Koneoppimisen ja big data -analytiikan hyödyntäminen teollisuudessa

Abstract

Teknologian jatkuva kehitys ja innovaatiot ovat mullistaneet teollisuuden toimintaympäristön viimeisen vuosikymmenen aikana. Keskustelu tekoälyn ympärillä on kasvanut viime vuosina, ja uusia sovelluskohteita löydetään jatkuvasti. Koneoppiminen on noussut tekoälyn sovelluskohteista keskeisimmäksi teollisuudessa. Tämän kandidaatintyön tavoitteena on selvittää, mitä hyötyjä koneoppiminen ja big data -analytiikka voivat tuoda teollisuuteen. Tavoite on jaettu kolmeen osaan, jotka käsittelevät koneoppimisen sovelluskohteita teollisuudessa, teollisuudessa hyödynnettäviä koneoppimisen menetelmiä sekä keskeisiä haasteita koneoppimispohjaisessa big data -analytiikassa.

Kandidaatintyö toteutettiin kirjallisuuskatsauksena, jossa lähdeaineisto koostui vertaisarvioiduista tieteellisistä julkaisuista. Aineistojen haku tapahtui kolmesta sähköisestä tietokannasta ja aineistoksi rajattiin aihetta käsittelevät julkaisut viimeisen 10 vuoden ajalta.

Työssä tarkastellaan ensin aiheita big data, esineiden internet ja teollisuus 4.0. Tämän jälkeen työssä keskitytään koneoppimisen määritelmään ja prosessiin, oppimismenetelmiin ja koneoppimiseen big data -analytiikassa. Työn katsausosiossa teoriaosuudet yhdistetään kokonaisuudeksi hyödyntäen tutkimusaineiston löydöksiä. Tutkimuksen tulokset osoittavat koneoppimisella olevan monia sovelluskohteita teollisuudessa. Sovelluskohteiksi tunnistettiin muun muassa laadunvarmistus, prosessien optimointi, ennakoiva huolto ja vikojen havaitseminen. Tutkimuksessa tunnistettiin myös monia koneoppimisen menetelmiä, joita voidaan soveltaa teollisuudessa. Lisäksi tunnistettiin keskeisimmät haasteet, mitä liittyy koneoppimispohjaiseen big data -analytiikkaan. Tulokset voidaan nähdä yleistettävinä koko teollisuuden alalle, mutta sovelluskohteet ja menetelmät luultavasti vaihtelevat tiettyjen teollisuuden alojen mukaan.