Tänapäeva tööstuses ja ladustamises integreeritakse erinevaid nutitehnoloogiaid ja uuenduslikke süsteeme siseprotsesside automatiseerimiseks ja optimeerimiseks. Seeläbi parendatakse protsesside üldist tõhusust, läbipaistvust, skaleeritavust, tööohutust ja vähendatakse inimlike eksimuste ohtu. Ladustatud toodete ja materjalide reaalajaline positsioneerimine on üks olulisemaid aspekte ladustamise ja tootmise juhtimises. See tagab täpse jälgimise, sujuva varude kontrolli ning minimeerib viivitusi. IoT (asjade internet) seadmete ja tehisintellekti rakendamine võimaldab ennustavat hooldust, intelligentset ressursside jaotamist, reaalajalist andmeanalüüsi ja otsustusprotsesside tõhustamist. Kuigi traditsioonilised otsese lokaliseerimise meetodid on tööstuses aktiivselt ja laialdaselt kasutusel, siis teatud juhtudel on nende rakendamine ebatõhus. Erinevad tootmises kasutatavad materjalid nagu näiteks puit, metall või kivi läbivad sageli füüsilist töötlemist, kõrgeid temperatuure, kriitilisi kiirendusi või muid ekstreemseid tingimusi, mis võivad kahjustada või täielikult hävitada mistahes kinnitatud jälgimis- või identifitseerimisseadmed, raskendades traditsiooniliste otsejälgimismeetodite võimalikku kasutamist. 
Käesolev doktoritöö käsitleb tööstustoodete täpset ning reaalajalist jälgimist. Teisisõnu tähendab see erinevate tööstustoodete kaudset tuvastamist ja lokaliseerimist ilma tootele kinnitatava jälgimis- või identifitseerimisseadmeta (nt. ülilairiba sensor, QR- või triipkoodid jne.). Käesolev töö uurib olemasolevaid kaudse jälgimise meetodeid, hindab nende rakendatavust markeerimata toodete positsioneerimiseks, ning seejärel pakub uuendusliku meetodi objektide kaudseks jälgimiseks koos selle põhikomponentidega. Muuhulgas uuritakse tööstuses kasutatava sõiduki suuna hindamise meetodeid, ning esitatakse kaks positsioneerimis- ja inertsisaalandmetel põhinevat algoritmi sõiduki suuna jälgimiseks. Pakutud kaudse postisioneerimismeetodi täelikuks automatiseerimiseks pakub antud töö ka algoritmi, mis tagab automaatse toote peale võtmise ja maha paneku tuvastamise. Mainitud lahendused võimaldavad targa laonduse ja tööstuse edasiarendusi ning on rakendatavad ka robootika, isesõitvate autode, droonide, tööstuse ja logistika automatiseerimise valdkondades.

Doktoritöö on avaldatud Tehnikaülikooli raamatukogu digikogus

Juhendajad: täisprofessor tenuuris Muhammad Mahtab Alam ja vanemteadur Alar Kuusik (TalTech) ning PhD Taavi Laadung (Eliko/Electric Wings UAS)

Oponendid:

• professor Sotiris Makris (Patrase Ülikool, Kreeka)
• professor Aamir Mahmood (Kesk-Rootsi Ülikool, Rootsi)

Jälgi avalikku kaitsmist MS Teamsis

Meeting ID: 336 827 936 532 
Passcode: HT9RG6z4