Tekoälyllä tehokkaampaa huoltoa ja tuotannon optimointia – caset Teca ja Picosun

Taustaa

Yliluutnantti Milo Minderbinder ostaa kananmunia Maltalta 7 senttiä kappale, myy ne 5 senttiä kappale Pianosassa, Italiassa – ja vastoin selkeää matematiikkaa saa kaupoista merkittävää voittoa. Kuten kaikki Joseph Hellerinsä lukeneet tietävät, jutun juoni on siinä, ettei tuijoteta yksittäistä kauppaa, ymmärretään kokonaisuus, eikä toisaalta yritetä tehdä liikaa voittoa: yksittäisten kauppojen tappiokin on hyväksyttävää, jos ne mahdollistavat kokonaisliiketoiminnan voitollisuuden.

Samaa liiketoiminnan kokonaiskuvan ymmärtämistä vaaditaan prosessien digitalisoinnissa ja liiketoimintaa tukevien tekoälyratkaisuiden kehittämisessä. Osaoptimointi, kuten vaikkapa maksimikatteen tavoittelu kaikissa toiminnan vaiheissa, voi olla hyvinkin petollista ja kokonaisuuden kannalta haitallista.

Kokonaisuuden hahmottamisessa on tärkeää ymmärtää se, mitkä ovat digitalisoinnin ylätason tavoitteet. Usein puhuttaessa digitalisaation ja tekoälyn hyödyistä nostetaan esiin manuaalisen ihmistyön korvaaminen automatisoiduilla ratkaisuilla: liian usein tavoitellut hyödyt tuntuvat kiteytyvän työn kustannusten (ts. työvoiman) vähentämiseen (ks. myös Lagstedt, Kauppinen & Lindstedt 2021).

Jos digitalisaatiota ja tekoälyratkaisuja käytetään ensisijaisesti kustannusten karsimiseen, riskinä on, että yritykset ajautuvat kutistumisen noidankehään. Jos kustannusten karsiminen tapahtuu tinkimällä investoinneista ja vähentämällä henkilöstöä, yrityksen henkinen kapasiteetti vähenee. Tämän seurauksena myös liiketoiminnallinen ketteryys usein heikkenee. Pahimmillaan ottamalla ”löysät pois” jostain prosessista haitataan jonkin toisen prosessin toimintaedellytyksiä.

Kutistumisesta tulee helposti kierre. Hetkeksi aikaa tehostamistoimenpiteiden jälkeen yrityksen kilpailukyky paranee, mutta kun kilpailijat löytävät ketterämpiä ja innovatiivisempia tapoja toteuttaa sama tuote tai palvelu, on pakko tehdä uusia tehostamistoimenpiteitä, jotta pysytään markkinoilla. Investointien ja innovaatioiden hiipuessa (ja avaintoimijoiden siirtyessä innovatiivisempiin yrityksiin) ainoaksi tavaksi pärjätä kilpailussa jää laskea hintaa. Tämä puolestaan pakottaa karsimaan yhä enemmän. Tällöin ”kasva tai kuole” -hokemasta on valittu tuo jälkimmäinen, ja yksittäisten prosessien digitalisointi vain pahimmillaan pahentaa kehityssuuntaa.

Jos ajatellaan digitalisointia laajassa kuvassa, ensisijainen tarkoitus ei pitäisi olla ihmisten korvaaminen sovelluksilla, vaan nimenomaan toiminnan tehostaminen. Onnistunut digitalisaatio saattaa johtaa jopa työntekijöiden määrän kasvuun. Toki silloin, ollakseen onnistunut digitalisaatio, työn tuottavuus on kasvanut vielä merkittävämmin.

Kustannusten karsimista terveempi lähestymistapa onkin kasvamiseen ja uudistumiseen tähtäävä toiminta. Käytännössä olemassa olevien resurssien parempi hyödyntäminen sekä palveluiden ja tuotteiden parantaminen ja kehittäminen kertyvän datan (tuote-, tuotanto- tai asiakasdatan) perusteella.

Toiminnan digitalisointi ja tekoälyratkaisut mahdollistavat etenemisen kumpaa tahansa edellä mainittua reittiä. Digitalisointi ja varsinkin tekoäly ovat tehokkaita työkaluja, mutta on tärkeää miettiä, miten työkalua käytetään mahdollisimman hyödyllisesti.

Syksyllä 2021 pidetyissä AI-TIE-hankkeen tekoälykiihdyttämöissä yritykset Teca Oy ja Picosun Oy päätyivät hyvin erilaisiin ratkaisuihin, joista molemmat selvästi tukevat yritysten ylemmän tason tavoitteita ja mahdollistavat uudenlaista kasvua yrityksille. Teca Oy on yksi Suomen johtavista teollisuustuotteiden, -ratkaisujen ja -palvelujen toimittajista, jonka yhtenä toimialana on pölynpoistoratkaisut. Picosun Oy on atomikerroskasvatukseen erikoistunut toimija, joka toimittaa ratkaisuja muunmuassa lääketeollisuuden tarpeisiin.

Ongelmat

Jotta Teca voisi tarjota yrityksille luotettavia pölynpoistoratkaisuja, pitäisi toimitettujen järjestelmien huolto ja suodatinten vaihto tapahtua aina hieman ennen kuin pölynpoiston teho alkaa laskea merkittävästi. Huollon ajoitus on aina haastavaa, koska erilaisilla asiakkailla on erilaista pölyä ja pölymäärät vaihtelevat rajusti. Lisäksi yhden yksittäisen asiakkaan päivät tai tuotantojaksot voivat olla erilaisia. Jos huolto järjestetään vain kalenteriin perustuen, on riskinä se, että tullaan paikalle liian myöhään tai käydään paikalla aivan turhaan. Kumpikaan vaihtoehto ei ole hyvä, koska ne johtavat tilanteisiin, joissa palvelu on joko huonoa tai liian kallista. Lisäksi yllättäen asiakkaalta saatavat kiireiset huoltopyynnöt sotkevat huoltoaikataulut ja aiheuttavat merkittävästi ylimääräistä ajoa eri puolille Suomea.

Tilanne paranisi huomattavasti, jos yritykset investoisivat älykkäisiin suodattimiin, jotka osaavat itse mitata suodatetun pölyn määrää ja joiden tilaa voidaan lisäksi seurata etänä. Älykkäiden suodattimien avulla huollot voidaan toteuttaa oikea-aikaisemmin, mutta ongelmana on älykkäiden suodattimien merkittävästi korkeampi hinta verrattuna perinteisiin ”tyhmiin” suodattimiin.

Picosun puolestaan pohti kiihdyttämössä heidän valmistamiensa puolijohdetuotantoklusterien kapasiteetin tehostamista tekoälyn avulla. Tavoitteena oli optimoida piikiekkoja tuotannossa siirtävän robotin toiminta. Klusterituotteen haasteena oli se, että heidän asiakkaillaan on hyvin erilaisia tuotantotapoja ja käyttökohteita. Picosunin asiakkaan valmistaman tuotteen vaihtuminen ja priorisointitarve valmiiden tuotteiden määräaikojen suhteen on huomioitava optimoinnissa. Ensisijainen tavoite oli klusterin odotusaikojen ja tyhjäkäynnin vähentäminen, jotta asiakaan tuotantolinjan kapasiteettia voitaisiin tehostaa koko ajan muuttuvassa tuotantotilanteessa.

Ratkaisut

Kun Tecalla pohdittiin pölynpoistoratkaisupalveluiden kokonaisuutta, asiaa lähestyttiin monitahoisesti ratkaisujen myynnin, varaosien myynnin sekä huolto- ja huoltopalveluiden järjestämisen näkökulmasta. Jo käytyjen asiakaskeskustelujen perusteella tiedettiin, että periaatteessa asiakkaat arvostavat älykkäämpiä suodatinratkaisuja paremmin ajoittuvien huoltojen ja tasaisemman laadun vuoksi. Vaikka älykkäistä ratkaisuista olisi hankittaessa maksettava tyhmiä ratkaisuja enemmän, niin kehittämällä huoltotöiden järjestelyä tekoälyn ja suodatinlaitteiden älykkäiden ratkaisujen avulla on mahdollista alentaa suodattimen elinkaarikustannuksia.

Älykkäiden suodatinten avulla pystyttäisiin sekä parantamaan huoltopalvelua että optimoimaan huoltotoimintaa hyödyntämällä tekoälyä optimaalisten ajoreittien valinnassa ja resurssien allokoinnissa tarkoituksenmukaisten huoltoaikataulujen mukaan. Käytännössä tämä tarkoittaa ajokilometrien merkittävää vähenemistä, koska huoltoreitit pystytään etukäteen suunnittelemaan ennakoitavissa olevien huoltotarpeiden mukaan sekä huoltokohteiden ja huoltoteknikoiden maantieteellisen sijainnin perusteella. Asiakkaat saavat entistä parempaa palvelua edullisemmin kuin ennen, samalla kun matkakulut pienenevät merkittävästi.

Picosunilla puolestaan päädyttiin ratkaisuun, jossa tunnettujen työvaiheisiin kuluvien aikojen perusteella suoritetaan lajittelurobotin jatkuvaa työjärjestyksen optimointia. Ratkaisu ei suoraan vaikuta tuotannossa olevien ihmisten töihin tai prosesseihin mutta mahdollistaa merkittävän tuotannon tehostamisen. Samalla voidaan myös seurata asiakkaan kapasiteettitarvetta ja tunnistaa pullonkaulat.

Voidaan sanoa, että tietyssä mielessä tässä esitellyt caset ovat ääripäissä: Tecan ratkaisu vaikuttaa moniin toimijoihin ja prosesseihin yrityksen sisällä, kun taas Picosunin ratkaisu keskittyy yhteen keskeiseen puolijohdeteollisuuden tuotantovaiheeseen. Oleellista kummassakin käyttötapauksessa oli kuitenkin se, että ne valittiin kokonaisuus huomioiden: kumpikaan tapauksista ei keskittynyt yksittäisten tehtävien aiheuttamien kustannusten minimoimiseen, vaan pikemminkin löytämään uusia innovatiivisia ratkaisumalleja parantaa tuotetta ja palveluita, jotka mahdollistavat yrityksen kasvun ja kehittymisen jatkossakin.

Tästä eteenpäin

Kiihdyttämöön valittu toimintatapa osoittautui sopivaksi etenemistavaksi myös sekä Teca Oy:lle että Picosun Oy:lle. Tästä ja muista AI-TIE-hankkeen yritystapauksista kerätään jatkossa lisää kokemuksia ja oppeja jaettavaksi. Ne tiivistetään osaksi syksyllä 2022 julkaistavaa verkkokurssia.

Kerättyjen kokemusten ja oppien avulla myös sellaiset yritykset, jotka eivät ehtineet mukaan AI-TIE-hankkeen kiihdyttämöihin, voivat päästä kehittelemään omia tekoälyn käyttötapauksiaan. Ilmainen, omassa tahdissa opiskeltava verkkokurssi tarjoaa oppia ja analyysityökaluja datan merkityksen ja yrityksen datavarantojen hahmottamiseen sekä mielekkään kehittämiskohteen kehittelyyn ja valintaan.

Kurssin tavoitteena tarjota innostusta, oppia ja soveltamismahdollisuuksia. Parhaimmillaan kurssi ohjaa yritystä valitsemaan lupaavimmat tekoälyn avulla kehitettävät kohteet ja käyttötapaukset. Tästä yritysten on helppo jatkaa vaikkapa Proof-of Concept (PoC) -vaiheeseen, tekoälyprojektin tarkempaan suunnitteluun ja sopivan kehittämiskumppanin valintaan. Tuodaan yhdessä tekoäly töihin!