Academic literature on the topic 'Datan hallinta'

Ilmaston muutoksella on monia haittavaikutuksia, joista osa ilmenee kasvinsuojeluriskien kasvuna ja siitä johtuvana torjuntatarpeen muutoksena. MTT:n tutkimusten tavoitteena on osoittaa: 1) ns. suorien säävaikutusten seuraukset kasvinsuojelussa, 2) viljelykasvien ja –järjestelmien muutoksesta aiheutuvat riskit sekä 3) torjunta-aineiden käyttöön liittyvät riskiskenaariot. Osa työstä tehdään kotimaisen verkoston, osa Itämeren alueen yhteistyönä. Alustavat tulokset todistavat, että muutosta ei tarvitse odottaa – se on alkanut jo. Havaintodatat osoittivat, että Suomessa on todettu 13 uutta tuhoojaa ja 13 tuhoojan aiheuttamat riskit ovat lisääntyneet. Ruotsissa 9 tuhoojaa aiheuttaa aikaisempaa suurempia ongelmia, Tanskassa 19 ja Virossa 5. Kasvitaudit ovat lisääntyneet nopeimmin kaikissa maissa. Kasvinsuojeluaineiden myynti ja käyttö on lähtenyt myös kasvuun ja osa kasvun syistä liittyy uusiin ongelmiin ja/tai torjuntakauden aikaistumiseen sekä pidentymiseen. Tautitorjunnasta on julkaistua tietoa, joka osoittaa mm. perunaruton torjuntaruiskutusten kolminkertaistuneen viimeisen 15 vuoden aikana. Osa syistä liittyy torjuntakauden pidentymiseen osa ruttokantojen muutokseen. On arvioitu, että yhden asteen keskilämpötilan nousua seuraa keskimäärin yhden ruiskutuskerran lisäys ellei käytössä ole muita torjuntakeinoja. Climex-mallinnukset osoittavat vastaavasti, että odotettavissa on monen tuholaislajin siirtymä 400 km pohjoiseen, jos vuorokauden keskilämpötila nousee 3,5 oC. Myös rikkakasvilajisto on muuttumassa, mutta suorien todisteiden saanti ilmaston muutoksen ja lajistomuutoksen välille vaatii vielä tarkkoja lisätutkimuksia. Suoria vaikutuksia suuremmat riskit liittyvät uusien kasvien ja viljelyjärjestelmien yleistymiseen. Suorakylvön seuraukset rikkakasvi- ja tautiriskeissä on jo todistettu. Selvästi suuremmat muutokset voivat liittyä syyskylvöisten kasvien viljelyyn ja yleistymiseen. Kevätkasvien tuhoojat siirtyvät syyskylvöisiin kasvustoihin ja jatkavat kehitystään kasvukaudesta toiseen ilman selvää lepovaihetta. Koko viljelyekosysteemi muuttuu ja myös monet systeemin sisäiset ja populaatioiden väliset vuorovaikutukset kokevat muutoksen, jota on vaikea ennakoida. Niiden mallintaminen vaati paljon lisää tutkimustietoa ja mallinusosaamista sekä kokeellista dataa. Kansalliseksi ja koko Pohjois-Euroopan haasteeksi tulee jatkossa lisääntyvien riskien hallinta tilanteessa, jossa EU:n tasolla on: 1) hyväksytty vähentää synteettisten kemikaalien käyttöä ja 2) korvata ne osittain luonnon omilla torjuntakeinoilla sekä uudella teknologialla. EU:n tavoitteiden toteuttaminen kansallisesti ei onnistu, ellei ajoissa panosteta: 1) riskien havainto- ja mittausjärjestelmiin, 2) vaihtoehtoisten menetelmien kehittämiseen, 3) terveen lisäysmateriaalin tuottamiseen omassa maassa sekä 4) torjuntatyön tukemiseen integroidun kasvinsuojelun (IPM) osaamisella, joka yhdistää riskiskenaariot käytettävissä oleviin torjuntamenetelmiin. Uusien teknologioiden käyttökelpoisuus tulee myös testata käytännön viljelmillä, jotta varmistetaan viljelyn ekologinen että ekonominen kestävyys myös käytännössä.. Tässä tutkimuksessa tuotettu tieto osoittaa jo, että kasvinsuojelun riskit kasvavat Euroopan pohjoisilla alueilla suhteellisesti eniten eikä riskien hallinta voi perustua pelkästään muualla tuotettuun tutkimustietoon.

Viljelijän toimintaympäristö muuttuu nopeasti, ja yhteiskunta asettaa viljelylle yhä enemmän ja monimutkaisempia vaatimuksia muun muassa viljelyn ympäristövaikutusten sekä tuotettujen raaka-aineiden, laadun, turvallisuuden, tuotantotavan ja jäljitettävyyden suhteen. Samaan aikaan maatiloille kohdistetaan kasvavia tuotannon tehostamisvaatimuksia tuotantopanosten jatkuvan hinnannousun ja tuotteesta saatavan hinnan erotuksen puristuksessa. Viljelijöiden kapasiteetti ja hyvinvointi kyseenalaistuvat lisääntyneen henkilökohtaisen työmäärän ja toiminnan monimutkaistumisen seurauksena. Viljelijät hyödyntävät enenevissä määrin teknologiaa avustamaan työtehtävissä, ja ongelmaksi onkin muodostunut erilaisten tuotannossa käytettävien järjestelmien yhteensopimattomuus sekä puutteellinen koordinaatio, tiedon jakaminen ja liitettävyys. MTT:n CropInfra –hankkeessa tutkittiin ja kehitettiin edelleen aiemmissa tutkimushankkeissa tuotettuja tiedonhallinnan konsepteja uudeksi, käytäntölähtöiseksi kasvintuotannon tuotanto- ja tiedonhallintainfrastruktuuriksi. Hankkeen konkreettisena pilottina MTT Vakolan maatilalle Vihtiin rakennettiin uusi tiedonhallintainfrastruktuuri instrumentoimalla maatilan nykyiset pellot ja kalusto tarvittavilla tiedonkeruu- ja siirto- ja varastointilaitteistoilla. Infrastruktuurin yksityiskohtien määrittelyissä ja käytettävien teknologioiden valinnassa on käytetty hyväksi muun muassa muiden MTT:n tutkimusten ja tutkimusryhmien tutkimustapauksia. CropInfran ytimessä on Internet-palvelin, tietovarasto sensoriverkoilta ja työkoneilta saapuvalle paikkatiedolle, tietokanta aggregoidulle tilatiedolle sekä sovelluksia datan jalostamiseksi automaattisesti tiedoksi myös tosiaikaisesti. CropInfra noudattaa SOA (Service Oriented Architecture) periaatteita, ja sen palvelin on linkittynyt ulkopuolisten, maatilan tiedonhallintaa avustavien sovellusten palvelimiin standardoitujen tiedonsiirtorajapintojen kautta, niin pitkälti kuin sellaisia on määritelty. Tiedonhallintajärjestelmän avusteiset ominaisuudet, kuten tiedon analysointi, aggregointi, järjestely ja laskenta päätöksentekoa varten on toteutettu ns. pilvipalveluina. Maatilan olosuhteista mitataan ja dokumentoidaan tietoja ympäristöön sijoitetuilla kiinteiltä anturiverkoilla, kuten MAASÄÄ-verkosto, joista data siirretään langattomasti palvelimille. Liikkuvat työkoneet on varustettu mittausantureilla ja tiedonkeruuyksiköillä peltotöiden vaiheiden ja tehtävän työn paikkakohtaista dokumentointia ja tosiaikaista monitorointia varten. Tiedonsiirto työkoneista palvelimelle ja vastaavasti ohjeiden siirto takaisin työkoneille tapahtuu liikkuvan laajakaistan avulla. Näin alustasta muodostuu standardeja ja automaatiota hyödyntävä älykäs toimintaympäristö kasvinviljelytöihin sekä maatilakohtaiseen ympäristötiedon hallintaan. Rakennettu infrastruktuuri on alati päivittyvä, ja palvelee erilaisia projekteja tarjoten olosuhteet tulevaisuuden älykkään tuotannon tutkimiseksi ja kehittämiseksi.

Maatalouskoneteollisuus on pyrkinyt parantamaan tuotteidensa toimintoja ja ominaisuuksia tutkimalla ihminen-kone-rajapintaa. Sopeutuva säätö ja automaatio ovat keinoja, jotka lisäävät maatalouskoneiden kilpailukykyä. Automaattisten toimintojen käytettävyyden parantaminen on yhä merkittävämpi myyntiargumentti Euroopassa. Esimerkiksi rehunkorjuu noukinvaunulla vaatii kuljettajalta useiden asioiden lähes yhtäaikaista havainnointia ja säätöjen tarkennusta. Agromassi-hankkeessa yhtenä työpaketin osiona on säilörehun korjuun optimointi. Siinä tavoitteena oli säilöntäaineen annostelun ja ajonopeuden optimointi. Optimaalinen annostelu luo edellytykset parempilaatuiseen säilörehuun, ja ajonopeuden optimointi estää noukinvaunun ali- ja ylikuormittumisen ja samalla se aikaansaa lyhyemmän ja tasamittaisemman silpun. Viime mainittu helpottaa rehun tasaamista, tallaamista ja tiivistymistä siilossa ja siten parempia säilöntäedellytyksiä. Lisäksi paikkatiedon käyttö mahdollistaa satokartan teon korjuulohkolta. Vuosina 2009 – 2012 tutkittiin älykästä mittaus- ja säätöjärjestelmää, joka oli instrumentoitu traktori-noukinvaunuyhdistelmään. ISO11783 (ISOBUS) standardi traktorin ja työkoneen väliseen kommunikointiin (säätö, ohjaus ja tiedonsiirto) tarjoaa yleisen alustan uusien säätösysteemien soveltamiseen ja omaksumiseen. Testitraktorissa on class 3 TECU (Tractor electronic control unit), joka käsittää peruskäskyjen kuten esimerkiksi VOAn ja ulkopuolisen hydrauliikan hallinnan lisäksi ajono-peuden säädön. Vuonna 2009 selvitettiin osajärjestelmien soveltuvuutta karhon poikkipinta-alan ja rehun kosteuden mittaamiseen. Karhon poikkipinta-alan mittaamisessa päädyttiin traktorin eteen asennettavaan laser-skanneriin, joka mittaa 90-asteen kulmassa karhon pinnan profiilia. Kosteuden mittaamiseen selvitettiin kirjallisuuden perusteella eri vaihtoehtoja ja päädyttiin NIR-sensoriin (near–infrared photometric analyzer), joka asennettiin noukinvaunun etusermin alaosaan. Rehun kokonais-massaa vaunussa mitattiin kolmella painesensorilla ja pohjakuljettimen liikettä pulssianturilla. Vaunun sivuun asennettiin kahdella kalvopumpulla varustettu hapotinlaite, johon ECUn (Electronic control unit) suunnitteli ja teki Aalto yliopiston tutkijat. Vaunun analogiset mittausviestit muutettiin digitaaliseen muotoon väylälle Axiomatic CAN -controllerilla. Noukinvaunun ECUn emolevyyn liitettiin NIR-sensori sarjaportin kautta. Traktorin ohjaamossa oli noukinvaunulla ja hapottimella omat käyttöliittymät, joissa oli valittavissa joko manuaali- tai automaattimoodi. Dataa kerättiin tarkoitukseen räätälöidyllä mittausohjelmalla. Noukinvaunun ECU estimoi rehun massavirran Kalman-suodinta käyttäen. Suodin estimoi massavirran kolmen mittauksen perusteella: 1) karhon tilavuusvirta laskettuna laserskannerilta, 2) rehun kokonaismassa painesensoreilta ja 3) karhon tiheys, joka lasketaan NIR-sensorin mittauksesta. Traktorin ajonopeutta säädetään sumealla säätimellä, joka laskee sopivan nopeuden perustuen traktorin tilaan (nopeus ja kierrosluku), estimoituun massavirtaan sekä karhon pinta-alan muutokseen. Säilöntäaine levitetään rehun estimoituun massavirtaan perustuen käyttäen PID-säädintä, joka virtausmittarin avulla säätää virtauksen oikeaksi. Adaptiivinen säätöjärjestelmä on osoittanut, että se pystyy vastaamaan sille hankkeessa asetettuihin tavoitteisiin. Vaikka käyttöliittymä (terminaali ohjaamossa)on toimiva ja havainnollinen, sitä varmasti voi kehittää edelleen. Osa tästä tutkimuksesta on tehty Agromassi-hankkeessa, joka on osa FIMECCin EFFIMA-ohjelmaa.

Mitä tarkoitetaan, kun puhutaan työelämän informaatiolukutaidosta? Onko se oman työyhteisön informaatiovirtojen hallintaa vai erilaisten työyhteisöjen informaatiokäytäntöjen tunnistamista? Vai voisiko se merkitä kirjasto- ja informaatiotieteiden (LIS) opiskelijoiden mahdollisuutta työllistyä kirjastoalan lisäksi yritysmaailmaan strategiasuunnittelun konsultiksi? ECIL2017 osoitti, että kaikki nämä tulkinnat ovat mahdollisia. Informaatiolukutaito haarautuu yhä useampiinalalukutaitoihin. Esityksissä puhuttiin mm. talouteen, tekijänoikeuksiin, dataan, terveyteen liittyvästä lukutaidoista. Erityisesti ammattikorkeakoulun kontekstissa yhä tiivistyvä työelämäyhteistyö on oleellinen osa pedagogiikkaa jaopiskelijan arkea. Lisääntyvän projekti- ja hanketoiminnan myötä meidän tulee ottaa haltuun uusia näkökulmia, soluttautua uusiin ympäristöihin ja lähteä ulos kirjastosta. Olla osa erilaisia yhteisöjä. Onko meillä rohkeutta laajentaa toimintaympäristöämme ja siirtyä uusiin rooleihin?

Abstract Products and services are critical for companies as they create the foundation for companies’ financial success. Twenty per cent of company products typically account for some eighty per cent of sales volume. Nevertheless, the product portfolio decisions — how to strategically renew company product offering — tend to involve emotions, pet products and who-shout-the-loudest mentality while facts, numbers, and quantitative analyses are missing. Profitability is currently measured and reported at a company level, and firms seem unable to measure product-level profitability in a constant way. Consequently, companies are unable to maintain and renew their product portfolio in a strategically or commercially balanced way. The main objective of this study is to provide a data-driven product portfolio management (PPM) concept, which recognises and visualises in real-time and based on facts which company products are concurrently strategic and profitable, and what is the share of them in the product portfolio. This dissertation is a qualitative study to understand the topical area by the means combining literature review, company interviews, observations, and company internal material, to take steps towards data-driven decision-making in PPM. This study indicates that company data assets need to be combined and governed company-widely to realise the full potential of company strategic assets — the DATA. Data must be governed separately from business IT technology and beyond it. Beyond data and technology, the data-driven company culture must be adopted first. The data-driven PPM concept connects key business processes, business IT systems and several concepts, such as productization, product lifecycle management and PPM. The managerial implications include, that the shared understanding of the company products is needed, and the commercial and technical product structures are created accordingly, as they form the backbone of the company business as the skeleton to gather all product-related business-critical information for product-level profitability analysis. Also, product classification for strategic, supportive and non-strategic is needed, since the strategic nature of the product can change during the entire product lifecycle, e.g. due to the technology obsolescence, disruptive innovations by competitors, or for any other reason
Tiivistelmä Tuotteet ja palvelut ovat yrityksille kriittisiä, sillä ne luovat perustan yritysten taloudelliselle menestykselle. Kaksikymmentä prosenttia yrityksen tuotteista edustaa tyypillisesti noin kahdeksaakymmentä prosenttia myyntimääristä. Siitä huolimatta tuoteporfoliopäätöksiin — kuinka strategisesti uudistetaan yrityksen tuotetarjoomaa — liittyy tunteita, lemmikkituotteita ja kuka-huutaa-kovimmin -mentaliteettia faktojen, numeroiden ja kvantitatiivisten analyysien puuttuessa. Kannattavuutta mitataan ja raportoidaan tällä hetkellä yritystasolla, ja yritykset eivät näyttäisi pystyvän mittaamaan tuotetason kannattavuutta johdonmukaisesti. Tämä estää yrityksiä ylläpitämästä ja uudistamasta tuotevalikoimaansa strategisesti tai kaupallisesti tasapainoisella tavalla. Tämän tutkimuksen päätavoite on tarjota dataohjattu (data-driven) tuoteportfoliohallinnan konsepti, joka tunnistaa ja visualisoi reaaliajassa ja faktapohjaisesti, mitkä yrityksen tuotteet ovat samanaikaisesti strategisia ja kannattavia ja mikä on niiden osuus tuoteportfoliossa. Tämä väitöskirja on laadullinen tutkimus, jossa yhdistyy kirjallisuuskatsaus, yrityshaastattelut, havainnot ja yritysten sisäinen dokumentaatio, joiden pohjalta pyritään kohti dataohjautuvaa päätöksentekoa tuoteportfolion hallinnassa. Tämä tutkimus osoittaa, että yrityksen data assettit on yhdistettävä ja hallittava yrityksenlaajuisesti, jotta yrityksen strategisten assettien — DATAN — potentiaali voidaan hyödyntää kokonaisuudessaan. Data on hallittava erillään yrityksen IT-teknologiasta ja sen yläpuolella. Ennen dataa ja teknologiaa on omaksuttava dataohjattu yrityskulttuuri. Dataohjatun tuoteportfolionhallinnan konsepti yhdistää keskeiset liiketoimintaprosessit, liiketoiminnan IT-järjestelmät ja useita konsepteja, kuten tuotteistaminen, tuotteen elinkaaren hallinta ja tuoteportfolion hallinta. Yhteisymmärrys yrityksen tuotteista ja sekä kaupallisen että teknisen tuoterakenteet luominen vastaavasti on ennakkoedellytys dataohjatulle tuoteportfolion hallinnalle, koska ne muodostavat yrityksen liiketoiminnan selkärangan, joka yhdistää kaikki tuotteisiin liittyvät liiketoimintakriittiset tiedot tuotetason kannattavuuden analysoimiseksi. Lisäksi tarvitaan tuotteiden kategorisointi strategisiin, tukeviin ja ei-strategisiin tuotteisiin, koska tuotteen strateginen luonne voi muuttua tuotteen elinkaaren aikana, johtuen esimerkiksi teknologian vanhenemisesta, kilpailijoiden häiritsevistä innovaatioista tai mistä tahansa muusta syystä

Abstract Data is becoming more critical success factor as business processes rely increasingly on information systems. Product data is required to produce, sell, deliver, and invoice a product in information systems. Traditionally, product data and product data management (PDM) studies have focused on product development and related activities, with less attention being paid to PDM in other lifecycle phases. The purpose of this doctoral dissertation is to clarify challenges and prerequisites for company-wide PDM. The study covers the entire product lifecycle and provides potential solutions for developing company-wide PDM and enhancing PDM understanding as a company-wide action. The study was realised by collecting and analysing data from those ICT companies that are seeking for better ways to manage a wide product-range, technologically complex products and comprehensive solutions by enhancing their data management practices. The empirical practitioner’s experiences and perceptions are seen to have increased the knowledge in company-wide PDM. This study adopted a case study approach and utilises interviews as the main data collection method. This study indicates that company managers have already realised that successful business operations require a higher-level understanding of products and related product data. In practice, however, several challenges hinder the ability to achieve the goal of higher-level business-driven PDM. These challenges include product harmonisation, PDM process development requirements and information systems development requirements. The results of this research indicate that product harmonisation is required to better support efficient product data management. Understanding the true nature of product data, that is combination of product master data and other general product data, and the content of product data from different stakeholder perspectives are prerequisites for functional company-wide PDM. Higher-level product decisions have a significant impact on product data management. Extensive product ranges require general guidelines in order to be manageable, especially as even single products are complex. The results of this study indicate that companies should follow a top-down approach when developing their PDM practices. The results also indicate that companies require a generic product structure in order to support unified product management. The main implication of this dissertation is the support it provides for managers in terms of developing true company-wide product data management practices
Tiivistelmä Tiedosta on tullut tärkeä liiketoiminnan menestystekijä liiketoimintaprosessien hyödyntäessä yhä vahvemmin tietojärjestelmiä. Tuotteisiin liittyvä tieto on olennaista, jotta tuote voidaan valmistaa, myydä, toimittaa ja laskuttaa. Tuotetietoa ja sen hallintaa on perinteisesti tarkastelu tuotekehityslähtöisesti kun tämä tutkimus pyrkii ymmärtämään tuotetiedon hallintaa kattaen myös edellä mainitut yrityksen toiminnot. Tämän tutkimuksen tavoitteena on tunnistaa haasteita ja perusedellytyksiä yrityksenlaajuisten tuotetiedonhallinnan käytäntöjen kehittämiseksi. Tuotetiedon hallinta yrityksen laajuisena toimintona vaatii ymmärrystä eri toimijoista, jotka käyttävät tuotetietoa; tiedon luonteesta sekä tiedon hyödyntämisestä eri prosesseissa. Tutkimus toteutettiin ICT yrityksissä, joissa tuotetiedon käytäntöjä tehostamalla haetaan keinoja hallita laajaa tuotteistoa, teknologisesti monimutkaisten tuotteita sekä kokonaisratkaisuja. Käytännön toimijoiden kokemukset ja käsitykset ovat ensiarvoisen tärkeitä lisätessä tietoa yrityksen laajuisesta tuotetiedonhallinnasta. Tutkimus toteutettiin tapaustutkimuksen menetelmin, joissa pääasiallisena tiedonkeruu menetelmänä hyödynnettiin haastatteluja. Tämä tutkimus osoittaa, että liiketoimintalähtöisen tuotetiedon hallinan kehittäminen on ajankohtaista yrityksissä. Tutkimuksessa tunnistetaan lukuisia haasteita, jotka ovat estäneet liiketoimintalähtöisen tuotetiedonhallinnan saavuttamisen. Näitä haasteita ovat: tuotteen harmonisointi yrityksen eri toiminnoissa, tuotetiedon hallinnan prosessien kehittämisen vaatimukset sekä tietojärjestelmien kehittämisen vaatimukset. Tutkimustulosten mukaan tuotteiston harmonisointi on yksi perusedellityksistä tehokkaalle tuotetiedon hallinnalle. Yrityksen kattava tuotetiedoen hallinta vaatii myös tuotetiedon todellisen luonteen ymmärtämistä, joka koostuu tuotteen master datasta sekä muusta tuotetiedosta. Lisäksi on olennaista ymmrättää tuotetiedon sisältö sen todellisten käyttäjien näkökulmasta käsin. Tämän tutkimuksen tulokset osoittavat myös, että tuotetiedon hallinnan kehittäminen pitäisi edetä ”top-down” eli ylhäältä-alas periaatteen mukaan. Tulokset myös viittaavat siihen, että geneerinen tuoterakenne tukee yhdenmukaisia tuotehallinta käytäntöjä. Nämä tulokset tarjoavat työssä esitettyjen kuvausten ja mallien ohella tukea tuotetiedon hallinnan käytäntöjen kehittämiseen yrityksen laajuisesti

Abstract Developments in information technology have had a big impact in healthcare, producing vast amounts of data and increasing demands associated with their secure transfer, storage and analysis. To serve them, biomedical data need to carry patient information and records or even extra biomedical images or signals required for multimodal applications. The proposed solution is to host this information in data using data hiding algorithms through the introduction of imperceptible modifications achieving two main purposes: increasing data management efficiency and enhancing the security aspects of confidentiality, reliability and availability. Data hiding achieve this by embedding the payload in objects, including components such as authentication tags, without requirements in extra space or modifications in repositories. The proposed methods satisfy two research problems. The first is the hospital-centric problem of providing efficient and secure management of data in hospital networks. This includes combinations of multimodal data in single objects. The host data were biomedical images and sequences intended for diagnoses meaning that even non-visible modifications can cause errors. Thus, a determining restriction was reversibility. Reversible data hiding methods remove the introduced modifications upon extraction of the payload. Embedding capacity was another priority that determined the proposed algorithms. To meet those demands, the algorithms were based on the Least Significant Bit Substitution and Histogram Shifting approaches. The second was the patient-centric problem, including user authentication and issues of secure and efficient data transfer in eHealth systems. Two novel solutions were proposed. The first method uses data hiding to increase the robustness of face biometrics in photos, where due to the high robustness requirements, a periodic pattern embedding approach was used. The second method protects sensitive user data collected by smartphones. In this case, to meet the low computational cost requirements, the method was based on Least Significant Bit Substitution. Concluding, the proposed algorithms introduced novel data hiding applications and demonstrated competitive embedding properties in existing applications
Tiivistelmä Modernit terveydenhuoltojärjestelmät tuottavat suuria määriä tietoa, mikä korostaa tiedon turvalliseen siirtämiseen, tallentamiseen ja analysointiin liittyviä vaatimuksia. Täyttääkseen nämä vaatimukset, biolääketieteellisen tiedon täytyy sisältää potilastietoja ja -kertomusta, jopa biolääketieteellisiä lisäkuvia ja -signaaleja, joita tarvitaan multimodaalisissa sovelluksissa. Esitetty ratkaisu on upottaa tämä informaatio tietoon käyttäen tiedonpiilotusmenetelmiä, joissa näkymättömiä muutoksia tehden saavutetaan kaksi päämäärää: tiedonhallinnan tehokkuuden nostaminen ja luottamuksellisuuteen, luotettavuuteen ja saatavuuteen liittyvien turvallisuusnäkökulmien parantaminen. Tiedonpiilotus saavuttaa tämän upottamalla hyötykuorman, sisältäen komponentteja, kuten todentamismerkinnät, ilman lisätilavaatimuksia tai muutoksia tietokantoihin. Esitetyt menetelmät ratkaisevat kaksi tutkimusongelmaa. Ensimmäinen on sairaalakeskeinen ongelma tehokkaan ja turvallisen tiedonhallinnan tarjoamiseen sairaaloiden verkoissa. Tämä sisältää multimodaalisen tiedon yhdistämisen yhdeksi kokonaisuudeksi. Tiedon kantajana olivat biolääketieteelliset kuvat ja sekvenssit, jotka on tarkoitettu diagnosointiin, missä jopa näkymättömät muutokset voivat aiheuttaa virheitä. Siispä määrittävin rajoite oli palautettavuus. Palauttavat tiedonpiilotus-menetelmät poistavat lisätyt muutokset, kun hyötykuorma irrotetaan. Upotuskapasiteetti oli toinen tavoite, joka määritteli esitettyjä algoritmeja. Saavuttaakseen nämä vaatimukset, algoritmit perustuivat vähiten merkitsevän bitin korvaamiseen ja histogrammin siirtämiseen. Toisena oli potilaskeskeinen ongelma, joka sisältää käyttäjän henkilöllisyyden todentamisen sekä turvalliseen ja tehokkaaseen tiedonsiirtoon liittyvät haasteet eHealth-järjestelmissä. Työssä ehdotettiin kahta uutta ratkaisua. Ensimmäinen niistä käyttää tiedonpiilotusta parantamaan kasvojen biometriikan kestävyyttä valokuvissa. Korkeasta kestävyysvaatimuksesta johtuen käytettiin periodisen kuvion upottamismenetelmää. Toinen menetelmä suojelee älypuhelimien keräämää arkaluontoista käyttäjätietoa. Tässä tapauksessa, jotta matala laskennallinen kustannus saavutetaan, menetelmä perustui vähiten merkitsevän bitin korvaamiseen. Yhteenvetona ehdotetut algoritmit esittelivät uusia tiedonpiilotussovelluksia ja osoittivat kilpailukykyisiä upotusominaisuuksia olemassa olevissa sovelluksissa

Abstract Knowledge discovery (KD) technology is used to extract knowledge from large quantities of digital data in an automated fashion. The established process model represents the KD process in a linear and technology-centered manner, as a sequence of transformations that refine raw data into more and more abstract and distilled representations. Any actual KD process, however, has aspects that are not adequately covered by this model. In particular, some of the most important actors in the process are not technological but human, and the operations associated with these actors are interactive rather than sequential in nature. This thesis proposes an augmentation of the established model that addresses this neglected dimension of the KD process. The proposed process model is composed of three sub-models: a data model, a workflow model, and an architectural model. Each sub-model views the KD process from a different angle: the data model examines the process from the perspective of different states of data and transformations that convert data from one state to another, the workflow model describes the actors of the process and the interactions between them, and the architectural model guides the design of software for the execution of the process. For each of the sub-models, the thesis first defines a set of requirements, then presents the solution designed to satisfy the requirements, and finally, re-examines the requirements to show how they are accounted for by the solution. The principal contribution of the thesis is a broader perspective on the KD process than what is currently the mainstream view. The augmented KD process model proposed by the thesis makes use of the established model, but expands it by gathering data management and knowledge representation, KD workflow and software architecture under a single unified model. Furthermore, the proposed model considers issues that are usually either overlooked or treated as separate from the KD process, such as the philosophical aspect of KD. The thesis also discusses a number of technical solutions to individual sub-problems of the KD process, including two software frameworks and four case-study applications that serve as concrete implementations and illustrations of several key features of the proposed process model
Tiivistelmä Tiedonlouhintateknologialla etsitään automoidusti tietoa suurista määristä digitaalista dataa. Vakiintunut prosessimalli kuvaa tiedonlouhintaprosessia lineaarisesti ja teknologiakeskeisesti sarjana muunnoksia, jotka jalostavat raakadataa yhä abstraktimpiin ja tiivistetympiin esitysmuotoihin. Todellisissa tiedonlouhintaprosesseissa on kuitenkin aina osa-alueita, joita tällainen malli ei kata riittävän hyvin. Erityisesti on huomattava, että eräät prosessin tärkeimmistä toimijoista ovat ihmisiä, eivät teknologiaa, ja että heidän toimintansa prosessissa on luonteeltaan vuorovaikutteista eikä sarjallista. Tässä väitöskirjassa ehdotetaan vakiintuneen mallin täydentämistä siten, että tämä tiedonlouhintaprosessin laiminlyöty ulottuvuus otetaan huomioon. Ehdotettu prosessimalli koostuu kolmesta osamallista, jotka ovat tietomalli, työnkulkumalli ja arkkitehtuurimalli. Kukin osamalli tarkastelee tiedonlouhintaprosessia eri näkökulmasta: tietomallin näkökulma käsittää tiedon eri olomuodot sekä muunnokset olomuotojen välillä, työnkulkumalli kuvaa prosessin toimijat sekä niiden väliset vuorovaikutukset, ja arkkitehtuurimalli ohjaa prosessin suorittamista tukevien ohjelmistojen suunnittelua. Väitöskirjassa määritellään aluksi kullekin osamallille joukko vaatimuksia, minkä jälkeen esitetään vaatimusten täyttämiseksi suunniteltu ratkaisu. Lopuksi palataan tarkastelemaan vaatimuksia ja osoitetaan, kuinka ne on otettu ratkaisussa huomioon. Väitöskirjan pääasiallinen kontribuutio on se, että se avaa tiedonlouhintaprosessiin valtavirran käsityksiä laajemman tarkastelukulman. Väitöskirjan sisältämä täydennetty prosessimalli hyödyntää vakiintunutta mallia, mutta laajentaa sitä kokoamalla tiedonhallinnan ja tietämyksen esittämisen, tiedon louhinnan työnkulun sekä ohjelmistoarkkitehtuurin osatekijöiksi yhdistettyyn malliin. Lisäksi malli kattaa aiheita, joita tavallisesti ei oteta huomioon tai joiden ei katsota kuuluvan osaksi tiedonlouhintaprosessia; tällaisia ovat esimerkiksi tiedon louhintaan liittyvät filosofiset kysymykset. Väitöskirjassa käsitellään myös kahta ohjelmistokehystä ja neljää tapaustutkimuksena esiteltävää sovellusta, jotka edustavat teknisiä ratkaisuja eräisiin yksittäisiin tiedonlouhintaprosessin osaongelmiin. Kehykset ja sovellukset toteuttavat ja havainnollistavat useita ehdotetun prosessimallin merkittävimpiä ominaisuuksia

Abstract According to industry estimates, monthly global mobile data traffic will surpass 30.6 exabytes by 2020 and global mobile data traffic will increase nearly eightfold between 2015 and 2020. Most of the mobile data traffic is generated by smartphones, and the total number of smartphones is expected to continue growing by 2020, which results in rapid traffic growth. In addition, the upcoming 5G networks and Internet of Things based communication are estimated to involve a large amount of network traffic. The increase in mobile data traffic and in the number of connected devices poses a challenge to network operators, service providers, and data center operators. If the transmission capacity of the network and the amount of data traffic are not in line with each other, congestion may occur and ultimately the quality of experience degrades. Mobile networks are also becoming more reliant on data centers that provide efficient computing power. However, the energy consumption of data centers has grown in recent years, which is a problem for data center operators. A traditional strategy to overcome these problems is to scale up the resources or by providing more efficient hardware. Resource over-provisioning increases operating and capital expenditures without a guarantee of increased average revenue per user. In addition, the growing complexity and dynamics of communication systems is a challenge for efficient resource management. Intelligent and resilient methods that can efficiently use existing resources by making autonomous decisions without intervention from human administrators are thus needed. The goal of this research is to implement, develop, model, and test algorithms that can enable efficient and energy-aware network resource management in autonomous communications systems. First, an energy-aware algorithm is introduced for high-performance computing data centers to reduce the energy consumption within a single data center and across a federation of data centers. For network access selection in heterogeneous wireless networks, two algorithms are proposed, a client side algorithm that tries to optimize users' quality of experience and a network side algorithm that focuses on optimizing the global resource usage of the network. Finally, for a video service, an algorithm is presented that can enhance the video content delivery in a controllable and resource-efficient way without major changes in the mobile network infrastructure
Tiivistelmä Langattoman tietoliikenteen nopean kasvun ennustetaan jatkuvan edelleen lähivuosinakin ja alan teollisuuden arvioiden mukaan matkapuhelinliikenteen määrä ylittäisi globaalisti 30,6 eksatavua vuoteen 2020 mennessä. Tämä tarkoittaisi liikennemäärän kahdeksankertaistumista ajanjaksolla 2015–2020. Älypuhelimet tuottavat suurimman osan matkapuhelinliikenteestä, ja älypuhelimien lukumäärän arvioidaan jatkavan kasvuaan vuoteen 2020 saakka, mikä johtaa nopeaan liikenteen kasvuun. Tämän lisäksi arvioidaan, että 5G verkot ja esineiden Internet tuottavat suuren määrän verkkoliikennettä. Matkapuhelinliikenteen ja laitteiden määrän kasvu tuo haasteita verkko-operaattoreille, palvelun tarjoajille, ja datakeskusoperaattoreille. Mikäli verkossa ei ole tarpeeksi siirtokapasiteettia dataliikenteen määrää varten, verkko ruuhkautuu ja lopulta palvelukokemus kärsii. Matkapuhelinverkot tulevat myös tulevaisuudessa tarvitsemaan datakeskusten laskentakapasiteettia. Datakeskusten energiankulutus on kuitenkin kasvanut viime vuosina, mikä on ongelma datakeskusoperaattoreille. Perinteinen strategia ongelmien ratkaisemiseksi on lisätä resurssien määrää tai tarjota tehokkaampaa laitteistoa. Resurssien liiallinen lisääminen kasvattaa kuitenkin sekä käyttö- että pääomakustannuksia ilman takuuta siitä, että keskimääräinen myyntitulo per käyttäjä kasvaisi. Tämän lisäksi tietoliikennejärjestelmät ovat monimutkaisia ja dynaamisia järjestelmiä, minkä vuoksi tehokas resurssienhallinta on haastavaa. Tämän vuoksi tarvitaan älykkäitä ja kestäviä metodeja, jotka pystyvät käyttämään olemassa olevia resursseja tehokkaasti tekemällä autonomisia päätöksiä ilman ylläpitäjän väliintuloa. Tämän tutkimuksen tavoitteena on toteuttaa, kehittää, mallintaa, ja testata algoritmeja, jotka mahdollistavat tehokkaan ja energiatietoisen verkkoresurssien hallinnan autonomisissa tietoliikennejärjestelmissä. Tutkimus esittää aluksi supertietokonedatakeskuksiin energiatietoisen algoritmin, jonka avulla voidaan vähentää energiankulutusta yhden datakeskuksen sisällä sekä usean eri datakeskuksen välillä. Verkkoyhteyden valintaan heterogeenisissä langattomissa verkoissa esitetään kaksi algoritmia. Ensimmäinen on käyttäjäkohtainen algoritmi, joka pyrkii optimoimaan yksittäisen käyttäjän palvelukokemusta. Toinen on verkon puolen algoritmi, joka keskittyy optimoimaan verkon kokonaisresurssien käyttöä. Lopuksi esitetään videopalvelulle algoritmi, joka parantaa videosisällön jakoa kontrolloidusti ja resurssitehokkaasti ilman että matkapuhelinverkon infrastruktuurille tarvitaan muutoksia