Terästeollisuudessa teräsnauhojen valmistuksessa esiintyvät ongelmat tuotannossa aiheuttavat suuria taloudellisia tappioita, joten näiden ongelmien ennustaminen ennen niiden esiintymistä olisi taloudellisesti hyvin merkittävää. Olemassa olevien fysikaalisten mallien avulla ennustaminen ei ole ollut mahdollista, joten tutkimuksessa on hyödynnetty ennustavia matemaattisia luokittimia, joiden avulla näitä ongelmallisia tilanteita ollaan pyritty ennustamaan.
Tutkielma käsittelee matemaattista teoriaa ja menetelmiä, joita on hyödynnetty aiemmin julkaistussa tutkimuksessa 'Defect prediction in hot strip rolling using ANN and SVM'. Keskeisinä menetelminä tutkimuksessa on käytetty erilaisia datan esikäsittelymenetelmiä, kuten klassisia tilastollista analyysiä, piirteiden valintamenetelmiä, esimerkikisi itsestäänjärjestäytyviä karttoja, sekä ennustukseen neuroverkkoa ja tukivektorikonetta.
Tutkimuksen aineisto on peräisin teräsnauhojen lämpövalssausprosessista Ruukin terästehtaalta Raahesta. Alkuperäinen tutkimus toteutettiin Oulun Yliopiston tietokonetekniikan laboratoriossa yhteistyössä tutkimusryhmän ja Ruukin asiantuntijoiden kanssa. Tutkimuksen pohjalta ollaan pystytty osoittamaan, että tukivektorikoneen ja neuroverkon ennustetarkkuus on hyvin lähellä toisiaan kyseiselle aineistolle.
