Nasazení umělé inteligence pro podporu predikování rozměrových odchylek karoserie.

Abstract

Tato bakalářská práce se zabývá propojením tradičního řízení kvality s moderními digitálními technologiemi a nástroji umělé inteligence v kontextu Průmyslu 4.0 a Kvality 4.0. V teoretické části je popsán historický vývoj kvality, její pojetí v moderních podmínkách a návaznost na statistické metody, které tvoří základ pro analýzu a řízení procesních odchylek. Dále jsou představeny digitální technologie a využití umělé inteligence při řízení kvality. V další části je práce zaměřena na analýzu aktuálního stavu ve vybrané organizaci v oblasti sledování, řízení kvality a možností implementace prediktivních nástrojů využívajících AI. Cílem práce je poukázat na to, jak může kombinace tradičních statistických přístupů a moderních technologií přispět ke zvýšení efektivity řízení kvality a včasnému rozpoznání potenciálních odchylek. Následné příklady uvedené v této práci by měli ukázat, že integrace umělé inteligence do systému kvality má výrazný potenciál zejména v prediktivním řízení a rozhodování, a že představuje další krok k transformaci kvality v éře digitalizace.

This Bachelor thesis looks at linking traditional quality management with modern digital technologies and artificial intelligence tools in the context of Industry 4.0 and Quality 4.0. The theoretical part describes the historical development of quality, its conception in modern conditions and the continuity of statistical methods that form the basis for the analysis and management of process deviations. Digital technologies and the use of artificial intelligence in quality management are also presented. The next part of the thesis is focused on analysis of the current state in selected organization in the area of monitoring, quality management and possibilities of implementation of predictive tools using AI. The aim of the work is to highlight how a combination of traditional statistical approaches and modern technologies can contribute to increasing the efficiency of quality management and early detection of potential variations. Subsequent examples set out in this work should demonstrate that the integration of artificial intelligence into a quality system has significant potential, particularly in predictive management and decision-making, and that it represents another step towards transforming quality in the era of digitalisation.