Data-analytiikan hyödyntäminen panostoimisissa kemianteollisuuden prosesseissa
Montonen, Jyri (2022)
Kandidaatintyö
Montonen, Jyri
2022
School of Engineering Science, Tuotantotalous
Kaikki oikeudet pidätetään.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2022081655498
https://urn.fi/URN:NBN:fi-fe2022081655498
Tiivistelmä
Työn tarkoituksena oli selvittää mitä haasteita panostoimissa kemianteollisuuden prosesseissa on data-analytiikalle. Tämän lisäksi tutkittiin mihin data-analytiikka voidaan käyttää panostoimisissa kemianteollisuuden prosesseissa. Työ toteutettiin kirjallisuuskatsauksena ja lähteinä käytettiin aiheeseen liittyvää teoriakirjallisuutta.
Panostoimiset prosessit ovat tärkeässä roolissa kemiateollisuudessa. Näiden prosessien avulla valmistetaan monia erikoiskemikaaleja ja kuluttajatuotteita, kuten kosmetiikkaa, lääkkeitä ja elintarvikkeitta. Tuotteita joiden valmistus on monimutkaista, ja joiden laatu on täytettävä tietyt vaatimukset.
Yhtenä keskeisenä haasteena data-analytiikalle on panostoimisten prosessien datan laadun monimuotoisuus ja datan rakenne, joka tekee analysoinnista hankalaa ja monimutkaista. Haasteena havaittiin myös tiedontallentamisen haasteet, johtuen datan suuresta määrästä. Data-analytiikkaa hyödynnetään tuotannonsuunnitteluun ja aikataulutukseen, jotka ovat keskeisessä roolissa juuri panostoimisissa prosesseissa. Yhtenä keskeisenä analytiikan hyödyntämiskohteena havaittiin tuotelaadun parantaminen, johon voidaan käyttää muun muassa koneoppimista. Tulevaisuudessa datan määrä ja monimutkaisuus kasvat entisestään. Yhtenä ratkaisuna tähän esitetiin tensoriaalista data-analytiikan hyödyntämistä.
Panostoimiset prosessit ovat tärkeässä roolissa kemiateollisuudessa. Näiden prosessien avulla valmistetaan monia erikoiskemikaaleja ja kuluttajatuotteita, kuten kosmetiikkaa, lääkkeitä ja elintarvikkeitta. Tuotteita joiden valmistus on monimutkaista, ja joiden laatu on täytettävä tietyt vaatimukset.
Yhtenä keskeisenä haasteena data-analytiikalle on panostoimisten prosessien datan laadun monimuotoisuus ja datan rakenne, joka tekee analysoinnista hankalaa ja monimutkaista. Haasteena havaittiin myös tiedontallentamisen haasteet, johtuen datan suuresta määrästä. Data-analytiikkaa hyödynnetään tuotannonsuunnitteluun ja aikataulutukseen, jotka ovat keskeisessä roolissa juuri panostoimisissa prosesseissa. Yhtenä keskeisenä analytiikan hyödyntämiskohteena havaittiin tuotelaadun parantaminen, johon voidaan käyttää muun muassa koneoppimista. Tulevaisuudessa datan määrä ja monimutkaisuus kasvat entisestään. Yhtenä ratkaisuna tähän esitetiin tensoriaalista data-analytiikan hyödyntämistä.