Prosessisimulaattoreiden hyödyntäminen tekoälyn vaatiman datan tuottamisessa

Tässä kandidaatintyössä tutkittiin prosessisimulaattoreiden ja digitaalisten kaksosten tuottaman datan hyödyntämistä tekoälyn, erityisesti koneoppimismallien koulutukseen teollisuudessa. Työssä tutkittiin koneoppimisalgoritmien vahvuuksia ja heikkouksia eri käyttötarkoituksissa sekä sitä, miten datan määrä ja laatu vaikuttavat algoritmien suorituskykyyn. Lisäksi tavoitteena oli selvittää, miten prosessisimulaattoreita ja digitaalisia kaksosia voidaan hyödyntää tuotannon laadun ylläpitämisessä, tuotantoprosessien optimoinnissa sekä ennakoivassa kunnossapidossa ja turvallisuuden parantamisessa. Työssä tarkasteltiin erilaisia datatyyppejä, kuten simuloitua, synteettistä ja mitattua dataa, sekä niiden soveltamista koneoppimisalgoritmien kouluttamiseen.

Työssä käytettiin kirjallisuudesta valittuja tapausesimerkkejä teollisuudesta. Työn tuloksena todettiin, että prosessisimulaattoreiden ja digitaalisten kaksosten tuottama data tekoälylle voi mahdollistaa ennakoivamman ja tehokkaamman prosessienhallinnan. Erityisesti hybridimallit, jotka hyödynsivät monipuolisia datalähteitä, osoittautuivat lupaaviksi. Tutkimukset osoittivat, että digitaalisten kaksosten ja prosessisimulaattoreiden hyödyntäminen on tehokas tapa edistää teollisuuden tekoälyratkaisujen kehystä. Ne voivat tarjota tarkan ja reaaliaikaisen näkymän prosesseihin. Lisäksi tutkimuksen aikana nousi esiin jatkotutkimusaihe, jossa voisi kehittää ohjelmiston, joka yhdistää erilaisia koneoppimisalgoritmeja.