TEK, TFiF ja MAL palkitsivat vuoden parhaat opinnäytetyöt

Väitöskirjapalkinto 2020

Yliopistoilta tuli yhteensä 30 ehdotusta, joista palkintotoimikunnan ehdotus palkinnon saajaksi on TkT Asad Awan työstään ”Control methods for Permanent-Magnet Synchronous Reluctance Motor Drives”. Työ on tehty Aalto-yliopiston sähkötekniikan korkeakoulussa. Ohjaajana on toiminut professori Marko Hinkkanen.

Awan kehitti väitöstyössään uusia ohjausalgoritmeja tahtireluktanssimoottoreiden energiatehokkaaseen ohjaamiseen. Sähkömoottorikäyttöjen osuus teollisuuden sähkönkulutuksesta Euroopassa on yli 65 %. Perinteisten oikosulkumoottoreiden osuus teollisuuteen myytävistä uusista moottoreista on yhä yli 90 %. Uusilla tahtimoottorikäytöillä energiatehokkuutta voitaisiin parantaa jopa 30 %. Awanin työssään käsittelemä reluktanssimoottori olisi teollisuuden näkökulmasta oivallinen vaihtoehto, sillä sen valmistuskustannus on kilpailukykyinen oikosulkumoottoreiden kanssa, sen häviöt ovat merkittävästi oikosulkumoottoria pienemmät eikä sen valmistuksessa tarvita harvinaisia maametalleja.

Reluktanssimoottori poikkeaa toimintaperiaatteiltaan perinteisistä moottorityypeistä, joten sille tarvitaan täysin uusia ohjausmenetelmiä. Lisäksi teollisuuden sovelluksissa moottorin tulisi toimia ilman vikaantumisherkkää ja kallista mekaanista liikeanturia ja moottoria syöttävän taajuusmuuttajan tulisi pystyä automaattisesti virittämään säätöjärjestelmänsä kullekin moottorille sopivaksi. Näitä haasteita Awan ratkoi työssään ansiokkaasti. Työssä esitetyt menetelmät on johdettu analyyttisesti ja validoitu onnistuneesti. 

Asad Awanin väitöskirja on erittäin hyvin kirjoitettu, teoria ja käytäntö ovat tasapainossa ja työn tuloksilla on selvästi paljon hyödynnettävyyttä.

Diplomityöpalkinto 2020

Palkinnonsaajaksi tuli yhteensä 12 ehdotusta, joista palkintotoimikunta esittää palkittaviksi arkkitehti Eelis Leinon työtä: ”Energiaviisasta arkkitehtuuria – Arkkitehtisuunnittelun opas rakennusten energiankulutuksen vähentämistä varten”. Työ on tehty Tampereen yliopiston arkkitehtuurin yksikössä. Työn ohjaajina toimivat professori Markku Karjalainen ja professori Juha Vinha.

Leinon diplomityössä selvitettiin suomalaisten rakennusten energiankulutuksen nykytila ja sen kehittämismahdollisuudet paremman suunnittelun keinoin. Tämä tehtiin analysoimalla nykyisiä energiamääräyksiä ja -ohjeita sekä tutkimalla energiankulutusta vähentäviä ratkaisuja energiasimulaatioiden ja kansainvälisten tutkimusten avulla. Tutkimuksen perusteella muodostettiin Suomen ilmastoon soveltuva arkkitehtisuunnittelun opas, jonka avulla arkkitehdit voivat vähentää suunnittelemiensa rakennusten kokonaisenergiankulutusta.

Työn aihe on ilmastonmuutoksen hillinnän näkökulmasta erittäin ajankohtainen ja tärkeä. Rakennuksien energiankulutuksella on keskeinen rooli niin ilmastonmuutoksen hillitsemisessä kuin myös rakennusten käyttökustannuksissa, sillä energian tuottaminen aiheuttaa aina päästöjä, lisää kustannuksia ja luonnonvarojen käyttöä. Vain vähentämällä energiankulutusta voidaan vähentää näitä kaikkia haittoja ja saavuttaa asetetut ilmastotavoitteet helpommin. Tällä on erityisesti merkitystä Suomessa, koska suuri osa kaikesta energiankulutuksestamme kuluu rakennusten hyvän sisäilmaston luomiseen.

Diplomityössä syntyneiden tulosten ja suunnitteluohjeiden avulla voidaan lisätä arkkitehtien ja muiden rakennussuunnittelijoiden asiantuntemusta rakennusten energiankulutuksesta. Tulosten perusteella voidaan myös todeta, että paremmalla arkkitehtisuunnittelulla voidaan saavuttaa kohtalaisia energiasäästöjä erittäin kustannustehokkaasti. Rakennuksen pinta-alaa, avautumissuuntaa, kokoa, muotoa, puskuritiloja ja aukotusta optimoimalla voidaan vähentää energiankulutusta ja parhaimmillaan myös laskea rakentamiskustannuksia.

Eelis Leino on osoittanut työssään kirjallisen ja tutkimuspainotteisen tutkimustyön erinomaista hallintaa.

Pro gradu -palkinto 2020

FM Timo Lintosen pro gradu -tutkielma "Optimization in Semi-Supervised Classification Of Multivariate Time Series" käsittelee osittain ohjattua, monimuuttujaista aikasarjojen luokittelua. Tätä myös käytännön sovellusten kannalta merkittävää aihetta on käsitelty suhteellisen vähän kirjallisuudessa.

FM Timo Lintosen työ etenee loogisesti ja käytetyt algoritmit on esitetty täsmällisesti. Teoria ja analyysi ovat erittäin hyvin hallinnassa ja työ on kirjoitettu hyvin. Vertailu aikaisempiin luokittelualgoritmeihin on tehty asiallisesti ja käyttäen poikkeuksellisen laajasti viittauksia kirjallisuuteen. Erityisen merkittävää on työssä kehitetty, todistettu ja testattu uusi peak evaluation -algoritmi. Menetelmän toimivuus on esitetty numeerisin laskuesimerkein. Tuloksista on jo julkaistu useampia yhteisartikkeleja arvostetuissa kansainvälisissä julkaisusarjoissa. FM Lintonen on ensimmäinen kirjoittaja IEEE/CAA Journal of Automatica –lehden artikkelissa.

FM Timo Lintosen ansiokas työ matemaattisen teorian soveltamisesta merkittävään koneoppimisen ongelmaan ja on sovellettavissa teollisuuden simulointitarpeisiin. Työ täyttää selkeästi erinomaisen sovelletun matematiikan pro gradu -tutkielman ja Matemaattis-luonnontieteellisten alojen Akateemiset r.y.:n, MALin, Pro Gradu -palkinnon kriteerit.