Levytyökoneen laadun tarkkailu Virtamittausten analysoinnilla
Peurala, Sami (2018)
Peurala, Sami
2018
Johtaminen ja tietotekniikka (Pori)
Talouden ja rakentamisen tiedekunta - Faculty of Business and Built Environment
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2018-12-05
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tty-201811212692
https://urn.fi/URN:NBN:fi:tty-201811212692
Tiivistelmä
Levytyökoneen pääakseleista mitataan levytyökoneen valmistuksen loppuvaiheessa virtamittaukset. Virtamittauksia on analysoitu visuaalisesti, mutta kaikkia valmistuvia levytyökoneita ei ehditä tarkastamaan virtamittausten osalta. Tässä diplomityössä on pyritty löytämään analysointimenetelmiä ja koneellisia luokittelumenetelmiä tunnistamaan poikkeavat virtamittaukset.
Diplomityön aluksi käydään läpi eri menetelmiä, joiden avulla voitaisiin kehittää koneellinen analyysi ja luokittelumenetelmä tunnistamaan poikkeavat virtamittaukset. Tässä työssä tutkimuskohteeksi valittiin aikasarjan analyysimenetelmiä ja aikasarja-analyysin perusteella valittiin parhaimmat piirteet koneelliseen luokitteluun. Erilaisia luokittelumenetelmiä testattiin useilla eri levytyökonetyyppien virtamittauksilla. Monipuolinen aineisto mahdollistaa huomioimaan eri levytyökonetyyppien pääakseleiden eroavaisuudet virtamittausten osalta ja kehittämään luokittelumenetelmän siten, että kaikkien eri levytyökonetyyppien luokittelu on mahdollisimman luotettava.
Levytyökoneiden pääakseleiden virtamittauksia analysointiin Python-ohjelmointikielellä, johon on saatavilla ohjelmakirjastoja aikasarjan analysointiin sekä koneellisen luokittelun toteuttamiseen. Toteutettu luokittelumenetelmä pystyy luokittelemaan eri levytyökoneiden pääakseleiden virtamittauksia kolmeen eri luokkaan.
Toteutettu luokittelumenetelmä pystyi tunnistamaan luotettavasti toimenpiteitä vaativat poikkeavat virtamittausarvot. Diplomityö osoitti, että koneelliseen analysointiin ja luokitteluun pohjautuva järjestelmä pystyy tunnistamaan toimenpiteitä vaativat poikkeavat virtamittausarvot. Menetelmää voidaan soveltaa myös siten, että jokaiselle eri levytyökonetyypille kehitetään oma koneellinen analysointi- ja luokittelumenetelmänsä.
Diplomityön aluksi käydään läpi eri menetelmiä, joiden avulla voitaisiin kehittää koneellinen analyysi ja luokittelumenetelmä tunnistamaan poikkeavat virtamittaukset. Tässä työssä tutkimuskohteeksi valittiin aikasarjan analyysimenetelmiä ja aikasarja-analyysin perusteella valittiin parhaimmat piirteet koneelliseen luokitteluun. Erilaisia luokittelumenetelmiä testattiin useilla eri levytyökonetyyppien virtamittauksilla. Monipuolinen aineisto mahdollistaa huomioimaan eri levytyökonetyyppien pääakseleiden eroavaisuudet virtamittausten osalta ja kehittämään luokittelumenetelmän siten, että kaikkien eri levytyökonetyyppien luokittelu on mahdollisimman luotettava.
Levytyökoneiden pääakseleiden virtamittauksia analysointiin Python-ohjelmointikielellä, johon on saatavilla ohjelmakirjastoja aikasarjan analysointiin sekä koneellisen luokittelun toteuttamiseen. Toteutettu luokittelumenetelmä pystyy luokittelemaan eri levytyökoneiden pääakseleiden virtamittauksia kolmeen eri luokkaan.
Toteutettu luokittelumenetelmä pystyi tunnistamaan luotettavasti toimenpiteitä vaativat poikkeavat virtamittausarvot. Diplomityö osoitti, että koneelliseen analysointiin ja luokitteluun pohjautuva järjestelmä pystyy tunnistamaan toimenpiteitä vaativat poikkeavat virtamittausarvot. Menetelmää voidaan soveltaa myös siten, että jokaiselle eri levytyökonetyypille kehitetään oma koneellinen analysointi- ja luokittelumenetelmänsä.