Tekoälyn hyödyntäminen konseptuaalisessa prosessisuunnittelussa
Hatara, Inka (2024)
Kandidaatintyö
2024
School of Engineering Science, Kemiantekniikka
Kaikki oikeudet pidätetään.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2024061250753
https://urn.fi/URN:NBN:fi-fe2024061250753
Tiivistelmä
Tekoälyn suosio on kasvanut ja saatavuus parantunut 2020-luvulla merkittävästi. Tekoälyllä on suuri potentiaali auttaa kemiantekniikan ongelmien ratkaisussa. Tässä kirjallisuuskatsauksessa haluttiin kartoittaa, miten tekoälyä voidaan hyödyntää konseptuaalisessa prosessisuunnittelussa tällä hetkellä. Työhön kerättiin ajankohtaisia tekoälyn hyödyntämisesimerkkejä eri prosessisuunnittelun vaiheissa.
Konseptuaalisen prosessisuunnittelun ongelmat perustuvat laaja-alaiseen prosessisuunnittelun tiedon ja prosessin mallintamisen hallintaan. Prosessisynteesiongelmien ratkaisuun on esitetty hierarkkinen hybridimalli, joka yhdistää tietotaitoon ja matematiikkaan pohjautuvat ongelmanratkaisumenetelmät. Pitkälti tätä ongelmanratkaisuperiaatetta sivuavat tekoälymallit hyödyntävät eniten vahvistusoppimista tai muita koneoppimisen muotoja. Tekoälysovelluksissa käytetään myös syvän oppimisen menetelmiä.
Tekoälyä voidaan hyödyntää uusien prosessivaihtoehtojen generoimisessa, kemiallisen synteesin suunnittelussa sekä prosessin simuloinnissa ja optimoinnissa. Tekoäly toimii prosessisuunnittelijan apuvälinenä keventämässä rutiinitehtäviä. Se ei yksinään pysty suoriutumaan monimutkaisten ongelmien ratkaisemisessa. Suurimmat tekoälyllä saavutettavat hyödyt olivat tekoälymallien suuri oppimiskapasiteetti ja optimointitehokkuus. Hyödyntämiseen liittyviä vaaroja olivat muun muassa mallin luotettavuus ja sovellettavuus sekä saatavilla olevan datan määrä ja laatu.
Konseptuaalisen prosessisuunnittelun ongelmat perustuvat laaja-alaiseen prosessisuunnittelun tiedon ja prosessin mallintamisen hallintaan. Prosessisynteesiongelmien ratkaisuun on esitetty hierarkkinen hybridimalli, joka yhdistää tietotaitoon ja matematiikkaan pohjautuvat ongelmanratkaisumenetelmät. Pitkälti tätä ongelmanratkaisuperiaatetta sivuavat tekoälymallit hyödyntävät eniten vahvistusoppimista tai muita koneoppimisen muotoja. Tekoälysovelluksissa käytetään myös syvän oppimisen menetelmiä.
Tekoälyä voidaan hyödyntää uusien prosessivaihtoehtojen generoimisessa, kemiallisen synteesin suunnittelussa sekä prosessin simuloinnissa ja optimoinnissa. Tekoäly toimii prosessisuunnittelijan apuvälinenä keventämässä rutiinitehtäviä. Se ei yksinään pysty suoriutumaan monimutkaisten ongelmien ratkaisemisessa. Suurimmat tekoälyllä saavutettavat hyödyt olivat tekoälymallien suuri oppimiskapasiteetti ja optimointitehokkuus. Hyödyntämiseen liittyviä vaaroja olivat muun muassa mallin luotettavuus ja sovellettavuus sekä saatavilla olevan datan määrä ja laatu.