Älykkäiden järjestelmien ja data-analytiikan avulla kohti sujuvampaa ja vihreämpää huomista

Ohjelmistotekniikka - älykkäiden järjestelmien perusta 

Ohjelmistotekniikalla on merkittävä rooli digitalisoituvan yhteiskunnan ja arkielämän sujuvuudessa. Tulevaisuuden digitaalinen maailma pohjautuu uusille ohjelmistotekniikan teknologioille sekä laajaan teknologia- ja ohjelmisto-osaamiseen. Älykkäiden järjestelmien toiminta perustuu suurelta osin järjestelmien sisältämien taustaohjelmistojen varaan. Järjestelmien toteutukset palvelin- ja pilvialustoille, järjestelmien integraatioratkaisut, rajapintojen toteutukset järjestelmille, laitteille ja sensoreille ovat olennainen osa älykkäiden järjestelmien ohjelmistokehitystyötä jo nyt, ja enenevässä määrin myös tulevaisuudessa.

– SEIntS tutkimusryhmällä on pitkäaikaista ja laaja-alaista kokemusta ohjelmistotekniikan ja älykkäiden järjestelmien tutkimuksen alueella. Tutkimushankkeiden aikana on toteutettu lukuisia älykkäitä järjestelmiä eri tarpeisiin ja käyttötarkoituksiin. Tavoitteena on tutkia, kehittää ja pilotoida uusia innovatiivisia ratkaisuja, työkaluja ja toimintamalleja alueen yritysten sekä julkisten toimijoiden hyödynnettäväksi. Ryhmän seuraava tutkimusteema on virtualisoinnin ja virtuaalisen mallintamisen kautta luotu digitaalinen kaksonen, jonka avulla voidaan testata ja tutkia olemassa olevia reaalimaailman ratkaisuja, kertoo tutkimusryhmän vetäjä, tutkimuspäällikkö Jari Soini.

 

Data on tekoälyn liikkeelle paneva voima

Big Data -aikakauden alkuvaiheessa oli tapana sanoa, että data on uusi öljy. Nyt kun fossiilisista polttoaineista ollaan pikavauhtia luopumassa, tämä vertailu ei enää kuulosta kovin edistykselliseltä; datan merkitys ei kuitenkaan ole vähentynyt vaan sen hyödyntäminen on yhä enemmän siirtymässä osaksi jokapäiväisiä toimintaprosesseja. Eri toimialat ja organisaatiot ovat siinä eri vaiheessa ja oleellista on, että jokainen toimija löytää juuri hänelle sopivan tavan hyödyntää dataa.

Data-analytiikassa on kiehtovinta se, että siihen liittyy aina jokin sovellusalue. Data sinänsä on pelkkiä numeroita taulukossa, mutta kun sen yhdistää datan lähteeseen, se herää henkiin ja alkaa puhumaan.

– Satelliittidata kertoo, millä pellolla vilja kasvaa paremmin; aivosähkökäyrä kertoo, milloin aivot kaipaavat lepoa; tutkadata kertoo, miten tuulimyllyjen rakentaminen vaikuttaa lintujen käyttäytymiseen; tuotantolinjalta mitattava data kertoo, missä piilevät tuotannon pullonkaulat ja miten tuotannon voisi toteuttaa energiatehokkaammin. Data-analytiikkatiimimme toimii juuri tällaisten ongelmien parissa, esittelee professori Tarmo Lipping oman tutkimusryhmänsä toimintaa.

 

Mallit datan tulkitsijoina

Datan ja reaalimaailman ilmiöiden välille tarvitaan malleja. Mallien avulla voidaan ymmärtää datassa piileviä lainalaisuuksia, mutta myös ennustaa, miten ilmiöt tulevat käyttäytymään tulevaisuudessa. Satakunnan maaperä kohoaa noin 6 mm vuodessa; tutkimustiimimme on mallintanut, miten maankohoaminen tulee jatkumaan ja miten se vaikuttaa rantaviivan siirtymiseen seuraavan 10 000 vuoden aikana. Laskentatehon kasvaessa suosituiksi ovat tulleet syväoppivat neuroverkkomallit; näitä hyödyntämällä tiimimme on pystynyt menestyksekkäästi ennustamaan mm. peltojen satomäärän vaihteluita kasvukauden alkuvaiheessa mitatusta droonidatasta. Näistä ja muista Intelligent Systems -osakokonaisuuden tiimien tutkimustuloksista kerrotaan jatkossa laajemmin RoboAI:n verkkosivuilla ja somekanavissa.

Tutustu Intelligent Systemsin toimintaan myös RoboAI:n uudistetuilla verkkosivuilla.

 

Lisätietoja: