Koneoppimisen hyödyntäminen materiaalivirtojen suunnittelemisessa
Koskula, Jonas (2022)
Kandidaatintyö
Koskula, Jonas
2022
School of Engineering Science, Tuotantotalous
Kaikki oikeudet pidätetään.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2022051134420
https://urn.fi/URN:NBN:fi-fe2022051134420
Tiivistelmä
2000-luvulla suunnattomasti kasvanut datan määrä ja tietokoneiden tietojenkäsittelytehon suuri kasvu on lisännyt kiinnostusta koneoppimismenetelmiä kohtaan. Yhä useammat toimitusketjut hyödyntävät koneoppimista toimitusketjujen osa-alueissaan optimoidakseen materiaalivirtojensa suunnittelua. Tässä kandidaatintyössä tavoitteena on selvittää, miten koneoppimista voidaan hyödyntää toimitusketjujen materiaalivirtojen suunnittelussa.
Työn alussa perehdytään toimitusketjun hallinnan keskeisimpiin käsitteisiin, toimintoihin ja siihen, miten niissä hoidetaan materiaalivirtojen suunnitteluprosesseja. Sen jälkeen työssä keskitytään koneoppimisen teoriaan tarkemmin ja selvitetään, minkälaisia koneoppimis-menetelmiä toimitusketjuissa voidaan hyödyntää. Työssä perehdytään myös koneoppimisen hyödyntämiseen liittyviin mahdollisiin haasteisiin. Lopuksi työssä selvitetään, miten koneoppimismenetelmiä voitaisiin hyödyntää toimitusketjujen materiaalivirtojen suunnitellussa ja minkälaisia hyötyjä se voi niille tuoda.
Tutkimustulokset osoittavat, että koneoppimisen mallit pystyvät oikein käytettyinä tehostamaan materiaalivirtojen suunnittelua, ja siten vähentämään kustannuksia ja nopeuttamaan läpimenoaikoja toimitusketjussa.
Työn alussa perehdytään toimitusketjun hallinnan keskeisimpiin käsitteisiin, toimintoihin ja siihen, miten niissä hoidetaan materiaalivirtojen suunnitteluprosesseja. Sen jälkeen työssä keskitytään koneoppimisen teoriaan tarkemmin ja selvitetään, minkälaisia koneoppimis-menetelmiä toimitusketjuissa voidaan hyödyntää. Työssä perehdytään myös koneoppimisen hyödyntämiseen liittyviin mahdollisiin haasteisiin. Lopuksi työssä selvitetään, miten koneoppimismenetelmiä voitaisiin hyödyntää toimitusketjujen materiaalivirtojen suunnitellussa ja minkälaisia hyötyjä se voi niille tuoda.
Tutkimustulokset osoittavat, että koneoppimisen mallit pystyvät oikein käytettyinä tehostamaan materiaalivirtojen suunnittelua, ja siten vähentämään kustannuksia ja nopeuttamaan läpimenoaikoja toimitusketjussa.