Tekoäly teollisten prosessien suunnittelun ja optimoinnin työkaluna
No Thumbnail Available
Files
Ylikraka_Jesse_2024.pdf (830.85 KB) (opens in new window)
Aalto login required (access for Aalto Staff only).
URL
Journal Title
Journal ISSN
Volume Title
Kemiantekniikan korkeakoulu |
Bachelor's thesis
Electronic archive copy is available locally at the Harald Herlin Learning Centre. The staff of Aalto University has access to the electronic bachelor's theses by logging into Aaltodoc with their personal Aalto user ID. Read more about the availability of the bachelor's theses.
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
2024-05-24
Department
Major/Subject
Kemian tekniikka ja prosessit
Mcode
CHEM3050
Degree programme
Kemiantekniikan kandidaattiohjelma
Language
fi
Pages
34
Series
Abstract
Tämän kirjallisuuskatsauksena toteutetun kandidaatintyön tavoitteena oli selvittää, kuinka tekoälymenetelmiä voidaan hyödyntää prosessi- ja kemianteollisuudessa etenkin prosessien suunnittelussa sekä optimoinnissa. Materiaalina työn kannalta käytettiin oleellisia puhtaasti tekoälyyn keskittyviä tutkimusartikkeleita, joiden lisäksi myös tekoälymenetelmien ja teollisuuden prosesseja käsitteleviä yhteisiä tieteellisiä julkaisuja. Teollisuus aiheuttaa vuosittain valtavasti päästöjä globaalisti, jotka johtuvat suuressa mittakaavassa tapahtuvista monimutkaisista prosesseista haastavissa olosuhteissa. Kuitenkin teknologian kehitys ja digitalisointi tarjoaa prosesseista entistä enemmän dataa, jota voidaan käyttää hyväksi, kun prosesseja halutaan lähteä kehittämään tekoälytekniikoiden avulla. Tekoälytekniikoiden kiihtynyt tutkimus ja kehitys on mahdollistanut niiden soveltamisen monella eri alalla. Prosessiteollisuuden tekoälymenetelmät omaavat lähinnä perinteisen koneoppimisen luonteeseen, jotka pyrkivät jäljittelemään reaalimaailman ilmiötä, joita voidaan optimoida tai suunnitella vähemmän ympäristöä kuormittavaksi. Koneoppimismallit ovat monimutkainen kokonaisuus, sillä ne hyödyntävät usein monia eri algoritmeja, matemaattisia operaatioita ja niitä hallitaan useilla eri käyttäjäkoodeilla. Työssä eniten tutkitut koneoppimismallit kuten eri keinotekoiset neuroverkkomallit sekä geneettiset algoritmit ovat osoittaneet lupaavia tuloksia aina prosessien suunnittelusta valmiiden prosessiparametrien optimaalisten olosuhteiden säätelyyn jo konkreettisissa sovelluskohteissa, joita voidaan käyttää hyväksi päästöjen vähentämisessä. Lisäksi eri tekoälymenetelmät tarjoavat monenlaisia hyötyjä prosesseissa, kun niitä sovelletaan ja ratifioidaan käyttökohteen mukaan. Tekoälymenetelmien hyödyntäminen prosessiteollisuudessa ei kuitenkaan ole ongelmatonta. Ongelmia saattaa esiintyä uusien prosessien suunnittelussa, jolloin koneoppimisalgoritmien koulutustarkoituksessa käytettävää dataa on vain vähän saatavilla. Tätä voidaan kompensoida esimerkiksi generoimalla koulutusdataa erilaisilla simulaatio-ohjelmilla saatavissa olevalla datalla. Lisäksi tekoälymenetelmien hyödyntämisessä esiintyy vielä epätarkkuuksia sekä tekoälyohjelmat tarvitsevat vielä ihmisen rinnalleen tekemään lopulliset päätökset. Tekoälyllä on kuitenkin valtava potentiaali tulevaisuudessa monella eri alalla, mutta se vaatii myös lisäystä työntekijöiden koulutukseen.Description
Supervisor
Kontturi, EeroThesis advisor
Pokki, Juha-PekkaKeywords
tekoäly, koneoppiminen, neuroverkot, algoritmit