Loading...
Publication
Towards a functional architecture for integrating ai techniques to enhance kpi management and production performance: a mechatronics industry perspective
| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 5.23 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
In the rapidly evolving mechatronics industry, optimizing manufacturing productivity is essential for maintaining competitiveness and sustainability. This research aims to develop a functional architecture that integrates AI technologies, such as machine learning and predictive analytics, to improve KPI management. The framework seeks to enhance KPI management by optimizing individual performance metrics and promoting collaboration among companies to share experiences and results.
The study will validate three key hypotheses about the impact of AI-driven KPI management on production performance, decision-making, and sustainability. The first hypothesis (H1) explores whether AI-driven KPI management frameworks lead to improvements in operational efficiency, quality, and productivity, using regression analysis of data from IoT sensors that monitor machine performance.
The second hypothesis (H2) examines how predictive analytics and machine learning models in KPI systems enhance real-time decision-making. Time-series analysis and neural networks will be applied to data from ERP and MES systems to assess decision-making improvements.
The third hypothesis (H3) investigates the integration of ecological KPIs using Life Cycle Assessment (LCA) tools. Econometric models, such as the Cobb-Douglas production function, will be used to quantify the impact of green manufacturing practices on production efficiency and sustainability. The results provide actionable insights for stakeholders, demonstrating how integrating AI technologies into a KPI framework can significantly improve productivity and sustainability in the mechatronics sector.
Na indústria mecatrónica em rápida evolução, a otimização da produtividade na produção/fabrico, é essencial para manter a competitividade e a sustentabilidade das unidades fabris. Este trabalho de investigação pretende desenvolver uma arquitetura funcional que integra tecnologias de Inteligência Artificial (IA), como por exemplo a aprendizagem automática e análises preditivas, para melhorar a gestão de Key Performance Indicators (Indicadores de desempenho) (KPI). O framework pretende aprimorar a gestão de KPI ao otimizar métricas de desempenho individuais e promover a colaboração entre empresas para partilhar experiências e resultados. O estudo validou três hipóteses-chave sobre o impacto da gestão de KPI baseada em IA no desempenho da produção, na tomada de decisão e na sustentabilidade. A primeira hipótese (H1) explora se estruturas de gestão de KPI baseadas em IA conduzem a melhorias na eficiência operacional, qualidade e produtividade, utilizando análise de regressão de dados de sensores IoT (Internet of Things) que monitoram o desempenho das máquinas. A segunda hipótese (H2) analisa como modelos de aprendizagem automática e análises preditivas em sistemas de KPI melhoram a tomada de decisão em tempo real. Análises de séries temporais e redes neurais serão exploradas, com aplicação a dados de sistemas ERP e MES para avaliar melhorias na tomada de decisão. A terceira hipótese (H3) investiga a integração de KPI ecológicos utilizando ferramentas de Avaliação do Ciclo de Vida (LCA). Modelos econométricos, como a função de produção de Cobb-Douglas, serão utilizados para quantificar o impacto de práticas de fabricação sustentável na eficiência da produção e na sustentabilidade. Os resultados fornecerão insights acionáveis para as partes interessadas, demonstrando como a integração de tecnologias de IA em um framework de KPI pode melhorar significativamente a produtividade e a sustentabilidade no setor de mecatrônica.
Na indústria mecatrónica em rápida evolução, a otimização da produtividade na produção/fabrico, é essencial para manter a competitividade e a sustentabilidade das unidades fabris. Este trabalho de investigação pretende desenvolver uma arquitetura funcional que integra tecnologias de Inteligência Artificial (IA), como por exemplo a aprendizagem automática e análises preditivas, para melhorar a gestão de Key Performance Indicators (Indicadores de desempenho) (KPI). O framework pretende aprimorar a gestão de KPI ao otimizar métricas de desempenho individuais e promover a colaboração entre empresas para partilhar experiências e resultados. O estudo validou três hipóteses-chave sobre o impacto da gestão de KPI baseada em IA no desempenho da produção, na tomada de decisão e na sustentabilidade. A primeira hipótese (H1) explora se estruturas de gestão de KPI baseadas em IA conduzem a melhorias na eficiência operacional, qualidade e produtividade, utilizando análise de regressão de dados de sensores IoT (Internet of Things) que monitoram o desempenho das máquinas. A segunda hipótese (H2) analisa como modelos de aprendizagem automática e análises preditivas em sistemas de KPI melhoram a tomada de decisão em tempo real. Análises de séries temporais e redes neurais serão exploradas, com aplicação a dados de sistemas ERP e MES para avaliar melhorias na tomada de decisão. A terceira hipótese (H3) investiga a integração de KPI ecológicos utilizando ferramentas de Avaliação do Ciclo de Vida (LCA). Modelos econométricos, como a função de produção de Cobb-Douglas, serão utilizados para quantificar o impacto de práticas de fabricação sustentável na eficiência da produção e na sustentabilidade. Os resultados fornecerão insights acionáveis para as partes interessadas, demonstrando como a integração de tecnologias de IA em um framework de KPI pode melhorar significativamente a produtividade e a sustentabilidade no setor de mecatrônica.
Description
Keywords
Técnicas de IA Gestão de KPI Análises preditivas Aprendizado de máquina Sustentabilidade