Teollisten laitteiden massan ja kustannusten ennustaminen suunnittelun alkuvaiheessa: Kirjallisuuskatsaus data-analyysin menetelmiin

Abstract

Teollisten laitteiden massaa ja kustannuksia joudutaan arvioimaan jo suunnittelun alkuvaiheessa, vaikka lähtötiedot ovat usein vielä puutteellisia. Arvioilla on merkitystä erityisesti tarjoushinnoittelussa, investointipäätöksissä ja vaihtoehtoisten suunnitteluratkaisujen vertailussa. Tässä kandidaatintyössä tarkastellaan, millä tavoin data-analyysin ja koneoppimisen menetelmiä voidaan hyödyntää teollisten laitteiden massan ja kustannusten ennustamisessa suunnittelun alkuvaiheessa. Työ on toteutettu kirjallisuuskatsauksena. Tarkastelun kohteena ovat tutkimukset, joissa historiatietoon perustuvia menetelmiä on sovellettu laivanrakennuksen, varastosäiliöiden ja painesäiliöiden massan tai kustannusten arviointiin. Lisäksi työssä käsitellään aiheeseen liittyviä keskeisiä käsitteitä. Kirjallisuuskatsauksen perusteella data-analyysin ja koneoppimisen menetelmillä voidaan tuottaa käyttökelpoisia ennusteita, kun aineisto on riittävän laadukas ja sovelluskohde on selvästi rajattu. Tarkastelluissa tutkimuksissa käytettiin muun muassa regressiomalleja, neuroverkkoja, mallipuita ja esimerkkiperusteisia menetelmiä. Tulokset viittaavat siihen, että ke-hittyneemmät menetelmät voivat joissakin tapauksissa tuottaa tarkempia ennusteita kuin yksinkertaisemmat menetelmät, kuten lineaarinen regressio. Toisaalta regressiomallien etuna on usein parempi tulkittavuus. Työn perusteella yhtä yleisesti parasta menetelmää ei voida nimetä. Menetelmän käyttökelpoisuus riippuu aineiston laadusta ja saatavuudesta, sekä mallin tulkittavuudesta. Tulosten yleistettävyyttä rajoittaa myös se, että monet tarkastellut menetelmät perustuvat tiettyyn tuotetyyppiin tai suppeaan aineistoon. Jatkossa menetelmiä olisi hyödyllistä tutkia erityisesti toimialoilla, joilla laitteiden vaihtelu on suurta ja tuotteet valmistetaan asiakaskohtaisina tilauksina.