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:

1. Ensimmäisessä suunnitelmassa kaikki leikkaamiseen ja pakkaamiseen liittyvät vaiheet automatisoidaan hyödyntäen leipomoihin tarjottavia automaattisia koneita. Ainoa käsin toteutettava työ on pakattujen tuotteiden siirtäminen pahvilaatikkoon.
2. 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.
3. 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:

1. Donitsien käsittelyyn nostamalla niitä reiän sisäreunasta
2. 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

 

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.