Application of Artificial Intelligence (AI) in Improving Production Processes
Maceika, Augustinas | Recenzentas / Rewiewer |
Darbo gynimo komisijos pirmininkas / Thesis Defence Board Chairman | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member |
Dirbtinis intelektas (DI) - tai perspektyvi technologija, galinti reikšmingai pagerinti gamybos procesus. Baigiamojo magistro darbo tikslas - sukurti sėkmingo dirbtinio intelekto diegimo, skirto gamybos procesų tobulinimui, modelį. Pasitelkus struktūruotą klausimyną, siekta ištirti vyraujančias DI diegimo tendencijas gamybos sektoriuje, įvertinti pagrindinius iššūkius, su kuriais susiduria įmonės diegimo metu, ir analizuoti DI poveikį gamybos efektyvumui, kokybei bei bendrai įmonių konkurencingumui. Empiriniai duomenys rodo, kad gamybos įmonės susiduria su reikšmingais DI diegimo barjerais - nepakankama duomenų kokybe, kvalifikuotos darbo jėgos trūkumu ir senų sistemų integravimo sunkumais. Remiantis teoriniais ir empiriniais tyrimais, sukurtas DI diegimo modelis pateikia išsamesnį ir praktiškai taikytiną pagrindą DI diegimui Pramonės 4.0 kontekste ir už jo ribų. Nors būtina tolesnė DI modelių analizė ir nuolatinis jų tobulinimas, pabrėžiama nuoseklaus DI sistemų vystymo ir prisitaikymo svarba.Darbą sudaro 7 dalys: įvadas, teoriniai dirbtinio intelekto (DI) taikymo gamybos procesuose aspektai, empirinis tyrimas: DI taikymas gamyboje, sėkmingo DI diegimo modelis, išvados ir rekomendacijos, literatūros sąrašas ir priedai.Darbo apimtis - 79 p. teksto be priedų, 13 iliustr., 3 lent., 89 bibliografiniai šaltiniai.Atskirai pridedami darbo priedai.
Artificial intelligence (AI) is a promising technology for enhancing manufacturing processes.The final master thesis aims to develop a model for successful artificial intelligence implementation to improve production processes. Using a structured questionnaire, this master thesis aimed to examine the prevailing trends in AI adoption within the manufacturing sector, assess the principal challenges encountered by companies during implementation, and evaluate the impact of AI on production efficiency, quality, and overall business competitiveness. The empirical evidence suggests that manufacturing enterprises encounter significant obstacles to the adoption of AI, encompassing inadequate data quality, a deficiency of skilled personnel, and challenges with integrating legacy systems. The devised AI implementation model, grounded in both theoretical and empirical research, provides a more comprehensive and practically applicable framework for AI adoption in Industry 4.0 contexts and beyond. Further investigation and persistent adaptation of AI models are essential; however, it underscores the necessity for ongoing enhancement and adaptation of AI systems.Structure: introduction, theoretical aspects of AI in production processes, empirical study: AI application in manufacturing, model for successful AI implementation, conclusions and recomendations, references and appendixes.Thesis consist of: 79 p. text without appendixes, 13 pictures, 3 tables,89 bibliographical entries.Appendixes are atached separately.