BOMP
Status:
SDGs:
Industry:
Impact:
Origin:
School:
Established:
BOMP käyttää koneoppimista tuottaakseen optimaalisen rajapinnan tehtaanhallinnan loppukäyttäjän ja materiaalien ominaisuuksista saatavan raakatiedon välille teollisessa tuotantoympäristössä. Sen tavoitteena on optimoida materiaalien valinta, suunnittelu ja käsittely kahden oppimiskomponentin avulla: tutkimalla ja hyödyntämällä ”pientä dataa” piilotettujen mallien löytämiseksi.
Koneoppimisalgoritmi perustuu todennäköisyyspohjaiseen Bayesin päättelyyn, joka tunnetaan myös nimellä Bayesin optimointi, ja se voidaan helposti sovittaa haastaviin ongelmiin monilla insinööritieteiden aloilla, mukaan lukien, mutta ei rajoittuen, seosten suunnittelu, nestemekaniikka, kemialliset reaktiot ja materiaalien käsittely. Lopullinen proof-of-concept on helppokäyttöinen ohjelmistorajapinta kovan luokan tieteeseen, jossa maallikko voi optimoida materiaalien ominaisuuksia ja prosessiparametreja ilman koulutusta. Tämä korvaa prosessin/materiaalin optimointikonsultoinnin tarpeen murto-osalla kustannuksista.
äپٴᲹ .
Contact
Markus Holmström
Read more about innovation services
News from innovation ecosystem
Kasvatuskumppanuus-hanke etenee Espoossa – huoltajien ja koulujen yhteistyötä kehitetään osallistavin menetelmin
Kaksivuotisessa hankkeessa tutkitaan ja kehitetään huoltajien ja koulujen välistä yhteistyötä palvelumuotoilun keinoin.
Teemakuukausi kannustaa liikkumaan kestävästi
Toukokuussa Otaniemessä on tarjolla monenlaisia tapahtumia ja tempauksia muistuttamaan kestävistä valinnoista liikkumisessa.
UniSport kannustaa liikkumaan – toukokuun edut aaltolaisille
Toukokuussa vietetään Otaniemi kestävällä tiellä -teemakuukautta. UniSport tarjoaa Aalto-yliopiston opiskelijoille ja henkilökunnalle monipuolisia etuja ja vinkkejä arjen aktiivisuuden lisäämiseen.