Lämpötilaennustemalli laiteviankorjauksessa
Ullakonoja, Teppo (2025)
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2025112028859
https://urn.fi/URN:NBN:fi:amk-2025112028859
Tiivistelmä
Tämän opinnäytetyön tavoitteena oli tutkia, miten koneoppimista voidaan hyödyntää tietoliikenneverkon elementtien lämpötilan ennustamisessa. Lämpötilan hallinta on kriittistä verkon toimintavarmuuden kannalta, sillä poikkeamat voivat aiheuttaa häiriöitä ja lisätä huoltokustannuksia. Ennakoiva analytiikka parantaa hallintaa ja vähentää riskejä.
Tutkimus toteutettiin konstruktiivisella lähestymistavalla, jossa kehitettiin ennustemalleja eri koneoppimismenetelmiä hyödyntäen. Mallien syötteinä käytettiin säätilaan liittyviä muuttujia, kuten lämpötila ja kosteus, sekä verkon komponenttien aiempia mittauksia. Mallien suorituskykyä arvioitiin ennustetarkkuuden ja soveltuvuuden perusteella.
Tulokset osoittivat, että koneoppimismallit tuottavat luotettavia ennusteita komponenttien lämpötilasta suhteessa sääolosuhteisiin. Tämä mahdollistaa ennakoivan ylläpidon ja paremman resurssien hallinnan. Työ saavutti tavoitteensa ja luo pohjan tarkemmille ja reaaliaikaisille ennustejärjestelmille.
Tutkimus toteutettiin konstruktiivisella lähestymistavalla, jossa kehitettiin ennustemalleja eri koneoppimismenetelmiä hyödyntäen. Mallien syötteinä käytettiin säätilaan liittyviä muuttujia, kuten lämpötila ja kosteus, sekä verkon komponenttien aiempia mittauksia. Mallien suorituskykyä arvioitiin ennustetarkkuuden ja soveltuvuuden perusteella.
Tulokset osoittivat, että koneoppimismallit tuottavat luotettavia ennusteita komponenttien lämpötilasta suhteessa sääolosuhteisiin. Tämä mahdollistaa ennakoivan ylläpidon ja paremman resurssien hallinnan. Työ saavutti tavoitteensa ja luo pohjan tarkemmille ja reaaliaikaisille ennustejärjestelmille.