Amidst a world with emerging problems in workforce shortages, environmentalimpact, and energy crisis, it has become essential to increase production efficiency.Having data driven processes using artificial intelligence and machine learning canbe a step towards the solution. Nevertheless, these applications rely heavily on datascientists being able to create high quality models. Complications can arise becausethe data is normally generated in conjunction with processes outside the datascientist’s competency. Therefore, it is of great importance that the personnelworking in proximity to the data generation are instilled with some competency ofdata science. So that they can, not only communicate and aid data scientists in theirwork but, perform data analysis themselves. Combining the results from a literaturereview and discussions with experts in the field of production and data science, afive-step plan was made that engineers can follow to have a value adding impactwhen working with data scientists. The content of this paper relates to an industrialsetting, namely Scania which is where the project was performed, but in essence thismethod can be used by anyone working with high volume data. / I en värld präglad av problem kring brist på arbetskraft, miljöpåverkan, och energikrisblir det allt viktigare att öka produktionen samtidigt som man minskarresursanvändningen. Användningen av artificiell intelligens och maskininlärning kanvara ett steg mot lösningen. Dessa applikationer kräver att datavetare kan göra bramodeller, men problemet är att datagenerering ofta sker utanför en datavetareskärnkompetens. Det är således viktigt för personal som arbetar näradatagenereringen att ha vissa kunskaper inom datavetenskap, så att det inte barakan kommunicera och hjälpa datavetare, utan också själva utföra analyser. Genomatt kombinera resultatet av en litteraturstudie och intervjuer med experter inom fältetför produktion och datavetenskap har en femstegs plan gjorts som ingenjörer kananvända för att utvärdera sin data och jobba mer effektivt med datavetare. Innehålleti arbetet relaterar främst till industriella situationer, i synnerhet Scania vilket är därarbetet utgjorts, men kan i grunden användas av vem som helst som jobbar med enhög volym av data.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-323559 |
| Date | January 2022 |
| Creators | Bayati, Arastoo |
| Publisher | KTH, Produktionsutveckling |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-ITM-EX ; 2023:8 |
Page generated in 0.0018 seconds