Co-operation cases
RoboAI co-operation cases combine the needs of the companies, the expertise of the professionals and the fresh and innovative views of the students.
Co-operation cases are an important part of RoboAI activities. Experts produce and test new research data with projects to be used by the companies. Academy students get to learn, innovate and try new ideas in the cases in a practical manner. This page shows our latest and most significant cases.
RoboAI Industry
Robotics Academy was commissioned by Boliden Harjavalta nickel smelting plant to utilize machine vision in their process. The possibilities of machine vision were studied by students. The aim was to deploy machine vision to study the concentrations of different constituents in slag after the smelting process.
A system where computer vision is applied for industrial purposes is called machine vision. The system consists of a light source, a target to be imaged, a camera, a computer with an image processing software that automatically interprets the image.
Machine vision systems mainly execute tasks that are strictly pre-programmed. In this commission concentrations given by the customer were recognized on a conveyor belt. The used application was Cognex application In-Sight. In a smart camera all the image processing and calculations happen in the camera itself.
During the project the students learn how to utilize different camera and light options. As a whole, the project gave mutual benefit. The competence of the students grew and the commissioner received the information they hoped for. With the knowledge gained, projects requiring machine vision can be met better.
Robotics does not only refer to assistive devices used in industry. Robotics can also be utilized in more everyday tasks, and that´s what Robotics Academy students were commissioned to find out. A group of students started researching the possibilities of using UR5e collaborative robot at a café, especially in making coffee and waffles.
Group members Pietari Pulkkinen, Jukka-Pekka Rajahalme and Timo Virtanen started the project by collecting all the necessary equipment to create a demo café. An old Moccamaster coffeemaker was found on the campus, and the commissioner provided the group with a Belgian waffle iron, a real “Mercedes Benz” in the field. For the robot to work smoothly in the kitchen, the group had to design and 3D-print auxiliary devices suitable for a finger gripper, e.g. a new handle for the coffee pot.
Once the demo café was completed, programming the functional features of the robot was a smooth operation for the group, and the robot carried out the tasks brilliantly. Among the industry-centred projects, making waffle was a nice and tasty change. Besides, having coffee has always belonged to the life of engineering students.
Based on the demo, the students believe that the UR5 collaborative robot is well suited for tasks at a café.
– UR5e is suitable for simple and repetitive tasks at a café. Besides the tasks conducted in the demo, the robot can be used for e.g. spreading dough with suitable tools, pouring different drinks, cutting cakes and pies, and decorating cakes, Pietari Pulkkinen lists.
The case was commissioned by Hangon Vohveli and its owners Aarno and Leena Törmälä. The commissioners were happy with the cooperation, and they intend to employ the robot in café tasks at their café.
– Working with the students was a pleasure. They were self-starters and really aimed at finding a functional robotized solution for making coffee and waffles at our café. Our intention is to realize the robot solution, if not yet next summer but at a later stage. Besides functionality, it will be a nice sight for the customers and we can all learn the kind of assistive tasks the robots are already capable of, Aarno Törmälä tells us.
This robot experiment was carried out as a part of the HLS robo project, which has been granted co-funding from Rural Development Programme for Mainland Finland 2014 – 2020.
Robotics Academy was commissioned by Oras Group to research the suitability of a robot for assembly work. The goal was to automatize a five-part assembly line utilizing an assembly robot.
The robot chosen for the project was a dual-arm YuMi robot, which has been developed to assemble small parts. The robot capable of real cooperation has arms that change position flexibly, part location function based on camera and a precise control system.
In the project, the tasks of Robotics Academy students included the programming and simulation of the robot, utilization of machine vision and the design and implementation of the parts connected to the robot, i.e. jigs, pallets, and layers, by 3D-printing. The project gave the students a possibility to comprehensively learn the functioning and limitations of the robot. The primary goal was reached, i.e. the assembly task was executed by the robot.
“Cooperation with Robotics Academy was easy and we were on the same wavelength already at the first meeting. The assembly of our product varies and with this project we definitely became aware of potential new ways of functioning. The results were interesting and they are a good basis for further consideration. I believe both cooperation parties gained benefit from the project.”
Maarit Ruohola
Oras Group
Robotics Academy was commissioned to assemble certain magnets to a required length and form. The possibilities to use an industrial robot for this purpose were studied by students. The goal was to research whether this given task could be implemented by using different industrial robots.
An industrial robot is a computer-controlled machine that can execute the same repetitive task with the same accuracy and speed several times. An industrial robot is a general-purpose machine, and the same robot can execute several different tasks, depending on the program and the purpose.
The commissioner was Neorem Magnets, the only magnet factory in Finland. Their main products are different magnets and magnetic solutions, and they produce high-quality magnets for the different fields of industry utilizing state-of-the-art technology in the field.
Two robots were used in the project: UR-5 and ABB IRB-120. The robot chosen to finalize the project was UR-5 because it met the requirements and hopes of the commissioner better. UR-5 is easy to program and sufficiently fast to execute the task in question.
In the project the students learned how to program and utilize the different features of the robots in an industrial environment, as a whole the benefit gained was mutual. The students´ competence grew remarkably, considering that this project was the first touch to the wonderful world of robotics to some students. With the competence gained, future robotics challenges can be met even more efficiently.
Robotics Academy got a challenge from Neorem Magnets connected to measuring the dimensions of the magnets. The dimensions of the polygon-shaped magnets should be measured with the accuracy of hundredths of a millimeter.
The challenge was tackled by first conducting a project, where Belgian and Spanish exchange students studied how the measuring of magnet dimensions could be executed by a smart camera. Already at the beginning of the first project it was known that even the best of smart cameras with the highest of resolutions were not accurate enough for the accuracy of hundredths of a millimeter. The goal was set to find out what kind of tools and setup were needed for the measuring to succeed.
At the beginning of the project Colin and Nicolas from Belgium and Jaime from Spain got acquainted with the analysis program of the smart camera and built a setup to be able to capture an image of the magnet as precisely as possible, in stable conditions and repeatedly. When the basic functions of the analysis program had been studied, they started to execute the measuring program. With the measuring program, machine vision system recognizes a piece, finds its edges and measures the distances between the edges in relation to each other, and measures the angles between the edges. When the program was ready, the students tested imaging and measurements by measuring all the pieces three times on both sides. Thus, data was received on the repeatability and measurement error of the analysis program.
Based on this first project, the results showed that measuring of magnet dimensions was possible by machine vision, and by measuring technique the repeatability and speed of the measuring process could be improved. Based on this project, the goals of the next project were defined, i.e. building more precise imaging arrangements and an applicable analysis program. Moreover, designing a more accurate image jig was set as an objective, as it helps to stabilize the magnet on the imaging platform.
Implementation of the first project was a very pleasant project work for the exchange students. They learned how to program smart camera analysis program in an environment previously unknown to them. They also genuinely focused on presenting the results concerning different pieces and measurements.
“The students had created a really impressive program in a short time and a lot of data was compiled for the report, which is particularly valuable when evaluating the functionality of the program and analyzing the areas for improvement. With cooperation we will receive valuable information on different machine vision systems and their price categories and applicability for our different needs to support the investment decision.”
Jukka Hissa
Production development engineer
Neorem Magnets
Robotiikka Akatemia otti vastaan toimeksiannon tutkia alumiiniprofiilien valaistusta konenäköjärjestelmää varten. Projektissa kuvattiin viisi erimuotoista alumiiniprofiilia kahdeksalla eri valaistuksella. Profiileista korostettiin naarmuja, kuplia ja saumoja. Projektiryhmä tutki erilaisten valaistusmetodien käyttäytymistä linjastolla liikkuvia alumiiniprofiileja kuvattaessa. Projektiryhmässä työskentelivät Atte Ali-Hokka, Meeri Simberg, Toni Seessalo ja Markus Virtanen.
Toimeksiantajayritys on ohjelmistokehittäjä, jonka ei ole kannattavaa kohdistaa resurssejaan valaistuksen tutkimiseen. Opiskelijoille tällaiset projektit antavat loistavia mahdollisuuksia päästä tekemään käytännönläheistä tutkimusta.
Projektin työryhmä aloitti tutkimukset tutustumalla erilaisiin valaistustekniikoihin, kuten suora-, dark field- ja diffuusiovalaistukseen. Tämän jälkeen ryhmä tutki muita kuvaamisen vaikuttavia tekijöitä, kuten valon väriä, kameran tarkennusta ja ulkopuolisen valon esiintymistä kuvausympäristössä.
Tavoitteena riittävä kontrasti
Koska tutkittavien alumiiniprofiilien pinnat olivat värittömiä ja kiiltäviä, ei eri valon väreillä saada korostettua tutkittavia
virheitä. Eri muotoisten profiilien valaiseminen osoittautui haastavaksi, eikä optimaalinen valaistus ole toteutettavissa yhdellä valaisutekniikalla. Optiikkana käytettiin moottorioptiikkaa, jolla pystyttiin tarkentamaan profiilin korkeuden mukaan kuvattavaan pintaan, jolloin opiskelijoille jäi selvitettäväksi mahdollisimman suuren kontrastin tuottaminen yritystä kiinnostaviin kohteisiin.
Alustavan tutkimuksen ja testausympäristön optimoinnin jälkeen työryhmä teki testiajon, jossa profiilit liikkuivat valaistuksen poikki ja kamera kuvasi profiileista virheellisen pinnan. Kuvadatan keräämisen jälkeen työryhmä teki kuvien perusteella analyysin, jossa pohdittiin kappaleiden muodon, riittävän kontrastin ja inhimillisen virheen vaikutusta testien tuloksiin. Kun kaikkien profiilien ominaisuudet otettiin huomioon, kahdeksasta valaistusasetelmasta parhaaksi osoittautui sivuvalo. Sivuvalaistus tuotti parhaan kontrastin kuvausalalle.
Tässä esimerkissä suunniteltiin ja toteutettiin konenäköjärjestelmä, joka ohjaa robottia poimimaan suklaalevyjä linjastolta ja pakkaamaan erimakuiset suklaalevyt omiin laatikkoihinsa.
Konenäköjärjestelmä toteutettiin perinteisenä konenäköjärjestelmänä, joka koostuu konenäkökamerasta, suklaalevyjä valaisevasta Led-valaisimesta sekä tietokoneella pyörivästä analysointiohjelmasta. Konenäkökamera kuvaa suklaalevyt aina samassa kohtaa kuljetinta (kuva1).
Tietokoneella pyörivä analysointiohjelma tunnistaa sitten suklaalevystä pakkauksen makumerkinnän sekä suklaalevyn paikan eli koordinaatit kuljettimella (kuva 2). Kun robotti saa tiedon koordinaateista, se poimii suklaalevyn kuljettimelta ja pakkaa sen makutiedon mukaan oikeaan laatikkoon.
Tässä esimerkissä laserskannaukseen perustuva 3D-kamera ohjaa yhteistyörobottia kuljettimella kulkevien leikkelepakkausten poimimisessa ja laatikoihin pakkaamisessa.
Tässä 3D-kuvauksella on merkittävä rooli, koska sillä tunnistetaan leikkelepakkauksen koko, korkeus ja asento kuljettimella, jolloin robotti osaa aina tarttua juuri oikeasta kohdasta. Tällainen sovellus voisi olla linjastolla, jossa kulkee pakattavaksi samanaikaisesti erilaisia ja erikokoisia pakkauksia, koska 3D-kuvauksella robotille saadaan joka pakkauksen osalta tietoa siitä, mikä pakkaus on kyseessä ja näin robotti osaa pakata samanlaiset pakkaukset samaan laatikkoon tai tilauksen mukaan koota useita tuotteita sisältäviä laatikoita.
Yhtenä 5VTA-projektin esimerkkitapauksena oli Pekan Parhaat -leipomon pakkauslinjaston automatisointisuunnitelma. Suunnitelmaa tehtäessä selvitettiin, miten leipomotuotteen leikkaaminen ja pakkaaminen voisi olla mahdollista ja millaisia kustannuksia eritasoinen automatisointi aiheuttaisin. Automatisointisuunnitelmasta tehtiin myös opinnäytetyö Satakunnan ammattikorkeakoulun opiskelijan Jenni Alatalon toimesta.
Selvityksessä etsittiin tuotantomäärät huomioiden sopivimmat laitteet, arvioitiin investoinnin hankintahinta ja tehtiin lopuksi simulointi automatisointisuunnitelman mukaisesti. Tavoitteena on, että automatisointi mahdollistaisi tehokkaamman ajankäytön, säästöjen saavuttamisen pakkaamisen nopeutumisen vuoksi sekä tuotantomäärän kasvattamisen.
Laitteiden valinnassa huomiota kiinnitettiin laitteiden hinnan lisäksi myös sopivuuteen leipomoympäristöön, jolloin hygienia on erityisen tärkeää. Laitteiden vaatima tila on myös merkittävä tekijä, jotta työskentely on miellyttävää ja turvallista. Laitteiden valinnassa on suuri etu, mikäli niitä voidaan käyttää tarvittaessa muidenkin tuotteiden valmistusprosessissa. Näin investoinnista saadaan suurempi hyöty.
Automatisointia varten tehtiin kolme eritasoista suunnitelmaa:
- Ensimmäisessä suunnitelmassa kaikki leikkaamiseen ja pakkaamiseen liittyvät vaiheet automatisoidaan hyödyntäen leipomoihin tarjottavia automaattisia koneita. Ainoa käsin toteutettava työ on pakattujen tuotteiden siirtäminen pahvilaatikkoon.
- Toisessa suunnitelmassa leikkaaminen tapahtuu yhteistyörobotilla ja sitä varten suunnitellulla leikkuutyökalulla. Sama robotti myös siirtää leikatut tuotteet yksittäispakkauksiin, jotka kulkevat flow-pack –pakkauskoneen läpi. Tuotteet kulkevat pakkauskoneelta pyörivälle pöydälle, jonka työntekijä käy sopivin väliajoin tyhjentämässä laatikoihin.
- Kolmannessa suunnitelmassa hyödynnetään ainoastaan flow-pack –pakkauskonetta ja sen perässä pyörivää pöytää. Näin ollen leikkaaminen, yksittäisten tuotteiden pakkaaminen ja muovitettujen tuotteiden laatikointi tapahtuvat ihmisvoimin.
Kun näiden suunnitelmien perusteella tehtiin kustannuslaskentaa, todettiin, että ensimmäisen suunnitelman mukaisen automatisoinnin hinnaksi tulee selvästi yli 200 000 € jo ilman asennus- ja ohjelmointikustannuksia. Toisen suunnitelman mukaiset laitteet maksavat yhteensä reilut 70 000 € ja kolmannen suunnitelman mukaiset laitteet reilut 40 000 €. Näiden suunnitelmien perusteella tässä tilanteessa kustannustehokkaimmaksi vaihtoehdoksi osoittautui toinen ratkaisuvaihtoehto.
5VTA-projektissa päädyttiin tekemään ratkaisuvaihtoehdosta 2 simulaatio (kuva 1), jolla osoitetaan, miten tällainen automatisoitu linjasto toimii. Simulointi tehtiin Visual Components -ohjelmalla käyttäen geneerisiä komponentteja eli ohjelmasta valmiina löytyviä koneita ja laitteita. Tämän vuoksi simulointi ei ole riippuvainen tiettyjen valmistajien laitteista ja mitat ovat muokattavissa vastaamaan suunniteltujen laitteiden mittasuhteita. Yhteistyörobottina simuloinnissa käytetään UR5-robottia ja robotin tarttujana on Robotiqin kaksisormitarttuja, joka soveltuu tähän tarkoitukseen erityisen hyvin.
Simulaatio toteutettiin aluksi käyttämällä tätä tarkoitusta varten suunniteltua moniteräistä leikkuria.
Kun moniteräinen leikkuri mallinnettiin ja siitä 3D-tulostettiin esimerkkiversio, saatiin leikkurin toiminta testattua oikeasti SAMKin laboratoriossa käytössä olevalla Universal Robotsin UR5-yhteistyörobotilla. Testit osoittivat, ettei moniteräinen leikkuri toimi suunnitellulla tavalla vaan terien välit aiheuttavat liian suuren vastuksen eikä robotin voima riitä koko tuotteen leikkaamiseen kerrallaan.
Ensimmäisen simulaation perusteella päädyttiin tekemään toinen vastaava simulaatio, jossa robotti käyttää leikkaamiseen yhtä leikkuuterää. Yhden leikkuuterän toiminta todennettiin myös oikealla robotilla ja se oli toimiva ratkaisu.
Simulaatiot ja todelliset testit robotilla tuottivat vakuuttavia tietoja siitä, että toisen suunnitelman mukainen ratkaisuvaihtoehto on suositeltavin. Kaikki toivotut prosessit saadaan automatisoitua, mutta laitteiden hankintahinta on kohtuullinen.
Laajemmin tässä esitellystä esimerkistä voi lukea Jenni Alatalon opinnäytetyöstä.
Tässä esimerkissä käsitellään erilaisia leipomotuotteita robotin tarttujalla, jonka tartuntavoimaa voidaan säätää tarkasti niin, ettei helposti muotoaan muuttavat tuotteet veny tai litisty.
Esimerkin leipomotuotteina ovat donitsi ja minimunkki. Kevyen kosketuksen tarttujaa käytetään tässä esimerkissä:
- Donitsien käsittelyyn nostamalla niitä reiän sisäreunasta
- Munkkien käsittelyyn nostamalla niitä ulkoreunoista
Tällaiset kevyen kosketuksen tarttujat mahdollistavat joustavan tuotannon, koska niillä voidaan käsitellä monenmuotoisia tuotteita vaikuttamatta tuotteiden muotoon. Näin linjastolla voidaan käsitellä samanaikaisesti moniakin eri tuotteita.
Donitsien ja munkkien paikat tunnistetaan tässä PickIt:n 3D-kameralla, joka ohjaa robottia noukkimaan leipomotuotteet oikeasta kohdasta.
Kun mobiilirobotin halutaan kuljettavan elintarvikepakkauksia laatikointiin tai laatikoita lavaukseen tai lähettämöön, pitää mobiilirobotti saada kutsuttua tarvittaessa kuljettamaan tuotteita. 5VTA-hankkeessa tehtiin esimerkinomainen kutsusovellus mobiilirobotille.
Kutsusovelluksella työntekijä voi kutsua mobiilirobotin hakemaan tuotteita esimerkiksi pakkauskoneelta lavaamoon. Kutsusovellus (kuva 1) toimii mobiililaitteella ja siitä työntekijä voi valita, minne mobiilirobotti kutsutaan ja minne se taas lähetetään, kun tuotteet ovat kyydissä. Kutsusovelluksella voidaan myös tehdä robotille varaus eli jos robotti on liikenteessä, se voidaan varata tulemaan seuraavaksi määrättyyn paikkaan. Sovelluksella voidaan myös tehdä robotille reitti, jonka mukaan se voi edetä automaattisesti toimintapisteeltä toiselle tai vaikka ensin pakkaamoon ja sitten lähettämöön.
RoboAI Health
Yhä useampi kohtaa arjessaan mielen hyvinvointiin liittyviä haasteita. Esimerkiksi sosiaalisten tilanteiden pelko, esiintymisjännitys ja stressi ovat monelle arkipäivää. Erityisesti nuorillle tarvitaan uudenlaisia heidän näköisiään ratkaisuja perinteisten kynä-/paperi -menetelmien tueksi. Teknologia tarjoaa kaivattuja matalan kynnyksen välineitä näiden haasteiden työstämiseen.
Kustannustehokkaita ja helposti saavutettavia ratkaisuja mielen hyvinvoinnin edistämiseksi.
Altistus
Altistushoito on yksi tehokkaimmista menetelmistä ahdistuksen hoidossa. Tutkimusten mukaan 60-75% altistushoidolla hoidetuista henkilöistä kokevat saavansa tilaansa jonkinlaista helpotusta ja vaikutukset ovat pitkäaikaisia. Altistushoito perustuu pelon kohtaamiseen. Kun ihmisen altistetaan pelkonsa kohteelle riittävän pitkään, mieli sopeutuu pelkoa aiheuttavaan ärsykkeeseen, jolloin se ei aiheuta enää stressitilaa. Virtuaalitodellisuus on potentiaalinen työkalu altistushoidolle, koska sen avulla pystytään tuottamaan aidontuntuisia kokemuksia turvallisessa ympäristössä. Digitaalisessa ympäristössä pystytään myös tekemään monenlaisia muutoksia (esim. säätämään ärsykkeiden määrää ja tilanteen etenemistä), joita todellisessa maailmassa on hankala tai kallis toteuttaa (vrt. esim. lentopelko ja lentäminen).
Esimerkki: Altistussovellus julkisten paikkojen pelkoon
Demossa käyttäjä asioi kaupassa. Hänen tavoitteenaan on jonottaa ja maksaa ostokset. Demossa käytetään aitoa 360 -kuvaa, jota katsellaan virtuaalilaseilla. Käyttäjä voi edetä demossa interaktiosta (mene jonoon) toiseen (asioi myyjän kanssa) omaan tahtiinsa. Harjoitteen tarkoituksena on saada aikaan ahdistusvaste, odottaa stressitilan lieventymistä ja jatkaa sitten yksi askel kerrallaan, omassa tahdissa.
Rentoutus
VR -teknologiaa voidaan käyttää myös rentoutumisen tukemiseen. Käyttäjä voidaan viedä virtuaalisesti monenlaisiin rentouttaviin ympäristöihin (esim. luontoon). Virtuaalimaailmaan voidaan lisätä erilaisia terapeuttisia työkaluja, joiden avulla rentoutumista ja palautumista voidaan tehostaa. Esimerkiksi virtuaalimaailmaan lisättyjen hengitysharjoitteiden avulla voidaan aktivoida
parasympaattista hermostoa palautumisen edistämiseksi.
Esimerkki: Hengitysharjoite
Rentoutusdemossa käytetään aitoa 360 -kuvaa, jota on kuvattu tunturimaisemassa Lapissa. Rentoutusharjoitteen ohjaaminen tapahtuu demoon rakennetun hahmon kautta. Lisäksi demossa hyödynnetään oikeanlaisessa rytmissä suurenevaa ja pienenevää palloa, joka ohjaa hengitystä rentoutumisen ja palautumisen tehostamiseksi.
”Virtuaalitodellisuus tarjoaa parhaimmillaan täysin uudenlaisia mahdollisuuksia toteuttaa mm. altistushoitoja. Virtuaalitodellisuuden ja erilaisten teknologisten sovellusten hyödyntäminen ja jatkuva kehittäminen on nykypäivää ja teknologian rooli psykiatrisessa hoitotyössä tulee todennäköisesti vain tulevaisuudessa kasvamaan”
Anna Mäkelä
Nuorisopsykiatrian erikoislääkäri, vs ylilääkäri, Satakunnan sairaanhoitopiiri, Porin nuorisopsykiatrian poliklinikka
Kuntoutuskentällä kaivataan uudenlaisia keinoja omaehtoisen kuntoutumisen tueksi. Asiakaskunta on kuitenkin hyvin heterogeenista toimintakyvyn ja kuntoutustarpeen ollessa yksilöllinen. Peleissä hyödynnetään paljon elementtejä, joiden avulla motivaatiota, innostusta ja sitoutumista voidaan lisätä. Peleihin voidaan upottaa myös ”hyöty” elementtejä, jolloin puhutaankin tyypillisesti hyötypeleistä. Haasteena hyötypeleissä on pelin sisällön sovittaminen erilaisille käyttäjäryhmille. Erityisesti kaivataan modulaarista ja käyttäjän mukaan muovautuvaa ratkaisua.
Pelin ideana on aktivoida käyttäjää kevyeen fyysiseen harjoitteeseen sekä samalla harjaannuttaa koordinaatiota ja havainnoimista. Vaikeimmin toimintarajoitteisilla keskeinen tavoite on osallistaminen ja uusien elämyksien mahdollistaminen.
Ohjaimet
Fyysisen aktiivisuuden lisäämiseksi, käytetään pelin ohjaukseen kehon liikkeitä. Peliä ohjataan pienellä asentoa tarkkailevalla anturilla (kallistusanturi). Anturidata lähetetään bluetoothilla mobiililaitteelle, jossa peli on asennettuna. Anturi voidaan kiinnittää eri raajoihin tai erilaisiin esineisiin, joita pelaaja liikuttaa. Näin vaadittavaa ohjausliikettä voidaan modifioida käyttäjän tarpeen mukaisesti. Modulaarisuutta pystytään lisäämään kustomoitavilla ohjainratkaisuilla, jotka 3d-tulostetaan. 3d-tulostus mahdollistaa täysin yksilöllisten ohjainten valmistamisen, kunhan anturi saadaan liitettyä ohjaimeen.
3D-tulostusteknologiaksi valikoitui FDM (fused deposition modeling), jossa suuttimeen syötetty muovilanka kuumennetaan materiaalille sopivaan lämpötilaan. Sulanut muovi pursotetaan tulostusalustalle kerros toisensa jälkeen muodostaen näin lopulta koko kappaleen. Tulostusmateriaalina käytettiin PLA:ta (polyactide) sen tulostusominaisuuksien, kuten matalan tulostuslämpötilan takia sekä sen mittatarkkuuden vuoksi.
Tässä esimerkkiohjaimina käytettiin:
- tasapainolautaa, jolloin liikkeitä voidaan tehdä jaloilla (istuen tuolilla tai seisoen
tasapainolaudan päällä)
- käsiohjaimia, joissa on lukuisia tapoja tarttumiseen (kahvat voidaan vaihtaa ja ohjain voidaan kiinnittää vartaloon)
- pääohjaimella, jolloin ohjaus mahdollistuu ilman käsien ja jalkojen käyttöä
Pelit
Esimerkkipelinä toteutettiin yksinkertainen labyrinttipeli, jossa pelaajan (hiiri) on tarkoitus kerätä sydämiä (kuva). Peliä voidaan säätää eri käyttäjien mukaan. Esimerkiksi pelielementtien kokoa ja nopeutta, sokkeloiden määrää ja sijaintia sekä vastustajien määrää/laatua voidaan helposti muuttaa käyttäjän tarpeen mukaisesti. Olennaista on sovittaa vaikeustaso ja pelaajan kyvyt. Peli toteutettiin adaptiiviseksi -se mukautuu pelaajan kykyihin lisäämällä vaikeustasoa vastustajien ja sokkeloiden avulla. Peli alkaa kuitenkin mahdollisimman yksinkertaisesti ilman sokkeloita ja vastustajia. Tällöin esimerkiksi hahmottamis- ja motorisia haasteita omaavat voivat keskittyä vaikka koko pelinsä ensimmäisen sydämen keräämiseen ilman, että pelin liika vaikeus tappaa motivaation. Toisaalta edistynyt pelaaja ei tylsisty, sillä peli vaikeutuu automaattisesti, kun sydämiä onnistutaan keräämään lisää. Samaa ohjausteknologiaa voidaan hyödyntää lukuisien erilaisten pelien kanssa ja niitä työstetään parhaillaan.
"On tärkeää, että kuntoutuminen on myös mukavaa. Juuri mielekkyyden lisäämiseen pelit ovat hyvä apukeino. Olemme ottaneet uusia työkaluja sekä yksilöharjoitteluun että osaksi ryhmiä."
Helena Myllymäki
laatupäällikkö ja työfysioterapeutti, Kuntoutuskeskus Kankaanpää
RoboAI Intelligent Systems
The pilot site for the Robocoast project was Cimcorp Oy in Ulvila. In the first phase of the pilot, data related to Cimcorp's Dream Factory concept was studied.
Data from the actuators is measured throughout the operation to ensure quality and to support product development. Data analytics will be used to analyze the processes of the actuators and optimize some aspects to (further) improve performance. In analytics, data generated by the devices is retrieved from a database and analyzed to infer the performance of both individual devices and the overall system, and to make the necessary changes (iteratively) to the control system.
In addition to iteration, there are numerous opportunities to optimize production by optimizing, for example, incorrect motion paths from robots, such as too much time/current, the arc/angle of a moving actuator being too large, and the use of histograms to find fault conditions.
Data analytics can also be used to create parallel metrics by checking the reliability of the data using data from multiple data sources. This allows early detection of possible failure or malfunction of an actuator/component.
The second phase of the pilot focused on analyzing the data from the box inventory management system. The development work experimented with different data visualization tools, mainly for maintenance and development purposes. At the same time, however, it had to be kept in mind that the same data could be added in the future for customer service purposes in a clear and coherent way.
The pilot ran for a year and ended in December 2020. During the pilot, it became clear that data analysis work is a long-term and ever-changing process in an ever-evolving operator environment. As new features and new metrics are added to actuators, data analytics must keep pace and provide customers with up-to-date, clearly structured information.
Cimcorp Oy produces automated actuators for the industry for inventory management and material handling. Learn more about Cimcorp. (cimcorp.com)
The City of Pori pilot aimed to support the design and implementation of the remote work experience component of the biennial well-being at work survey by analysing and visualising the data. An expert from the DAO research group at the Tampere University developed the survey platform, which in practice consisted of two parts: semi-structured interviews and an electronic survey. The topic was very topical in view of the current situation and the aim of the survey was to get a fresh perspective from the expert of the research team.
It was important to find out how remote work is perceived in terms of well-being at work, what challenges it may have faced, and how it has affected the overall well-being of the employee. In particular, remote working remained a more permanent way of working even after the epidemic.
The semi-structured interviews involved 20 participants, of whom 6 were in a pre-personal position; 12 women and 8 men. With an average age of around 45 years; interview duration of around 25-45min; interviewees represented a wide range of industries and different types of jobs. The interview material was transcribed and analysed qualitatively using thematic data analysis.
The written report will describe in more detail the differences between sectors, but the data analysis already shows that they follow the same pattern as the results of the online survey.
A total of 922 employees of the City of Pori responded to the teleworking survey, 69% of whom had not teleworked before. Before the teleworking recommendation, the average number of days teleworking was 0.22 per week. The increase in teleworking averaged 2.27 days per week.
The Tampere University Pori unit also does a lot of business cooperation in the form of commissioned case studies. For Honkajoki Oy, a reliable automated analysis mechanism for slaughterhouse waste based on hyperspectral imaging is being developed, which could be used for further processing of slaughterhouse waste.
The unit was equipped with a hyperspectral camera from Specim Oy, which allows the detection of the level of contamination and contaminants such as metal, plastic, glass and water content in the slaughterhouse waste from the line. The hyperspectral data reference values are taken from laboratory samples of slaughterhouse waste, which have been jointly imaged by researchers from the Tampere University and Specim Oy.
The hyperspectral camera measurements are fed into the Tampere University’s neural network (artificial intelligence) computing unit, where the neural network tries to learn a cause-and-effect relationship between the hyperspectral camera measurements and the laboratory measurements of slaughterhouse waste. Several intermediate steps are needed to teach the neural network, as there is a lot of hyperspectral data and before teaching the neural network, the amount of data needs to be reduced without losing any essential data. Then, the size of the neural network needs to be determined and the optimal network learning parameters need to be found before the actual neural network teaching.
In addition, Dyme Solutions Oy has implemented a data collection solution to collect data from different processes at the Honkajoki Oy production plant in one place. The researchers at the Tampere University aim to find cause and effect relationships in the collected data, which can be used to take development measures for different processes, for example to look at energy consumption and in the future to reduce energy consumption or to predict the degradation of process-related components.