Tekoälypohjaiset ohjausmenetelmät valmistavan teollisuuden koneissa

Abstract

Tekoäly on kehittynyt viime vuosien aikana merkittävästi ja tekoäly on nousemassa isoksi osaksi valmistavaa teollisuutta. Tutkielman tavoitteena on selvittää, miten ja mihin tarkoituksiin tekoälyä hyödynnetään valmistavan teollisuuden koneiden ohjauksessa sekä selvittää millaisia hyötyjä tekoälypohjaisella koneenohjauksella voidaan saavuttaa. Tutkielma on rajattu kolmeen valmistavan teollisuuden koneeseen, jotka ovat CNC-sorvi, koneistuskeskus ja teollisuusrobotti. Lisäksi näköpohjaiset teknologiat kuten konenäkö ovat rajattu pois. Tutkielma on tehty kirjallisuuskatsauksena ja työn aineistona on käytetty vertaisarvioituja artikkeleita, oppikirjoja sekä konferenssijulkaisuja.

Tutkielmassa käsitellään tekoälyä ja tämän työn kannalta sen merkittävimpiä osa-alueita, jotka ovat koneoppiminen ja syväoppiminen. Lisäksi tutkielmassa käsitellään neuroverkkoja, joka on yksi tekoälyn tärkeimmistä teknologioista. Tekoäly ja sen osa-alueet käsitellään peruspiirteittäin, eikä niihin syvennytä enempää kuin tämän tutkielman kannalta on tarpeellista. Tekoäly määriteltiin tässä työssä teknologiaksi, jonka avulla koneet pystyvät suoriutumaan annetuista tehtävistä kuten ihminen.

Tekoälypohjaista koneenohjausta käsitellään kolmessa eri valmistavassa teollisuudessa käytettävässä koneessa, jotka ovat CNC-sorvi, koneistuskeskus ja teollisuusrobotti. Tekoälypohjaisessa koneenohjauksessa käytettiin useimmiten koneoppimisalgoritmeja. CNC-sorvin ja koneistuskeskuksen ohjauksessa yleisimmät tekoälyn käyttökohteet liittyivät pinnankarheuden ja työkalun kulumisen ennustamiseen. Teollisuusrobotin ohjauksessa tekoälyn käyttökohteet liittyivät robotin paikotuksen ja liikkeiden optimointiin.

Tekoälyn käytön suurimmiksi haasteiksi osoittautuivat tekoälymalleille tarvittavan tiedon määrä ja etenkin sen laatu. Laadukkaan tiedon hankinta voi olla hankalaa esimerkiksi vaikeiden mittausolosuhteiden vuoksi. Lisäksi tiedon hankinta on yleensä kallista. Vaikka tekoälyn käytössä on monia haasteita, sen avulla voidaan kuitenkin saavuttaa merkittävää kilpailuetua ja valmistusprosessin tehokkuuden kasvua valmistavassa teollisuudessa.