Yritysprojektit
RoboAI:n yritysprojektit yhdistävät yritysten tarpeet, asiantuntijoiden ammattitaidon ja opiskelijoiden tuoreet ja innovatiiviset näkemykset.
Yritysprojektit ovat tärkeä osa RoboAI:n toimintaa. Tutkimusryhmät tuottavat ja testaavat projektien avulla uutta tutkimustietoa yritysten käyttöön. Akatemioiden opiskelijat pääsevät yritysprojektien kautta käytännönläheisesti oppimaan, innovoimaan ja kokeilemaan uusia ideoita.
Tällä sivulla esittelemme uusimpia ja merkittävimpiä projektejamme.
Opinnäytetyöt
Satakunnan ammattikorkeakoulun opiskelija Jenni Alatalo teki Pekan Parhaat -leipomon tilauksesta yritykselle pakkauslinjaston automatisointisuunnitelman. Opinnäytetyö toteutettiin osana 5VTA – Viisi vaikuttavaa teknologia-askelta elintarvikealan pk-yrityksissä -hanketta. Hankkeessa ovat mukana Satakunnan ammattikorkeakoulu, Seinäjoen ammattikorkeakoulu, Satakuntaliitto ja Etelä-Pohjanmaan liitto.
Opinnäytetyön tarkoituksena oli selvittää, kuinka kääretortun leikkaaminen ja pakkaaminen annosrasioihin voidaan automatisoida leipomoyrityksessä. Opinnäytetyössä etsittiin tuotantomäärät huomioiden sopivimmat laitteet, selvitettiin investoinnin kustannusarvio ja tehtiin simulointi automatisointisuunnitelman mukaisesti. Tavoitteena oli, 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.
Lue lisää Jenni Alatalon opinnäytetyöstä.
Robotiikka Akatemian yritysprojektit
Robotiikka Akatemian opiskelijat kokeilivat eri tapoja, kuinka 3D-konenäköjärjestelmä ja käsivarsirobotti saadaan toimimaan yhdessä. Projektissa tehtiin kappaleiden poimintaa ja kokoonpanoa suorittava järjestelmä, jossa robotti hakee ja asettaa konenäöllä tunnistettuja kappaleita.
Opiskelijat Andre Torm, Markus Virtanen ja Janne Rintala saivat mielenkiintoisen toimeksiannon. Tehtävänä oli luoda yritysasiakkaita varten demovideo, jossa esitetään erilaisten kappaleiden tunnistusta samasta laatikosta sekä niiden kokoonpanoa. Tällaista sovellusta ei mikään yritys ole vielä meiltä pyytänyt, mutta demovideolla haluttiin tuoda esille 3D-konenäön ja robotiikan yhdessä luomat tosi monipuoliset mahdollisuudet erilaisten kappaleiden poiminnassa.
– Ei olla koskaan oltu näin paljon tekemisissä konenäön ja robotiikan kanssa yhdessä projektissa, Andre ja Markus kommentoivat.
Projektissa hyödynnettiin PickIt M-HD -konenäköjärjestelmää, joka on tarkoitettu täysin ennustamattomissa asennoissa olevien kappaleiden tunnistukseen sekä paikantamiseen. Kappaleiden liikuttamiseen käytettiin UR5-käsivarsirobottia, joka suoritti noudon ja kokoonpanon.
Opiskelijat 3D-tulostivat ja suunnittelivat erilaisia robotin työkaluja, tunnistettavia kappaleita kokoonpanoa varten sekä jigin, jossa kappaleiden kääntö eri asennoissa tapahtuu. Idea suunnitelluista kappaleista tuli laakeripesästä, joka kuvaa, kuinka monimutkaiseen työhön konenäkö- ja robottijärjestelmät kykenevät.
Robotiikka Akatemia sai toimeksiannon konenäon hyväksikäytöstä Bolidenin Harjavallan tehtaan nikkelisulattamon prosessissa. Konenäön mahdollisuuksia tutkittiin opiskelijoiden toimesta. Tarkoituksena oli tutkia konenäön avulla sulatusprosessin jälkeisen kuonan eri ainesosien pitoisuuksia.
Konenäöksi kutsutaan sellaista järjestelmää, jossa tietokonenäköä sovelletaan teolliseen tarkoitukseen. Järjestelmä koostuu valonlähteestä, kuvattavasta kohteesta, kamerasta, tietokoneesta sekä siinä toimivasta kuvankäsittelyohjelmasta, joka tulkitsee kuvan automaattisesti.
Konenäköjärjestelmät suorittavat pääasiassa tarkoin ennalta ohjelmoituja tehtäviä. Tässä toimeksiannossa liukuhihnalta tunnistettiin asiakkaan toivomia pitoisuuksia. Käytössä oli Cognexin sovellus In-Sight. Älykamerassa kaikki kuvankäsittely ja laskenta tapahtuu itse kamerassa.
Projektissa opiskelijat oppivat miten hyödyntää erilaisia kamera- ja valovaihtoehtoja. Kokonaisuutena projektista saatiin molemminpuolisia hyötyjä. Opiskelijoiden osaaminen kasvoi ja asiakkaalle pystyttiin antamaan heidän toivomansa informaatio. Opitun avulla konenäköä tarvittavissa projekteissa haasteisiin pystytään vastaamaan paremmin.
Robotiikka ei ole välttämättä pelkästään teollisuudessa käytettävä apuväline, vaan sitä voi myös hyödyntää arkisemmissa työtehtävissä. Robotiikka Akatemian opiskelijaryhmä sai tehtäväkseen tutkia UR5e-yhteistyörobotin käyttömahdollisuuksia kahvilassa, erityisesti kahvin keitossa ja vohvelien paistossa.
Aluksi Pietari Pulkkisen, Jukka-Pekka Rajahalmen ja Timo Virtasen projektiryhmä keräsi kasaan tarvittavat välineet demokahvilan rakentamiseen. Kahvin keittoon soveltui hyvin koulusta löytynyt vanha Moccamaster ja vohveleiden paistoon asiakas toimitti belgialaisvalmisteisen vohvelirautojen ”mersun”. Jotta keittiötyöt sujuisivat robotilta sulavasti, piti ryhmän suunnitella ja 3D-tulostaa robotin sormitarttujaan sopivia apuvälineitä mm. kahvipannuun tarttujalle sopiva uusi kahva.
Demokahvilan valmistuttua robotin toiminnallisuuksien ohjelmointi sujui ryhmältä oikein näppärästi ja robotti suoriutui tehtävistään loistavasti. Teollisuus-painotteisten projektien lomassa vohvelien paisto oli mukavaa ja makoisaa vaihtelua. Ja kahvihan maistuu insinööriopiskelijoille aina.
Demon perusteella opiskelijoiden mielestä UR5-yhteistyörobotti sopii kahvilatehtäviin mainiosti.
– UR5e soveltuu hyvin yksinkertaisiin ja itseään toistaviin tehtäviin kahvilassa. Demossa suoritettujen tehtävien lisäksi robotilla voi esim. levittää taikinan siihen soveltuvalla työkalulla, kaataa erilaisia juomia, leikata kakkuja ja piirakoita ja koristella kakkuja, Pietari Pulkkinen listaa.
Asiakkaana tässä casessa toiminut Hangon Vohveli ja sen omistajat Aarno ja Leena Törmälä olivat tyytyväisiä yhteistyöhön opiskelijoiden kanssa, ja he aikovat tulevaisuudessa ottaa robotin avukseen kahvilaan.
– Työ sujui opiskelijoiden kanssa hienosti. Työssään he olivat erittäin oma-aloitteisia ja pyrkivät löytämään aidosti toimivan robotisoidun ratkaisun kahvin keittämiseen ja vohvelin paistoon uudessa kahvilassamme. Ideamme on toteuttaa myös robotilla toimiva ratkaisu, jos ei nyt tulevana kesänä niin ainakin myöhemmässä vaiheessa. Se on toiminnallisuuden lisäksi myös mukava nähtävyys asiakkaille ja näin voimme kaikki oppia, mitä avustavia töitä roboteilla voidaan toteuttaa jo nyt, kertoo Aarno Törmälä.
Katso opiskelijoiden tekemä demovideo UR5-yhteistyörobotin käytöstä kahvilatyössä! (Youtube)
Tämä robottikokeilu on tehty osana HLS-robo-projektia, jolle on myönnetty osarahoitus Manner-Suomen maaseudun kehittämisohjelmasta.
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.
Robotiikka Akatemia sai toimeksiannokseen kasata tietynlaisia magneetteja vaadittuun pituuteen ja muotoon. Teollisuusrobotin käytön mahdollisuuksia tutkittiin opiskelijoiden toimesta. Tarkoituksena oli tutkia, voiko tämän annetun tehtävän suorittaa käyttäen erilaisia teollisuusrobotteja.
Teollisuusrobotiksi kutsutaan tietokoneohjattua konetta, joka pystyy suorittamaan saman itseään toistavan tehtävän määritetyllä tarkkuudella ja nopeudella useasti. Teollisuusrobotti on yleiskäyttöinen kone, ja sama robotti voi suorittaa monta erilaista tehtävää, riippuen ohjelmasta ja tarkoituksesta.
Asiakkaana oli Neorem Magnets. Heidän päätuotteenaan toimii erilaiset magneetit sekä magneettiratkaisut. Neorem Magnets on Suomen ainoa magneettitehdas. He tuottavat korkealaatuisia magneetteja teollisuuden eri osa-alueille hyödyntäen alan viimeisintä teknologiaa.
Projektissa oli käytössä kaksi robottia: UR-5 sekä ABB IRB-120. Lopulliseksi robotiksi projektin loppuunsaattamiseen valittiin UR-5, koska se vastasi tarpeiltaan enemmän asiakkaan vaatimuksia ja toiveita. UR-5 on helppo ohjelmoida ja on toiminnoiltaan tarpeeksi nopea suorittamaan tätä kyseistä tehtävää.
Projektissa opiskelijat oppivat miten ohjelmoidaan ja hyödynnetään eri robottien ominaisuuksia teollisuuden ympäristössä, kokonaisuutena siitä saatiin molemminpuolisia hyötyjä. Opiskelijoiden osaaminen kasvoi huomattavasti ottaen huomioon, että tämä projekti oli muutamalle opiskelijalle heidän ensimmäinen kosketuksensa robotiikan ihmeelliseen maailmaan. Opitun avulla robotiikkaa tarvittaessa pystytään vastaamaan tuleviin haasteisiin entistä tehokkaammin.
Robotiikka Akatemia sai Neorem Magnetsilta haasteen magneettien dimensioiden mittaamiseen liittyen. Monikulmion muotoisen magneetin dimensiot pitäisi mitata sadasosamillimetrien tarkkuudella.
Haastetta lähdettiin purkamaan toteuttamalla ensin projekti, jossa vaihto-opiskelijat Belgiasta ja Espanjasta tutkivat, miten magneetin dimensiomittaus olisi toteutettavissa älykamerajärjestelmällä. Ensimmäisen projektin aluksi jo tiedettiin, ettei korkearesoluutioisimmankaan älykameran tarkkuus riitä sadasosamillimetrien tarkkuuteen, mutta projektille asetettiinkin tavoitteeksi selvittää, millaisilla työkaluilla ja millaisella setupilla mittaaminen onnistuisi.
Colin ja Nicolas Belgiasta ja Jaime Espanjasta perehtyivät projektin aluksi älykameran analysointiohjelmistoon ja rakensivat setupin, jolla magneetti saatiin kuvattua mahdollisimman tarkasti, stabiileissa olosuhteissa ja toistettavasti. Kun analysointiohjelmiston perustoiminnat oli opiskeltu, he lähtivät toteuttamaan mittausohjelmaa. Mittausohjelmalla konenäköjärjestelmä tunnistaa kappaleen, etsii siitä reunat ja mittaa reunojen etäisyyksiä suhteessa toisiinsa sekä mittaa reunojen väliset kulmat. Kun ohjelma oli valmis, opiskelijat toteuttivat vielä testikuvaukset ja –mittaukset mittaamalla kaikki kappaleet kolmeen kertaan molemmilta puolilta. Näin saatiin dataa analysointiohjelman toistettavuudesta ja mittausvirheestä
Tämän ensimmäisen projektin perusteella saatiin selville, että magneettien dimensioiden mittaaminen onnistuu konenäön avulla ja mittaustekniikalla saadaan mittausprosessin toistettavuutta ja nopeutta parannettua. Tämän projektin perusteella määriteltiin myös seuraavan projektin tavoitteet eli tarkemman kuvausjärjestelyn rakentaminen ja siihen soveltuvan analysointiohjelman tekeminen. Tavoitteeksi asetettiin myös tarkemman kuvausjigin suunnittelu. Sen avulla magneetin paikka kuvausalustalla saadaan stabiloitua.
Tämän ensimmäisen projektin toteuttaminen oli vaihto-opiskelijoille oikein mieluinen projektityö. He oppivat ohjelmoimaan älykamera-analysointiohjelmaa heille ennestään tuntemattomassa ohjelmointiympäristössä. He panostivat paljon myös tulosten esittelyyn erilaisten kappaleiden ja eri mittausten osalta.
”Opiskelijat olivat tehneet lyhyessä ajassa todella vakuuttavan ohjelman ja raporttiin oli koostettu paljon mittausdataa, joka on erityisen arvokasta järjestelmän toimivuuden arvioinnissa sekä parannuskohteita analysoitaessa. Yhteistyön avulla saamme arvokasta tietoa erilaisista konenäköjärjestelmistä sekä niiden hintaluokista ja soveltuvuuksista eri tarpeisiimme investointipäätöksen tueksi.”
Jukka Hissa
Tuotannon kehitysinsinööri
Neorem Magnets
Robotiikka Akatemia sai toimeksiannon Oras Groupilta tutkia robotin soveltuvuutta kokoonpanotyöhön. Tavoitteena oli automatisoida viisiosainen linjasto kokoonpanorobottia hyödyntäen.
Työhön valittiin ABB:n kaksikätinen YuMi®-robotti, joka on kehitetty pienten osien kokoonpanoon. Aitoon yhteistyöhön kykenevällä robotilla on joustavasti asentoa muuttavat kädet, kameraan perustuva osien paikannustoiminto ja tarkka ohjausjärjestelmä.
Projektissa Robotiikka Akatemian opiskelijoiden tehtäviin kuului robotin ohjelmointi ja simulointi, konenäön hyödyntäminen sekä robotin työkaluihin liitettävien osien, eli jigien, palettien ja tasojen suunnittelu sekä toteutus 3D-tulostamalla. Opiskelijat oppivat projektissa laaja-alaisesti robotin toimintaa ja rajoitteita. Tärkein tavoite saavutettiin, eli kokoonpanotehtävä onnistuttiin toteuttamaan robotilla.
”Yhteistyö Robotiikka Akatemian kanssa oli luontevaa ja yhteinen aallonpituus saavutettiin heti ensimmäisessä tapaamisessa. Tuotteemme kokoonpanot ovat vaihtelevia ja tämän projektin myötä oivallettiin varmasti mahdollisia uusia tapoja toimia. Tulokset olivat mielenkiintoisia ja niistä on hyvä jatkaa asioiden pohdintaa eteenpäin. Uskon, että yhteistyön molemmat osapuolet hyötyivät projektista.”
Maarit Ruohola
Oras Group
Robotiikka Akatemia sai Porin Taidemuseolta toimeksiannon valmistaa 3D-tuloste museon peruskokoelmaan kuuluvasta Carl-Gustaf Liliuksen pronssiveistoksesta Sarjasta Linnunsiipinen Nainen (1966). Päämääränä oli 3D-skannata veistos ja tuottaa mahdollisimman hyvin alkuperäistä teosta struktuuriltaan ja muodoltaan vastaava 3D-tuloste.
Veistoksen tulostamiseen pyydettiin lupa sekä Kuvastolta että taiteilijan perikunnalta.
– Tavoitteemme on kehittää saavutettavia tapoja taiteen kokemiseen, tässä tapauksessa erityisesti näkövammaisille kävijöillemme. Taideteoksiinhan ei lähtökohtaisesti saa koskea, kertoo taidemuseon kokoelma-amanuenssi Jasmin Lehtiniemi.
– On hienoa olla mukana projektissa, joka tuo taidetta lähemmäs ihmistä, sanoo Akatemian opiskelija Toni Seessalo. Projektiryhmään kuuluivat myös Markus Virtanen ja Atte Ali-Hokka.
Projektia lähdettiin tekemään tutkimalla erilaisia 3D-skannausmenetelmiä, jotta veistoksesta saataisiin tehtyä 3D-malli. Projektissa tutkittiin kuinka David 3D, Skanect, ja Meshroom -ohjelmistoja hyödyntämällä saataisiin paras lopputulos.
David 3D -skannerijärjestelmää varten rakennettiin alumiininen jalusta, johon asennettiin kiinteästi videoprojektori ja säädettävä kamera. Skanect-menetelmässä käytettiin käsivaralla Microsoft Kinect -kameraa. Fotogrammetriaa varten kalustona oli kolmijalan varassa järjestelmäkamera. Skannaus toteutettiin kiertämällä eri skannereilla veistoksen ympäri eri korkeuksilla, jotta veistoksen kaikki pinnat saataisiin skannattua.
Haasteena yksityiskohtainen pintastruktuuri
Satakunnan Näkövammaiset ry:n jäsenet Tuija Niittyranta-Heurlin, Tinni Koli ja Pauli Viertonen toimivat projektin konsultteina. He vierailivat myös taidemuseolla tutustumassa alkuperäiseen Liliuksen veistokseen. Veistosta tunnusteltiin varovasti silikonihansikkain.
Eri menetelmillä saaduista 3D-malleista tulostettiin koevedoksia, joita esiteltiin Satakunnan Näkövammaiset ry:n jäsenille valintaa varten. Heiltä saadun palautteen perusteella David 3D -skannerilla saatu malli, johon oli Blender-mallinnusohjelmalla luotu karhea pinta, valikoitui parhaaksi.
Varsinainen 3D-tuloste valmistettiin Prusa MK3S -tulostimilla. Tulostimien suhteellisen pienen tulostusalueen ja veistoksen suuren koon takia 3D-malli jaettiin kymmeneen eri kappaleeseen, jotta ne mahtuisivat tulostimiin. Kappaleet koottiin tulostamisen jälkeen muoviliimaa käyttämällä lopulliseen muotoonsa.
Lopullinen kopio sai osakseen ihailua.
– Tämä oli todella vaikuttava kokemus, veistoksen ydinsanoma välittyi 3D-teoksesta täysin. On tärkeää päästä kokemaan taidetta itse kuvailun sijaan, kertoo Koli.
Kosketeltava 3D-tuloste veistoksesta tallennetaan osaksi Porin taidemuseon pedagogista käyttökokoelmaa.
Robotiikka Akatemian opiskelijat pääsivät opettelemaan monipuolisesti automaatiosuunnittelua rakentaessaan simulointiympäristöä Satakunnan ammattikorkeakoululle.
Robotiikka Akatemian opiskelijat Janne Rintala, Timo Virtanen ja Meeri Simberg toteuttivat Satakunnan ammattikorkeakoululle projektin, jonka tarkoituksena oli toteuttaa simulointiympäristö opetuskäyttöön. Käytettävissä projektiryhmällä oli ohjauspulpetti kosketusnäytöllä, sekä Beckhoffin ja Siemensin logiikat. Simulaatio luotiin Visual Components -ohjelmalla. Käyttöliittymä tehtiin Beckhoffin TwinCAT-ohjelmointiympäristössä. Siemensin logiikka toimi järjestelmässä serverinä, jonka kautta kaikki OPC UA-rajapinnan dataliikenne siirtyy. Simulaatiota ohjaava PLC-ohjelma luotiin Siemensin TIA-ympäristössä.
Projekti oli laaja automaatioprojekti, johon sisältyi mm. monipuolista ohjelmointia, käyttöliittymän suunnittelua ja robotin liikkeenohjausta. Projekti toteutettiin kevään ja syksyn aikana vuonna 2021. Projektin tarkoituksena oli muokata vanhaa opinnäytetyön pohjalta tehtyä simulaatiota opetuskäyttöön sopivammaksi, jotta seuraavat opiskelijat voivat laajentaa tai kehittää simulointiympäristöä edelleen. Haastavaksi projektin aikana osoittautui OPC-UA yhteyden muodostaminen Siemensin OPC-UA -serveriin ja robotin manuaaliohjauksen ohjelmointi. Nämä ongelmat saatiin lopulta ratkaistua.
Simuloinnin merkitys tuotannon kehityksen apuvälineenä tuli taas todistettua Robotiikka Akatemian projektissa, jossa opiskelijat Janne Rintala ja Markus Virtanen projektiryhmineen suunnittelivat ja simuloivat vaihtoehtoisen ratkaisun hoitaa tuotteiden lavaaminen robottien avulla.
Robotiikka Akatemia sai toimeksiannon asiakkaalta selvittää tuotantolinjaston simulointia. Tarkoitus oli simuloida robottisolua tuotteiden lavaamisessa. Tehtävässä piti ottaa huomioon linjaston nopeus, turvallisuus, tuotteen lavausmahdollisuudet, kulkureitit ja robottisolun tilan tarve. Simulointi tehtiin Visual Components –simulointiohjelmistolla. Ohjelmistolla tällaisen tuotantolinjaston simulointi onnistuu hyvin.
Projekti alkoi hakemalla inspiraatiota erilaisista maailmalla esitellyistä roboteilla toteutetuista lavausratkaisuista. Lisäksi selvitettiin, mitä turvallisuusseikkoja pitää ottaa huomioon teollisuusrobottisolussa ja sen suunnittelussa. Tämän jälkeen aloitettiin Visual Componentsiin tutustuminen. Mallinnuksessa käytettiin process-mallinnustoimintoa. Opiskelijat lähtivät projektiin ilman mitään kokemusta kyseisestä simulointiohjelmasta. Robotiikka Akatemian ohjaava opettaja järjesti kaksi oppituntia perusteista, minkä jälkeen opiskelijat aloittivat projektin konkreettisen tekemisen itsenäisesti ryhmän kanssa.
– Opiskelijat ottivat simuloinnin tosi hienosti haltuunsa, etenivät alun opastuksen jälkeen tosi itsenäisesti ja simuloivat useita erilaisia vaihtoehtoja linjaston toteuttamisen tueksi, kommentoi projektin ohjaavana opettajana toiminut tutkija Tommi Lehtinen.
Jälleen yksi tyytyväinen asiakas
Suurin haaste projektissa oli saada simuloitu robottisolu mahtumaan määriteltyyn tilaan. Tämä piti ottaa huomioon robottikäden liikkumisessa robottisolun sisällä, turvallisuusratkaisujen valinnassa sekä linjaston nopeuden ja kulkureittien määrittelyssä. Eri simulaatioversioita käytiin läpi asiakkaan kanssa järjestetyissä palavereissa. Asiakkaalta saatujen kommenttien ja keskusteluissa syntyneiden ideoiden perusteella soluratkaisuja jatkokehitettiin. Asiakas oli oikein tyytyväinen simulaatioiden tuloksiin ja niistä saatuihin tietoihin.
Opiskelijat oppivat projektissa paljon simulointiin ja projektin toteuttamiseen liittyviä asioita.
– Päällimmäisenä mieleen jäivät projektin johtaminen, robottisolun turvallisuuteen liittyvät asiat sekä tietysti Visual Compenents -ohjelman process modeling -osaaminen, kertovat Rintala ja Virtanen.
Satakuntaan rakennetaan maakunnallista testbed-toimintaa, johon osallistuu eri oppilaitosten lisäksi kuntia, Satasairaala sekä Prizztech Oy. Mobiilirobottikokeilulla testataan testbed-mallin toimivuutta ja samalla toteutetaan myös yhtä toiminnan tavoitteista, eli opiskelijoiden osallistamista työelämälähtöisillä projekteilla.
– SAMKin valttina testbed-verkostossa on vahva opiskelijoiden ja hankkeiden tuki, jota on mahdollista hyödyntää, muistuttaa projektipäällikkö Anu Holm.
Testbed-toimintaa rakennetaan parhaillaan kuntoon myös SAMKin sisällä ja toiminnan tunnettuutta halutaan tulevaisuudessa lisätä. Jatkossa SAMKin ja Satasairaalan testbed tulee toimimaan osana maakunnallisen sotealan yhteistyön testbed-verkostoa ja se palvelee hankkeita, tutkijoita ja yrityksiä sekä yhdistää opiskelijoita ja työnantajia.
Askel kohti uutta
Pilotointiprojekti lähti liikkeelle siitä, kun Satasairaalan hankinta- ja logistiikkayksiköltä saatiin tieto tarpeesta ja kiinnostuksesta logistiikan robotisointia kohtaan. Erityisen kiinnostuksen alla on se, minkälaisiin tehtäviin mobiilirobotti sopisi sairaalassa ja miten yhden toiminnon automatisointi vaikuttaa koko yksikön toimintaan.
Aiemmin tehdyt pilotoinnit on tehty ulkopuolisten yritysten näkökulmasta koskien heidän tuotteitaan ja niiden sopivuutta sairaalaympäristöön. Nyt lähdetään liikkeelle sairaalan omasta tarpeesta.
– On tärkeää saada kokemuksia kokeiluista sairaalan omissa tiloissa, koska robotiikan lisääminen tulevaisuudessa vaikuttaa paitsi yksikön toimintaan, myös sairaalatilojen suunnitteluun ja osaamiseen tarpeeseen, muistuttaa Holm.
Autonominen lääkekuljetus
Mobiilirobottikokeilun konkreettisuus teki siitä sopivan pilotin toteutettavaksi yhdessä Robotiikka Akatemian opiskelijoiden kanssa. Opiskelijat Meeri Simberg, Pietari Pulkkinen, Andre Torm ja Toni Seessalo harjoittelivat mobiilirobotin ohjelmointia ja ajoa ensin SAMKin kampuksella sekä vastasivat demon toteutuksesta Satasairaalassa. Projektutkija Santeri Saari toimi opiskelijoiden ohjaajana.
– Kokeilu onnistui hyvin. Haasteena oli tilan suuri koko ja ovien määrä. Yksi tärkeimmistä huomioista oli se, että mobiilirobotin täysi autonomisuus sairaalan tiloissa vaatii yhtenäisen verkon sähköovien kanssa, kertoo Saari demopäivien kokemuksista.
Teknisen toteutuksen jälkeen projektissa keskitytään arvioimaan autonomisen lääkekuljetuksen vaikutuksia koko toimintaketjuun Satasairaalan työntekijöiden näkökulmasta, aina tilauksesta lääkkeenvalmistukseen ja logistiikkaan. Sitten päästään tekemään analyysiä mahdollisen hankinnan kustannustehokkuudesta.
Lääkekuljetuksen lainsäädännölliset asiat ovat vielä selvittämättä.
– Luotettavuus on tärkeää, joten yksi merkittävimmistä asioista on aina tietää missä kuljetus on meneillään, Holm huomauttaa.
Testbed-toiminnan kehittäminen on osa Tulevaisuuden Sairaala -hanketta.
Rahoituksella tuettavat yritysprojektit
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.
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
Robocoast-hankkeen pilottikohteena oli Cimcorp Oy Ulvilassa. Pilotin ensimmäisessä vaiheessa tutkittiin Cimcorpin Dream Factory -konseptiin kuuluvaa rengasrobotiikaan liittyvää tietoa.
Toimilaitteista mitataan dataa koko toiminnan ajan laadun varmistamiseksi sekä tuotekehityksen tueksi. Data-analytiikan avulla toimilaitteiden prosesseja voidaan analysoida sekä optimoida joitakin osa-alueita suorituskyvyn (edelleen) parantamiseksi. Analytiikassa tietokannasta haetaan laitteiden tuottamaa dataa, jota analysoimalla voidaan päätellä sekä yksittäisten laitteiden että kokonaisuuden toimivuutta, ja tehdä tarvittavia muutoksia (iteratiivisesti) ohjausjärjestelmään.
Iteroinnin lisäksi on lukuisia mahdollisuuksia tehostaa tuotantoa optimoimalla esimerkiksi vääriä liikeratoja roboteista, kuten liian suuri ajan/virran käyttö, liikkuvan aktuaattorin kaari/kulma liian iso sekä histogrammien käyttö virhetilojen löytämisessä.
Data-analytiikalla voidaan myös luoda rinnakkaisia mittareita, tarkistamalla tiedon luotettavuus käyttämällä useasta tietolähteestä saatua dataa. Näin voidaan varhaisessa vaiheessa huomata toimilaitteen/komponentin mahdollinen vikaantuminen tai häiriötilanne.
Pilotin toisessa vaiheessa keskityttiin laatikkovaraston hallintajärjestelmän datan analysointiin. Kehitystyössä kokeiltiin erilaisia datan visualisointikeinoja, pääasiassa kunnossapidon ja kehityksen tarpeisiin. Samalla oli kuitenkin pidettävä mielessä, että samaa tietoa voisi tulevaisuudessa lisätä myös asiakaspalvelun tarpeisiin selkeänä ja johdonmukaisena.
Pilotti kesti vuoden ja loppui joulukuussa 2020. Pilotin aikana kävi selväksi, että datan analyysityö on pitkäjänteistä ja jatkuvasti muuttuvaa alati kehittyvässä toimilaiteympäristössä. Kun toimilaitteisiin tulee uusia piirteitä ja uusia mittauskohteita, niin data-analyysin on pysyttävä mukana ja tarjottava asiakkaille ajanmukaista, selkeästi jäsennettyä tietoa.
Cimcorp Oy tuottaa teollisuudelle varaston hallinnan, sekä materiaalin käsittelyn automatisoituja toimilaitteita. Lisätietoja Cimcorpista.
Robocoast-hankkeen eräänä pilottikohteena oli Finnish Steel Painting Oy (FSP) Porissa. FSP tekee omien asiakkaidensa teräskappaleille puhdistuksen ja pintakäsittelyn.
FSP:n toiminta on sekä pienien kappaleiden pintakäsittelyä, joita voidaan käsitellä tuotantohalleissa, että isojen kappaleiden käsittelyä, jotka tehdään asiakkaiden tiloissa, tai paikan päällä. FSP:n asiakkaiksi mainitaan heidän kotisivuillaan (FSP 2021) muun muassa Lahden keskustan valaisinpylväiden käsittely, Höga Kusten silta, Spar-tuotantolautat (Technip Offshore) ja muita monikansallisten ja kotimaisten yrityksien tuotteita ja kohteita.
Pilotissa keskityttiin pienkappaleiden käsittelyradan ominaisuuksiin, sekä tutustuttiin ja tutkittiin työkappaleen radasta puhdistuksen ja maalauksen välivaiheista saatavaa sensoritietoa. Näitä olivat vaunujen liikeajat ja kauanko vaunu oli missäkin työvaiheessa. Tämän lisäksi työpisteistä kerätään lämpötila- ja kosteus- yms. ympäristötietoa. Esimerkkinä kuva 1 FSP:n Puolan tehtailta, missä pintakäsitellään lastinkäsittelylaitteita puoliautomaattisella radalla.
Tuotantolinjan käsittelypisteistä kerätään dataa jatkuvasti laadun varmistamiseksi sekä tuotekehityksen tueksi. Data-analytiikan avulla kaikkia tuotantolinjan prosesseja voidaan analysoida sekä optimoida suorituskyvyn parantamiseksi. Analytiikassa tietokannasta haetaan laitteiden tuottamaa dataa, eli esimerkiksi kuinka kauan asiakkaan kappaleita sisältävä vaunu on ollut yksittäisessä työvaiheessa, ja tästä voidaan laskea histogrammit jokaisen työvaiheen kohdalle, ja mahdollisesti optimoida niitä. Puoliautomaattisessa järjestelmässä, missä ihminen on mukana joissakin työvaiheissa, voi tulla tahatonta lisäaikaa esimerkiksi tilanteessa, missä työkappale on jäänyt kahvitunnin ajaksi prosessityökohteeseen linjastossa.
Data-analytiikalla voidaan myös luoda rinnakkaisia mittareita, tarkistamalla tiedon luotettavuus käyttämällä useasta tietolähteestä saatua dataa. Näin voidaan varhaisessa vaiheessa huomata mahdolliset pullonkaulat linjastossa tai häiriötilanne vaunujen kulussa.
Kehitystyössä kokeiltiin erilaisia datan visualisointikeinoja, pääasiassa sisäisen analyysin, asiakastiedon ja linjaston kehityksen tarpeisiin. Samalla oli kuitenkin pidettävä mielessä, että samaa tietoa voisi tulevaisuudessa lisätä myös asiakaspalvelun tarpeisiin selkeänä ja johdonmukaisena.
Pilotti kesti puoli vuotta ja loppui kesäkuussa 2021. Pilotin aikana asiaa mietittiin myös tulevaisuuden kannalta ja data-analyysin laajentamista yhtiön muihin käsittelylinjastoihin.
Porin kaupungin pilotissa pyrittiin datan analysoinnilla ja datan visualisoinnilla tukemaan kahden vuoden välein toteutettavan työhyvinvointikyselyyn liittyvän etätyökokemusosion suunnittelua ja toteutusta. Tampereen yliopiston DAO-tutkimusryhmän asiantuntija laati kyselyalustan, joka rakentui käytännössä kahdesta osasta: puolistrukturoiduista haastatteluista ja sähköisestä kyselystä. Aihe oli hyvin ajankohtainen vallitsevan tilanteen vuoksi ja kyselyä varten haluttiin saada tutkimusryhmän asiantuntijalta uudenlaista näkökulmaa.
Oli tärkeää selvittää, miten etätyöskentely on työhyvinvoinnin osalta koettu, mitä haasteita siinä on mahdollisesti kohdattu, ja miten se on vaikuttanut työntekijän kokonaisvaltaiseen hyvinvointiin. Erityisesti etätyön jäädessä pysyvämmäksi työtoimintamalliksi myös epidemian jälkeen.
Puolistrukturoituihin haastatteluihin osallistui 20 henkilöä, joista esihenkilöasemassa oli 6 henkilöä; naisia 12 ja miehiä 8. Keski-iän ollessa noin 45 vuotta; haastattelun kesto n. 25-45min; haastatellut edustivat useita eri toimialoja ja erityyppisiä työtehtäviä. Haastatteluista saatu materiaali litteroitiin ja analysoitiin laadullisesti temaattisen data-analyysin avulla.
Kirjallisessa raportissa tullaan tarkemmin kuvaamaan mm. toimialakohtaisia eroja tarkemmin, mutta aineistoanalyysin pohjalta voidaan jo nyt todeta, että ne noudattavat samaa linjaa kuin sähköisen kyselyn tulokset.
Yhteensä etätyökyselyyn vastasi 922 Porin kaupungin työntekijää, 69 % vastaajista ei ollut tehnyt etätyötä aikaisemmin. Ennen etätyösuositusta etätyötä tehtiin keskimäärin 0,22 päivää / viikko. Etätyö lisääntyi keskimäärin 2,27 päivää / viikko.
Tampereen yliopiston Porin yksikössä tehdään paljon myös yritysyhteistyötä tilattuina case-tapauksina. Honkajoki Oy:lle kehitetään parhaillaan luotettavaa, hyperspektrikuvauksiin perustuvaa automaattista teurasjätteiden analysointimekanismia, mitä voitaisiin käyttää hyväksi teurasjätteen jatkokäsittelyssä.
Yksikön käytössä oli Specim Oy:n hyperspektrikamera, jonka avulla voidaan linjastolta havaita teurasjätteen pilaantumisaste ja vierasesineet, kuten metalli, muovi, lasi sekä teurasjätteen vesipitoisuus. Hyperspektridatan referenssiarvoina käytetään teurasjätteestä otettuja laboratorionäytteitä, jotka on yhdessä kuvattu Tampereen yliopiston ja Specim Oy:n tutkijoiden yhteistyönä.
Hyperspektrikameran mittaukset syötetään Tampereen yliopiston neuroverkko (keinoäly) laskentayksikköön, missä neuroverkko pyrkii oppimaan syy-seuraussuhteen hyperspektrikameran mittauksien sekä teurasjätteistä otettujen laboratoriomittausten välille. Neuroverkon opettamiseen tarvitaan useita välivaiheita, sillä hyperspektridataa on paljon ja ennen neuroverkon opettamista, datan määrää täytyy vähentää kuitenkaan menettämättä mitään oleellista datasta. Tämän jälkeen neuroverkon koko täytyy selvittää ja hakea optimaaliset verkon oppimisparametrit ennen varsinaista neuroverkon opetusta. Lisäksi Dyme Solutions Oy on toteuttanut tiedonkeruuratkaisun, jonka avulla Honkajoki Oy:n tuotantolaitokselta kerätään dataa eri prosesseista yhteen paikkaan. Tampereen yliopiston tutkijat pyrkivät löytämään kerätystä datasta syy-seuraussuhteita, jonka avulla voidaan tehdä kehitystoimenpiteitä eri prosessien kohdalla, esimerkiksi energian kulutuksen tarkasteluun ja tulevaisuudessa energian kulutuksen vähentämiseen tai prosessiin liittyvien komponenttien hajoamisen ennakointiin.
Haluatko ulkoistaa projektin tai simuloida uuden tuotantolinjaston?
Ota yhteyttä!
tutkimuspäällikkö
Petteri Pulkkinen
p. 044 710 3296
petteri.pulkkinen@samk.fi
Tilaa RoboAI:n uutiskirje
Tilaamalla uutiskirjeen saat uutiset ja tapahtumat uunituoreena sähköpostiisi ja pysyt ajan tasalla.
