Tekoälyalgoritmin kehittäminen hiljaisen tiedon avulla

Abstract

Tämä diplomityö tehtiin euroopassa toimivan metsäteollisuusyrityksen toimeksiannosta. Tutkimuksen taustalla on toimeksiantajayrityksen halu kehittää kartongin jalostuksen tuotannonohjausmenetelmiä. Diplomityön tavoitteena oli tutkia, mitä käytännön rajoitteita ja toimintamalleja tuotannon optimoimiseen suunnitellun tekoälyalgoritmin tulisi jalostustoiminnoista sisältää.

Tutkimus toteutettiin laadullisena tutkimuksena, jossa tiedonhankintamenetelmänä käytettiin teemahaastatteluja. Tutkimusongelman kannalta työssä keskeistä oli toimeksiantajayrityksessä työskentelevien henkilöiden asiantuntemus sekä hiljainen tieto jalostustoimintojen ominaispiirteistä, joiden keräämiseen hyödynnettiin teemahaastatteluja. Tutkimuksessa kerätyn aineiston analyysissa tarkasteltiin teemoittain keskeisimpiä tekijöitä, jotka vaikuttavat materiaalihukan muodostumiseen jalostustoiminnoissa teknisten rajoitteiden ja toimintamallien osalta.

Tutkimuksen tuloksena syntyi päätöspuu, joka muodostuu jalostuskoneen teknisistä rajoitteista, jotka algoritmin tulee käytännön tasolta huomioida sekä jalostuskoneella työskentelevien henkilöiden toimintamalleista, jotka algoritmin laskentaan sisällytetään. Johtopäätöksenä voidaan todeta keskeisimpänä rajoitteena olevan jalostuskoneiden hylkyjärjestelmän käytettävyys ja sen vaikutus tuotantotehokkuuteen. Toimintamallien osalta algoritmin tulisi tunnistaa toimitusmalleihin liittyvät mahdollisuudet raaka-aineen optimimoiseksi.

This master’s thesis was made for European forest industry company. The backround of the study is the that company wants to develop production control methods in cardboard processing. The purpose of master’s thesis was to investigate what practical constraints artificial intelligence algorithm should include to processing operations.

The research was carried out as a qualitative study and as a intelligence gathering method used thematic interviews. The main focus of the study was tacit knowledge and expertise in processing operations which employees of the company have. The collected material was analyzed and looked at the main factors by theme, which affect the formation of material loss and what technical constraints and operating models affect.

As a study of the result was created a decision tree which composed of technical constraints processing machine and operating models. Decision tree’s result needed to be included in the calculation of the algorithm. In conclusion it can be stated that the main constraint is a processing machines waste systems usability and its impact on production efficiency. In terms of operating models, the algorithm should be identified opportunities related to delivery models to optimize the raw material.