Teollisuuden Big data

Hanke keskittyy selvittelemään tekoälyratkaisujen mahdollisuuksia valmistusteollisuuden tarpeissa. Hankkeessa keskitytään erityisesti tekoälyyn teollisen prosessin laadun tarkkailussa ja akkukennojen testauksessa muodostuvan big datan hyödyntämiseen osana akkukemikaalien valmistusprosessia.

Teollisuuden prosesseista tuotetaan- ja kerätään paljon dataa. Teollisuuden prosesseja monitoroidaan teknisin anturein, jotka tuottavat valtavat määrät dataa prosessin tilasta. Dataa täydennetään laboratoriomittauksilla. Näin tuotettu data muodostaa pohjan, jolla tyypillisesti arvioidaan teollisten prosessien hyvyyttä. Laatumuuttujien suoran mittaamisen ja analysoinnin kustannukset ja haasteellisuus on kuitenkin kasvanut. Järjestelmien toimintatilan seuraamiseksi, prosessien sujuvan ohjauksen toteuttamiseksi ja tuotteiden laadun parantamiseksi olisi kuitenkin tärkeää, että keskeisiä laatuindeksejä voitaisiin seurata nopeasti ja tarkasti. Hankkeessa selvitetään eri tekoälytekniikoiden mahdollisuuksia suurten datamassojen luokittelussa, poikkeamien havaitsemisessa ja virtuaalisten antureiden kehittämisessä. Virtuaalisella anturilla tarkoitetaan ohjelmistoa, joka eri lähteistä saatua dataa yhdistelemällä ja käsittelemällä tuottaa uutta informaatiota.

Myös akkumateriaalien tutkimuksen kannalta haasteena on suuren datamäärän hyödyntäminen. Akkumateriaalien tutkimuksessa on tärkeää tuntea materiaalin toimivuus akkukennossa eli loppuapplikaatiossa. Kennon testauksen yhteydessä muodostuu paljon sellaista dataa, jota tällä hetkellä ei hyödynnetä. Datasta voi ennustaa erityyppisten akkukemikaalien sähkökemiallista käyttäytymistä ja rakentaa malleja. Tämä mahdollistaa uuden datan/tiedon käyttöönoton ja vähentää manuaalista datan käsittelyn tarvetta.

Hankkeen tavoitteet voidaan tiivistää seuraavasti

1. Selvittää ja pilotoida tekoälytekniikoiden mahdollisuuksia teollisuusprosessin poikkeamien ja laadun seurannassa.
2. Kehittää ja käsitellä akkumateriaalien testauksessa muodostunutta Big dataa tekoälyn avulla luomaan uudenlaista ennustettavuutta akkukennojen ja sitä kautta akkumateriaalien hyvyydestä.
3. Levittää tietoa tekoälymenetelmien teollisuudelle tarjoamista mahdollisuuksista ja tekoälyn hyödyntämisen edellyttämistä resursseista.