Månedens stipendiat i januar 2006

Kristine Magnus

Henrik René Cederkvist er det nye årets første månedens stipendiat. Henrik tar doktorgrad i statistikk og kommer til å levere sin avhandling tidlig i det nye året.

Henrik Renè Cederkvist Foto: Jannicke B. Cederkvist

Mitt navn er Henrik René Cederkvist og jeg er 29 år. Jeg begynte min utdanning ved Høgskolen i Oslo, Ingeniør utdanningen, hvor jeg studerte kybernetikk/automasjon. Jeg ble uteksaminert i 1999 med graden Ingeniør og forsatte mine studier ved Universitet i Oslo på Institutt for Informatikk og Unik. Her jobbet jeg videre innen kybernetikk og tok graden Cand. Scient. i 2001. I januar 2002 startet jeg som stipendiat i statistikk som en av fire i et større prosjekt. IBION (Industrial BIOstatistics Network) var et prosjektet som omfattet UMB og Matforsk samt flere aktører fra industrien (Tine, Mills, Stabburet, Borregaard, Ewos og Prediktor). Prosjektet ble avsluttet høsten 2005. Jeg er nå i min avsluttende fase av stipendiatperioden og vil levere min avhandling på nyåret.

IBIONs målsetting var å utvikle og implementere metoder for å redusere uønsket råvarevariasjon samt redusere avfall. Arbeidet mitt har vært å se på generell metodikk rundt disse problemstillingene som andre innen prosjektet kunne dra nytte av. Hovedarbeidet har vært innen prosessoptimering hvor vi prøver å finne optimale innstillinger for en eller flere prosessvariable slik at vi får den ønskede kvalitet på et produkt. Problemet her ligger i at det ofte er vanskelig å finne disse optimale innstillingene grunnet for eksempel uønsket råvarevariasjon m.m. Metodene vi har utviklet hjelper oss i å få et innblikk i denne variasjonen slik at vi kan gjøre mer korrekte beslutninger angående hvilke innstillinger som skal brukes.

En annen del av arbeidet mitt har vært å jobbe med prediksjonsmodeller. Prediksjonsmodeller brukes ofte i tilfeller hvor et ønsket attributt ved et produkt er dyrt eller tidkrevende å måle. Ideen er da å erstatte denne ene målingen med billige/raske målinger og en slik type modell. Prediksjonsmodellen gir oss koblingen mellom de billige/raske målingene og den ønskede attributt slik at vi indirekte kan si noe om den. Målet i arbeidet her har vært å undersøke og finne metoder som kan brukes til å si noe om det er eventuelle forskjeller mellom flere modellers prediksjonsevne. Dette kan gi oss muligheten til å finne enklere modeller dersom vi har lite data eller ønsker mer tolkbarhet uten at vi reduserer prediksjonsevnen.

Selv om grunnlaget for forskningen har vært mot prosessindustri er metodene generelle og kan benyttes på tilsvarende problemstillinger innen andre områder.

Mine veiledere er Are Aastveit (IKBM, UMB) og Tormod Næs (Matforsk).


Oppdatert: 02.11.05
Utskriftsvennlig versjon : Arkiv : Tips en venn