Koneoppimisalgoritmien käyttö tuotantolinjan ohjauksessa
Räsänen, Risto (2022)
Räsänen, Risto
2022
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2022051810224
https://urn.fi/URN:NBN:fi:amk-2022051810224
Tiivistelmä
Erilaisten tekoälysovellusten käyttö informaatioteknologian alalla on laajaa ja monipuolista. Teollisuuden tuotantolinjojen ohjauksissa niitä ei ole vielä laajalti käytössä, vaikka hyviä kohteita monille koneoppimisalgoritmeille olisi runsaasti. Vasta viimeisten parin vuoden aikana johtavilta laitevalmistajilta on tullut markkinoille tekoälyratkaisujen toteutukseen sopivia laitteita ja ohjelmakirjastoja. Yhtenä syynä vähäiseen käyttöön voidaan pitää myös sellaisten asiantuntijoiden puutetta, jotka tuntevat sekä teollisuuden tuotantolinjojen automaation että tekoälyteknologian. Tähän puutteeseen ei ole nopeaa ratkaisua, mutta lisäämällä automaatioalan ammattilaisten tietoisuutta tekoälyteknologian mahdollisuuksista, tyypillisistä ominaisuuksia ja myös haasteista, eroa näiden kahden hyvin erilaisen teknologiaympäristön välillä voidaan kaventaa. Kehitystyön tuloksena syntyi malli, joka yksityiskohtaisesti kertoo eri käyttöönottovaiheisiin tarvittavat toi-menpiteet sekä näissä vaiheissa tarvittavat osaajat. Kehitystyö toteutettiin käyttämällä konstruktiivista tutkimusprosessia. Konstruktiiviselle tutkimukselle on ominaista, että teoreettiselle pohjalle laaditun ratkaisun toimivuus testataan. Koneoppimisalgoritmien toimivuus teollisuuden tuotantolinjoista tutuilla aineistoilla testattiin onnistuneesti ja saatiin osoitettua niiden sopivuus tuotantolinjojen ohjauksiin. Tehokkuuden ja tuottavuuden parantamisessa tekoälyalgoritmien käyttö tuleekin olemaan ratkaisevassa roolissa, kun teollisuuteen haetaan sekä eettisesti että taloudellisesti kestäviä ratkaisuja. Yksistään mikään tekoälyalgoritmi ei tuo ratkaisuja ongelmiin, vaan tarvitaan monialaista ymmärrystä sekä prosessista että tekoälyprojektista. Siihen kehitystyön tuloksena syntynyt malli luo hyvät lähtökohdat ja auttaa eri osapuolia ymmärtämään tekoälyprojektit haasteet ja mahdollisuudet. Artificial Intelligence (AI) is a broad field that encompasses various concepts in information technology. Nowadays operational technology is still without the revolution of AI, although there are many potential targets for it. Machine learning is one of the branches of artificial intelligence, which allows a new way of executing controls in the industrial production lines. The reasons for low usage of machine learning algorithms in the operational technology field are immaturity of the technology and a small number of people, who can handle both automation and AI-technologies. There are no fast solutions for that, but by increasing people’s education and knowledge of artificial intelligence in automation, a gap between the two worlds can be reduced. The aim of the research was to create a model for making an artificial intelligence project as part of an automation project in the field of operational technology. The research method was a constructive research process. It is a feature of constructive research that the solution is based on a theoretical basis and its functionality is tested. Machine learning algorithms were successfully tested with data from an industrial environment and their suitability for industrial production lines was demonstrated. Effectivity and productivity of the production lines are very crucial for the economic viability of an industry. Artificial intelligence algorithms will play a crucial role in improving them and are both ethically and financially sustainable solutions. A multidisciplinary understanding of both the process and the artificial intelligence project is required when making an AI project on a production line. The model created as a result of this development work creates a good starting point and helps different parties to understand the challenges and opportunities of artificial intelligence projects.