Euroopalla on haaste. Kuten Mario Draghin raportissa EU-komissiolle tuotiin esiin, olemme jääneet merkittävästi jälkeen tuottavuudessa verrattuna Yhdysvaltoihin ja Kiinaan. Euroopan tulisi panostaa voimakkaasti teknologisen suvereniteetin ja teollisen kilpailukyvyn palauttamiseksi. Tekoälypohjaisten järjestelmien oma kehittäminen ja niiden integrointi tehtaiden tuotantolinjoille on välttämättömyys. Kysymys ei ole enää siitä, pitäisikö tekoälyä käyttää, vaan siitä, miten se toteutetaan fiksulla, turvallisella ja tehokkaalla tavalla — tuottaen todellista liiketoiminta-arvoa sekä samalla nopeita että pitkän aikavälin hyötyjä. Työ on aloitettava heti.
Tehtaat ovat valtavia datan lähteitä, mutta emme ole vielä onnistuneet hyödyntämään tätä dataa täysimääräisesti. Tarjolla on dokumentaatiota eri muodoissa, arkistokuvia ja koulutusvideoita, sisäistä logistiikkaa ja henkilöstötarpeita – työntekijöitä, joilla on vankka kokemus, mutta myös niitä, jotka vasta opettelevat uusia tehtäviään – aikatauluja ja tuotantovaatimuksia, prosesseja suorittavia koneita ja niin edelleen. On myös mahdollista käyttää kameroita työntekijöiden ja sisäisen logistiikan seuraamiseen, lisäksi koneiden toimintaa voidaan valvoa esimerkiksi erilaisilla akustisilla ja värähtelyä havaitsevilla sensoreilla. Myös vanhemmista koneista voidaan kerätä dataa digitalisointitekniikoiden, kuten konenäön, avulla.
Tehtaat ovat valtavia datan lähteitä, mutta emme ole vielä onnistuneet hyödyntämään tätä dataa täysimääräisesti. Tarjolla on dokumentaatiota eri muodoissa, arkistokuvia ja koulutusvideoita, sisäistä logistiikkaa ja henkilöstötarpeita – työntekijöitä, joilla on vankka kokemus, mutta myös niitä, jotka vasta opettelevat uusia tehtäviään – aikatauluja ja tuotantovaatimuksia, prosesseja suorittavia koneita ja niin edelleen. On myös mahdollista käyttää kameroita työntekijöiden ja sisäisen logistiikan seuraamiseen, lisäksi koneiden toimintaa voidaan valvoa esimerkiksi erilaisilla akustisilla ja värähtelyä havaitsevilla sensoreilla. Myös vanhemmista koneista voidaan kerätä dataa digitalisointitekniikoiden, kuten konenäön, avulla.
Järjestelmä, joka yhdistää kaikki mainitut tietovirrat koneoppimisen keinoin, pystyisi muutamaan datan informaatioksi ja edelleen kustannuksia säästäväksi tiedoksi ja toiminnaksi. Tavoitteena on siirtyä erillisratkaisuista kohti toisiinsa kytkeytyneitä reaaliaikaisia järjestelmiä, jotka voivat samanaikaisesti auttaa kaikkia työntekijöitä olemaan tehokkaampia ja tekemään parempia päätöksiä. Agenttien määrä, jonka tällainen järjestelmä mahdollistaa, on merkittävä. Tuotannon tasolla ratkaisuja voisivat olla esimerkiksi yhteistyöhön kykenevät robottijärjestelmät, koneiden automaattinen yhdistäminen ja digitaalinen työtehtävien tuki. Tuotantoa johtaville henkilöille työkaluja voisivat olla laadunseurantaraportit monipuolisen sensorianalyysin pohjalta, työnkulun suunnittelu ja pullonkaulojen ennakointi sekä automaattinen tai ainakin nopeutettu raportointi ja tiedon arkistointi. Keskijohdossa ja ylimmässä johdossa agentit voisivat tukea strategista suunnittelua hyödyntäen historiallista tuotantodataa, resurssien saatavuutta sekä energian kulutuksen, jätteiden ja logistiikan seurantaa.
Meidän vastuullamme on, aloitammeko nyt ja pyrimme johtoon tässä globaalissa tekoälyn hyödyntämisen kilpailussa, vai jäämmekö paikallemme — ehkä hieman investointien kustannuksia peläten ja odottaen muiden esimerkkiä. Samalla on syytä pohtia, miten muutoksen negatiivisiin vaikutuksiin tulisi suhtautua. Eettisiin ja henkilötietojen käsittelyyn liittyviin kysymyksiin löytyy ratkaisuja. Joitain nykyisiä työtehtäviä tulee katoamaan: toistuvat tehtävät tuotantolinjoilla on helppo automatisoida, mutta sama pätee toimistotyöhön. Useimmissa tapauksissa muutos kuitenkin parantaa työolosuhteita. Tämä on linjassa Industry 5.0 -periaatteiden kanssa, jotka korostavat ihmiskeskeistä, kestävää ja joustavaa teollista kehitystä, jossa teknologia täydentää eikä korvaa ihmistä. Tavoitteena on sekä fyysinen että kognitiivinen parannus: ergonomian, turvallisuuden, toiminnan nopeuden ja päätöksenteon parantaminen. Työnkuvat tulevat muuttumaan, mutta niin on käynyt kaikissa aiemmissakin teollisissa vallankumouksissa, ja tiedämme, että niiden tuottama muutos on ollut positiivinen. Kyse ei ole työntekijöiden vähentämisestä, vaan siitä, miten he voivat tuottaa enemmän ja paremmin. On myös mahdollista, että tekoälyn käyttöön varhain tarttuvat yritykset pystyvät jatkossa houkuttelemaan ja pitämään osaajia paremmin kuin muut.
Mikä on tällaisen järjestelmätason tekoälyn käyttöönoton hinta teolliselle toimijalle? Kustannuksia on, mutta samalla tulee pohtia, mikä on hinta siitä, että muutokseen ei ryhdytä. Yritys voi tehdä omia TKI-panostuksia tai ostaa ratkaisuja palveluntarjoajalta. Hyvä ja turvallinen vaihtoehto on myös tutkimusorganisaatioiden vetämään TKI-hankkeeseen osallistuminen, erityisesti silloin, kun tavoitellaan ratkaisuja, joita markkinoilla ei vielä ole tarjolla. Aloituskustannus on yleensä hyvin matala, koska toimintaa tukee Business Finland, alueelliset kehitysrahastot tai EU-komissio. Me tutkijat tarvitsemme yhteistyötä yritysten kanssa, sillä teemme soveltavaa tutkimusta ja tarvitsemme käyttötapauksia. Turun ammattikorkeakoulun Teollisuuden tekoälyratkaisut -ryhmä käynnistää syksyllä kaksi uutta hanketta, joihin osallistuu yhteensä 12 yritystä. Molemmissa hankkeissa keskitymme kokonaisen tehtaan ymmärrykseen ja modulaaristen agenttien luomiseen. Suunnittelemme jatkuvasti myös uutta tutkimusta, sillä saamme uusia ideoita keskustellessamme yritysten, kumppanien sekä suomalaisten ja eurooppalaisten korkeakoulujen kanssa. Yritysten osallistuminen hankkeisiin on helppoa: ota yhteyttä ja kerro, miten yrityksesi toimii ja mitä tarpeita sillä on. Innovoidaan yhdessä ja etsitään oikeat ratkaisut organisaatiollesi.
David Oliva
Johtava asiantuntija
ICT ja tuotantotalous, Ohjelmistotuotanto ja Interaktiiviset teknologiat
Turun ammattikorkeakoulu