Marjojen antosyaanien erottaminen ja väkevöinti

Antosyaanit ovat luonnossa esiintyvien flavonoidien suurin ryhmä. Niitä on tunnistettu yli 600 erilaista, mutta kuitenkin vain kuusi on luonnossa yleisesti esiintyviä. Eniten antosyaaneja on tummissa marjoissa kuten mustikassa, marja-aroniassa sekä variksenmarjassa. Antosyaaneilla on havaittu monia positiivisiaterveysvaikutuksia kuten antioksidatiivisia, antikarsinogeenisia, sekä antimikrobiaalisia vaikutuksia. Tässä työssä tutkittiin marjojen antosyaanien talteenottoa uuttamalla sekä niiden väkevöintiä. Tavoitteena oli saada mahdollisimman korkea antosyaanien saanto ja hyvä säilyvyys. Antosyaanien analysointi tehtiin nestekromatografisesti käyttäen ODS-2 kolonnia sekä nopeampaa spektrofotometristä pH-eromenetelmää. Tulokset laskettiin syanidiini-3-glukosidina. Antosyaanien väkevöintiä tutkittiin käyttäen erityyppisiä polymeerisiä makrohuokoisia adsorptiohartseja. Väkevöintiä kokeiltiin myös erottamalla epäpuhtauksia antosyaaniuutteesta sekä esikäsittelemällä puristejäännös eri olosuhteissa ennen antosyaanien uuttoa. Kuiva antosyaaniuute sisälsi ennen väkevöintiä noin 50 mg/g antosyaaneja ja väkevöinnin jälkeen yli 300 mg/g. Antosyaanien säilyvyyttä tutkittiin eri lämpötiloissa sekä kuivana että uutteena. Riippumatta säilytysolosuhteista kuivan puhdistetun antosyaanin havaittiin säilyvän hyvin.

Innovaation alkupään johtaminen

Työn tavoitteena oli selventää innovaatioketjun alkupään liittyviä keskeisiä käsitteitä, menetelmiä ja toimintamalleja sekä laatia innovaation alkupään ja kyvykkyyden arviointi- ja johtamismallit. Innovaatio on määritelmänsä mukaisesti uusi keksintö, joka on sovellettu käytäntöön ja se luo yritykselle lisäarvoa. Innovaatio on uusi malli, käytäntö tai konsepti, joka muuttaa vallitsevia käytäntöjä siten, että teknologinen ja taloudellinen suorituskyky paranee. Keskeinen kysymys on kirkastaa sumea etupää (Fuzzy Front End) uusiksi liiketoiminta-mahdollisuuksiksi. Innovaation tietolähteet: hiljaiset signaalit, trendit, kilpailija- ja asiakastieto, nousevat uudet teknologiat, tuotepalaute sekä tutkimus-, patentti- ja lisensiointi-informaatio, tarjoavat yrityksille mahdollisuuksia mm. tuote-, prosessi-, palvelu- ja liiketoimintainnovaatioksi. Tulevaisuuden näkeminen alkaa tietämisestä miten hallitsemme signaaleita, jotka ovat olemassa tänään, mutta niitä ei ole tunnistettu. Taitavissa innovaatioyrityksissä tulevaisuuden etsiminen on avainprioriteetti. Mullistavia uusia teknologioita otetaan käyttöön kaikilla teollisuuden aloilla. Näitä mahdollisuuksia on jatkuvasti ja systemaattisesti monitoroitava ja hyödynnettävä. Innovaatiot ja luovuus liittyvät läheisesti toisiinsa. Yrityksen innovatiivisuuden kehittämiseen liittyy sekä organisaatio- että yksilötason jatkuvaa kehittämistä. Yksilöt ovat organisaatiossa ideoiden lähde, mutta sen kehittäminen innovaatioksi on koko organisaation vastuulla. Innovatiivinen organisaatio on aina myös luova, koska luovuus on innovaation lähde. Luovuuden avulla tuotetaan uusia ja hyödyllisiä ideoita ja toimeenpanokyky sisältää ideoiden kehittämisen ja hyödyntämisen liiketoiminnassa. Innovaatiot edellyttävät myös uutta ajattelua. Rationaalinen ajattelu on jopa innovatiivisuuden este. Ajattelukyvykkyyden kehittäminen johtaa tutkimuksien mukaan tehokkaampaan kommunikointiin ja tuloksekkaampaan tiimityöhön. Innovaatiot syntyvät usein vuorovaikutuksessa poikkiorganisatorisissa tiimeissä Innovaatiot eivät synny sattumalta vaan johtamisen tuloksena. Luovuuden ja kyvykkyyksien johtaminen on innovatiivisen organisaation peruselementtejä. Innovaatiokyvykkyyden osatekijöitä ovat innovaation tietolähteiden hyödyntäminen, toimialan osaaminen, innovaatioita tukevat johtamis- ja tietojärjestelmät, innovaatiokulttuuri, prosessilähtöisyys ja dynaaminen kyvykkyys. Innovaatioiden johtaminenon strategialähtöistä, innovaatioprosessien implementointia, työkalujen ja menetelmien hallintaa sekä innovatiivisuuden kehittämistä.

Toimitusvalvonnan tehostaminen projektiympäristössä

Työn tutkimusongelmana on selvittää mitä on toimitusvalvonta, ja miten toimitusvalvontaa voidaan tehostaa projektitoiminnassa valvottaessa ulkopuolelta tilattuja laitteita. Tutkimuksen tuloksena annetaan hyviä käytäntöjä ja neuvoja miten toimitusvalvonta tulisi järjestää taloudellisesti ja kuitenkin tehokkaasti. Tutkimus tehtiin konstruktiivisena case-tutkimuksena havainnoimalla ja haastatteluilla. Raporttia varten tehtiin kirjallisuustutkimus, jonka tuloksena on tutkimuksen teoriaosuus. Tutkimuksen teoriaosassa on käsitelty toimitusvalvonnan työympäristöä yleisemmin ja on käyty läpi yksityiskohtaisesti toimitusvalvojan tehtävät aikataulun, kustannusten ja toimituslaajuuden valvonnassa. Teoriaosassa selvitetään myös niitä perimmäisiä syitä, jotka aiheuttavat ongelmia asiakkaan ja toimittajan välillä koskien toimituksen taloutta, riskien jakoa ja teknisiä ratkaisuja. Tutkimuksen loppuosissa on yhdistetty alkuosan teoria ja tutkimuksesta saadut tehostamistoimenpiteet sekä hyvät käytännöt. Siinä annetaan malli, miten toimitusvalvonta on mahdollista organisoida projektissa niin, että se on taloudellisesti tehokasta ja resurssit on mahdollista suunnata niihin kohteisiin, joissa niistä on eniten hyötyä. Lisäksi käydään läpi yleisimpiä ongelmakohtia.

Service Improvement with Process Modernizations

Työn tarkoituksena on tuottaa liikkeenjohdon konsulttiyritykselle uusi työmenetelmä, jonka avulla se voi vetää kehitysprojekteja joissa asiakasyritysten teollisia palveluprosesseja parannetaan. Prosessiparannusten tulisi tuottaa selvää hyötyä asiakkaille sekä palveluntarjoajan henkilöstölle ja johdolle pian sen jälkeen kun ajanmukaistetut prosessit on menestyksellisesti otettu käyttöön. Menetelmän luonti käynnistyy kirjallisuuskatsauksella, jossa käsitellään aiheita kuten palvelut, teolliset palvelut ja liiketoimintaprosessien uudelleensuunnittelu. Menetelmän luonnin vaatimukset määritellään. Asiakasprojekti, jossa menetelmää koekäytetään, esitellään. Menetelmä esitellään. Se on ylhäältä alaspäin muodostettu kehitysprosessin vetäjän opas. Päätavoitteet asetettiin ensin. Niitä tukevat alitavoitteetasetettiin seuraavaksi. Työohjeet luotiin siten, että tavoitteiden saavuttaminen mahdollistuisi. Samalla kehitettiin menetelmää tukevia työkaluja. Alustavat työohjeet ja työkalut jalostuivat menetelmän koekäytön aikana nykyiseen muotoonsa.Menetelmän laatua arvioidaan koekäytön jälkeen asetettujen tavoitteiden ja saavutettujen tulosten eroja vertaamalla. Valmistumisen jälkeen toteutettavat menetelmän jatkokehitystoimenpiteet esitellään.

A comparative performance study of four-pole induction motors and synchronous reluctance motors in variable speed drives

Design aspects of the Transversally Laminated Anisotropic (TLA) Synchronous Reluctance Motor (SynRM) are studied and the machine performance analysis compared to the Induction Motor (IM) is done. The SynRM rotor structure is designed and manufactured for a30 kW, four-pole, three-phase squirrel cage induction motor stator. Both the IMand SynRM were supplied by a sensorless Direct Torque Controlled (DTC) variablespeed drive. Attention is also paid to the estimation of the power range where the SynRM may compete successfully with a same size induction motor. A technicalloss reduction comparison between the IM and SynRM in variable speed drives is done. The Finite Element Method (FEM) is used to analyse the number, location and width of flux barriers used in a multiple segment rotor. It is sought for a high saliency ratio and a high torque of the motor. It is given a comparison between different FEM calculations to analyse SynRM performance. The possibility to take into account the effect of iron losses with FEM is studied. Comparison between the calculated and measured values shows that the design methods are reliable. A new application of the IEEE 112 measurement method is developed and used especially for determination of stray load losses in laboratory measurements. The study shows that, with some special measures, the efficiency of the TLA SynRM is equivalent to that of a high efficiency IM. The power factor of the SynRM at rated load is smaller than that of the IM. However, at lower partial load this difference decreases and this, probably, brings that the SynRM gets a better power factor in comparison with the IM. The big rotor inductance ratio of the SynRM allows a good estimating of the rotor position. This appears to be very advantageous for the designing of the rotor position sensor-less motor drive. In using the FEM designed multi-layer transversally laminated rotor with damper windings it is possible to design a directly network driven motor without degrading the motorefficiency or power factor compared to the performance of the IM.

Similarity measure based classification

Luokittelujärjestelmää suunniteltaessa tarkoituksena on rakentaa systeemi, joka pystyy ratkaisemaan mahdollisimman tarkasti tutkittavan ongelma-alueen. Hahmontunnistuksessa tunnistusjärjestelmän ydin on luokitin. Luokittelun sovellusaluekenttä on varsin laaja. Luokitinta tarvitaan mm. hahmontunnistusjärjestelmissä, joista kuvankäsittely toimii hyvänä esimerkkinä. Myös lääketieteen parissa tarkkaa luokittelua tarvitaan paljon. Esimerkiksi potilaan oireiden diagnosointiin tarvitaan luokitin, joka pystyy mittaustuloksista päättelemään mahdollisimman tarkasti, onko potilaalla kyseinen oire vai ei. Väitöskirjassa on tehty similaarisuusmittoihin perustuva luokitin ja sen toimintaa on tarkasteltu mm. lääketieteen paristatulevilla data-aineistoilla, joissa luokittelutehtävänä on tunnistaa potilaan oireen laatu. Väitöskirjassa esitetyn luokittimen etuna on sen yksinkertainen rakenne, josta johtuen se on helppo tehdä sekä ymmärtää. Toinen etu on luokittimentarkkuus. Luokitin saadaan luokittelemaan useita eri ongelmia hyvin tarkasti. Tämä on tärkeää varsinkin lääketieteen parissa, missä jo pieni tarkkuuden parannus luokittelutuloksessa on erittäin tärkeää. Väitöskirjassa ontutkittu useita eri mittoja, joilla voidaan mitata samankaltaisuutta. Mitoille löytyy myös useita parametreja, joille voidaan etsiä juuri kyseiseen luokitteluongelmaan sopivat arvot. Tämä parametrien optimointi ongelma-alueeseen sopivaksi voidaan suorittaa mm. evoluutionääri- algoritmeja käyttäen. Kyseisessä työssä tähän on käytetty geneettistä algoritmia ja differentiaali-evoluutioalgoritmia. Luokittimen etuna on sen joustavuus. Ongelma-alueelle on helppo vaihtaa similaarisuusmitta, jos kyseinen mitta ei ole sopiva tutkittavaan ongelma-alueeseen. Myös eri mittojen parametrien optimointi voi parantaa tuloksia huomattavasti. Kun käytetään eri esikäsittelymenetelmiä ennen luokittelua, tuloksia pystytään parantamaan.