integran este modelo se han programado en Python y han sido validados contra varias de las más conocidas reglas heurísticas de prioridad. El desarrollo del modelo y los algoritmos supone una contribución académica y gerencial en el área de la planificación y control de la producción. / [CA] El paradigma de la Indústria 4.0 (I4.0) gravita en gran mesura sobre el potencial de les tecnologies de la informació i la comunicació (TIC) per millorar la competitivitat i la sostenibilitat de les indústries. El concepte d'smart manufacturing scheduling (SMS) sorgeix i inspira a partir d'aquest potencial. SMS, com a estratègia de transformació digital, aspira a optimitzar els processos industrials mitjançant l'aplicació de tecnologies com el bessó digital o digital twin (DT), el model de gestió zero-defect manufacturing (ZDM), i l'aprenentatge per reforçament profund o deep reinforcement learning (DRL), amb el propòsit final dorientar els processos de programació doperacions cap a una automatització adaptativa en temps real i una reducció de les pertorbacions en els sistemes de producció. SMS es basa en quatre principis de disseny de l'espectre I4.0: automatització, autonomia, capacitat d¿acció en temps real i interoperabilitat. A partir d'aquests principis clau, SMS combina les capacitats de la tecnologia DT per simular, analitzar i predir; la del model ZDM per prevenir pertorbacions en els sistemes de planificació i control de la producció; i la de de l'enfocament de modelatge DRL per millorar la presa de decisions en temps real. Aquest enfocament conjunt orienta els processos de programació d'operacions cap a una eficiència més gran i, amb això, cap a un major rendiment i resiliència del sistema productiu. Aquesta investigació emprèn, en primer lloc, una exhaustiva revisió de l'estat de l'art sobre SMS. Amb la revisió efectuada com a referència, la investigació planteja un model conceptual de SMS com a estratègia de transformació digital en el context del procés de programació del taller de treballs o job shop. Finalment, la investigació proposa un model basat en DRL per abordar la implementació dels elements claus del model conceptual: el DT del taller de treballs i l'agent programador. Els algorismes que integren aquest model s'han programat a Python i han estat validats contra diverses de les més conegudes regles heurístiques de prioritat. El desenvolupament del model i els algorismes suposa una contribució a nivell acadèmic i gerencial a l'àrea de la planificació i control de la producció. / [EN] The Industry 4.0 (I4.0) paradigm relies, to a large extent, on the potential of information and communication technologies (ICT) to improve the competitiveness and sustainability of industries. The smart manufacturing scheduling (SMS) concept arises and draws inspiration from this potential. As a digital transformation strategy, SMS aims to optimise industrial processes through the application of technologies, such as the digital twin (DT), the zero-defect manufacturing (ZDM) management model and deep reinforcement learning (DRL), for the ultimate purpose of guiding operations scheduling processes towards real-time adaptive automation and to reduce disturbances in production systems. SMS is based on four design principles of the I4.0 spectrum: automation, autonomy, real-time capability and interoperability. Based on these key principles, SMS combines the capabilities of the DT technology to simulate, analyse and predict; with the ZDM model, to prevent disturbances in production planning and control systems; by the DRL modelling approach, to improve real-time decision making. This joint approach orients operations scheduling processes towards greater efficiency and, with it, a better performing and more resilient production system. This research firstly undertakes a comprehensive review of the state of the art on SMS. By taking the review as a reference, the research proposes a conceptual model of SMS as a digital transformation strategy in the job shop scheduling process context. Finally, it proposes a DRL-based model to address the implementation of the key elements of the conceptual model: the job shop DT and the scheduling agent. The algorithms that integrate this model have been programmed in Python and validated against several of the most well-known heuristic priority rules. The development of the model and algorithms is an academic and managerial contribution in the production planning and control area. / This thesis was developed with the support of the Research Centre on Production Management and Engineering (CIGIP) of the Universitat Politècnica de València and received funding from: the European Union H2020 programme under grant agreement No. 825631, “Zero Defect Manufacturing Platform (ZDMP)”; the European Union H2020 programme under grant agreement No. 872548, "Fostering DIHs for Embedding Interoperability in Cyber-Physical Systems of European SMEs (DIH4CPS)"; the European Union H2020 programme under grant agreement No. 958205, “Industrial Data Services for Quality Control in Smart Manufacturing (i4Q)”; the European Union Horizon Europe programme under grant agreement No. 101057294, “AI Driven Industrial Equipment Product Life Cycle Boosting Agility, Sustainability and Resilience” (AIDEAS); the Spanish Ministry of Science, Innovation and Universities under grant agreement RTI2018-101344-B-I00, "Optimisation of zero-defects production technologies enabling supply chains 4.0 (CADS4.0)"; the Valencian Regional Government, in turn funded from grant RTI2018- 101344-B-I00 by MCIN/AEI/10.13039/501100011033 and by “ERDF A way of making Europe”, "Industrial Production and Logistics optimization in Industry 4.0" (i4OPT) (Ref. PROMETEO/2021/065); and the grant PDC2022-133957- I00, “Validation of transferable results of optimisation of zero-defect enabling production technologies for supply chain 4.0” (CADS4.0-II) funded by MCIN/AEI/10.13039/501100011033 and by European Union Next GenerationEU/PRTR. / Serrano Ruiz, JC. (2024). Job shop smart manufacturing scheduling by deep reinforcement learning for Industry 4.0 [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/202871 / Compendio

<p>A thesis study investigating the development and evaluation of a computer vision (CV) system for a manufacturing assembly task is reported. The CV inference results are compared to a Manufacturing Process Plan and an automation method completes a buyoff in the software, Solumina. Research questions were created and three hypotheses were tested. A literature review was conducted recognizing little consensus of Industry 4.0 technology adoption in manufacturing industries. Furthermore, the literature review uncovered the need for additional research within the topic of CV. Specifically, literature points towards more research regarding the cognitive capabilities of CV in manufacturing. A CV system was developed and evaluated to test for 90% or greater confidence in part detection. A CV dataset was developed and the system was trained and validated with it. Dataset contextualization was leveraged and evaluated, as per literature. A CV system was trained from custom datasets, containing six classes of part. The pre-contextualization dataset and post-contextualization dataset was compared by a Two-Sample T-Test and statistical significance was noted for three classes. A python script was developed to compare as-assembled locations with as-defined positions of components, per the Manufacturing Process Plan. A comparison of yields test for CV-based True Positives (TPs) and human-based TPs was conducted with the system operating at a 2σ level. An automation method utilizing Microsoft Power Automate was developed to complete the cognitive functionality of the CV system testing, by completing a buyoff in the software, Solumina, if CV-based TPs were equal to or greater than human-based TPs.</p>

No description available.

Med tiden och utvecklingen av ny teknik skapas förutsättningar för nya industriella revolutioner vilka historiskt har förändrat produktionsindustrin radikalt. Industri 4.0 är vägen till nästa paradigmskifte och ska med implementering av smart teknik möjliggöra en mer flexibel och effektiv produktion. Samtidigt har frågan ställts om den kommande revolutionen kommer att vara en hållbar lösning ur ett ekonomiskt, ekologiskt och socialt perspektiv. I den här studien har en empirisk studie på de två svenska företagen Scania AB och Atlas Copco utförts för att ta reda på om Industri 4.0 kommer innebära en ekonomisk tillväxt samt om arbetsförhållanden kommer att förändras. Arbetet inleddes med en litteraturstudie i form av en teoristudie på hållbar produktion, smart tillverkning och Industri 4.0. Med erhållen information kunde en förstudie med specifika sökningar utföras på vetenskapliga artiklar om Industri 4.0 och dess påverkan ekonomiskt och socialt, parallellt som frågor dokumenterades för att förbereda en intervjustudie på de ovannämnda företagen. Slutligen kunde all insamlad fakta och data analyseras för att angripa arbetets frågeställning och underfrågor. Utifrån den sociala aspekten visade studien på att en möjlig drivkraft till varför ett svenskt företag idag behöver nå Industri 4.0 är att intresset för traditionellt montörsarbete har minskat från arbetstagarna och med smart teknik kan automatiseringen minska beroendet av människan. Vidare kommer arbetsuppgifter på verkstadsgolvet förändras till att handla om interaktion med automatiserad teknik. Människan spelar fortfarande en stor roll vilket medför att behovet av arbetskraft kommer kvarstå men med fokus på nya kompetenser hos den anställde. Kunskaper kring IT-teknik prioriteras med den kommande systemkomplexiteten vilken smart tillverkning medför och med det behöver industriella produktionsföretag locka ny kompetent personal parallellt med utbildning av existerande. Ny personal kommer lära sig arbetsuppgifter enkelt via hjälpande verktyg samt digitala realtidsinstruktioner och på så sätt förenklas vägarna till att införskaffa och upprätthålla kompetent personal. Det historiskt påverkande problemet inom produktionsarbete med utarbetad och skadad personal kan med de nya produktionsverktygen minimeras tack vare ergonomiska och assisterande verktygslösningar samt digitaliserade utbildningar i en verklig arbetsorienterad miljö. Det ekonomiska perspektivet visade i studien att det finns nya värdeskapande processer och därmed nya affärsmodeller som alla försöker leverera skräddarsydda lösningar till kunderna. En utav dessa är den resultatbaserade affärsmodellen som går ut på att tillfredsställa behov innan de ens uppstår. Den bygger mycket på att smarta sensorer placeras i produkter för att kunna samla in en stor mängd data som sedan ska kunna analyseras för att till exempel se om delar behöver bytas ut. Ytterligare en ekonomisk konsekvens som förväntas av Industri 4.0 är att företag kommer vilja inkorporera smart teknologi i produktionen där alla maskiner är uppkopplade och utbyter data och information. Anledningen är att på samma sätt som den resultatbaserade ekonomin, så ska data tala om hur maskiner och människor presterar och mjukvaran kan därmed föreslå förbättringar som ska i längden leda till ökad produktivitet, kvalité och effektivitet. / With time and development of new technology, premises for a new industrial revolution which historically have radically changed the production-industry have emerged. Industry 4.0 is the road to the next paradigm shift, and with implementation of new smart technology, will enable a more flexible and effective production. At the same time, questions have been asked if the coming revolution would mean a sustainable solution from an economical, ecologic and social perspective. In this paper, an empirical study has been done on the two Swedish companies Scania AB and Atlas Copco to find out if Industry 4.0 will ensue in an economical growth and better working conditions for the workers. This study began with a research in the form of a literature study on sustainable production, Industry 4.0 and smart manufacturing. With the obtained information, more specific searches could be made on scientific articles about Industry 4.0 and its economic and social impact, while on the side, questions were written down to prepare an interview study for the previously named companies. Finally, all the collected facts and data was analyzed to attempt to answer this papers issue and sub questions. From the social aspect point of view, this study showed a potential driving force to why a Swedish company today needs to go for Industry 4.0. It is that the interest for traditional manufacturing work has decreased and with automation, manufacturing is less dependent on the human. Furthermore, the work tasks on the shop-floor will change to interacting with automated technology. Humans will still be important which means the need for labour will remain but with higher prerequisites for the employees - especially education. Knowledge about IT will be prioritized with the coming system. Complexity which is brought by smart manufacturing, and with that, industry companies will have to attract new competent employees as the same time as they form and educate the old ones. New employees will be able to learn work tasks easily thanks to Virtual Reality technology and by so,  opening moreways for the company to acquire competent personnel. The historically-known problem of outburned or injured employees will be minimized thanks to new assisted tools and digitalized employee-training in a real and work-oriented environment. The economical perspective showed in this paper that there are new value creating processes and therefore new business models that try to supply tailor-made solutions to the customers. One out of these models is the outcome-business-model that focuses on satisfying the customer’s needs before they even appear. To be able to do this, smart sensors are placed in products to collect a large amount of data that will be analysed to see if some parts need replacement for instance. Another economical consequence that is expected from Industry 4.0 is that companies will try to incorporate smart technology in the production line where all machines will be connected to a network and able to exchange data and information. The reason is similar to the outcome-based-business-model, where the data will tell how machines and people perform and the software will there be able to suggest areas of improvement and lead to increased productivity, effectivity and enhanced quality.

Den globala industrin har under det senaste decenniet genomgått en enorm digital transformation, där tillämpandet av digitala och smarta verktyg inom företag aldrig har varit mer påtagligt. Under november 2011 presenterades begreppet Industrial 4.0 i en artikel skriven av den Tyska regeringen som beskriver en teknikintensiv strategi för år 2020 och omfattar vad idag betraktas som den fjärde industriella revolutionen. Industri 4.0 utgörs till stor del av integrationsprocessen mellan teknik och övrig verksamhet inom ett tillverkningsföretag, vilket i sin tur ger upphov till teknik såsom; automation, förstärkt verklighet, simuleringar, intelligenta tillverkningsprocesser samt övriga processindustriella IT-verktyg och -system. Flertal forskningsstudier hävdar att Industri 4.0-teknologier har potential att revolutionera sättet företag idag tillverkar produkter, men i och med att begreppet är relativt nytt, abstrakt samt består av väldigt komplexa tekniker och komponenter, är införandet av dessa inom en tillverkningsmiljö för närvarande en stor utmaning för tillverkande företag. Denna studie syftar alltså till att belysa de utmaningar och hinder som större tillverkande företag möter vid implementering av digital och smart teknik, samt åtgärder för att motverka dessa. Målet med studien är att leverera ett användbart resultat både för aktiva företag inom tillverkningsindustrin i form av stöd vid analys och diskussion av eventuella implementeringsstrategier och -satsningar inom Industri 4.0, men också ge övriga intressenter en uppfattning kring ämnet med tanke på att det, som sagt, är ett abstrakt system. En litteraturstudie genomfördes både för att få en överblick kring ämnet Industri 4.0 och hur det har behandlats i tidigare examensarbeten, avhandlingar samt forskningsstudier, men även för att identifiera tidigare identifierade hinder. Därefter genomfördes fältstudier på två tillverkande företag, Scania och Atlas Copco, samt teknikkonsultföretaget Knightec. Syftet med detta var framförallt att få en mer påtaglig och verklighetsförankrad uppfattning av Industri 4.0 men även verifiera att informationen i den teoretiska delen är relevant i praktiken för en tillverkande verksamhet. Studien påvisade därtill att identifierade utmaningar och hinder återfinns bland flertal organisatoriska områden inom ett tillverkande företag, varav de mest framgående aspekterna omfattade strategi, ledarskap, kunder, kultur, anställda, juridik samt teknik. Resultatet avslöjade vidare att tillverkande företag präglas av bristfälliga planer och strategier för att identifiera samt implementera nya tekniska lösningar, konflikter bland de anställda, svårigheter att integrera kundsystem enhetligt inom produktionen, avsaknad av lämplig teknisk kompetens, juridiska problem vad gäller hantering av data samt svårigheter att integrera nya och gamla teknologier. / The global industry has during the last decade undergone a considerable digital transformation, whereas the application of digital and smart technology within companies has never been more of a relevant field. During November of 2011, the term Industrial 4.0 was presented in an article written by the German government to describe a technology intensive strategy for the year 2020 and signifies what today is defined as the fourth industrial revolution. Industry 4.0 largely consists of the integration process between technology and remaining operations within a manufacturing company, which enables the development of technologies such as; automation, augmented reality, simulations, intelligent manufacturing processes and other process industrial IT-tools and systems. Several research studies has suggested that Industry 4.0 technologies has the potential to revolutionize the way companies today manufacture products, however, since the concept is relatively new, abstract and consists of various complex technologies and components, the implementation process of these within a manufacturing environment is one largest challenges that manufacturing companies are facing. This study therefore aims to highlight the challenges and difficulties that large manufacturing companies are facing when implementing digital and smart technology, as well as provide solutions regarding how they can be overcome. The overall goal is to deliver useful results both for active companies within the manufacturing industry in regards to serving as support when analyzing and discussing possible implementation strategies as well investments related to Industry 4.0, but also to provide surrounding stakeholders with a perception of the subject. At the commencement of the project, a literature study was performed to develop an overview of how Industry 4.0 has been discussed in previous theses and research studies as well as to find previously identified difficulties regarding the implementation process. Finally, a field study was performed at Scania and Atlas Copco and at the technology consulting firm Knightec. The main purpose was to gain a more realistic perspective regarding how digitalization and Industry 4.0 systems are applied and to verify that the information from our theoretical study is relevant and applicable within an actual manufacturing company. The study furthermore revealed that the identified difficulties and challenges can be found within multiple organizational areas of a manufacturing company, whereas the most distinct aspects consisted of strategy, leadership, customers, culture, employees, legal governance as well as technology. The results showed that companies were characterized by an overall lack of strategy to implement new technologies, conflicts with employees during implementation, difficulties to integrate customer orders with production, lack of technical skills in staff, legal issues regarding data storage and difficulties integrating new and old technologies.