|
|
Datalähtöinen monitavoiteoptimointi teollisuudessa |
|---|---|
| Author: | Sipola, Tapani1 |
| Organizations: |
1University of Oulu, Faculty of Science, Mathematics |
| Format: | ebook |
| Version: | published version |
| Access: | open |
| Online Access: | PDF Full Text (PDF, 58.9 MB) |
| Pages: | 43 |
| Persistent link: | http://urn.fi/URN:NBN:fi:oulu-201912173282 |
| Language: | Finnish |
| Published: |
Oulu : T. Sipola,
2019
|
| Publish Date: | 2019-12-17 |
| Thesis type: | Master's thesis |
| Tutor: |
Laitinen, Erkki Tamminen, Satu |
| Reviewer: |
Laitinen, Erkki Tamminen, Satu |
| Description: |
Tiivistelmä Tutkielman aiheena on koneoppimisella toteutettuun tilastolliseen malliin perustuva teollisen prosessin monitavoiteoptimointi. Esimerkkitapauksena käytetään teräksen nuorrutusprosessin parametrien säätöä tuotteen mekaanisten ominaisuuksien hylkäysriskin ennusteen rajoittamana. Aluksi esitellään monitavoiteoptimointi ja evoluutioalgoritmit yleisellä tasolla, ja kaksi monitavoitteista evoluutioalgoritmia, NSGA-II ja DEMO. Tämän jälkeen esitellään koneoppimiseen perustuva menetelmä, jota ollaan käytetty teräksen mekaanisten ominaisuuksien mallintamiseen, sekä sen toteuttamiseen käytetyt tilastolliset mallit GBM ja GAM. Annetaan lyhyt kuvaus teräksen lämpökäsittelystä ja mekaanisten ominaisuuksien testauksesta. Lopuksi vertaillaan NSGA-II:n ja DEMO:n suoriutumista optimointiongelmasta käyttäen monitavoitteisia rintamametriikoita. Monitavoiteoptimoinnin soveltuvuus nuorrutuskäsittelyn optimointiin todetaan. DEMO toimii kyseisessä ongelmassa paremmin kuin NSGA-II, mutta tämä saattaa johtua mekaanisien ominaisuuksien ennustamiseen valituista menetelmistä. see all
|
| Subjects: | |
| Copyright information: |
© Tapani Sipola, 2019. This publication is copyrighted. You may download, display and print it for your own personal use. Commercial use is prohibited. |