Tekoälyn käyttö autoteollisuuden laadunvalvonnassa

Abstract

Tämän kandidaatintutkielman tavoitteena oli tarkastella, miten tekoälyä hyödynnetään autoteollisuuden laadunvalvonnassa sekä millaisia hyötyjä ja haasteita sen käytöstä on raportoitu verrattuna perinteisiin menetelmiin. Tutkielma toteutettiin kirjallisuuskatsauksena, ja sen aineisto pyrittiin kokoamaan tuoreista ja vertaisarvioiduista tutkimuksista sekä artikkeleista. Kirjallisuuden perusteella tekoälyn keskeiset sovellukset autoteollisuuden laadunvalvonnassa liittyvät visuaalisen tarkastuksen automatisointiin, sensoridataan perustuvaan ennakoivaan laadunvalvontaan sekä digital twin- ja IoT-pohjaiseen reaaliaikaiseen prosessiseurantaan. Kirjallisuuden perusteella syväoppimismallit osoittautuivat tehokkaiksi pinnan virheiden tunnistamisessa, ja sensoripohjaiset ratkaisut mahdollistavat poikkeamien havaitsemisen jo varhaisessa vaiheessa. Tutkielmassa ilmenee myös tekoälyn tuomia hyötyjä autoteollisuuden laadunvalvontaan, kuten tarkemman virheiden tunnistamisen, pienentyneet hylkäys- ja uudelleentyöstömäärät sekä paremmat mahdollisuudet tuotantoprosessien ennakoivaan ohjaamiseen. Haasteet, joita kirjallisuudessa ilmeni, liittyivät datan laatuun, käyttöönoton teknisiin vaatimuksiin sekä henkilöstön osaamiseen. Tutkielman perusteella voidaan kuitenkin todeta, että tekoälyllä on merkittävä potentiaali tehostaa autoteollisuuden laadunvalvontaa sekä mahdollistaa siirtymistä kohti datavetoisempaa ja ennakoivampaa laadunvalvontaa.