https://promaintlehti.fi/cialis-hinta-pfz.html
https://promaintlehti.fi/viagra-hinta-pfz.html

Tutkimus ja koulutus | 10.1.2024

Teollisuuden prosessien tehostaminen koneoppimisella vaatii dataa ja osaamista

Suomen tavoitteet hiilineutraaliuden saavuttamiseksi 2035 edellyttää vähäpäästöisyyttä tukevia innovaatioita ja investointeja uusiin teknologioihin. Tarpeisiin pyritään vastaamaan data-analytiikalla ja koneoppimisella teollisuuden kunnonvalvonnan ja prosessinohjauksen tehostamiseksi. Saavutettavia hyötyjä voivat olla vähäisemmät tuotantohäiriöt ja kokonaiskustannusten lasku.

HighresScreenshot00001

Virtuaalinen malli bioliuotuskasan puhaltimista. Kuva: Kajaanin ammattikorkeakoulu

Oulun yliopiston mittaustekniikan yksikkö (MITY) Kajaanin yliopistokeskuksesta sekä Kajaanin ammattikorkeakoulu (KAMK) yhdessä paikallisten yhteistyöyritysten kanssa ovat TEODIMI (Teollisuusprosessien hallinta digitaalisilla työkaluilla ja mittauksilla) -hankkeessa lähteneet kehittämään ratkaisuja, joiden avulla prosesseja pystyttäisiin hallitsemaan entistä paremmin. TEODIMI-hankkeessa on hyödynnetty KAMKin tutkimus- ja kehitystoiminnan osaamista teollisuuden älykkäiden ratkaisujen kehittäjänä sekä MITY:n mittaustekniikkaan liittyvää asiantuntemusta erityisesti teollisuuden kiertovesien mittausteknologiassa ja analysoinnissa.

Osaamista tarvitaan ja tarjotaan

Toimiva kunnossapito edellyttää suunnitelmallista ja hallittua toimintaa monella tasolla. Kun edistyneitä digitaalisia ratkaisuja lähdetään soveltamaan, myös osaamistarve täytyy päivittää. Perinteisen kunnossapitotyön rinnalle tarvitaan osaamista ja ymmärrystä erilaisista data-analytiikan menetelmistä ja niiden soveltamisesta teollisuuteen. Siihen tarpeeseen Kajaanin ammattikorkeakoulu pyrkii vastaamaan.

Konetekniikan insinöörikoulutuksen ja sen kunnossapidon suuntautumisvaihtoehdon lisäksi vuodesta 2019 on ollut käynnissä Datasta tekoälyyn koulutus tieto- ja viestintätekniikan insinööreille Kajaanissa ja myöhemmin pääkaupunkiseudulla käynnistyneenä monimuotokoulutuksena. Myös hankkeen aikana hyödynnettiin mahdollisuutta kehittää hankehenkilöstön omaa osaamista ja tarjottiin koulutusta niin kunnossapidosta kuin kunnonvalvonnasta sekä data-analytiikasta ja koneoppimisesta.

Lisäarvoa datasta

Nykyisellään teollisuusprosesseista tulee paljon dataa eri lähteistä. Raja-arvoihin ja yksinkertaisiin algoritmeihin perustuvaa data-analytiikkaa hyödynnetään jo varsin hyvin. Realististen tavoitteiden asettaminen, oikeiden kysymysten kysyminen ja niiden perusteella koneoppimismallien luominen aiheuttaa uudenlaisia haasteita, joihin teollisuusyrityksillä itsellään ei välttämättä ole osaamista ja resursseja. Tarve tiedostetaan ja esimerkiksi Teknologiateollisuus ry ilmoitti kotisivuillaan 13 MEur investoinnista tekoälyyn (14.11.2023).

Hankkeen aikana kehitettiin koneoppimista kahteen eri käyttötarkoitukseen yhteistyössä Terrafamen kanssa. Ensiksi metallien talteenoton prosessivaiheen ennustettavuutta pyrittiin parantamaan. Prosessissa tapahtuva vaihtelu vaikuttaa tuotoksen laatuun ja on haaste jatkokäsittelyä silmällä pitäen. Siksi tutkittiin neuroverkolla toteutettua regressiomallia antamaan lisätietoa prosessiohjaukseen.

Toinen kohde oli Terrafamen bioliuotuskasojen puhaltimet ja niiden huollon ajankohtien ennustaminen. Siinä käytettiin apuna kunnossapidon dataa ja huoltokirjauksia sekä pyrittiin kouluttamaan neuroverkkoluokittelija tunnistamaan huoltoja edeltäviä ajankohtia.

Johtopäätökset

Prosessin ennustamisessa validointimenetelmänä käytettiin oletusta, että ennustettava kohdemuuttuja pysyy vakiona ennusteen ajanhetkeen asti (8 tai 12 tai 24 h eteenpäin). Tämä siksi, että kohdemuuttuja pysyi aika hyvin vakiona pitkällä aikavälillä, mutta lyhyemmällä aikavälillä siinä oli eritaajuista vaihtelua. Neuroverkkomallin generoima ennuste pystyi seuraamaan kohdemuuttujaa pääsääntöisesti, mutta se ei reagoinut nopeisiin muutoksiin luotettavasti ja testatuilla ennustepituuksilla se toimi hieman validointimenetelmää paremmin.

Neuroverkkomallia, joka tunnistaisi luotettavasti monisyisiä vikatilanteita, ei ole helppo toteuttaa. Kun kavennettiin vikatilanteiden valikoimaa yleisimpiin, esim. lisääntyneeseen tärinään liittyviin, saatiin parempaa korrelaatiota. Parhaat tulokset kuitenkin saavutettiin pääkomponenttianalyysin poikkeamia analysoimalla.

Lisäksi hankkeen konkreettisia tuloksia olivat suositukset huoltotapahtumien kirjauksien tarkemmalle luokittelulle sekä muille dataan ja sen hallintaan liittyville toimenpiteille.

Koneoppimisen merkitys tulee korostumaan tulevaisuudessa, mutta se ei korvaa kunnossapidon osaamista. Sen tuoma lisäarvo nojaa osaamiseen sekä datan järjestelmälliseen keräämiseen ja laatuun. Joka tapauksessa mahdollisuuksia on mm. käytettävyyden parantamisessa, koneiden ja laitteiden käyttöiän hallinnassa tai ympäristövaikutusten pienentämisessä.

Riikka Korhonen, tuntiopettaja
Pauli Mikkonen, projektipäällikkö
Kajaanin ammattikorkeakoulu

TEODIMI-hanketta on rahoittanut EU:n EAKR-rahasto Kainuun liiton kautta.

EU_EAKR_FI_netti

Uusimmat artikkelit

18.6.2024 | Alan Uutiset

Wärtsilä lanseeraa ensimmäisenä maailmassa 100 % vedyllä toimivan suuren mittakaavan moottorivoimalan konseptin

Konsepti perustuu Wärtsilä 31 -moottorialustaan. Vetyvalmiin moottorin odotetaan olevan tilattavissa vuonna 2025 ja toimitettavissa vuodesta 2026 alkaen.

Outokumpu laajentaa robotiikan käyttöä turvallisuustyössä

Ensimmäinen ANYmal-robotti "Jokkeri" aloitti työnsä Torniossa. Yhtiö arvioi, että tarkastustehtävien siirtäminen robotille voi auttaa vähentämään työntekijöiden altistumisaikaa vaarallisille aineille yli 80 prosenttia ja vaarallisia huoltokorjauksia 20 prosenttia.

Nesteen Porvoon jalostamon suurseisokki saatiin onnistuneesti päätökseen

Suurseisokin ajan Porvoon jalostamo oli yksi Suomen suurimmista. Vuoden 2024 suurseisokin kokonaisinvestointi oli noin 390 miljoonaa euroa.

Valio investoi Lapinlahden tehtaaseen yli 60 miljoonaa euroa

Investointi käsittää juustonvalmistustilojen laajennuksen ja laitteiden uusimisen. Investoinnin tarkoituksena on korvata nykyinen, teknisen käyttöikänsä päässä oleva valmistuslaitteisto.

Schneider Electric testaa Helenin sähköverkossa haitallisen SF6-kaasun korvaamista uudella teknologialla

Merkittävä osa sähköverkkoon asennetuista keskijännitekojeistoista sisältää SF6-kaasua. Schneider Electric on pyrkinyt ratkaisemaan ongelmaa RM AirSeT -kojeiston avulla.

VTT rakentaa uuden puolijohteiden pilottilinjan

Puolijohdealalla kiekkokoko on keskeisessä roolissa. Uuden yhteiskäyttöisen pilottilinjan laitteistot tulevat tukemaan sirukehitystä ja piensarjatuotantoa sekä 300 millimetrin että 200 millimetrin piikiekoille.

16.2.2024 | Kumppaniartikkeli

Sulzerilla panostetaan asiakassuhteisiin

Maailmanluokan pumppukaupoissa suurin arvo luodaan asiakkaan kanssa.