Automating knowledge work of service desk: Machine learning model for software robot

 |  Login

Show simple item record

dc.contributor Aalto-yliopisto fi
dc.contributor Aalto University en
dc.contributor.advisor Lehmusvaara, Karri
dc.contributor.author Kilpeläinen, Jaakko
dc.date.accessioned 2019-06-23T15:09:14Z
dc.date.available 2019-06-23T15:09:14Z
dc.date.issued 2019-06-17
dc.identifier.uri https://aaltodoc.aalto.fi/handle/123456789/38977
dc.description.abstract Aging population, legacy systems and pressure on cost savings are all growing problems for modern-day companies. One relief for these problems is to automate business processes and IT-service desk tasks with software robots. The aim of the automation is to reduce employees' growing workload so that they have time to work with the more valuable tasks. One of the most limitating factors of using software robots are that the automated processes must be strictly rule-based and the input data must be highly structured. In business there has been a lot of talk about using machine learning and other AI-techniques for achieving more generic solutions, but the actual results have not yet been publicly recognised. In this thesis it is intended to examine the suitability of machine learning for software robotics by automating company's internal IT-services. The goal is to build a working solution and find a machine learning platform for the company that provides software robotic solutions as a service. The end result is a viable automation solution which uses machine learning model for probability-based decision making. Based on this research it is possible say that there exist synergy benefits between the two technologies, as long as there is a suitable application for them. en
dc.description.abstract Ikääntyvä väestö, vanhat järjestelmät ja paine kustannussäästöille ovat nykypäivän yritysten kasvavia ongelmia. Yksi helpotus näihin ongelmiin on liiketoimintaprosessien ja IT-palveluiden automatisointi ohjelmistorobottien avulla. Automatisoinnin pyrkimyksenä on vähentää työntekijöiden kasvavaa työtaakkaa, jotta heillä jää enemmän aikaa liiketoiminnalle tärkeämpien tehtävien hoitoon. Yksi suurimmista ohjelmistorobotiikan käyttöä rajoittavista tekijöistä on se, että automatisoitavien prosessien tulee olla tarkasti sääntöihin perustuvia, sekä hyödynnettävän tiedon tarkkaan jäsenneltyä. Alalla on ollut paljon puhetta koneoppimisen ja tekoälyn hyödyntämisestä geneerisempien ratkaisujen saavuttamiseen, mutta tuloksia näiden projektien onnistumisesta ei ole kantautunut suuren yleisön tietoisuuteen. Tässä työssä on tarkoitus tutkia koneoppimisen soveltuvuutta ohjelmistorobotiikkaan automatisoimalla yrityksen sisäisiä IT-palveluja. Päämääränä on rakentaa toimiva prototyyppi ja löytää koneoppimismalleja hyödyntävä alusta, jota prosessien automatisointia tarjoava yritys voisi alkaa käyttämään osana ratkaisukokonaisuuttaan. Lopputuloksena saatiin toimiva ratkaisu, joka höydyntää koneoppimista todennäköisyyksiin perustuvassa päätöksenteossa. Tutkimuksen avulla voidaan sanoa, että kahden tekniikan välillä on synergiahyötyjä, kunhan niille löydetään sopiva käyttökohde. fi
dc.format.extent 7 + 62
dc.format.mimetype application/pdf en
dc.language.iso en en
dc.title Automating knowledge work of service desk: Machine learning model for software robot en
dc.title IT-palvelun tietotöiden automatisointi: Koneoppimismalli ohjelmistorobotille fi
dc.type G2 Pro gradu, diplomityö fi
dc.contributor.school Sähkötekniikan korkeakoulu fi
dc.subject.keyword RPA en
dc.subject.keyword IPA en
dc.subject.keyword software robotics en
dc.subject.keyword machine learning en
dc.identifier.urn URN:NBN:fi:aalto-201906234043
dc.programme.major Control, Robotics and Autonomous Systems fi
dc.programme.mcode ELEC3025 fi
dc.type.ontasot Master's thesis en
dc.type.ontasot Diplomityö fi
dc.contributor.supervisor Vyatkin, Valeriy
dc.programme AEE - Master’s Programme in Automation and Electrical Engineering (TS2013) fi
dc.location P1 fi
local.aalto.electroniconly yes
local.aalto.openaccess yes


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search archive


Advanced Search

article-iconSubmit a publication

Browse

My Account