[kand] Sähkötekniikan korkeakoulu / ELEC

Permanent URI for this collection

Browse

Recent Submissions

Now showing 1 - 20 of 3471
  • Item
    Laskelmat aurinkosähkön arvosta
    (2024-05-10) Salmi, Elias; Lehtonen, Matti; Sähkötekniikan korkeakoulu; Turunen, Markus
    Uusiutuva energia on ratkaisu tulevaisuuden kestävään kehitykseen ja ilmastonmuutoksen torjuntaan. Uusiutuvista energialähteistä nopeinta kasvua tekee aurinkoenergia. Suurin osa tästä kasvusta tulee pientuottajilta. Yksityishenkilöille aurinkosähköjärjestelmän hankinta voi olla suuri investointi. Teknologian kehittyminen ja kustannusten lasku ovat tehneet aurinkopaneelien hankkimisesta entistä houkuttelevampaa. Tässä kandidaatintyössä tehtiin kirjallisuuskatsaus aurinkosähkön tuotannosta ja sen kannattavuudesta. Lisäksi toteutettiin kannattavuuslaskelmat Etelä-Suomessa sijaitsevalle aurinkosähköjärjestelmälle. Työn tavoitteena on selvittää, onko kiinteistön järjestelmä kannattava ja saada käsitys tuotetun aurinkosähkön hinnasta. Työssä lasketaan investoinnin takaisinmaksuaika, nettonykyarvo ja aurinkosähkön LCOE. Kirjallisen tutkimuksen ja laskelmien perusteella voidaan todeta aurinkosähköjärjestelmän olevan kannattava Etelä-Suomessa. Alueen säteilymäärällä, paneelien suuntauksella ja sähkön pörssihinnalla on suuri vaikutus järjestelmän kannattavuuteen. Omakotitaloihin hankittu tyypillinen aurinkosähköjärjestelmä voi luoda usean sadan euron säästöjä vuotuiseen sähkölaskuun. Todelliset säästöt kuitenkin tiedetään vasta jälkikäteen sähkön pörssihinnan vaihtelun takia. Tuotetusta aurinkosähköstä ei joudu maksamaan sähköveroa eikä sähkönsiirtoa. Pääsääntöisesti tuotetun aurinkosähkön omakäyttö on kannattavampaa kuin verkkoon myyminen. Tulevaisuudessa aurinkosähkön tuotantohinnan odotetaan laskevan entisestään, mikä parantaa sen kannattavuutta. Parempi taloudellinen kannattavuus lisää aurinkosähkön suosiota, jolla on positiivinen vaikutus kestävän kehityksen luomiseen.
  • Item
    Techniques and Applications for Electromyography Signal Information Extraction
    (2024-06-04) Stendahl, Matilda; Vujaklija, Ivan; Sähkötekniikan korkeakoulu; Turunen, Markus
    Electromyography (EMG) signals are essential in advancing various biomedical engineering applications, offering critical insights into muscle activity for clinical diagnostics, rehabilitation, and human-machine interaction (HMI). These signals, generated during muscle contraction, reflect the electrical potential changes, and serve as a key indicator of muscle function. They are not only markers of health and disease, but also pivotal in the development of responsive prosthetics and adaptive robotics. Within the domain of biomedical engineering, a spectrum of signal processing methods plays a crucial role in interpreting these EMG signals to translate them into meaningful data. This comprehensive literature review covers a both feature extraction techniques, such as Wavelet Transform (WT), Principal Component Analysis (PCA), and Independent Component Analysis (ICA), as well as pattern extraction algorithms including Linear Discriminant Analysis (LDA), Support Vector Machines (SVM), Artificial Neural Networks (ANN), and Convolutional Neural Networks (CNN). These methods help understand the raw data and the development of adaptive systems capable of operating in real-time. In addition to these, the review extends to significant acquisition techniques and processing methods like amplifying, filtering, and analog-to-digital conversion (ADC), all of which are necessary for preparing EMG signals for analysis. This stage is critical, as it ensures the integrity and quality of the signals before they undergo complex analytical processes. By examining the effectiveness of each technique in different biomedical contexts, their unique strengths and limitations can be found. While no single method is universally superior, the choice of method should be based on the specific requirements of the desired application. Such a tailored approach can greatly improve the precision and usefulness of devices used for diagnosis and assistive devices. Through careful comparison and analysis, this thesis aims to provide insights into the selection of signal processing techniques that can be tailored for specific biomedical engineering challenges. It advocates for a thoughtfully integrated use of signal processing, from acquisition to analysis, by combining feature extraction and pattern recognition. This integrated strategy is designed to advance the field of EMG-based diagnostics and device development. This ensures that new developments remain sensitive to the complex nature of physiological signals and the unique needs of each patient, spanning across applications in the biomedical field.
  • Item
    Normative modeling in neuroimaging: developing growth charts of the brain
    (2024-04-22) Haapio, Linnea; Liljeström, Mia; Sähkötekniikan korkeakoulu; Turunen, Markus
    Several brain-related disorders, including psychiatric disorders and dementia, are characterized by significant clinical and biological differences among patients. This heterogeneity poses challenges in identifying and treating these conditions. Recent research has suggested diagnosing the conditions based on underlying neuroanatomy, as their onset is increasingly recognized to be associated with abnormal structural and functional brain development. In this approach, brain development patterns of patients could be compared to normative references, possibly revealing deviations indicative of a disorder. Such normative references can be generated with normative models. These models represent the distribution of specific metrics, such as regional volumes of the brain, in a reference population. The metrics are typically visualized in growth charts. Growth charts have traditionally been constructed for anthropometric measures, such as height and weight, but have recently been adopted in neuroimaging to offer standards on typical neurodevelopment. This thesis analyzed existing literature to examine the potential applications and clinical utility of normative models in neuroimaging. Growth charts showed significant potential in mapping typical developmental trajectories of the brain. Moreover, neuroanatomical variation was observed across brain-related disorders, supporting their relevance to abnormal brain development. Studies of specific brain-related disorders investigated the identification of the disorders by examining deviations from brain growth charts. These studies, consisting of several psychiatric and neurodegenerative disorders, further demonstrated the heterogeneous nature of the disorders. As normative models chart individual variation, these studies suggested utilizing them to address challenges arising from heterogeneity. However, this literature review additionally identified noteworthy limitations and challenges. Creating appropriate reference growth charts requires an increase in sample size, particularly at the ends of the age ranges. To reach sufficient sample sizes, it is necessary to integrate data sets from multiple sites. This introduces challenges of data harmonization, which involves accounting for differing technologies and methodologies across multiple sites. Data harmonization thus represents an important area for future development. Additionally, samples should be representative and include more longitudinal data to be suitable for clinical assessment of individuals.
  • Item
    Tiedon iän minimointi langattomissa 5G-verkoissa
    (2024-05-30) Ghoniem, Rami; Lassila, Pasi; Sähkötekniikan korkeakoulu; Aalto, Samuli
    5G-teknologian edistykselliset ominaisuudet ovat kiihdyttäneet lähes reaaliaikaisten tietojärjestelmien kehitystä, mikä on nostattanut tiedon iän keskeiseksi suorituskykysuureeksi aikakriittisissä verkkojärjestelmissä. Tiedon ikä mittaa tietopäivityksen tuoreutta havaitsijalla, ja se määritellään aikaerona nykyisen ajanhetken sekä edellisen päivityksen vastaanottohetken välillä. Tiedon ikä kuvastaa verkon ylitse lähetetyn päivityksen tuoreutta vastaanottajalla. Tämän kandidaatintyön tavoitteena on minimoida keskimääräistä tiedon ikää tietynlaisissa langattomissa 5G-verkoissa erilaisten skedulointialgoritmien avulla. Lisäksi tavoitteena on tutkia yhden puskuripaikan lisäyksen vaikutusta systeemin mallin keskimääräiseen tiedon ikään. Mallissa laitteet pyrkivät lähettämään satunnaisesti saapuvia päivityksiä verkon ylitse tukiasemalle. Päivitykset ovat alttiita häviölle tietoverkossa. Tukiasema kykenee vastaanottamaan vain yhden laitteen päivityksen aikavälin aikana, ja tämän laitteen valinta tehdään skedulointialgoritmin avulla. Tutkimuksessa skedulointiongelmaa ja systeemin mallien ikäprosessia mallinnetaan numeerisen simulaattorin avulla. Työssä osoitetaan Whittlen olevan optimaalisin skedulointialgoritmi tiedon iän minimoinnille kummassakin systeemin mallissa. Puskuripaikan todetaan alentavan skedulointialgoritmien tuottamaa tiedon kokonaisikää merkittävästi. Lisäksi havaitaan systeemin mallin muutoksen vaikuttavan skedulointialgoritmien suorituskykyyn.
  • Item
    Användning av kapacitetsmekanismer för främjande av förnybar energiproduktion
    (2024-05-28) Sundell, Oscar; Lehtonen, Matti; Sähkötekniikan korkeakoulu; Turunen, Markus
    Detta arbete utgör en litteraturstudie vars syfte var att informera läsaren om aktuella problem som uppstått genom det ökande behovet av elektricitet samt energiomställningens strävan att minska elproduktionens utsläpp. Energiomställningen har lett till att en allt större andel av el produceras genom fossilfria resurser såsom vatten-, sol- och vindkraft; dessa resurser är kraftigt beroende av väderförhållandet för att kunna producera energi och kallas ofta för inter-mittenta resurser. De förnybara resursernas låga marginella kostnader kan orsaka nedstängning av konventionella kraftverk eftersom dessa inte längre kan konkurrera på elmarknaden och fasas ut. Detta orsakar problem på marknaden och elnätet som inte tidigare varit aktuella. Den varierande produktionen hos dessa resurser i frånvaro av konventionella kraftverk kan orsaka kapacitetsbrist. Arbetet presenterar en lösning på det här problemet i form av kapacitetsmekanismer. Dessa mekanismer subventionerar kapacitetsleverantörer som deltar i dem, på det här sättet kan de upprätthålla produktionsutrustningen i beredskap, fastän leverantörerna inte deltar på elmarknaden. På detta sätt tryggar mekanismen både elnätets stabilitet och eltillgången. I arbetet presenteras Europeiska kommissionens kategorisering av kapacitetsmekanismer och tilllämpningar av dem. Genom att analysera kapacitetsmekanismers användning och följder i Europa har det visat sig att de lämpar sig ypperligt för att förbättra elnäts förmåga att hantera efterfrågan, samtidigt som de skapar den kapacitetsgaranti som behövs för att effektivt möjliggöra en större mängd intermittenta förnybara energiresurser. För tillfället måste dessa mekanismer subventioneras på be-kostnad av konsumenterna, men med en ökning av förnybar energi så kan denna kostnad antagas minska under de kommande åren i samband med att behovet av mekanismen minskar.
  • Item
    Geenit ja riskinotto
    (2024-05-26) Kenttämies, Aino; Jääskeläinen, Iiro; Sähkötekniikan korkeakoulu; Turunen, Markus
    Tässä kandidaatintyössä tarkastellaan riskinoton geneettisiä perusteita käyttäytymisgenetiikan näkökulmasta. Työ perustuu laajaan kirjallisuuskatsaukseen, jossa analysoitiin geneettisten tekijöiden vaikutuksia riskinottokäyttäytymiseen. Tutkimus kattaa riskinoton biologiset, neuroanatomiset ja neurotransmittereihin liittyvät mekanismit, keskittyen erityisesti dopamiinin, serotoniinin glutamaatin ja GABAn kaltaisten välittäjäaineden osallisuuteen riskinottoalttiuteen vaikuttavina tekijöinä. Työssä tunnistettiin keskeisiä geenejä, kuten DRD4 ja 5-HTTLPR, jotka linkittyvät riskinottokäyttäytymiseen. Työn tulokset vahvistavat käsitystä siitä, että riskinotto on moniulotteinen piirre, johon vaikuttavat sekä perimä että ympäristö. Työ tarjoaa kattavan yleiskäsityksen riskinottokäyttäytymisen geneettisistä taustoista sekä aihetta koskevan tutkimuksen tämän hetkisestä tilasta ja haasteista.
  • Item
    Linear Relationships Between Time Series - a Case Study
    (2024-05-26) Närhi, Emma; Jung, Alexander; Sähkötekniikan korkeakoulu; Turunen, Markus
    Time series observe how a variable evolves through time. Time series are in temporal order, which allows for the study of trends, cycles, seasonal variation and relationships between time series, which would not be apparent if the data was not ordered. This work aims to study the relationships between a specific group of time series and further analyze the linear relationship between a single pair. Found relationships between time series are beneficial for building improved predictive models and understanding the phenomena behind the data thoroughly. This thesis analyzed a set of nine time series. The aim of this work is to show how to find linear relationships between time series and assess the strength and reliability of this relationship. The relationship was explored with correlation and linear regression analysis. The reliability of the results was assessed with statistical inference. The confidence intervals for the regression coefficients were calculated by bootstrapping and statistical significance was tested with the permutation test. The variables were shown to have a clear linear dependency, but the strength of the relationship can be overestimated or underestimated. The standard assumptions of linear regression were not met as the residuals had clear autocorrelations. The estimates and results of inferential statistics can be biased or unstable. These methods were suitable for exploring linear relationships between time series, but the final model should not be used for prediction. Further study is needed.
  • Item
    suomi
    (2024-05-26) Ali, Hodan; Renvall, Hanna; Sähkötekniikan korkeakoulu; Turunen, Markus
    Epilepsia on ryhmä aivojen sairauksia, joille on ominaista aivojen toistuvat sähköisen toiminnan häiriöt, jotka ilmenevät kohtauksina. Epilepsia on yleinen sairaus ja sillä on merkittävä yhteiskunnallinen vaikutus. Suuri osa vaikeaa epilepsiaa sairastavista potilaista hyötyisi leikkaushoidosta, ja tähän nähden leikkauksia tehdään verrattain vähän. Epilepsialeikkaukset eivät kuitenkaan aina onnistu vähentämään kohtauksia, ja leikkaus voi johtaa komplikaatioihin. Tästä syystä aivokuvantamismenetelmien kehittäminen on tärkeää leikkaushoidon optimoimiseksi. Tämän kandidaatintyön tavoitteena on vertailla keskenään epilepsiadiagnostiikassa pitkään käytössä olleita menetelmiä magnetoenkefalografiaa (MEG) ja elektroenkefalografiaa (EEG) sekä lähiaikoina tutkimuskäyttöön otettuun optisesti pumpattaviin magnetometreihin perustuvaa magnetoenkefalografiaa (OPM-MEG) kirjallisuuskatsauksen muodossa. Työssä jäsennellään menetelmien edut ja haasteet erityisesti epilepsian diagnostiikassa.Työssä käsitellään myös epilepsian diagnostiikan tulevaisuuden näkymiä OPM-MEG:n näkökulmasta. Työssä on selvitetty kunkin menetelmän edut ja haasteet suhteessa toisiinsa. Vaikka EEG:llä on hyvä aikatarkkuus, sitä rajoittaa rakenteiden aiheuttamat vääristymät sähköisiin kenttiin. MEG:n saatavuus taas on rajallinen sen suuren koon ja kalliin hinnan takia. Molempien menetelmien mittauksien aikana potilaan on pysyttävä paikoillaan häiriösignaalien minimoimiseksi. OPM-MEG:llä on useita etuja perinteisiin menetelmiin verrattuna, kuten menetelmän pienempi herkkyys liikkeen aiheuttamille häiriösignaaleille, kypärämallin mukauttaminen pään kokoon ja mahdollisesti parempi herkkyys. Kuitenkin OPM-MEG:llä on omat haasteensa, mutta menetelmän tulevaisuus etenkin epilepsiadiagnostiikassa näyttää lupaavalta. Työssä huomattiin, että lisätutkimuksille on kuitenkin tarvetta, sillä menetelmän kehittäminen on vasta alkuvaiheessa.
  • Item
    Kirjallisuustutkimus laajennetun todellisuuden hyödyntämisestä aikuisten ADHD:n tutkimuksessa
    (2024-05-12) Rimpeläinen, Pinja; Tauriainen, Sofia; Sähkötekniikan korkeakoulu; Turunen, Markus
    ADHD on maailmanlaajuisesti esiintyvä yleinen neurolokehityksellinen häiriö, jota esiintyy sekä aikuisilla että lapsilla. Se aiheuttaa ongelmia on niin oppimisessa kuin sosiaalisessa elämässäkin. Diagnosointiin ei ole yhtä testiä vaan se tehdään lääkärin tarkkailun, haastatteluiden ja lomakkeiden pohjalta. ADHD on hoidettavissa oleva häiriö, mutta se jää usein huomaamatta. Hoitokeinoja ovat terapia sekä lääkitys. Laajennettu todellisuus on tekniikkaa, johon kuuluvat virtuaalitodellisuus, lisätty todellisuus sekä sekoitettu todellisuus. Virtuaalitodellisuudella tarkoitetaan tietokoneella luotua ympäristö aistiominaisuuksineen, jonka kanssa voidaan vuorovaikuttaa. Lisätty todellisuus käsittää virtuaalisten elementtien yhditämisen todelliseen maailmaan ja sekoitettu todellisuus on näistä uusin, siinä todellinen- ja virtuaalinen maailma yhdistetään. Laajennettua todellisuus kehittyy koko ajan ja sitä on alettu hyödyntämään myös mielenterveyden tutkimuksissa.Tämä kandidaatintyö on kirjallisuustutkimus ja se tutkii, miten laajennettua todellisuutta on hyödynnetty aikuisten ADHD:n tutkimuksessa. Tutkimusta aiheesta löytyi vähän. Niistä suurin osa käsitteli diagnostiikkaa, sekä jotkin hoitoa ja kuntoutusta. Karsintaa jouduttiin tekemään kielen ja tut iän vuoksi. Lapsiin tehtyjä tutkimuksia on otettu mukaan, sillä diagnosointi- ja hoitotavat ovat samat niin aikuisilla kuin lapsillakin. Lasten kanssa tehtyjä tutkimuksia olisi mahdollista tutkia myös aikuisilla. Vähäiset löytyneet tutkimukset olivat kuitenkin optimistisia. Diagnosointiin liittyvät tutkimukset olivat kaikki tehty VR:llä ja moneen niistä oli yhdistetty jatkuva suoritustesti (eng. Continuous performance test, CPT). Löydetyt tutkimukset toivat esiin kehitysmahdollisuuksia esimerkiksi pidemmän seurannan, katseen seurannan sekä tutkittavan ryhmän laajentamisen. Tutkimus toteaa, että lisätutkimukselle on tarvetta.
  • Item
    Siirto-oppiminen toiminnallisessa aivokuvantamisessa
    (2024-05-26) Rautapää, Josetta; Renvall, Hanna; Sähkötekniikan korkeakoulu; Turunen, Markus
    Neurologiset sairaudet ovat yleisiä ja niiden diagnosointia tukevat koneoppimismallit vaativat paljon opetusdataa. Sairauksien varhainen diagnosointi mahdollistaisi hoidon varhaisen aloittamisen, mutta potilasdataa on tyypillisesti saatavilla vähän. On tärkeä löytää malleja, joita pystytään opettamaan pienellä datamäärällä. Siirto-oppiminen on koneoppimisen osa-alue, jossa suuremmalla aineistolla koulutetun mallin tietoa voidaan siirtää samankaltaisen ongelman malliin. Tässä kandidaatintyössä tutkittiin siirto-oppimisen käyttöä toiminnallisen aivo-kuvantamisdatan analyysissa keskittyen epilepsiadiagnostiikkaan ja Alzheimerin taudin havaitsemiseen. Työssä käsiteltävät aivokuvantamismenetelmät olivat aivosähkökäyrä, aivomagneettikäyrä ja toiminnallinen magneettikuvantaminen. Alalta löytyvien tulosten lisäksi työssä tarkasteltiin siirto-oppimisen soveltamisen haasteita ja hyötyjä sekä tulevaisuudennäkymiä. Työ tehtiin kirjallisuustutkimuksena. Siirto-oppimisella opetetut mallit olivat läpikäytyjen tutkimusten mukaan tarkempia ja suorituskykyisempiä kuin muut nykytekniikan mukaiset analysointimallit. Mallien kouluttamiseen tarvittiin vähemmän opetusdataa, mikä ratkaisi vähäisen potilasdatan ongelman. Haasteita tiedon siirtämiselle aiheutui tutkittavien ongelmien keskinäisestä erilaisuudesta sekä data-aineistojen vaihtelevasta koosta ja ulottuvuuksien määrästä. Siirto-oppiminen koettiin hyödylliseksi työkaluksi sairauksien tulkitsemisessa toiminnallisesta aivokuvantamisdatasta. Sen avulla sairauksia pystytään havaitsemaan aiemmin ja potilaille pystytään tarjoamaan toiminnan heikkenemistä estävää hoitoa ajoissa. Tulevaisuudessa siirto-oppimista tutkitaan enemmän ja todennäköisesti sille löydetään uusia sovelluskohteita.
  • Item
    Magneettikenttäanturiteknologioiden nykytyila ja soveltuvuus MEG-MRI-käyttöön
    (2024-05-07) Aaltonen, Tiia; Zevenhoven, Koos; Sähkötekniikan korkeakoulu; Turunen, Markus
    Magnetoenkefalografia (MEG) eli aivomagneettikäyrä ja magneettikuva (engl. magnetic resonance imaging, MRI) voidaan toteuttaa samalla laitteella tarkemman datan saamiseksi ja mittauksen helpottamiseksi. Tätä yhdistelmää kutsutaan MEG-MRI-kuvantamiseksi ja se asettaa kovat vaatimukset magneettikenttäantureille. Anturien on pystyttävä mittaamaan noin 10 𝑓𝑇/√𝐻𝑧:n tarkkuudella ja taajuuskaistalla, joka kattaa alueen puolesta hertsistä jopa viiteen kilohertsiin. Tämän työssä käydään läpi eri magneettikenttäanturiteknologioiden kehitystilannetta ja sitä, ovatko ne soveltuvia MEG-MRI-käyttöön erityisesti tarkkuuden ja taajuuskaistan leveyden osalta. Tässä työssä vertaillaan seuraavia anturiteknologioita: suprajohtavat kvantti-interferenssilaitteet (SQUID), anisotrooppiseen ja suureen magnetoresistanssiin perustuvat anturit (AMR ja GMR), optisesti pumpatut magnetometrit (OPM), timantin NV-keskus kidevirheeseen perustuvat anturit ja vuoveräjäanturit. Ainoastaan SQUIDeihin perustuvat magneettikenttäanturit kykenevät MEG-MRI-kuvantamiseen tällä hetkellä. GMR-antureilla ja timantin NV-keskus kidevirheeseen perustuvilla antureilla on kuitenkin potentiaalia. Molemmat täyttävät vaatimukset taajuuskaistan osalta ja pääsevät noin 1 𝑝𝑇/√𝐻𝑧 tarkkuuteen. Molemmissa on myös selkeitä kehityskohteita ja useilla tutkimusryhmillä on tavoitteita tarkempiin mittauksiin. Erityisesti näitä kahta tulee siis seurata tulevaisuudessa tarkasti, vaikka laajempaakin vertailua tarvitaan.
  • Item
    Behavioral Measurement of Neuroplasticity in Game-Based DTx for MDD Treatment
    (2024-05-25) Wickman, Pauli; Palva, Matias; Sähkötekniikan korkeakoulu; Turunen, Markus
    Major depressive disorder (MDD) is one of the greatest health-related problems societies face worldwide. Along with low-mood symptoms, the disorder is associated with several cognitive difficulties and diminished neuroplasticity, which is the ability to modify brain connectivity based on intrinsic and extrinsic stimuli. Neuroplasticity enables humans to learn new skills and adapt to new environments; diminished neuroplasticity suggests treatment resistance in MDD. This thesis concentrated on finding neuroplasticity markers from a game-based digital therapeutics (DTx), a form of digital therapy using elements from video games to alleviate the cognitive symptoms of MDD. These markers could be used to predict patient treatment response. The neuroplasticity markers were obtained by comparing patient performance and improvement in certain memory tasks of the DTx with the difficulty increase of the game. The hypothesis was that good performance in the memory tasks would correlate with increasing difficulty level. If a patient performs well in the memory tasks with increasing game difficulty, this would imply that they are able to learn and adapt, which indicates decent levels of neuroplasticity. The results revealed that good performance in memory tasks of the DTx can not be taken as an indicator of good neuroplasticity levels, as the hypothesis suggested. In turn, results implied that low performance in memory tasks indicates a low increase in difficulty which hints at poor neuroplasticity. However, the generalization of the results is affected by various error factors associated with the utilized sample. Final statements of subject neuroplasticity should not be made based entirely on the results of this thesis. Future study should focus on obtaining other neuroplasticity markers and compare them with the ones obtained in this thesis.
  • Item
    Shifting from Industry 4.0 to 5.0 in quality management
    (2024-05-26) Lehtinen, Emma; Eloranta, Ville; Sähkötekniikan korkeakoulu; Turunen, Markus
    The European commission has released a new technological capability competition strategy, Industry 5.0. It adds human-centricity, resilience, and sustainability to existing processes defined by Industry 4.0. As Industry 4.0 has greatly influenced quality management, these new values will affect quality processes as well. This thesis will examine Industry 5.0 and how it will affect quality management. The research is conducted as a literature review of scientific literature regarding Industry 4.0, Industry 5.0, Quality 4.0, and quality management. The literature included peer reviewed articles, other relevant work, and applicable studies.
  • Item
    Determining dependencies in multivariate time series data: Using machine learning methods
    (2024-05-24) Eväsoja, Tomas; Jung, Alexander; Sähkötekniikan korkeakoulu; Turunen, Markus
    Methods to understand and predict times series data are needed to solve many problems with the increasing availability of data. In particular, when many time series interact together. This study investigates if machine learning methods can be utilized to find a dependency structure, that explains these interactions. The structure could later be utilized by sophisticated machine learning methods such as graph neural networks. This study uses two machine learning methods: linear regression and gradient boosting on windowed time series data. Compared to linear regression, gradient boosting is found to produce better information about dependencies in the data. The results show that the simple machine learning methods find dependencies in the data used. However some problems may arise when utilizing the extracted dependency graph. These problems are discussed, and proposed to be mitigated, if the end application utilizes similar methodology to the dependency extraction.
  • Item
    Applying supervised machine learning for predicting maximal heart rate during aerobic exercise
    (2024-05-23) Hirvonen, Sini; Jung, Alexander; Sähkötekniikan korkeakoulu; Turunen, Markus
    Machine learning (ML) is a rapidly advancing field of study, with applications already reaching health and sport domains. The popularity of wearable activity monitors and increased data collection enable diverse applications. ML can contribute to a more informed, safe, and personalised approach to health, fitness and performance optimisation. This bachelor’s thesis examines the utilisation of ML in analysing data collected during aerobic exercise. The thesis investigates the use of supervised ML methods to predict maximal heart (HR$_{max}$) rate during aerobic exercise from external weather-related variables. The two methods compared were linear regression and random forest regression. The performance of these methods was evaluated by using k-fold cross-validation, and by examining the difference between the true and predicted values of HR$_{max}$. The used loss functions were mean squared error (MSE) and mean absolute error (MAE). Based on the obtained validation errors, random forest regression proved to be the better performing model. The computed test errors were 44,09 bpm with MSE, and 5,19 bpm with MAE. Of the weather-related features, air temperature affected the predictions most. Based on the obtained results, the reliability of the implemented ML model for predicting HR$_{max}$ is insufficient for practical applications. In addition, the results cannot be used to comprehensively explain the effect of weather conditions on heart rate response during aerobic exercise. However, the prediction accuracy and understanding regarding personalised health monitoring could be improved by developing the model further. Therefore, a working ML model could possibly enhance both safety and performance optimisation while prioritising an individual’s health.
  • Item
    Error Analysis on Clustered Federated Learning
    (2024-05-22) Uusitalo, Markus; Jung, Alexander; Sähkötekniikan korkeakoulu; Turunen, Markus
    This thesis explores machine learning (ML), focusing on clustered federated learning (CFL). Traditional ML updates models with centralized data, but this raises privacy concerns and data transfer consumes significant resources. Federated learning (FL) updates models on clients like mobile devices, aggregating their parameters into a global model without transferring actual data. CFL groups clients into clusters based on statistical properties, optimizing each with a cluster-specific model. This thesis examines the upper bound of the estimation error for parameters learned using Generalized Total Variation Minimization (GTVmin), a CFL technique. This thesis investigates the properties, limitations, and constraints of this upper bound, which is crucial for assessing parameter accuracy and overall model effectiveness. The proposed upper bound is decomposed into three components, each serving a different purpose in the bound. The analysis shows that more data points, better cluster coherence, and well defined clusters result in a smaller upper bound and a more accurate model. However, the effectiveness of the upper bound depends on modeling data with the empirical graph and several assumptions discussed in the thesis. Key concepts and terms are introduced early in the work, followed by an in-depth presentation of the upper bound and its related formulas. The thesis reviews relevant literature, examines the upper bound's properties and connections to other studies, and presents conclusions. This work provides insights into the GTVmin method's error upper bound, enhancing the performance of GTVmin-based models.
  • Item
    The Applications, Limitations, and Future of the QUIC Network Protocol
    (2024-05-07) Ailus, Apollo; Vikberg, Esa; Sähkötekniikan korkeakoulu; Ylirisku, Salu
    Historically, network protocols used for adding internet connectivity to computer applications have consisted of HyperText Transport Protocol (HTTP) versions 1 and 2 being carried by the Transmission Control Protocol (TCP) or occasionally the User Datagram Protocol (UDP). Although this setup has generally proved satisfactory, issues regarding speed have arisen for TCP-based applications. These issues include Head-of-Line (HoL) blocking and additional time being taken to establish and reestablish connections through handshakes. Due to the increased loading and processing times associated with these issues, a need has arisen for a new network protocol that can mitigate said issues to boost performance speeds. QUIC, a protocol built upon UDP, emerged in 2012 as an alternative to TCP and standard UDP. QUIC supports 0-roundtrip handshakes and utilizes stream multiplexing to avoid HoL blocking altogether, while implementing new methods for data encryption and congestion control not present in the aforementioned protocols. With these straightforward improvements in mind, it is surprising that QUIC has not become more widely utilized in the 12 years since its release. Thus, the protocol's standing in the present and future should be analyzed. This thesis conducts a literature review exploring documented use cases of QUIC in several types of applications, and analyzes the findings of the studies accompanying these cases. It explains the architecture and operating principles of QUIC in comparison to other protocols, and then begins assessing the documented use cases and studies. In doing so, this thesis evaluates QUIC's apparent strengths and weaknesses, and which types of applications seem most fitting for the protocol to be used in. These insights are synthesized to determine QUIC's current standing and its future value. When all sources are considered, QUIC appears to excel in carrying HTTP traffic, and demonstrates good interplay with applications such as WebRTC and the Domain Name System. However, it yields strictly worse performance in blockchain and electronic communication network (ECN) scenarios. Results such as these suggest QUIC should be maintained in these use cases, while similar custom UDP-based protocols could prove more viable in applications where QUIC struggles.
  • Item
    Ulkoiset muistit ja muistiväylät RISC-V-prosessoreille
    (2026-06-02) Lehmusto, Pyry; Simola, Otto; Sähkötekniikan korkeakoulu; Turunen, Markus
    RISC-V on suhteellisen uusi ja yksinkertainen avoimen lähdekoodin prosessori käskykanta-arkkitehtuuri. Työn tarkoituksena oli tehdä yleiskattava katsaus ulkoisen muistin toteutuksista RISC-V-prosessorille. Tämä sisältää eri muistiväylien- sekä niiden kanssa yhteensopivien muistien ominaisuuksien selvittämisen kiinnittäen erityishuomiota datalinjojen määrään ja toteutuksilla saavutettavissa oleviin datansiirtonopeuksiin. Katsaus tehtiin kirjallisuuskatsauksena käyttäen pääosin artikkeleita sekä valmistajien tuotetietoja. Kirjallisuuskatsauksen tuloksena saatiin lista eri muistiväyliä ja niille vaihtoehtoisia muisteja. Eri toteutuksille saatiin määritettyä potentiaaliset datansiirtonopeudet. Eniten vaihtoehtoja löytyi selkeästi kuitenkin SPI sekä I2C väylillä. I2C kuitenkin kykenee huomattavasti rajatumpaan datansiirtoon ja sille sopivat muistit ovat huomattavasti pienempiä. Muistivaihtoehdoista EEPROM ja Flash ovat kustannustehokkaimpia, mutta ne ovat huomattavasti muita hitaampia tallentamaan muistille. MRAM voisi olla yksi ratkaisuista, jos muistille tallentamisen nopeudella on merkitystä. Tuloksena saadut luvut nopeuksista ovat hypoteettisia suurimpia arvoja määritetty valmistajien tuotetietojen perusteella, joten todelliset nopeudet ovat todennäköisesti hitaampia. Tämän takia voisi olla kannattavaa tehdä oikeita fyysisiä kokeita käyttäen eri muistiväyliä ja muisteja.
  • Item
    Akkuvarastojen integroiminen kerrostaloihin
    (2024-06-01) Kopaly, Tomi; Lehtonen, Matti; Sähkötekniikan korkeakoulu; Turunen, Markus
    Tutkimuksen kirjallisuuskatsauksessa syvennytään akkuvarastojen integroimisen mahdollisuuksiin kerrostaloissa. Aluksi perehdytään Suomen sähköjärjestelmään ja siihen, miten akkuvarastot ovat osa tätä järjestelmää. Suomen sähköntuotantojärjestelmä kattaa monipuolisesti erilaisia energialähteitä, kuten ydinvoiman, vesivoiman, tuulivoiman, aurinkovoiman, kivihiilen, maakaasun ja biopolttoaineet. Näitä energiantuotantomuotoja yhdistää tarve varmistaa sähköntuotannon vakaus ja toimitusvarmuus. Akkuvarastojen rooli sähköjärjestelmän tasapainottajana on noussut entistä tärkeämmäksi erityisesti uusiutuvien energialähteiden, kuten aurinko- ja tuulivoiman lisääntyessä. Näiden energiantuotantomuotojen vaihteleva luonne asettaa haasteita sähköntuotannon tasapainolle, kun tarvitaan keinoja varmistaa sähköverkon vakaa toiminta ja tarvittavan sähkötehon saanti kaikkina aikoina. Akkuvarastot tarjoavat mahdollisuuden varastoida ylimääräistä sähköä tuotantohuippujen aikana ja vapauttaa sitä tarvittaessa, jolloin ne voivat toimia joustona sähköverkon kuormitusvaihteluiden tasaamisessa. Lisäksi tarkasteltiin akkujen käytön seurauksia jännitehäviöiden näkökulmasta. Jännitehäviöt voivat syntyä esimerkiksi akkujen purkamisen yhteydessä, kun sähköä siirretään akusta verkkoon. Seuraavaksi vertaillaan käyttöpaikka- ja kerrostaloliittymiä käyttäen hyödyksi tilastollisia menetelmiä ja data-analyysiä. Tämän tietoperustan avulla pyritään hahmottamaan millaisia akkuja olisi käytännössä mahdollista asentaa kerrostaloihin sekä yksittäisiin asuntoihin. Tutkimuksessa pohditaan myös erilaisia akkuvarastovaihtoehtoja sekä niiden soveltuvuutta kerrostalojen ja asuntojen energiatarpeisiin. Lopuksi tarkastellaan akkuvarastojen integroimisen tuomia ominaisuuksia ja niistä koituvia etuja sekä yksittäisille kuluttajille että laajemmin yhteiskunnan sähköjärjestelmälle. Akkuvarastot voivat tarjota paitsi tehokkaan keinon uusiutuvan energian hyödyntämiseen myös mahdollisuuden parantaa sähköjärjestelmän toimintavarmuutta ja vähentää riippuvuutta perinteisistä energianlähteistä.
  • Item
    Neurala röstkodekar med dynamisk bithastighet
    (2024-05-28) Kaján, Jonatan; Bäckström, Tom; Sähkötekniikan korkeakoulu; Turunen, Markus
    Detta arbete behandlar röstkodekar: både traditionella kodekar baserade på signalbehandling och linjär prediktion, och moderna kodekar som bygger på maskininlärning och faltande neuronnätverk. Arbetet utforskar röstsignalers egenskaper, ger en överblick över teorin bakom dessa två typer av kodekar och undersöker de neurala kodekarnas möjligheter gällande dynamisk bithastighet. Kapitel 1 presenterar ämnet. Kapitel 2 behandlar människorösten: hur fonem bildas samt ljudsignalens karaktär. Kapitel 3 studerar olika sätt att kvantisera kontinuerliga signaler och CELP-kodning. Kapitel 4 behandlar kort några koncept och modeller inom maskininlärning som är relevanta inför kapitel 5. Kapitel 5 presenterar först två neurala modeller, Wavenet och VQ-VAE. Därefter behandlas i kronologisk ordning ett antal kodekar baserade på dessa modeller: Low bitrate speech coding with VQ-VAE and a WaveNet decoder, Lyra, Soundstream, Encodec och Improved RVQGAN. Arbetet beskriver de största skillnaderna mellan dessa kodekar samt konstaterar att Soundstream och påföljande kodekar stöder dynamisk bithastighet.