WP 3 Decision-making, potential, and business models

lead by Dr. Mikael Collan, Lappeenranta University of Technology (LUT)
[email protected]
+358 505567185

Expert forumilla mukana useita MFG4.0-tutkijoita

Expert forum: Urban mining and metal recovery from low value ores and sidestreams


25.11.2019 Helsingin Messukeskukseen kokoontuu joukko asiantuntijoita keskustelemaan uudenlaisista näkökulmista kaivostoimintaan sekä metallien talteenottoon vähäarvoisista malmeista ja sivuvirroista. Tapahtumassa on puhujia sekä yliopistoista että yrityksistä. Lisäävä valmistus eli 3D-tulostus on keskeisessä näkökulmassa monessa esityksessä, ja alan asiantuntijat esittelevät sen hyödyntämistä erotustekniikassa.

Erityisesti lisäävää valmistusta käsittelevät tohtori Heidi Piili ja apulaisprofessori Eveliina Repo
LUT-yliopistosta.
Piilin esitys käsitteleemetallien 3D-tulostusta ja virtuaalisista oppimista. apulaisprofessori Eveliina Repo, joka kertoo 3D-tulostetuista elektrodeista ja adsorbenteista metallien talteenotossa.

Apulaisprofessori Repo kertoo 3D-tulostetuista elektrodeista ja adsorbenteista metallien talteenotossa. Foorumin puhujat lähestyvät metallien talteenottoa innovatiivisilla ja tarkoitukseensa kohdistetuilla menetelmillä ja teknologioilla.

Esityksien lisäksi tapahtumassa on näyttely, jonka aiheet käsittelevät sekundääristen materiaalien käyttöä ja prosessien sivuvirtojen tehokkaampaa hyödyntämistä siirtyessä kohti raaka-aineiden kiertotaloutta.

Kuvassa 3D-tulostettuja elektrodeja

Foorumin pääpuhujina toimivat tohtori Kris Broos (VITO) ja tohtori Guilhem Grimaud (MTB). He molemmat ovat asiantuntijoita kestävässä kehityksessä, materiaalien kierrätyksessä ja kiertotaloudessa. Foorumissa käydään läpi modernien teknologien, kuten lisäävän valmistuksen, tarjoamia ratkaisuja ja mahdollisuuksia metallien talteenottoon ja kaivosteollisuuteen. Tapahtuma on suunnattu yrityksille, jotka etsivät uusia teknologiota, ratkaisuja, ideoita tai projektikumppaneita. Foorumia toteuttamassa ovat mukana CST, EIT Raw Materials ja LUT-yliopisto.

Expert Forumilla on myös esillä tutkijatohtori Jyrki Savolaisen posteri, joka käsitteleen kaivosten teknis-taloudellisia simulointimalleja. Digital twin model for metal mining investments; Managing complexity with simulation

sekä Atte Heiskasen, Pinja Niemisen, Heidi Piilin ja Eveliina Revon posteri, joks käsittelee Elektrodien 3D-tulostusta : Additive manufacturing of electrodes from metals

Artificial Intelligence gaining ground in industrial applications

Notes from  Manufacturing Performance Days 2019
Digital Twins and Artificial Intelligence
May 4-6th 2019 in Tampere
Jyrki Savolainen post-doc researcher at LUT University

The event is an “executive and visionary seminar for manufacturing industries, researchers and technology and service providers worldwide”
organized by Dimecc Ltd, which is a “co-creation ecosystem” for the Finnish technology companies.

According to presenters, Ilmari Veijola and Tuomas Humalajoki in the Siemens-organized session, simulation models are reaching an
unprecedented level of detail and realism, which has been dubbed as “digital twin”-technology and simply refers to the fact that the simulation models are digital images of the technical real-world reality that they depict.

Company Also Finland presented a demo application of artificial intelligence calculating the number of bananas and oranges in a basket.

Ville Hulkko talked about how “Artificial Intelligence” (AI) can be used in designing autonomous cars and other unmanned vehicles. He stressed out that current AI-applications controlling the unmanned vehicles are not yet autonomous, but require a regular human intervention.

These topics are addressed in the Strategic Research funded project “Manufacturing 4.0” .

READ MORE
Linkedin

MFG4.0-tutkijat ja -professorit syventämässä yhteistyötä Trenton yliopiston kanssa

LUE ENEMMÄN VIERAILUSTA TÄSTÄ

Maanantaina 6.5. MFG4.0-hankkeen edustajat tutustuivat Trenton yliopiston ingegneria industriale -laitoksen toimintaan Povossa.

Povon vierailulla nähtiin esitykset, jotka keskittyivät LUT-yliopiston toimintaan analytiikan, robotiikan, ma-teriaalia lisäävän valmistuksen sekä materiaalifysiikan aloilla. Esitykset antoivat trentolaisille kuvan MFG4.0-hankkeesta ja erityisesti sen teknis-taloudellisesta osiosta.

LUT-yliopiston esitykset ( WP2,WP3):

Tiistaina 7.5.2019 MFG4.0-hankeen edustajat tutustuivat Roveretossa (noin 30 kilometriä Trentosta) sijaitsevan Polo Meccatronican toimintaan.
Kyseinen yksikkö on keskittynyt erityisesti valmistustekniikan kehittämiseen ja yritysyhteistyössä toteutettavien projektien läpivientiin.

Povoon sijoittuvissa tiloissa sijaitsee suuri osa materiaalitutkimukseen liittyvästä mittauslaitteistoista. Lisäksi rakennukseen on sijoitettu komposiittimateriaalien tutkimus.

Jatkona vierailulle Antti Salminen ja Ville Laitinen saivat kutsut osallistua heinäkuussa 2019 Roveretossa järjestettävään workshoppiin, joka keskittyy materiaalia lisäävään valmistukseen (engl. Additive Manufacturing).

Samalla yliopistojen yhteenlasketun laitekannan ja osaamisen todettiin täydentävän hyvin toisiaan, mikä avaa yhteistyömahdollisuuksia väitöskirjaopiskelija- / tutkijavaihdon kautta.

The latest MFG4.0 article on prediction of movements in the stock market


The accurate prediction of movements in the stock market over time is of major interest for investors and governments alike. In this research, we aimed to classify the returns of a stock market, meaning the daily changes, into four categories. Instead of simply using up and down movements, we consider also whether these movements are strong or small. Our target is the well-known American stock market index S&P500 and we collected more than 130 inputs such as other related market indices and several so-called technical indicators from finance, to build our stock market classification model. Initially, we selected with feature selection from all features those that help us set up a good classification model.

As our model, we chose a Random forest, which is a popular machine learning algorithm. Subsequently, we derived several trading strategies from our classification results to profit from our predictions. One of our main findings is that the strong movements, positive and negative, contribute on average most to our trading strategies, meaning that they bring larger returns than other predictions. Since most previous models only consider two classes, whereas we use four, this indicates that differentiating among more outcomes can be beneficial for stock market predictions.

Lohrmann,C. & Luukka,P. (2019). Classification of intraday S&P500 returns with a Random Forest.International Journal of Forecasting. Volume 35. Issue. 1. p.390-407.