Sisapiiri2009

TKK ETA Alumni-lehti 2009

1 Teemat: Automaatio- ja systeemitekniikka. Neokybernetiikka.

Esittelyssä Kannen kuva: Ilpo Koskinen

ISSN 1455–9765 SISÄPIIRI on Teknillisen korkeakoulun (TKK) Elektroniikan, tietoliikenteen ja automaation tiedekunnan (ETA) tiedotuslehti, joka jaetaan elektroniikan, tietoliikennetekniikan, automaation, sähkötekniikan ja muidenkin teollisuusalojen yrityksiin, alan julkaisujen tekijöille, yhteiskunnan ja talouselämän vaikuttajille ja päättäjille sekä tiedekunnan entisille ja nykyisille opiskelijoille sekä sen henkilökunnalle.

Aiemmat numerot Sisäpiiri-lehden kaikki aiemmat numerot ovat ladattavissa pdf-tiedostoina osoitteesta: http://electronics.tkk.fi/fi/tiedekunta/alumnit/sisapiiri

Automaatio- ja systeemitekniikan laitos Teksti ja valokuvat: Ilpo Koskinen

Julkaisija Teknillisen korkeakoulun (TKK) Elektroniikan, tietoliikenteen ja automaation tiedekunta (ETA) Otakaari 5A, PL 13000, 02015 TKK www.electronics.tkk.fi/fi TKK:n vaihde: (09) 47001 Korkeakoulun henkilöiden sähköpostiosoitteet etunimi.sukunimi@tkk.fi Lehden osoitteenmuutokset Osastosihteeri Kiia Kivekäs kiia.kivekas@tkk.fi puh: (09) 470 22206 Vastaava päätoimittaja Kehityspäällikkö DI Jussi Liesiö TKK Sähkö- ja tietoliikennetekniikan osasto Otakaari 5A, PL 3000, 02015 TKK puh: (09) 470 22495, fax: (09) 460 224 matkapuh: 050–560 3325 sähköposti: jussi.liesio@tkk.fi Lehden toimitus ja toteutus Kimarko Ky, Kirkkokorpi 9, 02300 Espoo yhteyshenkilö: toimitusjohtaja DI Ilpo Koskinen, Elektroniikan, tietoliikenteen ja automaation tiedekunnan alumni puh: (09) 809 1400 matkapuh: 050–585 0040 sähköposti: ilpo@kimarko.com Painos 9.000 kpl Kirjapaino JPaino Oy, Kalliolanrinne 4, 00510 Helsinki yhteyshenkilö: toimitusjohtaja Risto Hiirikoski puh: (09) 739 788, fax: (09) 701 8375 sähköposti: jpaino@jpaino.fi

2

S

isäpiirin tämän numeron teemana on automaatio ja systeemitekniikka. Eli esittelyvuorossa on Elektroniikan, tietoliikenteen ja automaation tiedekunnan ’uusin’ laitos, Automaatio- ja systeemitekniikan laitos.

Osastot AS + S

➤➤➤ Tiedekunta ETA Aiemmin oli Automaatio- ja systeemitekniikan osasto (AS), jossa oli neljä laboratoriota sekä Sähkö- ja tietoliikennetekniikan osasto (S), jossa oli enimmillään 22 laboratoriota.

Kun nämä osastot yhdistyivät vuoden 2008 alussa, tuloksena ei onneksi ollut ASS, vaan ETA, eli Elektroniikan, tietoliikenteen ja automaation tiedekunta, jossa on seitsemän laitosta ja yksi erillislaitos: Metsähovin radiotutkimusasema.

Samalla kaksi vastuualuetta siirtyi Informaatio- ja luonnontieteiden tiedekuntaan: S-osaston Laskennallinen tekniikka pujahti Lääketieteellisen tekniikan ja laskennallisen tieteen laitokseen ja AS-osaston Viestintätekniikka meni Mediatekniikan laitokseen.

Metsähovin radiotutkimusasema oli aikaisemmin suoraan TKK:n rehtorin alainen erillislaitos. Alkujaan se syntyi osana S-osaston Radiolaboratoriota, joten nyt se palasi

juurilleen, mutta säilyi yhä erillislaitoksena.

Tulevaa ennakoiden Sisäpiiri esitteli Metsähovin jo vuonna 2005.

Sisäpiiri toivottaa uudet automaatio- ja systeemitekniikkaa edustavat lukijat tervetulleiksi lehden jakeluun ja esittelee tämän ’uuden’ alueen muillekin lukijoilleen.

Sinänsä Automaatio- ja systeemitekniikan laitos ei ole aiemman Sähköosaston kasvateillekaan täysin uusi tuttavuus, koska ASosaston pääjuurina olivat S-osastolta erkaantuneet professori Antti Niemen johtama Säätötekniikan laboratorio sekä professori Aarne Halmeen johtama Automaatiotekniikan laboratorio. Ja tiivistä yhteistyötähän on tehty osastojen välillä kaikki nämä vuodet.

Ja jos historiassa palataan vielä vähän kauemmaksi, niin vanhalla Sähköosastolla vaikutti aikoinaan myös professori Hans Blombergin johtama vahvasti teoriasuuntautunut systeemiteorian ryhmä.

Blomberg oli kansainvälisestikin erittäin arvostettu alan tutkija. Tätä, samoin kuin aikojen muuttumista tutkimuskentällä, kuvaa hyvin tarina siitä, miten Suomen Akatemiasta otettiin yhteyttä Blombergiin ja kyseltiin, josko hänellä olisi hyviä systeemiteorian tutkijoita, joita Akatemia voisi rahoittaa. Eipä taida enää vastaavaa sattua tutkimusrahoja jaettassa.

”Tämä osastojen yhtyminen on ollut kovin mieluisa kohtaaminen. Organisaatiomuutosta tehtäessä oli selvää, että pieni AS-osasto ei voinut enää jatkaa itsenäisenä. Yhteistyön tiivistäminen nimenomaan silloisen Sähkö- ja tietoliikennetekniikan osaston kanssa oli ilman muuta se paras ja luonnollisin vaihtoehto”, sanoo Automaatio- ja systeemitekniikan laitoksen johtaja, professori Heikki Koivo. ”Toisaalta muutos oli paluuta vanhaan. Nykyiset Automaatio- ja Systeemitekniikan tutkimusryhmät polveutuvat Sähköosaston Automaatio- ja Säätötekniikan laboratorioista.” ”Omalta osaltamme me täydennämme hyvin ETA:n muita laitoksia ja olemme myös tehneet yhteistyötä monien ETA:n yksiköiden kanssa jo pitkään. Ja onhan meillä paljon ’Sähköltä’ valmistuneitakin.” ”Dekaani Jorma Kyyrä ja kaikki laitosten johtajat ovat ennalta tuttuja sekä hyvin mukavia ja ennen kaikkea myös huumorintajuisia. Ajattelemmekin aivan samansuuntaisesti”, Koivo perustelee.

Koivo korostaa huumorin tärkeyttä. Ilman sitä totisesta tieteenteosta voi tulla turhan raskasta. Hän kertoo, että törmäsi kuukautta jatkuu... ➤ s. 4 ➤

Aarne Halmeen johtama tieteen huippuyksikkö

Älykkäiden koneiden huippuyksikkö GIM

kuva: Ilpo Koskinen kuva: Ilpo Koskinen

Automaation tietotekniikka

kuva: GIM ja NASA

Kari Koskisen tutkimusryhmä

2 6 10

”On tutkittava sitä mitä on tarve tutkia!”

Arto Visalan tutkimusryhmä

Autonomiset järjestelmät

Heikki Koivon tutkimusryhmä

Systeemitekniikka

Harrastuksena perustutkimus:

Heikki Hyötyniemi ja hänen intohimonsa neokybernetiikka

kuva: TKK

kohtaaminen

Automaatio- ja systeemitekniikan laitos

kuva: Ilpo Koskinen

Kovin mieluisa

Esittelyssä

kuva: Ilpo Koskinen

Kun Blomberg jäi eläkkeelle, hänen vaihtuva ruotsinkielinen professuurinsa siirtyi muualle, ja tilalle tuli edellä jo mainittu Automaatiotekniikan laboratorio, joka yhdessä viereisen Säätötekniikan laboratorion kanssa muodosti tulevan AS-osaston sekä myös nykyisen AS-laitoksen perustan.

Itse saan kiittää professori Antti Niemeä siitä, että hän taisi pelastaa minut jäämästä ikiteekkariksi. Olin jo juuttunut pyörimään kesätyöpaikkoihini Nokian silloiseen Kantoaaltolaboratorioon (yksi Nokian Tutkimuskeskuksen juuri) sekä kantoaaltolaitteiden koekenttälaboratorioon, enkä ollut käynyt luennoilla enää vuoteen. Sitten suureksi yllätyksekseni osastonjohtajana toiminut Niemi pyysi minua S-osaston opintoneuvojaksi, vaikka meriitteinäni olivat vain hyvin keskinkertainen pikkudiplomi sekä puuhasteluni SIK:in opintomestarina ja Sössön toimittajana. Opintoneuvojana oli sitten taas moraalinen pakko opiskella itsekin.

Silloin ilmassa leijui vallankumous ja punaliput liehuvat. Kuulemma opintoneuvojaksi oli pyrkinyt aktiivisesti joku toinen.

16 24 30 3

oinnissa erittäin hyvin, kun vertailukohtana olivat ulkomaalaiset vastaavat yksiköt globaalisti (arvosanat 1–5, 5 paras): • Scientific Quality 4 • Scientific Impact 4 • Societal Impact 5 (tämä on tulkittu yhteistyöksi teollisuuden kanssa) • Research Environment 4 • Future Potential 5. ”Oli kiva lukea raportin lause: The unit is potentially a flagship of research in Aalto University”, Koivo myhäilee.

Ikiteekkarista laitoksen esimieheksi

Raippaa vai porkkanaa? Heikki Koivolla on tarjolla kumpaakin. Jopa japanilaisittainkin.

4

aiemmin todelliseen tosikkoon. Hänelle tuli hirveän huono olo, koska tuntui siltä, että kommunikaatio ei pelannut laisinkaan.

Vilkaisen Koivon johtaman Systeemitekniikan tutkimusryhmän projektilistoja. Hmmm... pientä huumuorinpilkettä taitaa olla mukana kaiken aikaa: AHAA, ÄKSY, MIRRI, VÄSY, MESTA, PIPO, PIHA, LATU, OTTO, ERHE, VIATON, RIKE, DADA, TILLIKKA, VIBRA ... ”Meillähän ei taida täällä tosikoita ollakaan”, Koivo pysähtyy miettimään. ”Ei, kyllä ne on ajettu jo täältä pois”, naurahtaa paikalle tullut tutkija DI Petri Hänninen, aiemman Sähkö- ja tietoliikennetekniikan osaston kasvatti hänkin.

Koivolle oman laitoksen väki on hankkinut sekä ratsupiiskan että TKK:n vuoden esimiehen tittelin. Aivan parasta, mitä hänen mielestään voi ylipäätänsä sattua on se, että kaikilla on työpaikallaan mukavaa. Pohjalaisuuden ja amerikanvuosien muovaaman johtamistavan avainsanoina ovat avoimuus ja luottamus.

Muuten, ihan sivumennen, 16.9.2009 TKK:n vuoden esimiehen kunniakirjan pokkasi Koivon vanha oppilas, nyt ETA:n Tietoliikenne- ja tietoverkkotekniikan laitoksen varajohtajana toimiva professori Riku Jäntti.

Automaatio- ja systeemitekniikan laitos menestyi Aalto-yliopiston tutkimuksen itsearvi-

Koivo aloitti itsekin opiskelunsa Sähkötekniikan osastolla (kurssi S –63) – yhdessä ystävänsä Yrjö Neuvon kanssa, jonka kanssa hänellä on metka kohtalonyhteys. Aikoinaan he tutustuivat jo Vaasan kansakoulussa, josta he jatkoivat yhdessä Vaasan lyseoon. 14vuotiaana Koivo muutti Helsinkiin, kirjoitti ylioppilaaksi maineikkaassa Ressussa ja huomasi sitten olevansa samalla TKK:n karsintakurssilla Neuvon kanssa.

Kolmen vuoden jälkeen Koivon opinnot TKK:ssa jäivät kuitenkin kesken ja hänestä tuli ikiteekkari. Syynä oli se, että hän lähti piipahtamaan USA:ssa isoveljensä professori Antti Koivon luona, joka puhui ympäri, ja niin Heikki jäi sille tielle. Hän suoritti kaikki akateemiset tutkintonsa Yhdysvalloissa ja päätyi professoriksi Kanadan parhaaseen yliopistoon Torontossa.

Jo aiemmin veljelle oli käynyt hieman samoin, koska Strömbergin Vaasan tehtaan johtaja Olavi Neuvo, Yrjö Neuvon isä, oli patistellut nuoren myynti-insinöörin käymään Rotary-stipendiaattina Cornellin yliopistossa.

Juuri kun Heikki Koivo oli vakiintunut uudelle mantereelle, Cornellin yliopistoon ilmestyi tuttu mies tekemään väitöskirjaa: Yrjö Neuvo.

Yhdeksän amerikanvuoden jälkeen Heikki Koivo palasi Suomeen ja huomasi kovin yllättyneenä tulleensa nimitetyksi matematiikan apulaisprofessorikiksi Tampereelle. Ja sitten varsin pian samaan rivitaloryhmään tuli lähinaapuriksi Yrjö Neuvo, joka oli nimitetty silloisen TTKK:n professoriksi.

Itselläni on näiltä vuosilta mukavat muistot Koivosta. Olin Suomen Teknillisen Seuran mandaatilla Walter Ahlströmin säätiön halli-

Koivo suoritti kaikki akateemiset tukintonsa Amerikassa. Siellä vietetyt vuodet muovasivat myös paljon hänen johtamistyyliään. tuksessa. Kontolleni oli tuupattu elektroniikan alan apurahahakemusten seulonta. Valtaisa enemmistö hakijoista oli Koivon tohtorioppilaita.

Muut hallituksen jäsenet olivat ansioituneita vanhempia professoreja. Heistä olisi ollut paljon mukavampaa antaa iso potti yhdelle kuin sirotella tukea monelle. Koivo oli kuitenkin kirjoittanut hyvin positiivisen suosituskirjeen jokaiselle suojatilleen eikä suostunut nimeämään ketään ykköseksi. Koska yhden palkittavan valinnasta olisi mielestäni tullut silkka lottoarvonta, tulkitsin parhaani mukaan sekä hakemuksia että Koivon sanakäänteitä ja valitsin pienen joukon hakijoita, joiden kesken potti jaettiin – ja joka vuosi sain haukut lammastelusta.

Vuonna 1995 Koivo pääsi sanojensa mukaan ’paremmin koulutustaan vastaavaan tehtävään’, kun hänet kutsuttiin professoriksi TKK:n AS-osastolle, josta sitten vuoden 2008 alussa tuli yksi ETA-tiedekunnan laitos.

Mutta se alussa mainittu kohtalonyhteys jatkui; TKK:ssa on toiminut monessa tehtävässä myös vanha ystävä, akatemiaprofessorina ja Nokian teknologiajohtajana tunnetuksi tullut Yrjö Neuvo, joka vuonna 2007 nimitettiin TKK:n osapäiväiseksi tiedejohtajaksi.

tieteen huippuyksikkö

➤

Neljä tutkimusryhmää sekä

Automaatio- ja systeemitekniikan laitos koostuu neljästä tutkimusryhmästä: ■ Automaation tietotekniikka Johtaja: professori Kari Koskinen

Automaatio- ja systeemitekniikan laitos sijaitsee sopivan jaloittelumatkan päässä ETAtiedekunnan päämajasta. Koska samassa talossa on myös TKK:n Tuotantotalouden laitos, talo kulkee nimellä TUAS-talo. Osoite on Otaniementie 17.

■ Automaatiotekniikka Johtaja: professori Aarne Halme ■ Autonomiset järjestelmät Johtaja: professori Arto Visala ■ Systeemitekniikka Johtaja: professori Heikki Koivo Ryhmän muut professorit: professori Heikki Hyötyniemi (50 %) professori Robert Tenno (50 %) Lisäksi Automaatio- ja systeemitekniikan laitoksella toimii myös professori Aarne Halmeen johtama Älykkäiden koneiden huippuyksikkö GIM (Generic Intelligent Machines) – tai tarkemmin sanottuna noin puolet siitä. Toinen puoli huippuyksiköstä toimii fyysisesti Tampereen teknillisen yliopiston suojissa, ja huippuyksikön varajohtaja on TTY:n professori Matti Vilenius. ■

ETA:ssa nyt kaksi tieteen huippuyksikköä

Elektroniikan, tietoliikenteen ja automaation tiedekunnassa (ETA) toimii nyt kaksi Suomen Akatemian huippuyksikköä: professori Antti Räisäsen johtama SMARAD (Smart and Novel Radios Research Unit) sekä tässä lehdessä esitelty professori Aarne Halmeen johtama Älykkäiden koneiden huippuyksikkö GIM (Generic Intelligent Machines). Lisäksi vielä professori Raimo Sepposen johtama Sovelletun elektroniikan tutkimusryhmä on mukana Helsinki Brain Research Centressä sekä Systeemisen neurotieteen ja aivokuvantamisen huippuyksikössä.

SMARAD perustettiin jo vuonna 2000, jolloin yksikön nimenä oli Smart and Novel Radios Research Unit, eli siis Älykkäiden ja uusien radioiden tutkimusyksikkö. Tavoitteena oli tarjota maailmanluokan tutkimusta ja opetusta radiotekniikan, tietoliikennetekniikan ja signaalinkäsittelyn alueilla.

SMARAD valittiin Suomen Akatemian tieteen huippuyksiköksi vuosille 2002–2007 ja sitten uudelleen vuosille 2008–2013.

Yksikön merkittäviä rahoittajia ovat myös teollisuus sekä Tekes. Yksikkö tekee tiivistä yhteistyötä TKK:n ja VTT:n yhteisen tutkimusyksikön Millilabin kanssa, jolla on Euroopan Avaruusjärjestö ESA:n ulkoisen laboratorion status. ■

5

Tutkimusryhmä

Automaation tietotekniikka P

6

Teksti ja kuvat: Ilpo Koskinen Kaivoskuvat: Sandvik

rofessori Kari Koskinen pahoittelee heti aluksi kovasti sitä, että hänen oma tutkimuskenttänsä, Automaation tietotekniikka, on niin kovasti tylsä aihepiiri lehtijutulle. Tutkimuksen kohteina ovat muun muassa ohjelmistotyö, suunnittelumenetelmät ja suunnitteluprosessit sekä muut vastaavat asiat, joten alue ei myöskään ole niin ’mediaseksikäs’ kuin esimerkiksi robotiikka tai mikrosysteemitekniikat.

Toisaalta kuitenkin tämä laaja ja vaativa työsarka on taloudellisesti hyvin merkittävä.

Ennen kuin Koskinen aloitti elokuussa 1997 juuri perustetussa professorin virassa kokoamaan yksinään ’tyhjästä’ automaation tietotekniikan osaamista, hän oli ehtinyt jo tehdä pitkän työuran, yli 17 vuotta, VTT:llä nimenomaan robotiikan parissa. Tänään ryhmässä on hänen itsensä lisäksi kaksi vanhempaa tutkijaa, viisi tohtoriopiskelijaa sekä yhteensä kahdeksan diplomityöntekijää tai tutkimusapulaista. Vuosien myötä tutkimuksen ohessa on koostettu toistakymmentä kurssia ja oma pääainekin.

Samalla tutkimuskenttään liittyvä taloudellinen potentiaali on kaiken aikaa kasvanut.

Maailma globalisoituu ja verkostuu. Suunnittelutyötäkin ulkoistetaan ja sitä paloitellaan yhä vain pienemmiksi osakokonaisuuksiksi.

Aina vain suurempi haaste on hallita kokonaisuudet sekä toteuttaa laajoja projekteja kilpailukykyisesti ja kannattavasti.

Tänään kaksi keskeisintä tutkimuskenttää ovat automaation suunnittelu sekä teollisen tiedon hallinta.

THTH-yhdistys tärkeä yhteistyöfoorumi

Automaation tietotekniikan tutkimusryhmä on työkentän laajuuteen nähden yhä pieni ja työtä tehdäänkin Koskisen sanojen mukaan ’kovasti yrittäjämäisesti’ – ja juuri siksi hyvin keskeistä on tiivis yhteistyö muiden tutkijoiden ja alan aktiivisten järjestöjen kanssa.

Aivan erityiset kiitokset Koskinen antaa todella aktiivisesti toimivalle Suomen Auto-

Automaatio — helppoa elämää?

ETA-tiedekunnan, TKK:n ja yleensäkin teknisten tieteiden alan kestohuolena on hyvien opiskelijoiden saanti alalle. Asiaa tuskaillaan usein, mutta ongelman ratkaisemiseksi ei silti tehdä juuri mitään. Kuitenkin asiaan olisi helppo, suoraviivainen ja varmasti tepsivä lääke: asiallisen tiedottamisen lisääminen koululaisille. Mutta se tietysti vaatisi vaivaa ja rahaakin.

Selkeästi oikeaan suuntaan edettiin, kun Suomen Automaatioseura ja Opetushallitus työstivät yhteistyönä uuden oppikirjan, joka kertoo automaatiosta havainnollisten käytännön esimerkkien kautta. Kirja esittelee automaation sovelluksia ja kertoo myös kuinka automaatiota hyödynnetään arkielämässä – ja kuinka se sitä kautta vaikuttaa meistä jokaiseen.

Kirja perustuu Suomen Automaatioseuran Heureka-näyttelyä varten tehtyyn artikkelisarjaan. Se on tarkoitettu lukion, ammattioppilaitosten ja ammatillisen aikuisopetuksen perusteokseksi sekä itseopiskeluun.

Tietysti kirja edistäisi alan imagoa vieläkin tehokkaammin, jos se olisi vapaasti luettavissa netissä. ■

Valtava rahallinen merkitys maatioseuralle, joka on myös alalla hyvin tärkeäksi koetun ammattilehden, Automaatioväylän, toinen julkaisijajärjestö.

Toinen hyvä esimerkki alan tiiviistä yhteistyöstä on THTH-yhdistys, Teollisen Hajautetun Tiedon Hallinnan yhdistys, jossa ovat TKK:n, VTT:n, TTY:n ja muiden tutkimuslaitososakkaiden ohella mukana kaikki alan tärkeimmät laitevalmistajat ja suunnitteluyritykset.

Toiminnan keskeisenä tavoitteena on päästä siihen, että teollisiin projekteihin liittyviä erilaisia suunnittelutietoja pystytään välittämään yhteensopivassa elektronisessa muodossa eri osapuolten kesken.

Kuvaava esimerkki yhdistyksen haasteellisesta toimintakentästä on se, että maailmalla on edelleen käytössä paljon erilaisia tietokoneavusteisia suunnittelujärjestelmiä, jotka eivät sovi kovinkaan hyvin yhteen. Usein käy yhä niin, että muualla tietokoneavusteisesti tehdyt suunnitelmat joudutaan syöttämään omaan tietojärjestelmään paperitulosteista poimien.

Isoimmat haasteet liittyvät kuitenkin siihen, miten esimerkiksi jonkin valtavan tehtaan tai prosessilaitoksen kaikki suunnittelutiedot hallitaan yhtenä kokonaisuutena.

Keskeisessä asemassa yhtenäistämisessä ovat laajat avoimet standardit, joista aivan mainio esimerkki on IEC:n (International Electrotechnical Commission) ja ISO:n (International Organization for Standardization) yhteinen ISO 15926 -standardi, joka kattaa koko tehdaslaitoksen suunnittelutiedon koko sen eliniän ajalta. Sen pohjalta voidaan luoda tehdasmalli, joka kattaa koko tehtaan tai prosessilaitoksen ja joka myös päivittyy kaiken aikaa tehtyjen muutosten mukana.

Pisimmällä näissä asioissa ollaan öljy- ja kaasuteollisuudessa, jonka piirissä toiminta on käynnistynytkin. Suomessa alan yrityksiä ei ole kovin paljon, mutta onneksi samoja prosessilaitteita käytetään monella muullakin teollisuudenalalla, joten yhdellä alalla kehitettyjä standardeja voidaan soveltaa varsin helposti muullakin.

Sandvik AutoMine -kaivosjärjestelmän kaivoskoneita, jotka oppivat kulkemaan ja toimimaan kaivoksissa aivan omin päin.

Työsarkaa riittää monella suunnalla

Teollisen tiedonhallinnan kenttä on todella avara: yhtäällä pitää hallita esimerkiksi tehdas- tai prosessilaitoksen suunnitteluun, kehittämiseen ja ylläpitoon liittyvä valtaisa tietomäärä, mutta toisaalla pitää hallita myös esimerkiksi tuotannon laatua mittaavan yksittäisen analysaattorin suoltama mittaustieto – ja sitäkin kertyy paljon. Ja siinä ohessa on hallittava sekin, onko ko. analysaattorin tuottama tieto riittävän oikeaa ja tarkkaa, vai pitääkö laite kalibroida pikaisesti.

Yksi ryhmän tutkimusaihe onkin ollut juuri erilaisten analysaattoreiden kunnonvalvonta ja muut vastaavanlaiset asiat. Esimerkiksi Outotecille on tehty kaivosten rikastamoissa käytettäviin, röntgenfluorosenssiin ja laserdiffraktioon perustuviin analysaattoreihin liittyvää kehitystyötä, jossa keskeisiä työkaluja ovat tilastolliset monimuuttujamenetelmät.

Aihepiiristä väitteli tohtoriksi Marko Mattila keväällä 2008.

Kaivosautomaatioon liittyvä tutkimus periytyy tavallaan niiltä ajoilta, jolloin Koskinen oli vielä tutkijana VTT:llä mutta teki tiivistä yhteistyötä tänään GIM-huippuyksikköä johtavan professori Aarne Halmeen kanssa.

Aihepiiriin liittyy myös Koskisen ohjaama väitöskirjatyö, jonka tekijä Hannu Mäkelä pokkasi yhdessä muiden Sandvik Tamrockin kuuluisaa AutoMine-kaivosjärjestelmää kehittäneiden kanssa Suomen Automaatioseuran vuoden 2005 automaatiopalkinnon.

Mäkelä ei kuitenkaan ollut töissä Sandvikilla, vaan hän on VTT:n tutkijoiden perustaman spin-off-yrityksen, Navitec Systems Oy:n yksi perustaja ja toimitusjohtaja. Yritys on AutoMine-järjestelmän ajoneuvoja ohjaavan InfraFREE-navigointijärjestelmän kehittäjä ja toimittaja. Mäkelä oli InfraFREE:n pääkehittäjä. Nimi tulee siitä, että navigointijärjestelmä ei vaadi tuekseen mitään kaivokseen rakennettua infrastruktuuria.

Järjestelmälle opetetaan reitti ajamalla se edestakaisin joko kauko-ohjatusti tai suoraan konetta ohjaten, jolloin järjestelmä skannaa

7

Codelcon El Teniente -kaivoksessa Chilessä lastauskoneet ajoivat tehollisesti jopa yli 21 tuntia vuorokaudessa.

AutoMine on liitettävissä tuotannonsuunnittelun ja tuotannonohjauksen järjestelmiin, joten se integroituu saumatta kaivoksen kokonaistuotantojärjestelmään.

Tulevaisuuden prosessilaitoksen tietojärjestelmä

Kari Koskinen tunnelin seinämän muodot laserilla muistiin.

Myös automaattisessa ajossa ympäristöä skannataan kaiken aikaa ja näkymää verrataan muistissa olevaan. Havaitut poikkeamat korjaavat järjestelmän paikkaestimaattia jaksoittain. Opetusajossa generoituja nopeusprofiileja ja reittien kulkua voidaan muokata myöhemmin valvomossa.

Autonomiset koneet jopa kestävätkin paremmin

8

Yksi Koskisen ryhmän rooli on toimia uusien tuulien sanansaattajana aika kypsällä ja myös melko konservatiivisellakin automaatioalalla. Oman tutkimustyönsä ohessa ryhmä etsii, jalostaa ja tekee tunnetuksi uusia toimintatapoja, tekniikoita ja menetelmiä.

Esimerkiksi teollisen tiedonhallinnan yksi kansallisella tasolla kiinnostava tutkimusalue on se, millainen tulee olemaan tulevaisuuden prosessilaitoksen kaiken kattava tietojärjestelmä, kun lähtökohtana on, että järjestelmä kootaan erilaisista markkinoilla olevista kaupallisista osajärjestelmistä.

Keskeisessä osassa eri osajärjestelmien yhteenliittämisessä ovat erilaiset rajapintatekniikat, joista tällä hetkellä hyvin suosittu on esimerkiksi OPC, jonka nimilyhenteen standardointia tekevä OPC Foundation purkaa nykyisin mielellään sloganiksi ’open connectivity via open standards’ eli avointa liitettävyyttä avoimilla standardeilla.

Niinikään suosittuja ovat erilaiset WebServices -rajapinnat, joilla voidaan yhdistää eri teknologioita sekä toimittaa tehokkaasti dataa sovelluksesta toiseen.

OPC-standardi perustui alkujaan Microsoftin Windows-käyttöjärjestelmään liittyviin tekniikoihin. Uusi määrittely OPC-UA (Unified Architecture) vapauttaa tästä kahlitsevasta riippuvuudesta. Uusi rajapinta voidaan toteuttaa Javalla, .NET-ympäristöissä sekä Ckielellä ohjelmoimalla. Näin OPC-UA yhdistää rajapintojen toiminnallisuuden uudempiin XML- ja Web Services -teknologioihin.

AutoMine-järjestelmän miehittämättömät lastauskoneet kuljettavat malmia maanalaisissa kaivoksissa louhintapaikoilta purku- ja jatkokäsittelypaikoille. Ne ajavat tunneliverkostoissa täysin automaattisesti ja myös tyhjentävät kuormansa purkupaikalla täysin automaattisesti. Malmi kuitenkin kouraistaan kauhaan teleoperoidusti valvomosta käsin, koska työvaiheen automatisointi on ainakin toistaiseksi ollut teknisesti liian vaativa tehtävä – ja vajaalla kauhalla ajo tulee kalliiksi.

Automaatio parantaa hyvin merkittävästi kaivosten työoloja ja turvallisuutta. Perinteisesti lastauskoneella ajo on ollut varsin epämiellyttävää, epäterveellistä – ja suorastaan vaarallistakin.

Yksi maanpäällä valvomossa istuva operaattori voi nyt hallita useita miehittämättömiä lastauskoneita, mikä säästää myös palkkakuluja. Automaatio nostaa lisäksi koneiden Monessa mukana, käyttöastetta, ja automaattisesti ajetut koneet silti vähän sivuroolissa jopa kestävät paremmin kuin manuaalisesti ajetut, mikä vähentää huoltokustannuksiakin. Automaatiotekniikka on nykypäivänä mukaJo vuonna 2004 käyttöön otetussa ensim- na lähes kaikessa, yleensä erilaisina sulaumäisessä kaupallisessa sovelluskohteessa, tettuina järjestelminä. Mutta juuri tähän liittyy

asia, joka huolestuttaa Koskista sekä muitakin laitoksen professoreja: Vaikka automaatioala onkin edustettuna esimerkiksi monessa strategisen huippuosaamisen keskittymässä, se on aina jonkinmoisessa sivuroolissa. ”Aikaisemmin automaatio oli Suomen Akatemiassakin oma tieteenalansa. Nyt tämä status on menetetty ja ala on tavallaan jäänyt sivuun rahoittajien fokuksista, mikä tietysti hankaloittaa tutkimuksen rahoittamista.

Tässä mielessä alan asema oli paljon parempi vielä 90-luvulla”, Koskinen toteaa hieman harmistuneena. ”Samalla kuitenkin poikkitieteellisyys on korostunut. Tutkimuksemme ei suuntaudu pelkästään tekniikkaan, tänään tutkitaan enemmänkin sitä, miten tekniikkaa tulee soveltaa; eli tutkimuksen kohteena ovat siis pikemminkin sosiotekniset prosessit.” ”Monesti juuri tämä puoli asiasta onkin automaatioalalla jo paljon tärkeämpi sekä myös taloudellisesti merkittävämpi kuin jotkin yksittäiset laite- tai menetelmäinnovaatiot”, Koskinen tähdentää.

Myös yhteistyöhankkeissa tehdään usein työtä, joka painottuu paljolti muuhun kuin pelkkään tekniikkaan. Koskisen ryhmä on esimerkiksi professori Arto Visalan ryhmän kanssa mukana EU-projektissa, jossa kehitetään maatilojen tietojärjestelmää, joka tukee tehokkaasti täsmäviljelyä sekä auttaa myös viljelijää asioimaan EU-hallinnon kanssa. Siksi ohjelmiston pitää hallita myös kaikki aiheeseen liittyvät EU:n määräykset.

Maailman fiksuin kahvinkeitin?

Kulkiessamme ryhmän tiloissa sivuutamme kahvinkeittimen, joka on varmasti yksi maailman monimutkaisimmista. Laite on syntynyt opiskelijoiden harjoitustyönä. Automatisointi on viety niin pitkälle, että keittimeen tarvitsee vain vaihtaa suodattimia sekä lisätä aika ajoin kahvipurua, kaiken muun se hoitaa itse. Tutkija tilaa kahvinsa Internetin kautta, ja pian kahvinkeitin kutsuu juomaan keittämäänsä tuoretta ja hyvää kahvia.

Kahvinkeittimen suunnittelu oli siinä mielessä hyvin tyypillinen täällä tehtävä oppilastyö, että tekijöiltä vaadittiin sekä ohjelmisto-osaamista että myös ohjattevien laitteiden tunte-

Yllä ns. vesiprosessi ja vieressä oppilaiden ohjelmointitöiden alustana käytettävä robotti.

Esittelijänä tutkija TkL Pekka Aarnio.

Automatisoitu kahvinkeitin, jolta tilataan kahvit Internetin välityksellä. musta. Vastaavanlaisia ohjelmointiharjoitustöitä tehdään käyttäen testialustana esimerkiksi pyörillä kulkevaa varsin yksinkertaista robottia, johon on kuitenkin upotettu paljon alalle tyypillistä tekniikkaa, kuten instrumentoinnissa maailmassa yleisimmin käytetty CAN-väylä, useita PC104-tyyppisiä tietokonekortteja, ympäristöä tarkkaileva kamera sekä muun muassa gyrokompassi. ”Robotti toimii alustana ohjelmointitöille, kyseessä ei ole mikään robotiikan harjoitustyö”, Koskinen huomauttaa. ”Samalla se on kuitenkin osoitus myös siitä, että tänään on aika helppoa rakentaa tällainen sisätiloissa toimiva robotti ilman projektointiakin.”

Sisäpiirin päätoimittajan kanssa ryhdymme kuitenkin heti pohtimaan, että laitteistolla voisi varmasti keittää kotitarpeeksi jotakin muutakin kuin sellua.

Laitteisto palvelee uudentyyppisten automaatiosovellusten suunnittelu- ja toteutustapojen tutkimista ja sillä voidaan hyvin jäljitellä oikean prosessilaitoksen toimintaa.

Laitteiston rakenne on hyvin joustava, ja kytkentöjä voidaan tehdä monipuolisesti. Ja tietysti repertuaari kattaa kaikki prosessien ohjauksen keskeiset komponentit. On useita säiliöitä, joista yksi on lämmitettävä ja yksi paineistettu, on pumppuja, on magneetti”Opiskelijamme eivät ole puhtaasti softa- venttiilejä ja on antuteita, joilla mitataan ihmisiä, heidän pitää hallita myös laitteisto- pinnankorkeuksia ja katsotaan, että putkissa on vettä... ja on kaikkea muuta mukavaa. jen ohjaus”, hän jatkaa.

Laitteisto on palvellut harjoitustyöympärisTutkimustyöpajoja tönä myös teollisuuden kanssa yhteistyössä järjestetyissä työpajatyyppisissä kursseissa, teollisuuden ihmisille joissa teollisuuden ihmiset ovat päässeet Seuraavaksi Koskinen esittelee melkoisen kokeilemaan myös sitä, miten juuri opitut putki- ja pyttyhässäkän. Kyseessä on yksin- uudet asiat, tekniikat ja menetelmät sovelkertaistettu sellun eräkeittoprosessi – joskin tuvat todelliseen käytännön työhön. ■ käytännössä putkissa kulkee vain vettä. No, Lisäät tietoa: kari.o.koskinen@tkk.fi

9

Teksti: Ilpo Koskinen

utomaatio- ja systeemitekniikan laitoksella toimii myös professori Aarne Halmeen johtama Älykkäiden koneiden huippuyksikkö GIM (Generic Intelligent Machines).

Huippuyksikön tutkimuksesta vastaavat TKK:n Automaatiotekniikan tutkimusryhmä ja Tampeen teknillisen yliopiston Hydrauliikan ja automatiikan laitos. Yksikön varajohtaja on professori Matti Vilenius Tampereelta.

Suomen Akatemia valitsi yksikön huippuyksiköksi ajalle 2008–2013, mutta toiminta käynnistettiin yhteisen Tekes-projektin sekä Opetusministeriön Rakenteellisen kehittämisen erillisrahoituksen turvin jo vuonna 2006, ennen kuin huippuyksiköksi valinta varmistui.

kuva: Ilpo Koskinen

A

Aarne Halme

Älykkäiden koneiden huippuyksikkö GIM Tänään yksikössä työskentelee kaikkiaan noin 50 henkilöä. Professorien lisäksi joukossa on noin 12 vanhempaa tutkijaa sekä noin 30 tohtoriksi opiskelevaa. Tavoitteena on tuottaa 7–10 tohtoria vuodessa.

Tulevaisuuden sovellusten perustutkimusta

10

”GIM keskittyy pitkän tähtäimen soveltavaan tutkimukseen. Tutkimustulokset hyödynnetään liikkuvien työkoneiden uusien sukupolvien tuotekehityksessä”, Halme linjaa. ”Huippuyksikkö ei osallistu esimerkiksi sellaisiin Tekeshankkeisiin, joissa halutaan valmiita tuloksia jo noin kolmessa vuodessa. Nämä projektit hoitaa perusyksikkö. Yleensä projektit valitaan niin, että niissä syntyy väitöskirjoja.” ”Kehitämme myös omia palvelurobottiteknologioita ja olemme mukana monissa robotiikan tutkimushankkeissa, joissa suunnitellaan robotteja sellaisiin ympäristöihin, joissa ihmisen on vaikeaa, kallista, epämiellyttävää tai vaarallista toimia. Näitä robotteja käytetään esimerkiksi avaruudessa, syvällä veden alla tai ydinvoimaloissa.”

Koska robotiikan kriittiset perustekniset ratkaisut on jo kehitetty melko pitkälle ja niihin perustuvia komponentteja on tarjolla kaupallisestikin, GIM-huippuyksikön tutkimus painottuu erilaisten menetelmien ja järjestelmärakenteiden kehittämiseen. Tampereella tosin kehitetään myös komponentteja uudentyyppisiin hydraulisiin toimilaitteisiin.

Johtamisen kulmakivenä virtuaalikahvio

Oman haasteensa huippuyksikön johtamiseen tuo se, että yksikön muodostavat kaksi tutkimusryhmää toimivat lähes parinsadan kilometrin päässä toisistaan.

Halme näyttää hauskan kuvan, joka havainnollistaa vierailijoille, missä se toinen osapuoli on. Niin, sehän on Mansessa.

Kuvassa Suomea katsotaan Baltiasta päin.

Etelässä on Stadi. Pohjoiseen matkattaessa jo heti kolmoskehän pientareella jolkuttelee susi. Ja kovin perspektiivisessa kuvassa lähes puolivälissä maata on sitten se Manse, jonka takana laiduntaakin jo poro. Muita

maamerkkejä ovat vain TPS, Porin Ässät ja Porvoo. Haluaisin panna kuvan lehteen, mutta Halme uhkaa sensuroida.

Kuvan viesti menee varmasti perille ja saa kuulijat höristelemään korvia, kun Halme kertoo, miten tutkimusryhmät on integroitu yhteen Internetillä.

Integrointia varten käynnistettiin oma tutkimuspaketti jo ennen huippuyksikkökauden alkamista. Nyt ollaan jo niin pitkällä, että otaniemeläiset ja tamperelaiset voivat etäkäyttää Internetin kautta toistensa tutkimuslaitteistoja. – Jopa niin, että otaniemeläinen voi ajaa tutkimusalustana toimivalla työkoneella, joka jyriseekin oikeasti Tampereella.

Mielenkiintoinen yksityiskohta on se, että Otaniemen ja Tampeen tutkijat vaihtavat päivittäiset kuulumiset samassa yhteisessa kahvihuoneessa. Käsissä olevat kahvimukit ovat kyllä todellisia, mutta puolet kahvihuoneesta on Internetin avulla luotua virtuaalikahviota, jonka sijainti on täysin ambivalenttinen.

Halmeen johtamiskulttuurissa tämä tutkijoiden käytännön yhteistyötä tehostava kahvio on miltei ’se johtamisen pääpaikka’.

Tämä kuvakooste havainnollistaa huippuyksikön laajaa tutkimuskenttää. Hyvinkin erilaisilla roboteilla on erittäin paljon yhteistä. Älä anna ulkonäön hämätä!

Eri paikoissa toimivien tutkijoiden toimia yhdensuuntaistavat yhteisen johdon ja yhteisten tutkimusohjelmien lisäksi myös säännöllisesti järjestettävät yhteiset tutkijaseminaarit sekä yhteiskäytössä olevat, Internetin kautta yhdistetyt koe- ja testiympäristöt. Älä anna

Käytännön sovellutusten kannalta katsottuna huippuyksikön tutkimuskenttään kuuluu kaksi varsin selkeästi erillistä aluetta: yhä älykkäämmäksi kehittyvät työkoneet sekä aivan uusiin sovelluksiin kehitettävät palvelurobotit. ”Työkoneissa on menossa evoluutio, palveluroboteissa relovuutio”, Halme tiivistää.

Erilaisia työkoneita ja robotteja on kaikenkokoisia ja -näköisiä ja fyysisiltä rakenteiltaan hyvin erilaisia. Mutta Halme korostaa, että kun niiden ‘sielunelämään’ uppoutuu vähänkin syvemmälle, niin huomaa pian, että ne kaikki voidaan toteuttaa hyvin samanlaisella filosofialla ja hyvin samankaltaisista rakenneosista ja osajärjestelmistä. ”Ei kannata antaa fyysisten rakenteiden häiritä”, hän neuvoo.

Koska kaikista liikkuvista älykkäistä koneista voidaan löytää aivan samat perustoiminnot, GIM-huippuyksikön tutkimuspaketit on koostettu juuri näiden yhteisten ja yleisesti sovellettavien osa-alueiden pohjalta, eikä suinkaan eri sovellusalueiden mukaan.

Eri tutkijaryhmät ovat erikoistuneet tutkimaan esimerkiksi koneiden yleistä modulaarisuutta, ohjausjärjestelmien arkkitehtuureja, ympäristön havainnointia, paikannusta ja navigointia, liikkumista ja sen ohjaamista, käyttäjän ja muiden ihmisten kanssa käytävää kommunikointia ja muuta vuorovaikusta, energian ja tehon tuottamista, tehon ja tiedon siirtoa sekä autonomisesti tehtävissä toiminnoissa tarvittavaa päättely- ja oppimiskykyä.

Eri osa-alueiden tutkimuspakettien tukena on yleisemmän tason paketteja, joissa mm. asetetaan tavoitteita, kehitetään koulutusta sekä integroidaan eri osa-alueilla saavutettuja tuloksia, jotta niitä voidaan testata ja esitellä monikoneympäristöissä.

kuvan kooste: TKK

ulkonäön hämätä!

Robotit marssivat

Strategisesti tärkeä

tehtaista työmaille

tutkimusalue

Tehdasautomaatiossa työt viedään sinne, missä on robotteja ja niiden ehdoilla tehty työympäristö. Nyt robotit ovat kuvainnollisesti marssimassa tehtaista sinne, missä on niille töitä, siis erilaisille työmaille.

Yksi huippuyksikkökauden alkuvaiheen yleistavoite on ns. Future worksite -konseptin rakentaminen ja demonstrointi. Tässä tulevaisuuden työmaan konseptissa sanan työmaa merkitys on hyvin väljä: älykkäiden koneiden työmaana voi olla esimerkiksi kaivos, metsä, pelto, piha, koti tai monen työmaan yhdistelmä. Koneiden ja niiden operaattoreiden lisäksi työmaalla voi toimia myös erilaisia suunnittelijoita sekä jonkinmoisiin ’älyvaatteisiin’ tai ’älyvarusteisiin’ sonnustautuneita työmiehiä. Koska kaikki työmaan toimijat on liitetty ns. GIM-arkkitehtuurin välityksellä Internetiin, työmaan käsite on myös maantieteellisesti hyvin laaja; osa työmaasta voi olla vaikka toisella puolella maapalloa.

Olennaista on se, että tällaista työmaaympäristöä ei voida eikä haluta muokata koneille sopivaksi, kuten on tehty tehtaita automatisoitaessa. Siksi koneilta vaaditaan paljon ’älyä’ ja havainnointikykyä, jotta ne pystyvät liikkumaan ja toimimaan riittävän autonomisesti myös sellaisissa ympäristöissä, joita ei juurikaan tunneta ennalta ja jotka vielä lisäksi muuttuvat kaiken aikaa.

Robottien ja älykkäisen työkoneiden sarka on kovin kiinnostava ja kiehtova aihepiiri, mutta se on taloudellisestikin hyvin merkittävä – niin tulevaisuudessa kuin jo tänään.

Vaikka Halme painottaa, että huippuyksikössä kehitetään ratkaisuja, joita pystytään kaupallistamaan ehkä vasta noin 10 vuoden kuluttua, lähiympäristössä samoja aihepiirejä tutkii muitakin ryhmiä, joiden työn tuloksia tuotteistetaan hyvinkin nopeasti. Yksi niistä on professori Arto Visalan johtama Autonomiset järjestelmät (sivut 16–23). Yhdessä Halmeen johtaman Automaatiotekniikkaryhmän kanssa se muodosti aiemmin Automaatiotekniikan laboratorion. ”Edistykselliset työkoneet on huomattavan merkittävä sektori Suomessa jo tänään, vaikka asia ei näy julkisuudessa. Alan liikevaihto on Nokian luokkaa, mutta tätä ei oikein tiedosteta, koska ala ei tee tuotteita ns. tavallisille ihmisille”, Halme painottaa. ”Liikkuvilla työkoneilla on jo hyvin merkittävä rooli kansantaloudessamme. Alan 27 suurimman vientiyrityksen palveluksessa on yli 18000 ihmistä ja niiden liikevaihto on noin 4,4 miljardia euroa, josta viennin osuus on noin 70 prosenttia”, hän tiivistää. ”Modernit työkoneet ovat sähköhydraulisia ja niissä on jo hyvä robotiikkavalmius.

Menossa on nopea evoluutio, jossa konei-

11

FIMA merkittävä yhteistyöfoorumi

12

Suomen työkonevalmistajien pitkään jatkuneen hyvän yhteistyön myötä on jalostunut uusi mielenkiintoinen yhteistyökonsepti, jota varmasti voitaisiin soveltaa menestyksellä monella muullakin alalla: yhteistyöjärjestö FIMA (Forum for Intelligent Machines) kerää jäsenkunnalta rahaa, jota se sitten ohjaa ikäänkuin yhtenä pottina alan tutkimukseen.

Näin voidaan panostaa aiempaa enemmän tuotekehitystyön perustutkimukselliseen osaan, millä on hyvin suuri merkitys yritysten kilpailukyvylle vielä pitkällä tulevaisuudessa.

Kaikkiaankin FIMA on foorumi, jossa tehdään aitoa hyvin toimivaa yhteistyötä, se ei todellakaan ole mikään juhlapuhekerho.

Halme suosittelee lämpiämästi käyntiä järjestön verkkosivuilla: www.fima.fi Tätä kirjoitettaessa FIMA:ssa oli mukana 31 yritysjäsentä ja kahdeksan tutkimuslaitosjäsentä. Käynnissä oli viisi hankeprojektia, ja tutkimushankekanta oli yli kaksi miljoonaa euroa. Teemaryhmissä oli mukana yli 130 alan asiantuntijaa.

FIMA itse julistaa, että sen visiona on rakentaa Suomesta yhdessä alan osaajien kanssa maailman johtava innovatiivisten, älykkäiden työkoneratkaisujen kehittäjä ja hyväksikäyttäjä. Yhdistyksen missiona on kehittää merkittävä joukko uusia teknologioita ja ratkaisuja, jotka parantavat liikkuvilla työkoneilla tai konejärjestelmillä tehtävien työprosessien tehokkuutta, turvallisuutta ja hallittavuutta – sekä myös mahdollistavat uusia työprosesseja.

Tässä on hyvä mainita myös FIMECC (Finnish Metals and Engineering Competence Cluster), jonka yksi osakas FIMA on.

FIMECC Oy on metallituotteet ja koneenrakennus -alan stategisen huippuosaamisen keskittymä – ja samalla se on innovaatioyritys, jonka tehtävä on yhdistää teollisuuden näkemys tulevaisuuden kilpailukyvyn lähteistä ja tutkimuslaitosten tutkimusosaaminen.

Kaikkiaan huippuyksikkö tekee hyvin laajaa yhteistyötä, jossa ovat mukana mm.

VTT, EU, USA ja Japani.

Syntyy aivan uusia teollisuudenaloja

Palvelurobottien saralla on toistaiseksi syntynyt kovin harvoja kaupallisia menestystarinoita, joskin esimerkiksi robottipölynimureita on myyty jo miljoonia kappaleita.

Tulevaisuudelta odotetaan kuitenkin hyvin paljon. Robotit muuttavat ihmisten arkea ja tarjoavat myös täysin uusia mahdollisuuksia teollisuuden tuotekehitykseen. Esimerkiksi isot japanilaiset autonvalmistajat ovat lähteneet toinen toisensa perään panostamaan voimalla robotiikkaan. Honda on ollut alalla jo pitkään, mutta nyt myös Toyota uskoo, että jo 10 vuoden kuluessa robottituotteet tuovat sille merkittävästi liikevaihtoa – jopa autoihinkin verrattuna.

Voidaanpa jopa olettaa, että robotiikan kehittymisen myötä syntyy aivan uudenlaisia älykkäitä koneita, joilla tulee olemaan isot maailmanlaajuiset markkinat. Mutta älykkäät liikkuvat koneet korvaavat ihmisiä yhä useammin myös aivan arkisissakin tehtävissä, esimerkiksi siivouspalveluissa, sairaaloissa, liikuntarajoitteisten ihmisten avustamisessa ja huviteollisuudessa – ja erityisesti sellaisissa tehtävissä, joihin ei vain syystä tai toisesta löydy työntekijöitä. ”Hyvä esimerkki on metrojen siivous. Se pitää tehdä yhden ja neljän välillä yöllä”, Halme sanoo.

On myös paljon paikkoja ja olosuhteita, joilla ihmisen on vaikeaa ja kallista toimia.

Jos ihminen työskentelee esimerkiksi yli 50 metriä syvällä veden alla, työn kustannukset kasvavat aivan huimasti. Siksi sukellustyötä tekevien robottien suunnitteluun panostetaan nyt paljon. Niiden yksi keskeinen käyttökohde on valtamerien vesimassojen alla olevan mannerjalustan rikkauksien hyödyntäminen.

kuva: TKK

den älykkyys kehittyy koko ajan. Yleisenä haasteena on digitaalisuuden tuominen koneiden teknologiaratkaisuihin.”

Alan teknologiateollisuus on Suomessa korkeatasoista ja se pystyy hyödyntämään alan kehityksen viennissä. Vahvoja tuotealueita on paljon ja monet tuotteet ovat alansa markkinajohtajia maailmassa: maa- ja metsätalouden työkoneet, kaivosten raskaat työkoneet, sotilasajoneuvot sekä satamien nosturit ja konttienkäsittelylaitteistot.

Jatkossa tutkimuksen merkitys korostuu, koska laitteista tulee yhä monimutkaisempia.

Edistyksellisiin mekaanisiin rakenteisiin yhdistetään yhä enemmän elektroniikkaa ja tietotekniikkaa.

Öljytankkereiden lastitankkeja tutkiva robotti.

Sovelluksia tankkerin tankista ydinvoimalaan

Halmeella on esimerkki myös siitä, että jo muutaman metrin syvyinen sukellus voi olla ihmiselle liikaa. Hän esittelee eräässä EUhankkeessa kehitetyn robotin, joka sukeltaa öljytankkerin lastitankkiin ja mittaa ultraäänen avulla sen seinämien teräslevyjen paksuudet.

“Lastitankkien levyt pitää mitata kerran vuodessa. Sitä varten tankkeri on yleensä kaksi viikkoa telakalla, mikä tulee kovin kalliiksi. Lisäksi itse työ tyhjennetyissä öljyisissä tankeissa on hirvittävää ja siihen on hyvin vaikea saada tekijöitä”, Halme kertoo. ”Laivan kannelta ohjattava robotti voi tehdä mittaukset silloin, kun alus kulkee ilman lastia, jolloin tankit on täytetty vedellä.”

Arvaan että robotin nimi on Kilroy. Tarina kertoo, että kaikkialla näkyvien ’Kilroy was here’ -tekstien raapustelun aloitti pieni ja tosi luihu tankkeritankkien tarkastaja, joka ryömi paikkoihin, joihin kukaan muu päässyt – ja raapusti siellä seiniin nämä kuuluisat sanat. ”Ja erityisen iso alue, johon kehitetään hyvin paljon ratkaisuja Kauko-Idän suurissa hankkeissa, on erilaisten pelastusoperaatioiden ja erilaisten katastrofien hallinta”, Halme jatkaa jo uudesta aiheesta. ”Tämä on nyt yksi robotiikan soveltamisen pääalueita.” ”Sitten on tärkeä sovellusalue, josta puhutaan hyvin vähän: 1950-luvulla rakennetut ensimmäisen vaiheen ydinvoimalat joudutaan purkamaan jo lähitulevaisuudessa. Ne on rakennettu niin, että ihmiset eivät voi purkaa niitä loppuun asti.”

Mutta roboteille riittää työsarkaa myös tulevaisuuden ydinvoimaloissa. Halmeenkin joukot ovat mukana kehittämässä robotteja, joiden työmaana ovat kehitteillä olevat fuusiovoimalat. Niissä työolosuhteet tulevat olemaan todella äärimmäisen haastavia.

kuva: TKK kuva: NSA ja TKK

Robotit rakentavat siirtokuntia avaruuteen

”Kyllä meidänkin ikäluokkamme saa vielä nähdä, miten Kuu asutetaan”, Halme ennustaa. ”NASA:lla ja ESA:lla on asiasta selvät suunnitelmat. Joskus vuoden 2030 tienoilla Kuussa on jo siirtokunta, jossa asuu ihmisiä.

Mukana on myös kiinalaisia, ehkä japanilaisiakin.” ”Kuun miehittäminen on välivaihe, sitten lähdetään Marsiin. Roboteilla on näissä hankkeissa hyvin keskeinen rooli. Ne rakentavat ympäristön valmiiksi jo ennen kuin ihmiset tulevat paikalle.” ”Meillä on jo nyt menossa väitöskirjan tuottava projekti, jossa kehitetään ESA:n kanssa konseptia työparista, jossa toisena osapuolena on robotti.” ”Periaatteena on, että kun avaruudessa tehdään töitä ulkona, niin tekijöitä on aina kaksi. Näin toimitaan myös Kuussa, mutta koska kahden ihmisen työ tulee kalliiksi, työparin toinen jäsen on robotti, joka pystyy tarvittaessa myös tuomaan ihmisen takaisin sisälle”, Halme kertoo.

Hei robotti, jeesaapa vähän!

Itse asiassa tämäntapaista työparikonseptia on kehitetty Otaniemessä jo pitkään, joskin käyttökohteita on uskottu löytyvän melkoisesti Kuuta ja Marsia lähempääkin. ”Meidän ryhmämme kuuluisin jäsen on tämä WorkPartner”, Halme sanoo näyttäen kuvan monipuolisena testialustana käytetystä robotista, joka näyttää kentaurilta, joka on kasvattanut kavioihinsa pyörät. Kone pystyy liikkumaan kolmessa eri moodissa: kävelemään ‘pyörät lukittuna’, ajamaan pyörillään kuin auto tai etemään yhdistäen molemmat edelliset liikkumistavat. Varsinaista työntekoa varten sillä on ihmismäiset robottikädet.

WorkPartner kolaamassa lunta. Ilman paitaa. Siis hikistä hommaa.

WorkPartner on ollut todella mainio testiväline, jolla on voitu testata tutkimuskentän eri osa-alueilla kehitettyjä ratkaisuja, joita hyödyntäen robotti navigoi, liikkuu sekä havannoi ympäristöään – ja oppii jopa tekemään aivan uusia asioita ihmisen näyttämän esimerkin perusteella. ”Tällä hetkellä tutkimuksen pääpaino on juuri siinä, miten se ihminen, jonka työkaveri tämä on, pystyy kertomaan koneelle, mitä hän haluaa sen tekevän. Ideana on, että yhteistyö ei kuormita paljon ihmistä, mutta itse kone kuormittuu täysin.” ”Vuorovaikutus pyritään käymään kognitiivisella tasolla, mikä tarkoittaa sitä, että meillä on käsitteellinen ympäristö, jossa konetta voidaan ohjata vaikka komennoilla: Siivoapa tuota aluetta! • Nosta tämä esine ja vie se tuonne! • Tehdään tämä työ yhdessä, minä otan kiinni tästä päästä, ota sinä kiinni siitä päästä, kannetaan tämä yhdessä tuonne!” ”Tällainen kommunikointi on helppoa ihmiselle, mutta iso haaste koneelle”, Halme muistuttaa.

Työsarkaa riittää pitkälle tulevaisuuteen

Robottien kehittäjiä ei käy kateeksi. Ihmisillä on iät ajat ollut viisaita, nopeita ja väsymättömiä auttajia, jotka hoitavat tehtävät, joihin he eivät itse sovi – tai joita he eivät vain viitsi tehdä. Esimerkiksi viisaat koirat ovat paimentaneet karjaa, vahtineet omaisuutta, kuljettaneeet viestejä, ajaneet saalista isäntänsä aseen eteen ja huolehtineet ties mistä.

Kun katsoo videoita kehitteillä olevista roboteista, tuntee hienoista pettymystä. Skifimaailman robotit ovat nokkelia ja nopeita, mutta Hondan Asimo-ihmisrobotti hoipertelee alan kehityksen kärjessä varsin epävarmasti.

Sinfoniaorkesterinkin johtaminen on kömpelöä ja parin teekupin tarjoiluun kuluu ikuisuus.

Entä jos se kompastuu, pystyykö kömpimään

jaloilleen? Ei vielä, mutta Hondan insinöörit tekevät kovasti töitä asian eteen.

Nyt 34-vapausasteen ja yhtä monen servomoottorin (luvusta puuttuu sorminivelet) Asimo kapuaa ylös–alas portaita ja osaa jopa juosta, eli liikkua niin, että molemmat jalat ovat hetkittäin ilmassa. Nopeimmillaan 130-senttinen ja 54-kiloinen robotti taivaltaa kuusi kilometriä tunnissa. Maraton veisi siis seitsemän pitkää tuntia – jos akut riittäisivät.

Asimo osaa myös taivuttaa itseään keskipakovoimaa vastaan juostessaan ympyrää tai mutkitellen.

Honda kertoo kehittävänsä Asimosta avustajaa ihmisille, mutta suurin motivaatio on varmasti ollut robotin valtava mainosarvo.

Pitääkö robotin näyttää ihmiseltä?

”Mekin kehitämme tällaista ihmiskävelijää, Bipediä, ihmisen tapaan kahdella jalalla kävelevää robottia”, Halme paljastaa sivumennen. ”Emme kuitenkaan voi, emmekä edes halua julkaista siitä vielä kuvaa.”

Suuressa maailmassa tällaisten robottien kehitykseen satsataan valtaisia summia.

Honda on kehittänyt jo pari sukupolvea ja Toyotallakin on oma humanoidirobottinsa.

Mutta pitääkö robotin näyttää ihmiseltä, kuten tieteisjutuissa niin usein on?

Kun robotti kävelee kuin ihminen, se myös pärjää ihmisen ympäristöissä. Ihmismäisen liikkumisen toteutus tarjoaa myös isoja tieteellisiä haasteita, ja onpa tällainen robotti mainio testialusta monien asioiden tutkimiseen.

Mutta ns. tavallinen ihminen ei innostu ajatuksesta, että kotona olisi ihmisrobotteja. Eikä hän lämpiä ajatukselle, että palveleva ihminen korvataan koneella.

On ihan ok, että robotti siivoaa, mutta kun robotti korvaa kahvilan sievän tarjoilijan, suut menevät mutruun. Eikä sovi lainkaan, että robotti tarjoileekin neitiä hitaammin.

13

Ylös–alas, ylös–alas, lähes ilman energiaa?

14

Kaikkiaan huippuyksikön työkenttä on hyvin laaja, tutkimuksen piiriin kuuluvat materiaaleja lukuunottamatta kaikki muut koneiden kehityksessä tarvittavat teknologiat. Myös monet tutkimuksen osa-alueet ovat melko laajoja. Esimerkiksi koneissa hyödynnettäviä uusia energiaratkaisuja tutkittiin pitkään jo ennen huippuyksikkökauden alkua.

Jo koulujen perusfysiikassa opetettiin, että kuntosalissa isojen painojen kanssa hikoileva bodari ei lopulta tee fysiikan mielessä mitään oikeata työtä. Painot päätyvät sinne kuin mistä lähtivätkin. Hikinorot valuvat siinä mielessä täysin turhaan.

Myös satamien konttinosturit ja monet muut raskaat työkoneet puuhaavat samoin.

Periaatteessa ylös–alas nostoissa ei pitäisi kulua juurikaan energiaa, mutta koneissa on valtavat dieselit ja öljyä palaa paljon.

Mutta kun konttia laskettaessa vapautuva potentiaalienergia kaapataan talteen generaattorilla ja säilötään akkuihin seuraavaa nostoa varten, energiaa kuluu radikaalisti vähemmän. GIM on jo tarttunut haastee-

Taustalla

Suomen Akatemian tieteen huippuyksiköksi valinnan taustalla oli tutkimusryhmien pitkä, laaja-alainen ja hyvin maineikas tutkimustyö.

Tutkijat ovat olleet mukana jo kovin monessa mielenkiintoisessa projektissa. Robottitutkimus alkoi jo 1980-luvun puolivälissä.

Projektien monimuotoisuus todistaa, että robotiikan perusperiaatteet sopivat hyvinkin erinäköisiin laitteisiin erilaisissa sovelluksissa ja ympäristöissä. Nyt älykkäitä koneita tutkitaan geneerisellä, eli siis mahdollisimman yleisellä tasolla. Tämä vaikuttaa hauskan kaksisuuntaisesti: se painottaa perustutkimusta, mutta samalla se laajentaa tutkimustulosten sovellusaluetta ja avittaa niiden kaupallista hyödyntämistä erilaisissa sovelluksissa.

Poimitaanpa esimerkkejä varhaisemmista tutkimusprojekteista – nimenomaan monimuotoisuuden perusteella.

Paljon huomiota maailmalla keräsi 1990luvulla MECANT-projekti, jonka tähtenä oli reilun tonnin painoinen kävelevä metsäkone, joka sipsutteli maastossa tyylikkäästi kuudella hydraulisesti ohjatulla kolmen vapausasteen robottijalallaan. Todettakoon, että juuri tässä projektissa teki väitöskirjansa Sklubin laskettelupiireissä kunnostautunut Hannu Lehtinen, joka tunnetaan nyt erityisesti isoista ja omintakeisista Pontoon-suksistaan ja niiden kelluttamasta yhtä omintakeisesta laskettelutyylistä.

Jo 90-luvulla isoksi tähdeksi nousi myös Rollo, pyörimällä kulkeva pallorobotti, joka käy mainiosti vaikka kodin vahtirobotiksi.

Pallorakenteen ansiosta robotista voidaan tehdä täysin kaasutiivis ja nesteenpitävä.

Eikä ole pelkoa, että robotti kaatuu!

kuva: TKK

pitkä kokemus

Rollo oli mukana myös tutkimusprojektissa, jossa kehitettiin kansainvälisenä yhteistyönä etäopetuspaketti, jossa eri maiden opiskelijat tekivät Internetin välityksellä virtuaalisia laboraroriotöitä, joiden työvälineet sijaitsivat ympäri Eurooppaa ja Yhdysvaltoja.

Rollon liikkumistapaa on sovellettu myös Marsin tutkimusta varten kehitetyssä konseptissa, jossa pallomainen Thistle-robotti voi kulkea Rollon tapaan mutta voi hyödyntää liikkumisessa myös tuulta. (Lähikuva alla.)

kuva: Ilpo Koskinen

Halme näyttää esimerkin siitä, että robotit saadaan liikehtimään kohtuullisen sulavasti.

Sonyn vuonna 2000 esittelemät puolimetriset ‘pikku-ukot’ tanssivat melko tyylikkäästi musiikin tahdissa. Halme arvuuttaa: Millaiseen robottiälyyn rytmikäs tanssi perustuu?

Vastaus on, että nämä robotit toimivat uusia servomoottoreita kehittäneen projektin testialustoina eikä niissä itse asiassa ollut minkäänmoista älykkyyttä – ainoastan servomoottoreita ohjaavaa ’servoälyä’.

Servomoottoreiden ja muidenkin servoohjattujen toimilaitteiden ohjaushan perustuu asema-anturien avulla toteutettuun takaisinkytkentään, jossa ’älykäs’ toimilaite pyrkii sitä pontevammin kohti sille asetettua tavoiteasemaa, mitä kauempana se on siitä.

Näyttävä ja rytmikäs liikehdintä tilattiin hollywoodilaiselta ohjelmistotalolta, joka tekee ohjelmistoja, joilla tulostetaan piirrettyjä elokuvia. Robottien liikkeet ohjattiin ikäänkuin pelkillä wlan-verkon kautta jaetuilla ’tulostinkomennoilla’. Esimerkki osoittaa taas kerran, että älylliseltä näyttävä toiminta ei välttämättä ole sitä.

Kaikkiaan avaruussovelluksiin on kehitetty täällä kaikenmoista robottitekniikkaa, muun muassa erilaisia porauslaitteistoja.

kuva: TKK

älyttömästi hyvin

seen, ja useissa eri projekteissa työkoneiden energiankulutusta vähennetään hydriditekniikoita hyödyntäen.

kuva: Hannu Lehtinen

Robotit tanssivat

SUBMAR-projekti loi Rollolle pikkuveljen, pienen pallonmuotoisen sukellusrobotin, jota voidaan käyttää esimerkiksi nestemäisten prosessien monitorointiin. Mainioita käyttökohteita ovat myös vesijohto- ja viemäri-

kuva: TKK

kuva: Ilpo Koskinen

verkostojen tarkistustehtävät. Robotin oma liikkumiskyky rajoittuu kelluvuutta säätelemällä tapahtuvaan syvyyden säätelyyn. Muutoin se liikkuu ’ajopallona’ ympäröivän nesteen tai massan kuljettamana.

Robottiin voidaan asentaa erilaisia ympäristön tilaa mittaavia antureita. Se voi myös Oppia tehdä helppoja mekaanisia tehtäviä, kuten evoluutioinsinööriltä ruiskuttaa reagensseja ja ottaa näytteitä.

SUBMAR-projektin lähtökohtana oli luoda ”Tästä onkin hyvin mielenkiintoinen yhteys testialusta, joka sopii monirobottijärjestelmien biologiaan”, Halme toteaa. ”Erilaiset eläimet tutkimukseen. Käytännön sovelluksissa nämä – aivan alemmista ylempiin – tekevät töitä robotit uivat yleensä parvina. aivan samalla tavalla ja samanlaisissa ympäristössä kuin liikkuvat älykkäät koneetkin.

Siksi kannattaa katsoa, miten mahdottoman mielenkiintoisia ja hyvintoimivia ratkaisuja luonnon evoluutioinsinööri on keksinyt ja mitä innovaatioita niissä on. Robotiikan tutkijat ovatkin hyvin kiinnostuneita luonnon kehittämmistä ratkaisuista – aivan perusliikunnasta ylempään älyyn asti.”

Yksi selkeä tulevaisuuden trendi on juuri se, että monissa sovelluksissa käytetään yksittäisten robottien sijaan hyvinkin monista roboteista koostuvia robottiyhteisöjä, jotka Hyvin harvoina parvina uivat myös meri- ’elävät’ ja työskentelevät tiivissä yhteistyössä virtojen mukana kulkevat sukeltavat robotti- ja vuorovaikutuksessa keskenään. poijut, jotka on kehitetty laajaan EU-hankkeeEri sovelluksissa on erilaisia syitä, miksi seen liittyvässä SWARM-projektissa. Nämä yksi iso robotti kannattaa ’pilkkoa’ moneksi robotit sopivat mainiosti esimerkiksi Itämerta pieneksi. Joskus paikat ovat niin ahtaita, että riivaamien sinilevien käyttäytymisen tutkimi- robottien pitää olla hyvin pieniä – ja ehkä seen. Nekin pystyvät säätämään syvyyttään tehtävät vaativat kuitenkin niin paljon voija niillä on erittäin hyvät kommunikointi- ja maa, että yksi pieni ei pärjää. Robottien paikantamisvalmiudet. monistus lisää myös toimintavarmuutta esimerkiksi kalliissa avaruushankkeissa.

Kovasti mielenkiintoinen robottiyhteisöjen piirre on se, että suuressa joukossa hyvinkin yksinkertaisia robotteja emergoituu esiin älyä, jota ei ole millään joukon yksittäisellä robotilla erikseen. Emergenssistä kertoo lisää professori Heikki Hyötyniemi (sivut 30–39).

Mielenkiintoinen ja yhä merkittävämmäksi nouseva monirobottitutkimus alkoi Otaniemessä jo vuonna 1992. Tutkimuksen alussa vauhtia haettiin muun muassa tutkimalla muurahaisten yhteistoimintaa. Ensimmäinen testialusta oli HUTMAN-robotti (Helsinki University of Technology´s Mobile Autonomous Navigator), jonka erikoisosaamisalue oli kivien keräys. Seuraavan kuvan robotit ovat Hutmanin jälkeläisiä jo ties kuinka monennessa sukupolvessa.

Huopaa, perkele!

kuva: Sandvik

Pitkälle vietyä kaivosautomaatiota

Hyvin kuuluisa järjestelmä automaatioalan ammattilaispiireissa on Sandvik Tamrockin AutoMine-kaivosjärjestelmä, jota otaniemeläiset ovat olleet tiivisti mukana kehittämässä.

Edistyksellisissä kaivoksissa robotit hoitavat malmin louhintaa, lastausta ja kuljetusta jo hyvin autonomisesti.

Ihmiset ovat siirtyneet maanpinnalla oleviin valvomoihin.

Hyvin veikeä projekti oli maailman ensimmäisen souturobotin kehitystyö. Motiivina oli runsaan akateemisen mielenkiinnon lisäksi se, että soutaminen on hyvin energiataloudellinen tapa kuljettaa venettä hitaasti. Kun perinteistä pientä soutuvenettä soudetaan varsin riuskastikin, lihastehoa käytetään vain 100–150 W, silti vauhti on nelisen solmua, eli pari metriä sekunnissa.

Tärkeä testialusta autonomisesti ja teleProjektin taustalla oli myös ajatus, että operoidusti kulkevien ja toimivien robottien souturobotti voi herättää henkiin muinaisia tutkimuksessa on ollut Hondan mönkijästä venekulttuureja. Jo muutaman robottiairon instrumentoitu Arska-robotti (ei kuvassa). ■

kuva: TKK

kuva: TKK

kuva: TKK

asennus viikinkien isoon moniairoveneeseen mahdollistaisi liikkumisen jopa vain yhden hengen miehitykselläkin.

Hauskinta souturobotissa on se, että sitä voi ohjata perinteisillä soutajalle huudelluilla komennoilla, joista yksi on väliotsikossa.

Souturobotti hoitaa hienosti homman, joka ennen delegoitiin vastahakoiselle vaimolle.

Se kestää marisematta voimakkaat tunteenilmaisut, eikä perhesopu enää järky. Ja onhan liki äänetön soutu se ainoa oikea tapa liikkua idyllisessä järvimaisemassa.

15

Kuva: Valtra

”On tutkittava sitä mitä on tarve tutkia!”

Autonomiset järjestelmät Teksti: Ilpo Koskinen

Maa- ja metsätalouden koneet ja laitteet kehittyvät nyt hyvin nopeasti.

Pelloilla ja metsissä käytettävä tekniikka ei ole lainkaan niin junttia kuin kaupungeissa kuvitellaan.

Kun Arto Visalasta tuli professori vuonna 2001, hän halusi valita itselleen tutkimuskentän, jota ei olisi vielä kovin paljon tutkittu, mutta jolla olisi selkeästi paljon tarvetta tutkimukseen. Näin keskeiseksi tutkimusalueeksi tuli maa- ja metsätalouden koneautomaatio.

Visala ei halua leimaa otsaansa

16

Taustalla vaikutti ehkä sekin, että Visala on maatilan poika ja harrastaa yhä vieläkin sivutoimista maanviljelyä ja metsänhoitoa. ”Mutta ei sitä nyt lehteen tarvitse laittaa!”, Visala huikkaa kiireesti.

Haastattelija hämmentyy. Eikö kuitenkin ole erittäin olennaista, että tutkija hallitsee hyvin tutkimuksensa sovelluskentän? ”No, joo. Eihän tällaisia projekteja olisi voinut pystyttää ilman alan tuntemusta”, hän myöntää. ”Mutta en halua leimautua maataloustekniikan professoriksi.” ”Olen ollut jo iät ja ajat tutkijana ja tutkinut hyvin monenlaisia aihepiirejä. 90-luvulla tein älykkäisiin oppiviin järjestelmiin liittyvää tutkimusta ja kehitin dynaamisia epälineaarisia neuroverkkomalleja, joita käytetään prosessien monitoroinnissa ja säädössä. Näissä

”Varsinkaan automaatio- ja systeemitekniikan professorit eivät voi keskittyä kapeisiin erityisalueisiin. Soveltavassa tutkimuksessa joutuu väkisinkin hääräämään laaja-alaisesti – niin, tai ehkä pikemminkin saa häärätä hyvin laaja-alaisesti. Automaatio- ja systeemitekniikka on luonteeltaan systeemitiede, joka soveltaa samoja geneerisiä menetelmia hyvinkin erilaisiin kohteisiin. Sovellutusaloihin pitää perehtyä, mutta ei niistä nyt aivan kaikkea tarvitse tietää.” ”Automaation sovellusalueet elävät. 70luvulla tehtiin erityisesti prosessiautomaatiota.

80-luvulla painopiste oli kappaletavara-automaatiossa. 90-luvulla integroitiin automaatiojärjestelmiä ja silloin jo koneautomaatiokin alkoi nousta esiin.” ”Maatalouden koneautomaatio oli aika neitseellinen alue, jossa oli selkeästi paljon tekemistä. Olemme saaneet aidosti hyödyllisiä asioita aikaiseksi, niin tutkimuksessa kuin tuotekehityksessäkin, Visala summaa.

Kaikkien oltava ”Mutta tämä on vain sitä, mitä me olemme tehneet viime vuodet ja teemme tänään. joka-paikan-höyliä!

Nämä asiat ovat olleet pinnalla. Kun aika ”Suomessa on aika vähän automaatioalan kuluu, nousee uusia asioita pinnalle. Koska ihmisiä. Siksi kaikkien pitää olla vähän joka- ryhmämme ei ole suuri, teemme tässäkin mielessä aika lailla täsmäjuttuja.” paikan- höyliä”, Visala kertoo. malleissa hyödynnettiin myös kybernetiikan isän Norbert Wienerin 50-luvulla viimeisinä elinvuosinaan kehittämää Wiener-representaatiota, jota sovelletaan säätötekniikassa ns. Wiener-mallien avulla. Tutkimukseni liittyi erityisesti Wiener-mallien ja neuroverkkomallien yhdistämiseen.” ”Wiener-struktuurin kautta oli mahdollista ympätä malleihin a priori -tietoa. Ja epälineaarinen pää hoidettiin puolestaan neuroverkoilla”, Visala selvittää. Termi a priori viittaa ennalta tunnettuun tietoon. ”Mielestäni ne mallit toimivat oikein hyvin.

Itse asiassa juuri nyt on tekeillä yksi tislauskolonniin liittyvä väitöskirjatyö, jossa näitä malleja sovelletaan. On kiva nähdä, että ne toimivat ja että niitä myös käytetään.” ”Mutta nyt tällä vuosikymmenellä olen häärinyt enemmän täällä koneautomaation puolella, koska automaatio on vahvasti tulossa maatalouteen ja maatalouskoneisiin.”

Jatkoprojektit jo käynnissä

Nyt käynnissä ovat jatkoprojektit AgroMassi (2009–2012) ja NeoSilvix (2009–2012).

Edellinen näistä on jatkoa Agrix- ja Farmixhankkeille, jälkimmäinen taas Forestrix- ja Metrix-hankkeille.

AgroMassi-projektissa tutkitaan traktorin ja työkoneen integroitua automaatiota otsakkeella avustava työkone. Tutkimuskenttää on laajennettu siten, että se kattaa yhdyskuntatekniikan työkoneet.

NeoSilvix-hankkeessa tutkitaan metsänhoidon koneellistamista sekä erityisesti sitä, miten koneellisen metsänhoidon tuottavuutta ja kannattavuutta voidaan kohentaa automaation ja robotiikan keinoin.

Menossa on myös Suomen Akatemian rahoittama AutoCrop-hanke (2007–2009), jossa tutkitaan tulevaisuuden automatisoituun maanviljelyyn liittyviä edellytyksiä ja mahdollisuuksia – lähinnä mallintamisen ja simuloinnin keinoin. ■

kuva: Ilpo Koskinen

Professori Arto Visalan tutkimusryhmä Autonomiset järjestelmät on viime vuosien aikana vienyt läpi neljä mainiota ja menestyksekästä koneautomaation hanketta, joista kahdessa aihepiirinä on ollut maatalouden työkonejärjestelmät: Agrix 2003–2005 ja Farmix 2006–2008 ja kahdessa metsäkoneet: Forestrix 2005–2008 ja Metrix 2006– 2009.

Kaikille näille Tekes-hankkeille yhteinen menestystekijä on ollut se, että mukaan on saatu innolla mukaan kaikki keskeiset toimijat ja sidosryhmät: suuret ja pienet yritykset ja laitevalmistajat, johtavat tutkimuslaitokset ja myös alojen neuvontaorganisaatioita. ”Hankkeissa on ollut myös mukana innostunut ja osaava tutkijakaarti. Maatalouden hankkeissa projektipäällikkönä on toiminut Timo Oksanen, metsätalouden hankkeissa Matti Öhman ja Mikko Miettinen”, Visala kiittelee.

Arto Visala Taustalla koko ajan perustutkimusta

”Tietenkin teemme kaiken aikaa perustutkimusta ja kehitämme automaatiojärjestelmiä yleisellä tasolla, mutta sovellusten kenttä elää nyt vahvasti, kun automatiikkaa ja erityisesti robotiikkaa otetaan käyttöön aivan uusilla alueilla. Pitää tutkia sitä, mitä on tarve tutkia”, Visala perustelee. ”Muuten, monesti tulee esille, että meidän on paljon helpompi teettää kanditöitä kuin muilla ETA:n laitoksilla. Täältä löytyy paljon mielekkäitä aiheita, joista on meille tutkijoille aidosti hyötyä. Teetämme esimerkiksi selvityksiä, jotka liittyvät erilaisiin sovellusalueisiin tai siihen, millaisia tietyt vaaditut ominaisuudet täyttäviä mittalaitteita löytyy markkinoilta.” ”Kanditöiden teettämisen iso ongelma on siinä, että kandityövaiheen oppilailta ei voi vaatia sellaisia valmiuksia, jotka hankitaan vasta syventävien opintojen yhteydessä”.

ISOBUS – traktorin ja työkoneen keskusteluväylä

Maatalouden koneautomaation nykyisen nopean kehityksen käynnisti traktorin ja työkoneiden välille määritelty ISOBUS-väylä, joka avasi paljon uusia ja mielenkiintoisia mahdollisuuksia.

ISOBUS on avoin teollisuusstandardi, jonka alustana oli maailman laajimmin käytetty ajoneuvoväylä CAN (Controller Area Network) sekä erityisesti siitä linja- ja kuorma-

autoja sekä rekkoja varten laajennettu versio, joka tunnetaan sekä SAE-standardina J1939 että ISO-standardina 11898. Muodollisesti ilmaistuna ISOBUS’iksi kutsutaan ISO 11783:n tarkennettuja ja implementoituja spesifikaatiota.

Moderni traktori on jo sinänsä melkoinen automaatiokeskittymä, ja CAN-väylä on jo pitkään ollut traktoreissa yleisesti käytetty ohjausväylä. Sillä ohjataan esimerkiksi kytkimen ja vaihteiston toimintaa ja se auttaa ohjaamaan traktorin moottoria niin, että yhä tiukkenevat päästörajoitukset täyttyvät.

Traktorissa ei ole kyse niinkään tuotantoautomaatiosta vaan automaatiosta, joka on upotettu tuotteeseen. Toisaalta, jos traktori kulkee autonomisesti pitkin peltoja ja hoitaa tehtävänsa ilman kuljettajaakin, niin onhan se melkoista tuotantoautomaatiotakin.

Tietokoneavusteista maanviljelyä

Maatalous on Suomessa jo vahvasti tietokoneavusteista, ja hyvin suuri osa viljelijöistä laatii kasvinviljelysuunnitelmansa tietokoneilla – monet erityisesti siksi, että kun viljelysuunnitelmat laatii nykyisillä suunnitteluohjelmilla, niin EU-tukihakemuksetkin syntyvät liki automaattisesti ’aivan siinä sivussa’. Jokavuotinen hakurumba helpottuu melkoisesti.

ISOBUS’in avittamana peltoviljelyn automaatiossa harpataan monta askelta eteenpäin. ISOBUS’in osana on Tehtäväohjain (Task Controller, TC), jonka avulla laadittuun viljelysuunnitelmaan liittyvät työtehtävät pystytään välittämään traktoriin niiden suorittamista varten. Ja kun työt on tehty, niistä saadaan Tehtäväohjaimen välityksellä heti valmiit dokumentit myös EU:n rutiinien tarpeisiin.

Tehtäväohjain on myös kätevä tapa välittää työtehtävät koneurakoitsijalle, mikä helpottaa tilan töiden ulkoistamista. Eli ensin suunnitellaan, sitten suunnitelma välitetään urakoitsijalle. Tässä ISOBUS’in Tehtäväohjain on aivan avainasemassa.

Maatilojen määrä on pudonnut lyhyessä ajassa puoleen. Samalla urakoitsijoiden käyttö on lisääntynyt. Nyt tarvitaan tehokkaita työkaluja, joilla toimeksiannot välitetään urakoitsijoille. Siksi hankkeissa on ollut tiiviisti mukana myös alan keskeinen neuvontaorganisaatio ProAgria Maaseutukeskusten Liitto.

17

... ja työkoneen välillä.

kuva: TKK

ISOBUS-väylä traktorin...

konevalmistajille

ISOBUS aiheutti melkoisen mullistuksen. Sen avulla yleiskäyttöistä traktoria ja siihen liittäviä erilaisia työkoneita voidaan ohjata yhtenä kokonaisuutena.

Aikaisemmin vain ns. full-linerit eli sekä traktoreita että työkoneita valmistavat yritykset pystyivät rakentamaan kokonaisjärjestelmiä, joissa traktori ja työkone toimivat saumatta yhteen. ISOBUS’in myötä mihin tahansa yleiskäyttöiseen ISOBUS-varusteltuun traktoriin voidaan liittää minkä hyvänsä työkonevalmistajan tekemä ISOBUS-varusteltu työkone – ja kokonaisuus toimii varmasti fiksusti.

Suomessa on paljon pieniä työkoneiden valmistajia, joille ISOBUS-standardiväylään perustuva kokonaisohjaus on elintärkeä asia.

Se mahdollistaa tasavertaisen kilpailun suurten konevalmistajien kanssa.

Koska traktorivalmistajat eivät halua, että ulkopuolinen pääsee ’sorkkimaan’ traktorin sisäistä CAN-väylää, ISOBUS on erillinen väylä, joka kommunikoi traktorin CANväylän kanssa.

Uuden ISOBUS Class 3 -standardin myötä traktorin ja työkoneen yhteistyö on noussut aivan uudelle tasolle. Aiemmin traktori pystyi ohjaamaan työkoneen toimintaa, mutta nyt myös työkone pystyy ohjaamaan traktorin toimintaa. Nyt esimerkiksi heinää paalaava kone, jonka kuormitus vaihtelee kovasti, voi ohjata traktorin nopeutta siten, että se kuormittuu itse kaiken aikaa optimaalisesti.

”Työkoneiden sulautettujen järjestelmien reaaliaikavaatimukset ovat niin tiukkoja, että vaaditut vasteajat on voitu saavuttaa vain ohjelmoimalla C-kielillä. Nyt tietokoneissa on jo niin paljon ’vääntöä’ ja muistia, että voidaan käyttää korkean tason ohjelmistotyökaluja”, Visala kertoo.

Kun työkoneisiin sulautetaan yhä enemmän elektroniikkaa ja tietokoneohjelmistoja, niiden suunnittelu, toteutus ja ylläpito on iso haaste pienille työkonevalmistajille. ”Siksi me olemme kehittäneet työkoneohjaimiin ISOBUS-yhteensopivia ohjainprototyyppejä sekä konfiguroitavia ohjelmistoja, joiden toimilohkoja voidaan konfiguroida konekohtaisesti, jolloin automaatiosovellus voidaan toteuttaa mahdollisimman pienellä vaivalla”, Visala sanoo. Aihepiiristä valmistuu väitöskirjakin, tekijänä on Matti Öhman.

Yleiskäyttöinen Virtuaaliterminaali

Kaikki monimutkaiset työkoneet tarvitsevat sähköisen ohjainlaitteen ja käyttöliittymän, suit–sait–sukkelaan joilla niitä käytetään. ISOBUS’in myötä Teollisuusautomaatiossa on jo pitkään käy- ohjain voidaan rakentaa yleiskäyttöisistä tetty konfiguroitavia ohjelmistoja, joilla auto- ohjelmistoista ja laitteistoista. Nyt riittää, että maatiosovellukset toteutetaan hyvin nopeasti. traktorissa on vain yksi ’purkki’, jolla voidaan ohjata kaikkia traktoriin liitettäviä laitteita.

Työkoneissa tämä on vielä varsin uutta.

Käyttöliittymä

18

Matti Öhmanin kehittämä PooleEdit-käyttöliittymäeditori Virtuaaliterminaalin näyttöjen suunnitteluun ja ohjelmakoodin generointiin.

Näin vältetään se kauhukuva, että traktorin ohjaamo täyttyy eri työkoneiden käyttöliittymien purkeista.

ISOBUS’in myötä yleistyy kovaa vauhtia Virtuaaliterminaali-käyttöliittymä, johon kukin työkone lataa käynnistyksen yhteydessä oman käyttöliittymänsä. Virtuaaliterminaali voidaan asentaa traktoriin jo tehtaalla.

Käyttöliittymien yhtenäistyminen säästää rahaa, helpottaa työkoneiden kytkemistä ja nopeuttaa myös laitteiden käytön oppimista.

kuva: TKK

Kilpailukykyä pienille

Yleiskäyttöinen virtuaaliterminaali.

Vaikka maatalouden automaation kehitys etenee hurjaa vauhtia, Visalan mielestä alan kehitys on kaikkiaan edennyt tuskastuttavan hitaasti. Ja siihen on selkeä syynkin: maataloustraktorin keskimääräinen käyttöikä on peräti 30 vuotta. Toisaalta hän epäilee, että mekatronisoituminen lyhentää keskimääräistä käyttöikää, koska vanhoja elektroniikkakomponentteja on vaikea saada.

Oikeaa tutkimusta oikeaan aikaan

Maa- ja metsätalouden koneiden kehitystä avittaa se, että tietokoneiden teho kasvaa vaikka hinnat laskevat. Asiat tehdään nopeammin, helpommin ja edullisemmin. ”Hakkuukoneita on tehty jo 15 vuotta, ja puutakoskemattomia mittausmenetelmiä on

kuva: TKK

kehitelty pitkään, mutta vasta nyt tarjolla on riittävästi laskentatehoa, jotta voidaan tehdä jotakin aidosti uutta”, Visala sanoo. ”Elämme sikälikin jänniä aikoja, että nyt tietokoneet ovat tehostuneet ja halventuneet niin paljon, että voidaan toteuttaa reaaliaikaisia konenäkösovelluksia, joiden perusalgoritmit kehitettiin jo 70–80 -luvuilla”, hän yleistää. Muuten: Visalan ryhmä tekee konenäkösovelluksiin liittyvää perustutkimusta.

Ajat ovat olleet sikälikin otolliset, että autojen elektroniikka on kehittynyt nopeasti.

Ja kun autoteollisuuden tarpeisiin kehitettyjen laitteiden valmistussarjat ovat hyvin suuria, hinnat laskevat nopeasti. Tämä kehitystrendi Siksi kinemaattisen kuvauksen laatiminen ei on hyödynnetty tehokkaasti maa- ja metsä- ollut helppoa, mutta toki mahdollista. talouden koneautomaatiossa.

Robotiikkaa soveltamalla voidaan tehdä yhdistelmäohjauksia, joissa ihminen ohjaa ’Pönttö’ takalana esimerkiksi ohjaussauvan välityksellä hyvin vai fiksu robotti? havainnollisia karteisavaruuden suureita – ja Hyvä esimerkki ISOBUS’in tuomista uusista halutut liikkeet jaetaan sitten automaattisesti mahdollisuuksista on Farmix-projektin tutki- useille eri toimilaitteille. muksen pohjalta kehitetty lisähydrauliikalla Tarkkaa paikannusta varustettuun kolmipistenostolaitteeseen kiinniedullisesti tettävä, erillisellä polanneterällä varustettu takalana. Tutkimus teki ’pöntöstä’ takalanasta On jo varsin helppoa tehdä traktori, joka ohjattavan helppokäyttöisen lanan. osaa kulkea itsekseen pitkin peltoja. KauNyt kuljettaja määrää koneen korkeuden, poista saa jo automaattiohjauslaitteita, jotka orientaation ja ottokulmat horisontaalitason paikantavat itsensä satelliittien avulla. suhteen, ja sitten ohjausjärjestelmä muuntaa Tarjolla on jo hyvin tarkkojakin Real Time robotiikan menetelmin kuljettajan ohjaukset Kinematic (RTK) GPS-järjestelmiä, jotka paiyhdeksäksi toimilaitekohtaiseksi ohjaukseksi. kantavat liikkuvan kohteen reaaliajassa noin Nyt lana osaa säätää teriensä kulmat parin sentin tarkkuudella. Nämä järjestelmät niin, että ne ovat aina optimaaliset, vaikka ovat kuitenkin kertaluokkia kalliimpia kuin traktori kääntyy jyrkästikin. Kulmat säädetään jokamiehen GPS-laitteet. Lisäksi niissä tarvittavan tarkentavan GPS-tiedon käyttöoikeus traktorin etupyörien kääntymisen mukaan.

Samankaltaisia automaation periaatteita maksaa tuhansia euroja vuodessa.

Tällaisten järjestelmien käyttö esimerkiksi on hyödynnetty myös kylvökoneessa ja äkeessä: traktorin kuljettaja asettaa asetus- pellolla kylvävän traktorin paikallistamiseen arvon työsyvyydelle – ja sitten kone mittaa ja tulee melko kalliiksi. Ongelmana on myös se, että monet paikannussatelliitit lentävät säätää syvyyttään tarkasti kaiken aikaa. ”On jännää, että robotiikkaa voidaan Suomesta katsottuna matalla. Metsänreunat, soveltaa niin ’pönttöön’ työkoneeseen kuin talot ja muut esteet synnyttävät katvealueita, takalana”, Visala naurahtaa. ”Se kuullostaa joiden läpi on navigoitava muilla keinoilla.

Siksi Visalan ryhmä on kehittänyt paikanihan junttitouhulta. Mutta näissä projekteissa on tehty aika hienoja sovelluksia, joista on tamiseen edullisempia tekniikoita, joilla aidosti hyötyä. Nyt esimerkiksi työkonetta voi päästään noin 30 sentin tarkkuuteen, mikä oppia käyttämään paljon nopeammin. riittää esimerkiksi lannoitteiden levittämiseen Ennen kesti kauan oppia käyttämään työ- ja kasvinsuojeluaineiden ruiskuttamiseen. konetta, jossa on paljon toimilaitteita.”

Satelliittipaikannus kehittyy jo lähitulevaiMelkoisen haasteen työhön toi se, että suudessa hyvin mukavasti, kun uusia eurooptraktorin 3-piste nostolaitteet kehitettiin joskus palaisen Galileo- ja venäläisen Glonass1950-luvulla – eikä silloin kukaan tietenkään järjestelmän satelliitteja singotaan taivaalle. pohtinut hetkeäkään sitä, että laitetta ehkä Pian tarjolla on paikannuslaitteita, jotka hyövielä joskus halutaankin ohjata kuin robottia. dyntävät kaikki kolme järjestelmää.

Kuvat ylhäätä alas: 1. Robotiikan periaattein ohjattava takalana (Vama Oy), jossa on erillinen pollanneterä. 2. ISOBUS-apuohjaimen yksi prototyyppi. 3. Traktorin paikannus edellisen ajojäljen perusteella käyttäen apuna laserskanneria. 4. Peltolohkolle suunnitellut ajolinjat. Kuva Timo Okasen väitöskirjasta.

Tavoitteena optimaaliset ajolinjat

Visalan ryhmässä on tutkittu myös ajolinjojen optimointia – ja sekin liittyy robotiikkaan.

19

oikeassa tuotannossa

20

Visalan ryhmän maataloustekniikan tutkimustyö on ollut hyvin käytännönläheistä, koska käytössä on ollut kaiken aikaa tärkeän yhteistyökumppanin, Valtran, valmistama traktori, joka on instrumentoitu tutkimustyöhön sopivaksi. Valtra on kehitellyt tutkimushankkeissa traktoriensa ISOBUS-toimintoja.

Koska TKK:n nurmikot Otaniemessa eivät sovi täsmäviljelykokeiden tekoon, käytännön kokeilut ja Otaniemessä kehitettyjen laiteprototyyppien testaus on tehty Maa- ja elintarviketalouden tutkimuskeskuksen (MTT) koetilan pelloilla Vihdin Vakolassa. ”MTT on meille erittäin hyvä tutkimuskumppani. Kumpikin osapuoli saa paljon isoja synergiahyötyjä”, Visala kiittelee. ”He tekevät siellä omaa täsmäviljelytutkimustaan ajaen meidän kalustoillamme, jolloin tekemämme prototyypit testataan todellisessa työssä. Eikä kyse ole pikkudemoista, laitteilla ajetaan siellä koko kausi ja niillä tehdään aivan oikeasti töitä.”

Tiivistä yhteistyötä tehdään myös Helsingin yliopiston agroteknologian laitoksen kanssa.

Täsmäviljely – pari piirua tieteellisempää maanviljelyä Pitkälle kehitetty täsmäviljely on todellista tehomaanviljelyä – siis sanan parhaassa ja positiivisimmassa merkityksessä.

Ajatuksena on, että jokaisen peltolohkon jokainen aari tunnetaan tarkasti ja sitä sitä viljellään optimaalisesti. Apuna käytetään digitaalisia paikkatietokarttoja, joihin kertyy paljon tietoa: tietoa maaperästä (maalaji, multavuus, happamuus, viljavuus), tehdyistä muokkauksista, lannoituksista sekä tietoa kunkin vuoden sadosta.

Paikkatietoa sadostakin voidaan saada hyvin helposti: nykyaikainen puimuri tekee automaattisesti tarkan kartan siitä, miten paljon jyviä kertyi mistäkin kohdasta peltoa.

Täsmäkylvö, täsmäsadetus, täsmämuokkaus, täsmä...

Maanviljelyssä miltei mitä hyvänsä voidaan tehdä täsmänä, mutta täsmäviljelyn keskeisin tavoite on parantaa lannoituksen hyötysuhdetta levittämällä oikea määrä lannoitetta oikeaan paikkaan – suhteessa paikan sadontuottokykyyn.

Pisimmällä täsmäviljely on viljojen viljelyssä.

Kaupunkilainen ajattelee helposti, että mitä enemmän lantaa, sitä enemmän satoa. Mutta näin asia ei ole. Jos ravinteita on tarjolla liikaa, osa jää käyttämättä. Raha menee hukkaan, ja ravinneylijäämät loruvat vesistöihin ja rehövöittävät niitä. Yli- ja alilannoitus heikentävät myös laatua, koska ne aiheuttavat lakoontumista sekä liian alhaisia tai liian korkeita valkuaisainepitoisuuksia.

Onneksi on olemassa fiksuja lannoittimia, jotka annostelevat typpilannoiteita sen mukaan, miten kasvit näyttävät niitä tarvitsevan – kasvien heijastaman valon värin mukaan.

Täsmäviljelyssä panokset suunnataan sinne, mistä saadaan suurin tuotto. Eniten lannoitetta ja siemeniä kylvetään alueille, joissa sadontuottokyky on suurin. Mutta toki lannoitusta kannattaa lisätä, jos satotaso on liian niukan lannoituksen vuoksi alentunut. Kun työssä onnistutaan hyvin, tuotto kasvaa vaikka kustannukset alenevat. Ja ympäristö kuormittuu vähemmän.

Myös maanmuokkaus voidaan tehdä täsmänä ohjaamalla paikkatiedon perusteella muok-

kaussyvyyttä sekä jyrsimen kierroslukua ja pikavaiheita. Ja toki myös kylvö ja peltojen kosteuden hallinta tehdään täsmänä.

Koulussa opetettiin kaksi kultaista sääntöä sienestäjille: 1. opi tuntemaan kaikki myrkkysienet; 2. kerää vain tuntemiasi sieniä. Viimeaikojen lehtitietojen mukaan oppi meni hyvin perille.

Modernit kasvinsuojeluaineita ruiskivat laitteet soveltavat liki samaa ajatuksenkulkua, mutta nyt logiikka toimii oikein päin. Ne osaavat tunnistaa eri rikkakasvit ja osaavat myös ruiskaista kullekin oikean myrkyn. Torjunta-aineita suihkitaan vain sinne, missä todella tarvitaan.

Kasvit voidaan tunnistaa hahmontunnistusmenetelmillä, jotka tutkivat digikuvista lehtien muotoa ja väriä. Lisäksi voidaan hyödyntää myös tietoa sitä, että eri kasveilla on erilaiset fluorosenssit, kun niitä valaistaan. ■

kuva: Timo Oksanen

Protot testattu

Kuva: Valtra

”Tietysti peltojaan vuosia ajaneet viljelijät tietävät, miten ne kannattaa ajaa”, Visala arvioi. ”Mutta kun töitä ulkoistetaan koneurakoitsijoille, ajolinjojen optimoinnista tulee yhä tärkeämpää. Kun urakoitsija menee ensimmäistä kertaa uudelle monipuoliselle peltolohkolle, ei ole vallan helppoa päättää, miten se kannattaa ajaa.”

Ajolinjojen suunnittelusta on tehty jopa väitöskirja. Vanhempi tutkija Timo Oksanen väitteli vuonna 2007 siitä, miten jokin tietty peltolohko voidaa ajaa optimaalisia ajolinjoja pitkin soveltamalla optimisäädön ja optimoinnin menetelmiä.

Keskeinen optimoitava suure on ns. päistäajojen minimointi. Pellon päästä liikkeelle lähdettäessä joudutaan ajamaan tavallaan hyödytöntä ajoa työkone ylösvedettynä, jolloin varsinainen työtehtävä keskeytyy, ja aika kuluu ikäänkuin hukkaan.

Ajolinjojen suunnittelussa määritellään myös optimihetket tankata traktori ja työkoneet.

Optimoinnin pohjaksi tarvittavat peltolohkojen kartat voidaan ladata netistä, koska kaikki Suomen pellot on valmiiksi digitoitu osana EU:n maataloustukijärjestelmää.

Kuvassa on suomalaisten opiskelijoiden kehittämä peltorobotti, joka voitti Field Robot Event’in vuonna 2008. Kone navigoi itsekseen pitkin maissipeltoa tallaamatta taimia ja tarkistaa istutustiheyden. Aukkokohdisssa se tekee automaattisen täydennyskylvön. Kone osaa myös ruiskuttaa kasvinsuojeluainetta niin, että kohteena ovat vain havaitut rikkaruohot. Opiskelijaporukassa oli mukana myös koneenrakentajia sekä maataloustieteen opiskelijoita Viikistä. Projektipäällikkönä ja opiskelijoiden ohjaajana on toiminut jo viidettä vuotta TkT Timo Oksanen.

Vuonna 2009 suomalaisopiskelijoiden robotti sijoittui Wageningen yliopistossa Hollannissa järjestetyssä kilpailussa kolmanneksi.

Metsätyö on raskasta mutta rasittavaa!

kuvat: TKK

Automaatiossa ollaan edetty teknisesti jo niin pitkälle, että traktori voi kulkea pellolla automaattiohjauksella. Metsäkoneissa tilanne on toinen, täysin autonominen harvesteri eli hakkuukone ei ole vielä arkirealismia.

Mutta metsäkoneen kuljettajan työ on hyvin raskasta ja rasittavaa, niin fyysisesti kuin henkisestikin. Siksi kaikki automaation tarjoama apu on hyvin tervetullutta.

Henkistä kuormitusta aiheuttavat erityisesti työn suuri tarkkuus sekä jatkuva päätöksenteko: Mitkä puut otetaan, mitkä jätetään?

Miten kukin hakattava runko apteerataan, eli minkä mittaisiksi pölleiksi se pätkitään? Ja kaiken aikaa pitää vahtia puiden vikoja ja virheitä ja ratkoa niiden tuomia ongelmia.

Eikä päätöksiä voi pysähtyä pohtimaan, kalliin koneen on viuhdottava töitä kaiken aikaa. Päätökset on tehtävä samalla kun tekee jotakin muuta. Tilannetta pahentaa se, että metsäkoneen kuljettajat tekevät itsellisinä yrittäjinä usein hyvinkin pyöreitä päiviä.

Aiemmin harvennushakkuissa metsäteknikot leimasivat ensin hakattavat puut. Sitten metsurit kaatoivat leimikon leimatut puut. Nyt puut valikoi hakkuukoneen kuljettaja.

Siinä sivussa

Vaikeinta on asettaa

syntyy puukartta

sopivat välitavoitteet

Visala tuo esiin mielenkiintoisen näkökulman: On paljon helpompi ajatella, millaisia robotiikan sovelluksia saadaan aikaan pitkällä tähtäimellä kuin keksiä sellaisia aidosti hyödyllisiä välitavoitteita, jotka voidaan toteuttaa muutamassa vuodessa käytännössä.

Tulevaisuuden metsään voi lähteä autonominen miehittämätön hakkuukone, joka paiskii töitä omin päin. Mutta vaikka tämä ei ole vielä tätä päivää, jo nyt voitaisiin tehdä puoliautomaattinen metsäkone, joka helpoissa olosuhteissa tekee työvaiheita täysin automaattisesti, joskin yhä kuljettajan ohjauksessa. Kuljettajan tarvitsee vain osoittaa, mikä puu kaadetaan ja mihin suuntaan.

Kone kaataa, karsii ja katkoo rungot sekä pinoaa ne haluttuun paikkaan. Kuljettaja kommunikoi koneen kanssa näyttöruudulla, jossa näkyvät samat puut kuin ikkunoistakin.

Mutta metsäkoneiden valmistajat eivät ole pitäneet aikaa vielä kypsänä, eivätkä ole instrumentoineet koneita tällaista automatisointia varten. Siksi puoliautomaattista ohjausta on kehitetty vasta simulaatioiden tasolla.

SLAM paikantaa metsäkoneen ja puut

Riippumatta siitä, mille tasolle metsäkoneen automaatio halutaan viedä, tarvitaan aistinjärjestelmä, joka paikantaa koneen ja sen ympärillä olevat puut. Paikantaminen perustuu liikkuviin robotteihin kehittyihin ns. SLAMalgoritmeihin (Simultaneous Localisation And Mapping), jotka nimensä mukaisesti samanaikaisesti paikantavat koneen ja kartoittavat lähiympäristön puut. Puut kartoitetaan servoidulla tasolaserskannerilla, joka mitaa etäisyyksiä tietyssä tasossa (kuva yllä).

Lisäksi tarvitaan GPS-paikannuslaitteisto sekä konenäkökamera, jota käytetään esimerkiksi puulajien tunnistamisessa. Ja koska metsäkone hoippuu ja huojuu kaiken aikaa, paikkaorientaation laskemisessa pitää tehdä myös kiihtyvyys- eli inertiamittauksia IMU-yksiköllä (Inertial Measurement Unit). Esimerkiksi laserskannausta tehtäessä pitää tietää, missä asennossa laite mittaa.

Kun metsässä mönkivä metsäkone mittaa ja paikantaa ympärillään olevat puut, se laatii ’siinä sivussa’ metsästä puukartan, jossa on jokaisen puun puulaji, sijainti sekä läpimitta rinnan korkeudelta. Ja kun SLAM-algoritmi mittaa samat puut yhä vain uudelleen, kartta tarkentuu koko ajan. Perinteisten puukarttojen teko edellyttää hyvin työläitä mittauksia. ”Kehitetty SLAM-paikannus on hämmästyttävän tarkka. Kun testialustana käytetyllä mönkijällä on ajettu metsässä satoja metrejä, ja on palattu lähtöpisteeseen, kumuloitunut virhe on niin pieni, että tallennetusta trajektorista sitä ei juurikaan näe”, Visala myhäilee. ”Pieni kumuloitunut virhe voidaan määrittää tultaessa jo kartoitettuun paikkaan, ja puiden paikkatiedot tarkennetaan takautuvasti.”

Alkujaan rungon halkaisija aiottiin mitata konenäkökameralla, mutta käytännön kokeet osoittivat, että mittaus sujuu riittävän tarkasti myös puiden paikkoja kartoittavalla laserskannerilla. Nyt konenäkökameran käyttö painottuu puulajien tunnistamiseen. Laji määritetään tekstuurianalyysillä puulajeille tyypillisten pintakuvioiden perusteella.

21

”On osoittautunut, että tekstuurinalyysin perusteella eri puulajien tyviosat ovat yllättävän samannäköisiä”, Visala huokaisee. ”Puulajien automaattinen tunnistus onnistuu kuitenkin ylättävän hyvin. Nyt ollaan siinä vaiheessa, että kun koneilla ajetaan helpossa metsässä, niin puukartta syntyy reaaliajassa. Kun tuloksia on verrattu Metlan tutkijoiden perinteisillä menetelmillä laatimiin puukarttoihin, on havaittu, että laserskanneri mittaa puut paljon ihmistä tarkemmin.”

rinnankorkeudelta, eli 130 cm korkeudelta. ”Työssä voitaisiin käyttää 3D-laserskanneria, joka antaa koko syvyyskuvan, mutta ne maksavat vielä aivan liikaa, noin 50 000 euroa. Siksi on käytetty tasoskannereita, joita vähän servoillaan, eli ovat käytännössä kai noin 2,5D-skannereita”, Visala virnistää.

Ongelmaa helpottavat juuri markkinoille tulossa olevat seuraavan sukupolven tasoskannerit, jotka mittaavat kerralla monista peräkkäisistä kohteista tulevat kaiut, jolloin voidaan jättää oksisien kaiut huomiotta ja keskittyä rungoista tuleviin kaikuihin. Nykyiset skannerit mittaavat vain ensimmäisen kaiun.

kuva: TKK

Hakkuukone inventoi

Forestrix-hankkeessa metsäkoneen aistinjärjestelmiin sovellettiin sensorifuusiota mm. niin, että konenäkökameran kuvankäsittelyä nopeuttiin rajoittamalla prosessoitava kuvaala laserskannauksen perusteella (kuva yllä).

Voi kuusipuu, voi kuusipuu

22

Suurimmat ongelmat kohdataan kuusikoissa.

Kuusien kuivat alaoksat haittaavat lasersäteen kulkua, jolloin toivottuja runkokaikuja ei aina saada riittävästi.

Ongelmaa on ratkottu servoamalla lasersädettä ylös–alas. Servoilulla selviää myös se, missä maan pinta kulkee. Tarkoitushan on mitata runkojen läpimitta niin sanostusti

jäljelle jäävät puut

”Hyvin tärkeää on se, että nämä laitteet mittaavat kaiken aikaa työn edetessä, mitä sinne metsään jää kasvamaan, ja samalla syntyy myös dokumentti harvennustyöstä”, Visala korostaa. ”Metsän uuden puustontiheyden perusteella on helppo arvioida, miten hyvin harvennushakkuu onnistui.” ”Samoin voidaan arvioida sitä, ovatko metsäkoneita varten tehdyt ajourat riittävän kapeita. Niistähän on usein kiistaa. Metsänomistajien mielestä ne ovat tietysti usein liian leveitä – jättäisihän kapeampi ura enemmän puita kasvamaan”, Visala hymähtää. ”Mutta todella tärkeää on juuri se, että metsä tulee mitatuksi hyvin tarkasti. Syntyy puukartta, jossa on tarkat tiedot jokaisesta metsään jääneestä puusta; läpimitta rinnankorkeudelta ja puulaji. Koska puiden muoto on mallinnettu tarkasti ja myös niiden kasvu-

kuva: TKK

”Suomen metsäteollisuus pärjää vain laadulla.”

Kuva yllä: Kokeiluja Ponsse Oy:n hakkuukoneella. Pikkukuvassa kujettajan puukarttanäkymä (Matti Öhman ja Mikko Miettinen) nopeus tunnetaan tarkasti, näiden tietojen perusteella pystytään laskemaan hämmästyttävän tarkasti, kuinka paljon puuta metsästä saadaan seuraavassa hakkuussa.” ”Suomen metsät kartoitetaan lähivuosina lentokoneesta käsin tehtävällä laserskannauksella. Siinä mittausresoluutio ei riitä yksittäisten puiden mittaamiseen”, Visala tietää. ”Mutta kun hakkuukoneisiin tulee tällainen sensorointi, tätä kartoitusta voidaan tarkentaa hakkuiden yhteydessä. Metsäteollisuus on tietysti kovin innostunut asiasta.”

Aistinjärjestelmä tukee kuljettajaa

Hakkuukoneen automaation ensimmäisenä konkreettisena vaiheena on kehitetty metsäkoneen kuljettajan kuormitusta vähentävää tukijärjestelmää, joka ehdottaa harvennushakkuussa, mitkä puut tulisi poistaa, jotta päästään tavoiteltuun puustotiheyteen.

Tukijärjestelmä nopeuttaa myös uusien kuljettajien oppimista, mikä on tärkeä asia, koska kuljettajista on kova pula. Nykyiset mittalaitteet eivät kuitenkaan kykene mittaamaan puiden laatuun liittyviä tekijöitä – ja harvennushakkuussa on tarkoitus poistaa huonot puut ja jättää parhaat kasvamaan.

Kokenut kuljettaja osaa kyllä katsoa, onko rungoissa vaurioita tai mutkia – sekä senkin, ovatko ne lenkoja: pitkältä matkalta käyriä.

Lisää apua tuo puoliautomaattinen metsä-

kone, joka hoitaa hakkuutyön jo melko automaattisesti, jolloin kuljettajalle jää enemmän aikaa tärkeään laaduntarkkailuun. Noviisille tämä apu on varmasti todella tervetullutta. ”Puhutaan paljon puupulasta, mutta itse asiassa on paljolti kyse siitä, että hakkuukapasiteettia ei ole tarpeeksi. On myös ollut paljon leutoja talvia, joina metsäpohja ei ole jäätynyt riittävästi, ja paljon talvileimikoita on jäänyt hakkaamatta”, Visala muistuttaa.

Nyt voidaan mitata kuoretonkin läpimitta

”Sama pöllinpääkamera voi myös mitata katkaisukohdasta rungon kuorettoman läpimitan, joka kiinnostaa metsämiehiä kovasti.

Nykyään rungon läpimitta mitataan karsintateriltä, mutta silloin saadaan kuorellinen läpimitta, ja kuoren paksuus vaihtelee paljon.

Kilpikaarnaisessa männyssä voi olla parin– kolmen sentinkin kuori”, Visala kertoo.

Pienikin parannus Isot haasteet tuo se, että hakkuupäähän asennettava instrumentointi joutuu toimimaan tuo paljon rahaa tosi karuissa ja epäystävällisissä oloissa. ”Tässä toisessa metsäkonehankkeessamme, Laitteiden on siedettävä mm. tärinää, öljyä, Metrixissä, keskeisin teema on ollut laatu, vettä, lunta, jäätä sekä purua ja pölyä. koska se on ainoa asia, jolla Suomen metsäteollisuus voi pärjätä ”, Visala tiivistää.

Pöllien pituus”Laatu on niin tärkeä asia, että siihen mittauskin optiseksi pitää päästä käsiksi jo hakkuutyön yhteydessä metsässä. Siksi Metrixissä on kehitetty Nyt voidaan uudistaa myös katkaistavien harvesterin hakkuupäähän tulevia mittaus- pöllien pituusmittaus, jonka on tehnyt runkoa laitteita, joilla pystytään mittaamaan juuri pitkin pyörivä hammastettu mittapyörä. Vaiklaatuun liittyviä asioita. Hankeessa ovat ka ratkaisu on selkeä ja yksinkertainen, se ei mukana myös stereonäköä tutkiva TKK:n toimi aina täysin luotettavasti. Erityisesti lumi, fotogrammetrian tutkimusryhmä sekä ns. jää ja isot oksat aiheuttavat mittausvirheitä. laippanäköjärjestelmää tutkiva VTT.” ”Olemme kehittäneet konenäköön perus”Koska Suomessa hakataan miljoonia tuvaa puuta koskematonta mittausmenetelkuutiometrejä vuodessa, pienilläkin hakkuu- mää, joka toimii samaan tapaan kuin optivaiheen parannuksilla on valtaisa taloudelli- nen hiiri. Hakkuupäästä työntyvästä puunnen merkitys”, Visala muistuttaa. rungosta otetaan jatkuvasti valokuvia, joista Laho ei saa jäädä huomaamatta

”Tampereen teknillisen yliopiston tutkijat ovat kehittäneet Metrix-hankeessa hakkupään takaosaan ns. pöllinpääkameraa, jonka tärkein tehtävä on lahon toteaminen sekä lustoanalyysi, Visala kertoo. ”Myös lahon syynääminen on kuljettajalle tosi rankkaa. Runko on kaukana ja laho näkyy vain pienenä värinmuutoksena – ja puun väri vaihtelee muutenkin paljon. Päättely on hyvin vaikeaa. On suuri edistysaskel, että konenäkö toteaa lahon luotettavasti.”

Jos lahoa on vähänkin, pölli ei kelpaa sahatavaraksi. Kuitupuupölleissä saa olla kovaa lahoa, mutta pehmeää lahoa sisältävät pöllit kelpaavat vain energiapuuksi.

Lahokin liittyy usein kuusiin, joissa esiintyy maannousemasientä, joka lahottaa rungon ydintä – ja tietysti arvokkaimmasta tyviosasta alkaen. Laho vähenee latvaa kohden, mutta sen loppukohta on vaikea arvioida. Sahoilla asiaa tutkitaan röntgenlaitteilla, mutta ne ovat liian kalliita harvestereihin.

Seuraavaksi kaadettavan puun runkomuodon määritys laserskannerilla.

Kuva: Mikko Miettinen.

Apteerauskin automaattiseksi

”Kun tehdään sahatavaraa, tyvipöllin katkaisu on taloudellisesti hyvin tärkeä asia”, Visala painottaa. ”Jos puu on lenko, se pitää pätkiä sopivan lyhkäisiksi pölleiksi, että siitä voidaan tehdä sahatavaraa”, hän opastaa. ”Ja jos rungossa on mutka, niin siitä tehdään sopivan lyhyitä sahapöllejä tai ehkä mutkan kohdalta tehdään kuitupuupölli.” ”Päätökset tekee metsäkoneen kuljettaja.

Hänen työtään voidaan helpottaa kehittämällä automatisoitu apteerausmenetelmä, joka mittaa rungon muodon ja katkoo pöllin sen perusteella. Tämä on tärkeä välivaihe edettäessä kohti autonomisia metsäkoneita.” ”Me kehitämme nyt Metrix-hankkeessa määritellään rungon siirtymä aina kahden perättäisen kuvan välillä, ja sitten perättäisten mittauslaitteita, joilla puun tyviosan runkokuvaparien väliset siirtymät summataan yh- muoto pystytään määrittämään jo metsäteen”, Visala selvittää. ”Kameran pose eli koneen lähestymisliikkeen aikana – kun paikka ja orientaatio pölliin ja hakuupäähän puu on yhä pystyssä. Menetelmät perustuvat laserskannereihin ja liikenäköön.” nähden määritetään reaaliaikaisesti.” ”Kehitimme jo 90-luvun lopulla RautaruuRFID kyljessä kin omistaman Fundia Wire’n terästehtaalle sahalle tai tehtaaseen Koverhar’iin ns. valuterästeelmien pinnanlaadun varmistamiseen järjestelmän, jossa Metsäkoneen tietojärjestelmä kerää kaiken mahdollisen vikakohdan paikka määritel- aikaa talteen tarkkaa tietoa siitä, kuinka lään tällä menetelmällä.” paljon ja millaista puuta metsästä korjataan. ”Perustekniikka on siis testattu jo käytän- Jokaikinen pölli mitaan tarkasti ja tiedot myös nössäkin. Nyt haasteena on kuitenkin pöllin välitetään eteenpäin. nopea liike. Se syöksyy hakkuupäästä jopa Jos pölliin nidotaan yksiselitteinen tunniste, viisi metriä sekunnissa, joten tarvitaan aika niin sen avulla voidaan myöhemmin hakea nopeaa kuvankäsittelyä. Ongelma on kuiten- tietokannoista kaikki pöllistä tallennettu tieto: kin teknisesti ratkaistavissa ja sopivia kame- puulaji, pituus, kuoreton läpimitta, oksaisuus, roitakin saa jo varsin kohtuuhinnalla. Mittaus kasvupaikka jne. Tiedot avittavat melkoisesti on tarkempi kuin perinteisellä mittapyörällä.” esimerikiksi saha- ja viilupuiden käsittelyä.

Pöllin pituutta mitattessa voidaan myös Lupaavia tuloksia on saatu testaamalla laskea, kuinka paljon rungossa on oksia ja erityyppisiä RFID-tunnisteita (Radio Frecuency mikä on niiden keskimääräinen läpimitta. IDentification), jotka nidotaan pöllin kylkeen.

Nämä tiedot ovat tärkeitä laskettaessa Niiden avulla jäljittyy myös pöllien alkuperä sahatavaran lujuusluokitusta. ja kasvupaikka. ■

23

kuva: Ilpo Koskinen

Systeemitekniikan tutkimusryhmä Teksti: Ilpo Koskinen

”K

eskeistä osaamisaluettamme on signaalien käsittely ja analysointi sekä niiden hyödyntäminen säädössä, koneiden ja laitteiden monitoroinnissa, laadunvalvonnassa ja vikadiagnostiikassa”, kuvailee professori Heikki Koivo johtamansa Systeemitekniikan tutkimusryhmän tutkimuskenttää ja käynnistää samalla videon, joka esittelee signaalianalyysin uuden sovellussalueen.

Signaalianalyysillä lisää työtehoa

24

Videolla metsäkoneen kuljettaja lastaa tukkikuormaa. Hän ohjaa toimintaa kahdella joystick’illä, joiden generoimat signaalit tallennetaan ja analysoidaan sitten ns. piiloMarkov-menetelmällä. ”Olennaista on se, että tämän datan avulla me pääsemme käsiksi eri työvaiheisiin.

On aika uusi ajatus, että työkykyä ja työtaitoa analysoidaan tällaisilla tutkimusmenetelmillä”, Koivo selvittää.

Systeemitekniikan tutkimusryhmän johtaja on professori Heikki Koivo ja ryhmän toisen professuurin hoidon jakavat Heikki Hyötyniemi ja Robert Tenno puoliksi. Englanniksi ryhmän nimi on Control Engineering.

Opetuksen painopistealueet ovat automaatio-, systeemi- ja säätötekniikan alalla käytettävät teoreettiset menetelmät sekä niiden soveltaminen. Tutkimusalueita ovat mm: ❏ systeemiteoria ❏ prosessisäätö ❏ mekatroniikka ❏ kybernetiikka ❏ systeemidynamiikka ❏ käyttö ja kunnossapito ❏ langaton tietoliikenne ❏ mikro- ja nanorobotiikka ❏ tehoelektroniikka ja sähköiset koneet ❏ mikropiirien tuotannon automatisointi.

”Tämä on vähän kuin rock&rollia”, sanoo kokenut kuljettaja, joka tekee työtä tyylikkään rytmikkäästi. Hän toimii nopeasti ja tehokkaasti, mutta kuluttaa silti vain vähän polttoainetta. Aloittelijalta työ käy huomattavasti vaivalloisemmin.

Seuraavaksi kuva-alan täyttää valtava metsätyökone, harvesteri. Se kaataa, karsii ja katkoo puita ripeään tahtiin. ”Tämä on sikäli merkittävästi hankalampi tapaus, että mukana on jo paljon automaatiota. Mutta itse analyysi etenee kyllä aika lailla samoin”, Koivo huomauttaa.

Kuvan alareunassa näkyy menossa oleva työvaihe ja sen alla myös käytettävä työtekniikka, eli muun muassa se, kaadetaanko puu oikealle vai vasemmalle puolelle. ”Tässä tutkimuksessa on mukana myös Joensuun yliopiston metsätieteilijöitä, jotka tutkivat juuri työtekniikoita. Mukana saisi olla psykologikin, jotta saataisiin psykologinen näkemys mukaan”, Koivo kertoo.

Tuottavampaa

kuva: Konecranes

rikastamista

Sataman konttinosturi.

Uutena tutkimuskohteena video esittelee sataman konttinosturin kuskeineen. Taaskin voidaan soveltaa piilo-Markov-tekniikkaa.

Tämä hanke käynnistyi vuonna 2008. ”Jos rahoitus järjestyy, lähdemme miettimään, miten koko sataman toimintaa voidaan optimoida ottaen mukaan myös muut sen koneet, ehkä jopa suurissa satamissa redillä odottelevat laivatkin”, Koivo sanoo.

Koivo näyttää kuvan Pyhäsalmen kaivoksesta ja murahtaa, ettei hän aina oikein ymmärrä suomalaista teollisuuspolitiikkaa, joka johtaa joskus kummallisiin tapahtumiin. ”Pyhäsalmen kaivoksen omisti aiemmin Outokumpu, joka myi sen vuonna 2002 kanadalaiselle Inmet Mining Corporationille 60 miljoonalla eurolla. Myyntiin oli omat syynsä, mutta eipä se hyvä kauppa ollut”, hän pohtii. ”Kaivos on nyt hyvin tuottoisa.

Pelkästään vuonna 2007 voittoa tuli noin 100 miljoonaa euroa ja kaupan jälkeen sitä oli kertynyt yli 300 miljoonaa euroa.” ”Tietysti mekin voimme ottaa tästä osan kontollemme. Olemme tehneet yhteistyötä kaivoksen kanssa yli 10 vuotta ja kehittäneet sinne erilaisia tehokkuutta parantavia järjestelmiä. Kyseessä on yksi pisimmälle automatisoiduista kaivoksista koko maailmassa.” ”Olemme kehittäneet esimerkiksi konenäköön perustuvan analysaattorin, joka analysoi kaivoksen rikastamossa vaahdotuskennojen vaahdon kuplien väriä, kokoa ja

liikettä, jotta automaatiojärjestelmä voi tehostaa prosessia ja tasoittaa laatua. Muutamia vuosia sitten kaivoksessa arvioitiin, että tämä uusi säätösilmukka säästi yli 200 000 euroa vuodessa. Ennen operaattorit kävivät itse katsomassa, miltä vaahdon pinta näytti.

Hyvin onnistuneesta hankkeesta hyötyi myös Outotec. Kaivokseen liittyvän tutkimuksen tuloksiahan tuotteistetaan kaiken aikaa.”

Malmi tulee rikastamon kennoihin hienoksi jauhettuna lietteenä, johon on sekoitettu vettä ja kemikaaleja. Kennoihin puhalletaan alhaalta ilmaa, jolloin syntyy kuplia, joihin eroteltavat mineraalit tarttuvat kemikaalien ansiosta. Kuplat nousevat kennon pinnalle muodostaen vaahtoa. Tämä kerätään talteen ja lähetetään seuraavaan rikastusvaiheeseen. Kennoja on useita kymmeniä.

Arvokkaat mineraalit tarttuvat nouseviin ilmakupliin, koska lietteeseen on lisätty pintaaktiivisia kemikaaleja (esim. ksantaattia), joiden avulla mineraalipartikkelit saadaan hydrofobisiksi. ”Vaikka sovellutus on kovin käytännönläheinen, se tarjoaa melkoisia tieteellisiäkin haasteita. Siksi tällaisia analysaattoreita ei ole tehty muualla maailmassa. On arvokas asia, että Suomessa tiedemaailma ja teollisuus tekevät kansainvälisesti verrattuna poikkeuksellisen hyvää yhteistyötä – paljolti Tekesin ansiosta”, Koivo pohtii.

kuva: Jani Kaartinen

kuva: Jani Kaartinen

Harvesteri Brasiliassa.

Vaahdotuskenno.

Pyhäsalmen kaivoksen päätuotteet ovat kupari ja sinkki, ohessa löytyy jonkin verran kultaakin. Kaivos on Pohjois-Pohjanmaalla, ikäänkuin keskellä ei mitään. Paikalliset pyhäjärveläiset kehuvat kuitenkin olevansa Suomen keskipistealueella – ’lähellä’ on viisi lentokenttääkin: Jyväskylä, Kajaani, Kuopio, Kruunupyy ja Oulu.

Kaivos työllistää yli 200 suomalaista.

Koska kyseessä on Euroopan syvin kaivos (yli 1400 metriä), niin toki sinne on rakennettu maailman syvimmällä oleva sauna!

25

jopa rajuilmat

kuva: Petri Hänninen

Yhteistä monille Systeemitekniikan tutkimusryhmän projekteille ja hankkeille on se, että niissä hyödynnetään ns. Soft Sensor -menetelmiä, joissa operatiivisesti merkittävää informaatiota jalostetaan prosessoimalla useista erilaisista mittauksista samanaikaisesti saatavaa raakadataa. Näin muodostetaan virtuaaliantureita, joilla voidaan datafuusion ja digitaalisen signaalinkäsittelyn keinoin estimoida myös sellaisia prosessiin liittyviä suureita, joita ei syystä tai toisesta voida suoraan mitata.

Sinänsä signaalien käsittelyä ja analysointia voidaan soveltaa vaikka millä alalla.

Tutkimusryhmässä on muun muassa kehitetty

Tilanne on aivan toinen kuin säädettäessä esimerkiksi paperikoneen viiran nopeutta, jossa näytteenottoväli kellotetaan tarkasti.” ”Joudumme myös miettimään, lähetetäänkö anturien mittaustiedot sellaisenaan, vai esikäsittelläänkö ne mikrokontrollerilla paikan päällä, jolloin kaikkea dataa ei tarvitse lähettää eteenpäin. Tähän liittyy myös termi datafuusio, joka tarkoittaa, että eri mittauksia yhdistetään poimimalla kustakin irti se olennaisin.”

Koivo vilauttaa kuvan yhdestä sovelluksesta: taistelukentällä on joukko ’älysotilaita‘, joiden välillä käy vilkas radioliikenne – eli kukin heistä on ikäänkuin langaton anturi.

Heikki Koivo ”Mutta tietenkään kyseessä ei tarvitse olla sotilassovellus. Paljon enemmän käyttökohteimenetelmiä, joilla voidaan analysoida ja ta on esimerkiksi erilaisten onnettomuuksien luokitella itsenäisesti toimivien sääasemien pelastustoimissa – ja vielä kansanomaisemtoimivuutta. Asialla on varsin iso käytännön pia sovellusalueita löytyy esimerkiksi rakenmerkitys, koska Vaisalan sääasemia on nusautomaation ja tieliikenteen alueilta.” maailmalla hyvin paljon ja niitä sijaitsee hyvinkin etäisissä paikoissa. Esimerkiksi Australian takamailla on hyvin merkityksellistä tietää, koska sääaseman luokse on tarpeen lähettää huoltomies.

Eikä signaalien analysoinnin tarvitse liittyä välttämättä tekniikkaan. Yhdessä hankkeessa ollaan mukana tutkimassa rajuilmoja.

Vaikka äkilliset ja voimakkaat rajuilmat eivät ole Suomessa kovin tavallisia, niihin liittyy Nieltävä tutkimuskapseli. paljon vaaratekijöitä. Siksi on tärkeätä kehittää menetelmiä, joilla niiden eteneminen Pilleri analysoi pystytään ennustamaan. kuva: Ilpo Koskinen

Tutkimuskohteena

Langattomia anturiverkkoja

kuva: Ilpo Koskinen

Yksi keskeinen tutkimusalue ovat langattomat anturiverkot – huomioiden erityisesti myös säätöön liittyvät toimilaitteet kuten venttiilit ja sähkömoottorit. Langattomia anturiverkkoja tutkitaan yhteistyössä ruotsalaisen Kungliga tekniska högskolanin (KTH) kanssa. ”On kyllä harhaanjohtavaa puhua langattomasta anturista. Oikeasti anturiin on liitetty radiolähetin”, Koivo täsmentää. ”Asiaan liittyy monia mielenkiintoisia tietoliikenneteknisiä kysymyksiä, esimerkiksi lähetysnopeus ja reititykset. Lisäksi tietoa voi tulla vähän milloin sattuu, ja mitatut tiedot voivat Ilmatieteen laitoksen säätutka Luostotunturilla. tulla perille aivan väärässä järjestyksessä.

26

oletko sairas

Perinteisesti automaation ja systeemitekniikan sovellukset ovat liittyneet usein suuriin kokonaisuuksiin, esimerkiksi tehdasprosesseihin.

Nyt professori Koivon paikalle marssittama tutkija DI Petri Hänninen kertoo esimerkkejä siitä, että kaikki kaunis ei ole aina suurta.

Hänninen kertoo mikro- ja nanorobotiikasta sekä systeemien tutkimisesta mikro- ja nanotekniikan koossa. Käytännön esimerkkinä on mielenkiintoinen hanke, jossa kehitettiin nieltävä kapseli, joka kulkee ruuansulatuskanavan läpi ja diagnosoi yhdessä muun laitteiston kanssa onko potilaalla ns. ärtyneen suolen oireyhtymä vai ei.

Eräänlaisena esikuvana oli aivan samankokoinen kaupallinen kamerapilleri, joka

Automaattinen diagnoosi

Hänninen näyttää, miten ohuesta ja joustavasta materiaalista tehty pienoinen piirilevy taitellaan haitariksi, joka mahtuu nieltävän kapselin sisään. Piirilevyllä on 3D-kiihtyvyysanturi, mikrofoni, lämpötila-anturi sekä näistä saatavia signaaleja esiprosessoiva mikrokontrolleri, pieni paristo ja kaiken kukkuraksi vielä radiolähetin, joka lähettää mittaustulokset potilaan vyöllä olevaan radiovastaanottimeen ja analysointilaitteistoon.

Mittaustieto voitaisiin tallentaa myös kapseliin asennettavaan muistiin, mutta radion käyttö toi monta etua. Nyt tiedetään koko ajan systeemin toimivan, tietoja päästään Kokeissa kappale asetettiin sijoituspaikan läheisyyteen ja nesteen pintajännitys asemoi kappaleen tarkasti paikoilleen.

analysoimaan heti – eikä ole pelkoa siitä, että mitatut tiedot menetetään, jos kapseli päätyy viemäriin.

Kapseli pystyy mittaamaan noin vuorokauden ajan. Kun tietoa on kertynyt tarpeeksi, esimerkkitapausten avulla opetettu analyysiohjelma kertoo eräänlaisen hyvyysluvun muodossa onko potilaalla oireyhtymä vai ei.

Mittausmenetelmä perustuu liikemittausten ohella paljolti äänihavaintoihin. Näitä voisi tehdä myös niin, että lääkäri kuuntelee potilasta stetoskoopilla. Mutta kuka ehtisi ja jaksaisi tehdä sitä tuntikausia? Lisäksi kuuntelua haittaavat välissä olevat kudokset.

Kehitystyöhön osallistui kolme ryhmää porsaita. Yksi kärsi ummetuksesta, toinen ripulista, kolmas oli terveitä verrokkeja.

Ajatuksena oli, että myös hanketta luotsanneet professorit Koivo ja Konttinen olisivat kumpikin nielleet kapselin. Mutta molemmat luistivat – ehkä eivät tunteneet itseään sairaiksi. Itse voisin hyvinkin niellä.

Komponentit etsivät itse paikkansa piirilevyllä

Seuraavaksi Petri Hänninen kertoo tutkimusprojektista, jossa komponenttien ladontaa piirilevylle tehostetaan itseorganisoitumisen avulla. ”Kun komponentit asetellaan piirilevylle yksi kerrallaan pinseteillä tai vakuumitarttujalla, työ etenee varsin hitaasti, vaikka tekijänä on robotti, joka latoo niitä vaikka kymmenen sekunnissa. Voihan piirilevyllä olla tuhansia komponentteja”, Hänninen taustoi. ”Nyt ideana on saada komponentit hakeutumaan itse paikoilleen. Kuvainnollisesti voisi sanoa, että kaadetaan vain komponentit laatikosta piirilevylle ja ravistellaan vähän. Jos 99 prosenttia komponenteista löytää paikkansa itse ja loput asetellaan mekaanisesti, niin tästä ’parsimisesta’ huolimatta komponenttien asettelu sujuu noin 10 kertaa nopeammin kuin perinteisesti.”

kuva: Petri Hänninen

kuvaa koko ruuansulatuskanavan. Mutta kun kamerapillerin näpsimien kuvien tulkintaan tarvitaan välttämättä erikoislääkäri, nyt haluttiin kehittää järjestelmä, jossa diagnoosi voidaan tehdä automaattisesti. Hankkeen lääketieteellisestä puolesta on vastannut professori Yrjö Konttisen tutkimusryhmä Helsingin yliopistossa.

Vaikka ärtyneen suolen oireyhtymä on hyvin yleinen vaiva, sen diagnostointi on kovin hankalaa. Kyse ei ole varsinaisesta sairaudesta, vaan pikemminkin suoliston lihaksiston epäideaalisesta toiminnasta, joka aiheuttaa joillekin potilaille ummetusta, toisille ripulia ja osalle heistä vuorotellen kumpaakin – sekä usein myös kipuja ja ehkä kouristuksiakin.

Koska diagnoosin tueksi ei ole tarjolla mitään suoraviivaista menetelmää, jossa esimerkiksi mitataan jonkin aineen pitoisuus, diagnoosin teko etenee niin, että pyritään sulkemaan pois kaikki muut samankaltaisia oireita aiheuttavat sairaudet, jotka yleensä ovat selvästi vaarallisempia. Ärtyneen suolen oireyhtymähän ei ole kuolemaksi, mutta kuitenkin selkeästi elämänlaatua heikentävä.

Lisäksi sillä on vahva taipumus muodostua krooniseksi, joskin oireilu vaihtelee usein melkoisesti. Muut vaihtoehdot poissulkevan diagnoosin teko kestää kauan ja tulee hyvin kalliiksi.

kuvat: Ilpo Koskinen

Kolme kapselin sisään taiteltavaa piirilevyä sekä yksi käytetty, joka on jo seilannut possun ruuansulatuskanavan läpi.

27

28

Aika hurjaa, eikö vain? Tähän eivät kuitenkaan sovi mitkä tahansa komponentit.

Pienet, alle 1 mm, komponentit soveltuvat menetelmiin isoja komponentteja paremmin, koska tällä hetkellä käytetyt menetelmät perustuvat pintavoimien hyödyntämiseen.

Pienille komponenteille pintavoimat ovat painovoimaa suurempia. Mutta miten ihmeessä ne löytävät itse omat paikkansa? ”Yksi esimerkinomainen tapa on käyttää avuksi matalan-sulamispisteen-juotetta. Aluksi suojataan piirilevyn pinta suojakerroksella.

Suojakerrokseen jätetään komponenttien mentävät reijät ja komponenttien liitospinnoille lisätään matalan-sulamispisteen-juotetta.” ”Kun piirilevy laitetaan lämmitettyyn kylpyyn, juote pysyy sulana. Sitten lisätään komponentit kylpyyn ja ravistellaan. Kun kylvyssä lilluvan komponentin metallipinnat osuvat sille varattuun ruutuun, niin SLURPS... no, ei siinä nyt ääntä kuulu... mutta siinä se piiri sitten on aivan tarkasti paikallaan.”

Ahaa, pohdin itsekseni, näin asetetaan hetkessä paikoilleen vaikkapa suunnaton määrä samanlaisia muistipiirejä. Ja jos piirit ovat erilaisia, niin tehdään vain komponenteista erimuotoisia ja -kokosia ja tehdään niitä vastaavia parkkipaikkoja – siis aivan sama idea kuin kuuluisissa poliisiopiston pääsykokeissa. Hänninen naurahtaa, mutta ei ehkä halua paljastaa aivan kaikkia yksityiskohtia. ”Tietenkään siellä ei saa olla samanmuotoisia eri tarkoituksiin olevia piirejä – ellei niitä sitten ’ladota’ eri aikaan”, hän kuitenkin täsmentää. ”Olemme kehittäneet omia hydrofiilisiä ja hydrofobisia pintoja ja tehneet niillä erilaisia prototyyppejä, mutta jäljellä on vielä aika paljon tekemistä”, hän huokaisee. ”Pinta-ilmiöiden mallintamiseen on hyvinkin kehittyneitä teorioita. Näiden pohjalta on kuitenkin hyvin vaikea ennustaa, miten komponentit tosielämässä käyttäytyvät kylvyssä.

Siksi me teemme rinnalla erilaisia käytännön kokeita. Karrikoiden voisi jopa sanoa niin, että niitä tehtäessä emme aina edes tiedä aivan tarkasti sitä, mitä olemme tekemässä.

Muuttelemme parametrejä ja katsomme, millaisia tuloksia saadaan aikaan – ja mietimme sitten syy–seuraus–suhteita.”

Piirilevyjen laatu hallintaan

Tutkimusryhmä tutkii myös laadunvalvontaan ja vikadiagnostiikkaan liittyviä asioita.

Kun suomalainen elektroniikkateollisuus oli vielä voimissaan 2000-luvun puolivälissä, piirilevyjen valmistukseen liittyvää laadunvalvontaa tutkittiin monessa eri hankkeessa.

Yhdessä projektissa kehitettiin konenäköön perustuva menetelmä, joka tutkii onko piirilevyn kuparissa korroosiosta kieliviä tummia täpliä. Aiemmin tällainen visuaalinen tarkastus tehtiin aina ihmissilmin laboratoriossa.

Toisessa piirilevyjen valmistukseen liittyvässa tutkimusprojektissa kehitetiin menetelmä, jolla voidaan tutkia ja optimoida piirilevyjen kuparipintojen nikkelöintiä, jonka tarkoituksena on estää kuparin hapettuminen.

Nikkelöinnin onnistumisen tutkimisen ja optimoinnin teki hyvin haasteelliseksi se, että nikkelikerros kasvatetaan vahvassa happokylvyssä, jonka vuoksi on mahdotonta tehdä suoria mittauksia. Ratkaisuna oli prosessin matemaattinen mallintaminen niin, että halutut parametrit pystytään laskemaan sellaisten muiden parametrien avulla, jotka ylipäänsä voidaan mitata.

Projekti onnistui erittäin hyvin, ja siinä tehdyn diplomityön palkitsi vuoden parhaana diplomityönä sekä Teknillinen korkeakoulu että Tekniikan Akateemisten Liitto TEK. Kolmantena esimerkkinä Koivo mainitsee projektin, jossa tutkittiin ja mallinnettiin monikerroksisten piirilevyjen kerroksia yhdistävien läpikuparoitujen reikien täyttöä.

Mutta sitten edellä kerrotuissa projekteissa yhteistyökumppanina olleen Aspocompin teknologiaosaaminen myytiin käytännössä Kiinaan. Yhteistyöltä putosi pohja, mutta tieteelliset tulokset johtavat väitöskirjaan.

Nerokkaat ideat joutavat pölyyntymään

”Turhan usein käy näin, että itse tutkimus etenee loistavasti, mutta sitten ajaudutaan täysin tutkijoista riippumattomasta syystä johtuen sellaiseen tilanteeseen, että tutkimusta ei pystytä jatkamaan”, Koivo harmittelee.

Laboratoriotiloissa kiertäessämme näen kaappien päällä pölyyntymässä prototyyp-

pejä, jotka odottevat vain sitä, että jostakin putkahtaisi vielä joskus rahaa, jolla laboratoriossa jo toimiviksi todetut ideat voitaisiin lopulta jalostaa teolliseen käyttöön sopiksi.

Yksi esimerkki on analysaattori, johon ohjataan selluprosessista sivuvirtana pieni määrä sellua, joka sitten laimennetaan niin, että päästään käsiksi yksittäisiin sellukuituihin.

Niitä poimitaan kapillaariputken kautta yksitellen venytyskokeeseen, jonka mittauskäyrä paljastaa armotta kuitujen ominaisuudet – ja samalla myös sen, kuinka hyvin prosessin parametrit ovat kohdallaan.

Viereisellä protolla voidaan järjestellä tekeillä olevan paperin sellukuituja sähkökentän avulla niin, että ne asettuvat halutulla tavalla ristiin keskenään. Näin syntyy ohutta ja kevyttä paperia, jonka luujuus vastaa paljon paksumpaa ja painavampaa paperia.

Jään ihmettelemään, miksi näin hienot ideat voivat pölyyntyä kaappien päällä.

Piiritystilanne; kuinka monta on sisällä?

Joskus taas käy aivan päinvastoin: aluksi ehdotettu tutkimushanke ei kiinnosta juuri ketään, mutta sitten aivan hetkessä – vaikka muutaman kouluissa ammutun laukauksen jälkeen – tutkimusaihe muuttuu tulikuumaksi. ”Eräällä tutkijalla on ystäviä sisäasiainministeriön poliisiosastolla. Heidän kanssaan pohdittiin, löydämmekö yhteisiä kiinnostavia tutkimuskohteita. Yksi aihe oli piiritystilanne, jossa paikalle tulevat poliisit haluavat heti tietää, kuinka monta henkilöä on sisällä rakennuksessa”, Koivo kertoo. ”Monista vaihtoehdoista me päädyimme ratkaisumalliin, jossa piiritettyyn rakennukseen lingotaan ikäänkuin haulikolla ampuen langattomia mikrofoneja, joiden lähettämistä signaaleista voidaan analysoida, kuinka monta henkilöä siellä on.” ”Mikrofonien linkoamiseen on olemassa jo valmiita laitteita. Ai niin, mutta Neuvostoliitossahan tämä asia oli jo erittäin hyvin hallussa”, Koivo hymähtää. Kysyn tarkoittaako hän teräsbetonia, jonka reseptinä oli kaksi osaa mikrofoneja ja yksi osa betonia. Koivo nyökkää hyväksyvästi.

Tutkimusideaa ei kuitenkaan saatu kaupatuksi Tekesille, koska ’Suomessa ei ollut kos-

kaan tapahtunut mitään’. Vieri jokunen vuosi, tuli koulusurmat, ja yht’äkkiä Tekes käynnisti hetkessä ison turvallisuustekniikan ohjelman ja Koivon tutkijoita lennätettiin pikavauhdilla Yhdysvaltoihin, jossa asevoimien tutkimusorganisaatio DARPA (Defence Advanced Research Projects Agency) oli kovin kiinnostunut aihepiiristä. Pian tarjolla oli yhteistyökumppani ja mahdollisesti rahoitustakin jopa rapakon takanakin.

Sitten tuli yhteydenotto Ruotsista. Siellä haluttiin käynnistää tutkimusohjelma, jossa hyödynnetään kannettavia tutkia.

Säädetään jännitteet ja

”Systeemitekniikan ryhmässä tutkitaan toki edelleen myös ’perinteistä’ säätötekniikkaa”, kertoo opettava tutkija TkT Kai Zenger.

Säätötekniikan tutkimuksessa on tehty tiivistä yhteistyötä ETA-tiedekunnan muiden ryhmien kanssa tutkittaessa esimerkiksi monimutkaisten teholähdejärjestelmien säätöä ja pyörivien koneiden värähtelyjen vaimentamista säätötekniikan keinoin. ”Hakkuriteholähde on toiminnaltaan ja hyötysuhteeltaan perinteisiä teholähteitä selvästi parempi ja edullisempi. Se katkoo verkosta tulevaa suodatettua ja tasasuunnattua syöttöjännitettä siten, että kuormaan saadaan halutun suuruinen jännite, joka voi olla suurempi tai pienempin kuin tulojännite.

Kun katkojan toimintaa ohjataan mitatun lähtöjännitteen perusteella, syntyy suljettu säätöpiiri, Zenger johdattelee. ”Tällaisen teholähteen toiminta ja säätäminen tunnetaan erittäin hyvin. Ongelma syntyy siitä, että nykyisissä palveluratkaisuissa vaaditaan useita tehoasteita: suodattimia, sarjaan kytkettyjä teholähteitä sekä väylään kytkettyjä teholähteitä. Kaikki nämä taas syöttävät rinnan uusia vastaavia kytkentöjä – ja niin edelleen.” ”Kokonaisuudesta muodostuu hankala dynaaminen systeemi, jonka toiminnan tutkiminen sähkötekniikan keinoin on vaikeaa.

Avuksi tulee kuitenkin moderni säätöteoria, jolla ongelma voidaan kääntää monimuuttujajärjestelmien teorian kielelle. Ratkaisu säätötekniikan maailmassa antaa ratkaisun myös sähköpiirien maailmassa.”

kuva: Kai Zenger

vaimennetaan värinät

Testausjärjestely, jossa tutkitaan 30 kW sähkömoottorin värähtelyn vaimentamista.

Aktiivinen toimilaite vaimentaa värähtelyt

”Sähkömoottoreita ei voida helposti ajaa suurilla kierrosnopeuksilla, koska määrätyillä taajuuksilla syntyvä mekaaninen resonanssi saa roottorin värähtelemään voimakkasti”, Zenger johdattelee seuraavaan aiheeseen. ”Värähtelyt voidaan hallita tuottamalla sopivalla toimilaitteella vastavoimia, jotka kumoavat alkuperäisen värähtelyn. Sitten kierrosnopeus voidaan nostaa yli kriittisen nopeuden uudelle turvalliselle alueelle – ja konetta voidaan jopa ajaa kriittisellä nopeudellakin kuinka pitkään halutaan.” ”Tällaisen toiminnan suunnittelu ja toteuttaminen edellyttää yhteistyötä eri alojen asiantuntijoiden välillä: on hallittava sähkömootto-

reiden toiminta ja mallitus, uusien toimilaitteiden mekaaniset konstruktiot, mallien identifiointimenetelmät sekä säätömenetelmät. Johdetut matemaattiset algoritmit ovat geneerisiä, eli sillä tavalla yleisiä, että niitä voidaan käyttää myös ratkottaessa muita värähtelyongelmia”, Zenger kertoo.

Aihe on sikäli hyvin ajankohtainen, sillä 20.11.2009 julkaistun uutisen mukaan Tekniikan Akateemisten Liitto TEK ja Tekniska Förening i Finland TFiF myönsivät vuoden 2009 diplomityöpalkinnon DI Anssi Sinervolle hänen työstään ’Kaksinapaisen oikosulkumoottorin värähtelyjen mallinnus ja säätö’. Työ tehtiin ETA-tiedekunnan Sähkömekaniikan tutkimusryhmässä. Työn valvoja oli professori Antero Arkkio ja ohjaaja Kai Zenger. ■

29

kuva: Ilpo Koskinen

Teksti: Ilpo Koskinen

Kybernetiikka:

Viisautta on tietää kuinka kaikki ohjaa kaikkea cybernetics in biological systems’. Selaan kirjaa pikaisesti ja näen, että sivut pursuavat mutkikkaita yhtälöitä ja kaavoja. Nousee pala kurkkuun: liki kolmesataa sivua tiivistä johdatusta aiheeseen, joka pitäisi tiivistää nyt parille sivulle! Kysyn toiveikkaana Hyötyniemeltä, onko hän kirjoittanut aiheesta jotakin tiivistä ja kansantajuista suomeksi. Ei ole.

Sisäpiiriin on mukavan haastavaa tehdä juttuja juuri siksi, että jokainen haastattelu vie uuteen kiehtovaan aihepiiriin. Ideana on, Iltalukemiseksi kirja että haastateltava saa keskittyä asioihin, neokybernetiikkaa jotka hän itse kokee tärkeiksi ja mieluisiksi.

Samassa hän ojentaa minulle iltalukemiseksi Nyt haaste tuntuu kuitenkin aika suurelta. kirjoittamansa noin 270-sivuisen kirjan ’NeoKeskustelun edetessä ahdinkoni syvenee. ”Käytännön projektit, joita me täällä teemme ja joista leipäkin ansaitaan, ovat hyvin konkreettisia. Mutta jos todellakin saan aivan vapaat kädet puhua siitä mistä haluan, keskityn kovin mielelläni kybernetiikkaan, jota tutkin vapaa-aikana”, sanoo professori Heikki Hyötyniemi heti jutustelumme aluksi. ”Se on tällainen perustutkimuksellinen aihe, joka saattaa kiinnostaa monia lukijoita.”

30

Hyötyniemen puheessa vilisee termejä, joita en pystyisi selittämään. Eikä kyse ole siitä, että hän haluaisi tehdä vaikutuksen käyttämällä alan erikoistermejä. Nyt vain kuljetaan aika kaukana arkipäivän käsitteistä, vaikka itse asiassa kybernetiikka pyrkii selvittämään paljolti juuri sitä, miksi elämä ja maailma ovat juuri sellaisia kuin ovat.

Sinänsä haasteellisuus ei tule yllätyksenä, onhan Hyötyniemen professuurin alueena complex systems. Eikä kybernetiikan valintakaan yllätä, koska laitoksen muut professorit ovat kuitanneet koko kybernetiikan aihepiirin hyvin lyhyesti: ”Siitä Hyötyniemi varmastikin puhuu lisää.”

tää – tai edes mallintaa – näitä havaintoja.

Polku ymmärrykseen kulkee ihmettelyn kautta; millainen on kompleksisten järjestelmien stabiilien attraktorien luonne?”

Juttua kirjoittaessani kaivan netistä esiin muutamia aiheeseen liittyviä käsitteitä selittäviä yksinkertaistettuja määritelmiä: Attraktori on faasiavaruuden joukko, johon dynaaminen systeemi päätyy, kun aikaa kuluu tarpeeksi. Systeemi pysyy attraktorin läheisyydessä, vaikka sitä hieman häiritään.

Geometrisesti attraktori voi olla piste, käyrä, muu monisto tai jopa fraktaali.

Staattisen järjestelmän tila ei riipu aikaisemmista tiloista. Staattisessa järjestelmässä vaste muuttuu vain täsmälleen niillä hetkillä kuin herätekin.

Kaikki muuttuu, kaikki säilyy samana.

Dynaamisen järjestelmän tila sen sijaan – Organisaatioissa henkilökunta vaihtuu riippuu aikaisemmista tiloista. Dynaamisen kaiken aikaa, mutta toiminnot jatkuvat. Ihmisjärjestelmän vaste saattaa vaihdella pitkän kehossa soluja syntyy ja kuolee jatkuvasti, aikaa vaikka herätteen muutos olisi vain hetMatematiikka on mutta yksilöt säilyvät. Hermosolutkin uudistukellinen ilmiö. Dynaamisen järjestelmän yhtävat, mutta tietoisuus säilyy. luonnon oma kieli löissä esiintyy derivaattoja ja integraaleja.

Anelen armoa. Voisimmeko käydä asiaa Et voi astua samaan virtaan kahdesti.

Kybernetiikka oli yksi – Virta ei ole enää myöhemmin samanläpi aivan alkeista lähtien – ja mieluummin lainen – eikä myöskään siihen astuja. ilman näitä kaavoja? tekoälyn alkujuuri ”Kun käytämme matematiikasta tuttuja Kaikki perustuu jännitteille – ja piilossa merkintöjä, meidän ei tarvitse erikseen mää- olevat jännitteet ovat kaikkein tärkeimpiä. Herakleitoksen jälkeen kybernetiikan tutkimuksessa oli pitkähkö ’taantuma’; aiheeseen ritellä käsitteitä, mutta tiedämme kuitenkin – Kaikkialla on jännitteitä ja niiden vasta- palattiin peräti vasta noin 25 vuosisataa tarkasti, mistä puhumme”, Hyötyniemi perus- jännitteitä. Lajit kilpailevat ekologiassa, yrityktelee. Tuskani havaittuaan hän lupaa kuiten- set taloudessa. Kilpailu ja kilpaoppiminen myöhemmin.

Vaikka Herakleitos olikin oivaltanut monia kin jättää matematiikan taustalle ja toteaa, synnyttävät erikoistumista ja moninaisuutta. kybernetiikan perusasioita, hän ei keksinyt että asian käsittely kaavojen kautta saattaa nimeä kybernetiikka.

Termin teki tunnetuksi Viisautta on tietää, johtaa siihen, että keskitytään liiaksi teknisiin kybernetiikan isäksi tituleeraatun yhdysvaltamiten kaikki ohjaa kaikkea. yksityiskohtiin. Samalla hän kuitenkin koroslaisen Norbert Wienerin vuonna 1948 – Luonnossa ei ole keskitettyä ohjausta. taa, että matematiikalla on avainrooli myös julkaisema kirja: Cybernetics: or Control and siksi, että se on luonnon oma kieli ja sillä Eikä taloudessa. Eikä kehossa. Mutta vuoroCommunication in the Animal and the vaikutukset ja takaisinkytkennät johtavat itsevoidaan hallita koko kybernetiikan kenttä: Machine. Kirja osoitti, että koneissa voidaan ”Ei-diskreetti-arvoisia-ilmiöitä käsitellään säätelyyn ja itseorganisoitumiseen. hyödyntää aivan samoja säädön ja tiedonHerakleitos katsoi, että kaikkea muutosta reaaliluvuilla ja yhtäaikaisia vuorovaikutuksia siirron periaatteita kuin luontokin käyttää. lineaarialgebralla sekä matriisilaskennalla. hallitseva järki, Logos, sai alkunsa tulesta. ”Silloin 60 vuotta sitten kybernetiikka oli Aikariippuvat ilmiöt hallitaan differentiaali- Todellisuus on kuin tuli; koko ajan liikkeessä myös yksi tekoälyn alkupiste”, Hyötyniemi yhtälöillä, aikaskaalat ja emergenssi tilas- ja muuttaa muotoaan. kertoo. Hänelle itselleen aihe on hyvin tuttu, tollisilla työkaluilla”, Hyötyniemi listaa. koska hän on ollut Suomen Tekoälyseuran Pysyvää on Mutta mitä se kybernetiikka lopulta on, (STeS ry) hyvin aktiivinen jäsen – toimipa vain jatkuva muutos jos asia pitää ilmaista hyvin kansantajuisesti? hän jopa seuran puheenjohtajana vuosina 1999–2001, juuri ennen kuin hänestä tuli ”Herakleitoksen mukaan ei ole olemassa Jo muinaiset staattista maailmaa, on vain jatkuvaa muu- professori marraskuussa 2001. kreikkalaiset ... tosta. Nykytermejä käyttäen voitaisiin sanoa, Hyötyniemi myöntää itse auliisti, että teko”Ehkä kaikkein paras johdatus kybernetiik- että kaikki, mitä me havaitsemme on attrak- älytausta leimaa hänen tutkimusaiheitaan kaan on se kaikkein vanhin, jo antiikinajan toreja, dynaamisten järjestelmien stabiileja yhä edelleenkin. Kyberneettiset järjestelmät on alue, joka koskettaa sekä säätö- ja sysKreikassa eläneen Herakleitoksen noin 540 tasapainotiloja”, Hyötyniemi muotoilee. ”Nykyiset lähestymistavat eivät osaa selit- teemitekniikkaa että myös tekoälyä. vuotta ennen ajanlaskumme alkua esittämä ”Olen iloinen että olemme jälleen entisen Sähköosaston yhteydessä. Parhaat opiskelijamme ovat perinteisesti tulleet sieltä”, professori Heikki Hyötyniemi myhäilee.

johdanto luonnonfilosofiaan“, Hyötyniemi sanoo ja poimii esiin joitakin Herakleitoksen (englanninkielisessä kirjallisuudessa Heraclitus) syvällisiä oivalluksia.

Alla näihin kuuluisiin lauseisiin on liitetty lyhyet esimerkinomaiset selitykset neokybernetiikan hengessä. Aikalaisiltaan Herakleitos sai lempinimen Skoteinos, hämärä, koska hänen filosofisia näkemyksiään pidettiin melkoisen monitulkintaisina.

Panta rhei – Kaikki virtaa.

– Herakleitoksen ehkä kaikkein kuuluisimman lauseen mukaan maailmassa ei ole mitään staattista, kaikki staattisina koetut asiat ovat ainoastaan dynaamisten järjestelmien dynaamisia tasapainotiloja.

31

Suuria lupauksia, karvaita pettymyksiä

”Tekoälypuolen kehitys on ollut ajoittain hyvinkin myrskyisää. Mutta koska kybernetiikka on kertaluokkaa teknisempi ja sillä on tiukempi kytkentä todellisuuteen, siinä ei ajauduta aivan yhtä helposti niin syvälle hypoteeseihin ja löysiin lupauksiin. Mutta silti kybernetiikan kehitystä ovat leimanneet valtaisat odotukset ja karvaat pettymykset”, Hyötyniemi kertoo.

Hänen mielestään asian puki oivallisesti sanoiksi Gregory Bateson jo vuonna 1966: ”Luulen, että kybernetiikka on suurin haukkaus Tiedon Puun hedelmistä, jonka ihmiskunta on ottanut viimeisten 2000 vuoden aikana.

Mutta useimmat haukkaukset tästä omenasta ovat osoittautuneet varsin huonosti sulaviksi – useimmiten kyberneettisistä syistä johtuen.” ”Tätä lainausta voisi avata vaikka näin: Tiedeyhteisökin on kyberneettinen, kilpailevien toimijoiden joukko, eivätkä kehitysaskeleet tutkimuksessa useinkaan ole johdonmukaisia ja ristiriidattomia”, hän tulkitsee.

Kybernetiikka oli 50- ja 60-luvuilla yksi ensimmäisistä suurista ’ismeistä’, taisipa olla jopa ensimmäinen, josta tuli ’hypeä’. Siitä toivottiin ihmelääkettä liki kaikkiin ongelmiin.

Hieman samoihin aikoihin, mutta aivan erityisesti 60- ja 70-luvuilla kybernetiikka sai syyttä suotta paljon lokaa niskaansa, koska Neuvostoliitossa termi määriteltiin hieman uudelleen ja sen nimissä poljettiin niin kansalaisia kuin kokonaisia kansakuntiakin, kun yhteiskuntaa pyrittiin ohjaamaan ’optimaalisesti’ kybernetiikasta johdetuilla opeilla.

Kybernetiikka – täynnä harhaa ja kuvitelmia

32

Yksi kybernetiikan alan ongelmista on yhäkin se, että siitä on vallalla hyvin monenlaisia vääriä kuvitelmia ja selkeitä harhakäsityksiä.

Hyötyniemi toteaa, että nykyisin kybernetiikka assosioidaan helposti kyborgeihin ja erityisesti tieteistarinoista tuttuihin puoli-ihmisiin ja puolirobotteihin. Sinänsä termi kyborgi tarkoittaa biologista organismia, johon on yhdistetty teknologiaa. Määritelmä kattaa siis mm. ihmisen, jolla on sydämentahdistin.

Hyötyniemi uskoo kuitenkin, että monet taantumat nähnyt ala on taas nousussa – joskin nytkin alan lämpeneminen ja suurin

’Hämärä’ luonnonfilosofi Herakleitos oli aika monipuolinen kaveri. Kun kertasimme Sähköklubin porukassa railopelastuksen niksejä ennen Norjan jäätiköille suuntautuvaa hiihtoretkeämme, opin solmukirjasta, että hänen tiedetään kirjoittaneen myös mainiosta solmusta, joka tunnetaan nyt amerikkalaisena säkkisolmuna. Hän käytti keksinnöstä nimeä kirurginsolmu, joskin se sopii erinomaisen mainiosti vaikkapa saviruukun kantamiseen sen kaulasta sidottuna. (Geoffrey Budworth; Kaiken maailman solmut.) innostus perustuvat paljolti kyseenalaisiin seikkoihin, kuten siihen, että fraktaalien ja muiden matemaattisten kaavojen visualisointi on tietokoneilla hyvin helppoa. Hän näyttää eräästä Mandelbrotin joukosta tulostetun kuvan, jonka yksi sakara näyttää kovasti ihmissikiöltä – selkäranka ja silmätkin aivan paikoillaan – mutta tuskin näillä asioilla on silti juurikaan tekemistä keskenään.

Toinen Hyötyniemen esimerkki on vielä astetta hauskempi. Kolme MIT:n opiskelijaa tekivät kelpo teekkarijäynän ja tarjosivat kybernetiikan tieteelliseen konferenssiin esitelmää, jonka teksti arvottiin satunnaissanageneraattorilla. Pohjana oli jonkun muun alan tieteellinen artikkeli, josta poistetut avainsanat oli korvattu kybernetiikan juuri nyt kuumilla iskusanoilla, jotka tietokone arpoi paikoilleen. Ehdotus meni läpi, pojat saivat kutsun konferenssiin!

Oppi yleisten systeemien abstraktista säädöstä

Mutta mitä kybernetiikka aivan oikeasti on?

Yksi määritelmä sanoo, että kybernetiikka on oppi yleisistä systeemeistä ja niiden yhteisestä säädöstä abstraktissa mielessä.

Toinen suuntaa-antava määritelmä sanoo, että kybernetiikka on tieteenhaara, joka tutkiiinformaatio- ja kommunikaatiojärjestelmiä elollisissa ja elottomissa organismeissa – siis esimerkiksi ihmisissä, eläimissä, koneissa ja yhteiskunnassa. Eli kyseessä on kovin moni-

tieteinen ala, joka piiriin kuuluvat ainakin matematiikka, fysiikka, tietojenkäsittelyoppi, lääketiede, biologia sekä insinööri- ja yhteiskuntatieteet.

Tiiviisti voisi sanoa, että kybernetiikka on tiede, joka tutkii erilaisten järjestelmien säätöja viestintätapahtumia.

Erityisen kiinnostavan aiheen kybernetiikasta tekee se, että kyberneettisillä systeemeillä on juuri niitä ominaisuuksia, joita säätötekniikassa tavoitellaan. Ne esimerkiksi eliminoivat tehokkaasti tulevat herätteet – siis myös tasapainoa uhkaavat häiriöt.

Lisää kiehtovuutta tuo se, että toiminta perustuu adaptiivisen oppivan säädön periaatteisiin. Vaikka lokaalilla tasolla ei ole koordinaatiota, näyttää siltä, että toimijoiden kokonaisuus muodostaa globaalilla tasolla ympäristöstään eräänlaisen emergentin mallin, jonka perusteella se sitten säätää ympäristöä. Kun ympäristö muuttuu, malli kehittyy kaiken aikaa.

Mutta mikä on kyberneettinen systeemi? ”Kaikki paitsi ihmisen tekemät järjestelmät ovat kyberneettisiä”, Hyötyniemi karrikoi. ”Siksi luonnon toiminnan ymmärtäminen, siitä oppiminen ja ’evoluutioinsinöörin’ kehittämien ratkaisujen hyväksikäyttö auttavat ymmärtämään kybernetiikkaa ja toteuttamaan parempien insinöörijärjestelmiä.”

Onko jäniskin systeemi?

Hyötyniemi painottaa, että säätötekniikasta tutut käsitteet systeemi, malli ja säätö voidaan kybernetiikassa ymmärtää hyvinkin laajassa merkityksessä.

Esimerkiksi systeemi, eli järjestelmä, eli prosessi voi olla mitä tahansa, joka voidaan hahmottaa toiminnallisena kokonaisuutena.

Netistä löytyy hauskaa aineistoa siitä kun Hyötyniemi ja hänen oppilaansa pohtivat onko esimerkiksi jänis systeemi. Tiivistetysti vastaus on, että onhan se jäniskin systeemi, mutta jos se erotetaan ympäristöstään, niin ilman ruokaa pupu ei loiki kovin pitkälle.

Tämä yksinkertainen esimerkki tuo esiin kybernetiikan keskeisen haasteen: on hyvin vaikeata rajata mihin jokin kyberneettinen systeemi ’loppuu’. Kaikki riippuu kaikesta. Ja viisautta on tietää, kuinka kaikki ohjaa kaikkea – kuten Herakleitos totesi.

ja ”säätö”

➤

Takaisinkytkentä

➤ ➤ ➤ ➤

”Säätötekniikassa on tapana ajatella, että on säätäjä ja säädettävä, mutta luonnossa todellisuus on toisenlainen. Siellä ei ole keskitettyä säätöä. Kokonaisuus muodostuu aika tyhmistä toimijoista, agenteista, jotka toimivat hyvin itsekkäästi ja pyrkivät lähinnä vain säilymään hengissä”, Hyötyniemi kertoo. ”Vaikutelma, että luonnossa on älykkäitä säätäjiä, on silkkaa harhaa. Pikemminkin on niin, että kaikka toimintoja ohjaavat yli-innokkaat toimijat, milteipä suoranaiset sählärit.

Toiminta on myös usein äärimmäisen epäjohdonmukaista – oikea käsi ei aina tiedä mitä vasen käsi tekee.” ”Älykkyyden vaikutelma syntyy ympäristön kautta tapahtuvan negatiivisen takaisinkytkennän ansiosta: resurssien hyödyntäminen vähentää resursseja muilta toimijoilta, jolloin näiden on pakko keskittyä muihin resursseihin – näin emergoituu ’työnjako’ ja ekologiset lokerot.” ”Herakleitos katsoi, että kaikkea ohjaava perimmäinen järki eli Logos on tuli, mutta kyberneettinen systeemi toimii pikemminkin kuin palosammutin. Ylempi taso pyrkii aina ajamaan alemman tason energian minimiin, eli systeemit eliminoivat parhaansa mukaan tulevat herätteet”, Hyötyniemi vertaa. ”Oikeassa perspektiivissä tarkasteltuna kyberneettisille järjestelmille ominainen järjestyksen kasvu ei ole myöskään ristiriidassa termodynamiikan toisen pääsäännön kanssa: kehittynyt säätäjä eliminoi variaation, jolloin ajaudutaan kohti ’lämpökuolemaa’.

Entropia siis kuitenkin kasvaa systeemin ja sen ympäristön muodostamassa kokonaisuudessa mahdollisimman tehokkaasti.”

➤

keskitettyä säätöä

➤

Luonnossa ei ole

Kasvinsyöjät ➤

Systeemiteoria lokeroi: avoimet, suljetut ja kompleksiset järjestelmät. Näin jaeteltuna kyberneettiset järjestelmät päätyvät yleensä luokkaan kompleksiset järjestelmät.

Aivan vastaavasti myös sana malli voi kybernetiikassa tarkoittaa mitä hyvänsä järjestelmän yksinkertaistettua kuvausta, myös sellaista ajatuksissa olevaa mallia, jota ei ole vielä saatettu matemaattiseen muotoon.

Ja sana säätö tarkoittaa yksinkertaisesti sitä, että järjestelmä saatetaan haluttuun tavoitetilaan jonkin mallin avulla.

Kasvit Kyberneettisen systeemin

(kasvinsyöjien lajit) alemman tason resurssien (kasvit) vaihtelun perusteella. Osa informaaabstraktit virtaukset tiosta jää mallintamattomaksi kohinaksi.

Kybernetiikan teoria antaa työkalut, joilla voiVastaavasti kasvien näkökulmasta infordaan laatia kaavioita, joissa näkyy miten maatiota olisivat esimerkiksi vuosittaiset kosaine ja informaatio kulkevat erillisinä virtoina. teuden, valon ja lämmön vaihtelut, joiden Informaatiovirroista muodostuu takaisinkyt- vuoksi ne kasvavat eri aikoina eri tavalla. kentäsilmukoita, jotka ohjaavat aineen ja Aineen ja energian kulku: energian kulkua.

Yllä oleva kaavio on pelkistetty kuvaus Ylemmän tason rakenteen sisällä muodostuu kasvien ja kasvinsyöjien vuorovaikutuksesta. biomassaa, fyysisiä otuksia, jotka syövät Aivan vastaavasti voidaan mallintaa vaikka alemman tason resursseja, siis kasveja. Ja samalla syntyy dissipatiivista jätettä. Kasvinsosiaalisia ja taloudellisia järjestelmiä.

Kaaviossa alhaalla ovat kasvit, ylhäällä syöjät siis tavallaan laativat yhdessä hajauniitä ’säätävät’ kasvinsyöjät. Kaavion oikea tetun mallin alemmalla tasolla olevista resurspuoli kuvaa informaatiovirtoja ja vasen puoli seista, joita ne sitten säätävät tämän mallin fyysisen materiaalin sekä energian kulkua. perusteella.

Eri eläinlajit – samoin kuin eri kasvilajitkin Kyseessä on siis aineen ja informaation väli– käyvät kaiken aikaa keskinäistä oppimisnen ’uudenlainen dualismi’. kilpailua. Parhaiten menestyvät ne lajit, jotka Informaation kulku: hyödyntävät tehokkaimmin tarjolla olevan ’Elämänvoima’ virtaa informaationa ylem- informaation. Evoluution myötä muodostuu mälle tasolle, jonne muodostuu rakennetta ekologisia lokeroita, siis eri lajeja.

33

Kasvinsyöjät

Ihmisen ohjauksessa pallo vaeltelee sinne tänne eikä tahdo pysyä halutulla paikalla.

Mutta kun automaattiohjaus napsautetaan päälle, säätäjä suorastaan heittää pallon reunalta keskelle pintaa – ja siinä se sitten pysyy liki hievahtamatta. ”Hyvin suunniteltu säätö vaikuttaa suorastaan taikuudelta”, Hyötyniemi tiivistää.

Seuraavassa Hyötyniemen kalvossa kissa jahtailee hiirtä. Hän korostaa, että itse asiassa myös kognition alimmat tasot toimivat suoraan takaisinkytkennän varassa. Jos kissan näkökentässä vilahtaa jotakin hiirtä muistuttavaa, olkoonpa sitten vaikka vain lankakerä, niin kissa oitis kääntää päänsä ja ryntää hiirimäisen hahmon perään. Kyseessä on hyvin pitkälle ’kiinteästi langoitettu’ refleksi.

Todettakoon, että yksi Hyötyniemen tutkimuskentistä on ’koneellinen kognitio’.

säätävät kasvit

”Ajatellaanpa esimerkiksi kyberneettistä ekosysteemiä, jossa on kasveja ja kasvinsyöjiä.

Siellä kasvinsyöjien populaatiomäärät kasvavat sellaisiksi, että ne parhaalla mahdollisella tavalla pystyvät syömään ne resurssit, jotka ovat tarjolla. Eli kasvit tulevat säädetyiksi”, Hyötyniemi jatkaa. ”Käytännössä asiat eivät kuitenkaan ole kovin yksinkertaisia, koska resursseissa on variaatioita. Jonakin vuonna on vaikkapa paljon kosteutta, jolloin joku kasvi menestyy hyvin – ja silloin myös sitä syövä eläinlaji menestyy hyvin.” ”Vuosittain on paljon vaihteluita. Näyttää siltä, että vallitsee täysi kaaos. Mutta tilastollisesti tarkasteltuna havaitaan, että siellä on olemassa selkeitä rakenteita. Kyberneettinen malli tarkastelee juuri näitä emergoituvia tilastollisia rakenteita eli ekologisia lokeroita.”

Pienenä sivuheittona Hyötyniemi esittelee elämän olemusta tutkineen Ilya Prigoginen hauskan ajatuksen siitä, että eliön eläväisyys voidaan luokitella hyvin yksinkertaisesti jo pelkästään sen perusteella, kuinka tehokkaasti se käyttää tarjolla olevia resursseja: Eliö on sitä eläväisempi, mitä enemmän se tuhlaa resursseja ja tuottaa lämpöä ja dissipatiivista jätettä, joka sitoo paljon energiaa.

Luokittelussa ei siis tarvitse tarkastella edes sitä, millainen eliön rakenne on tai millainen ekosysteemi tai kokonaisuus on kyseessä. ”Kyberneettisessä kehyksessä voidaan informaation sekä aineen/energian virtaukset kytkeä yhteen”, Hyötyniemi jatkaa. (Kaaviokuva edellisellä sivulla.)

Hyötyniemen puhuessa pohdin mielessäni, että eiväthän ne kasvinsyöjät nyt välttämättä niin kovin tyhmiä agentteja ole. Älykkyyden vaikutelma takaisinkytkennällä

34

Hyötyniemi kaiketikin arvaa ajatukseni ja esittää eräänlaisen vastaesimerkin siitä, että jo pelkkä takaisinkytkentä voi synnyttää mielikuvan suorastaan älykkäästä toiminnasta.

Hän esittelee Heurekan Automaationäyttelyä varten suunnitellun laitteen, jolla pyrittiin

Muistava voi ennustaa tulevaisuutta

Heurekan Automaationäyttelyyn suunniteltu automaation etuja havainnollistava laite. havainnollistamaan automaation etuja. Laite on eräänlainen pelikone, jossa kuula on pyöreällä kuperalla pinnalla, jota voidaan kallistella kahden ristikkäisen akselin varassa siten, että kuulan voi saada vieritettyä keskelle pintaa, siis korkeimmalle kohdalle.

Käsiohjauksen rinnalla laitteessa on automaattiohjaus, jossa koko homman hoitaa optimisäätäjä, joka näkee pallon paikan laitteen katossa olevan kameran kuvasta.

Tietysti voi kysyä sitäkin, onko korkeimmissakaan älykkyyden muodoissa lopultakaan kyse mistään muusta kuin takaisinkytkennästä, johon on vain lisätty riittävästi laskenta-, päättely- ja muistikapasiteettia.

Evoluutiohan ei kehittänyt muistia siksi, että me voisimme vanhainkodissa muistella mukavia menneitä, vaan sitä varten, että osaisimme ennustaa tulevaisuutta.

Ennustamista voi oppia, jos osaa hyödyntää muistamaansa tietoa. Asioilla on tapana toistua, historia toistaa itseään. Ja fiksua on tallentaa muistiin myös muilta yksilöiltä sekä aiemmilta sukupolvilta saatua tietoa: nokkela selviää tilanteista, joihin viisas ei edes joudu; viisas oppii muidenkin kokemuksista, järkevä omistaan, tyhmä ei edes omistaan.

Todella viisaassa adaptaatiossa ja säädössä on olennaista, että järjestelmä osaa päätellä jo ennusmerkeistä, mitä on tulossa – ja tietää jopa sen, mitä jonkin asian muuttumisesta tai muuttamisesta seuraa tai voi seurata joskus paljon myöhemmin. ”Tällainen ’tulevaisuuden malli’ mahdollistaa ympäristön ’säätämisen’ tavoitetilaan myös silloin, kun toimenpiteiden ja niiden vaikutusten välillä on viivettä”, Hyötyniemi tähdentää.

’Oikea’ älykkyys

Kehittyivätkö dinot

vaatii oppimiskykyä

liian pitkälle?

Hyötyniemi poimii mielenkiintoisen esimerkin: Nature-lehdessä oli artikkeli siitä, että fossiililöydöksistä on voitu päätellä (kuva yllä), että luonnossa on esiintynyt selvästi jaksollisesti massiivisia sukupuuttoaaltoja, joissa lajien määrä on romahtanut. Jakson pituus on noin 62 miljoonaa vuotta. [Rohde and Muller (2005): Cycles in fossil diversity.

Nature 434.] Esimerkiksi dinosaurukset kuolivat noin 65 miljoonaa vuotta sitten – ja Kyberneettinen järjestelmä on kuin käärme, monien mielestä myös juuri nytkin on vyöryjoka syö omaa häntäänsä: resurssien mahmässä valtaisa sukupuuttoaalto. dollisimman tehokas kuluttaminen johtaa lopulta nälkiintymiseen. Täydellisen tasapainon saavuttaminen johtaa romahdukseen.

Liika tasaisuus vie äärirajoille

”Itämaisessa filosofiassa pyritään mahdollisimman hyvään tasapainoon. Näin on myös tavallisissa säätöjärjestelmissä, mutta kyberneettinen intuitio menee pidemmälle: Pelkkä tasapaino ei riitä – jotta mallin muodostaminen onnistuisi, tarvitaan tasapainon ympärillä variaatiota”, Hyötyniemi tiivistää ja heittää pari esimerkkiäkin: ”On esitetty esimerkiksi allergioiden ja muiden autoimmuunisairauksien johtuvan paljolti siitä, että immuunijärjestelmä ei saa lapsuudessa tarpeeksi oikeanlaisia herätteitä. Sama koskee myös kognitiivista järjestelmää: jos elämä on liian tasaista, haetaan äärimmäisiä kokemuksia.” ”Onni ei ole tasapaino, vaan tieto elämänhallinnasta, eli siis siitä, että tilanteesta riippumatta tasapaino pystytään palauttamaan”, Hyötyniemi filosofoi.

Laajoille kyberneettisille kokonaisuuksille on ominaista, että niissä syntyy aika ajoin myös suoranaisia katastrofeja. Kun niissä olevat järjestelmät kehittyvät ja adaptoituvat valtavan pitkän ajan, säädöt tarkentuvat ja vapausasteet karisevat – ja lopulta järjestelmistä tulee äärimmäisen herkkiä muutoksille.

Tämän jälkeen hyvin pienikin ympäristön muutos voi romahduttaa jonkin järjestelmistä.

Ja koska kaikki ohjaa kaikkea, romahdusaalto leviää helposti naapurijärjestelmiin.

kuva: Rohde and Muller. Nature 434.

Yksi ns. oikeamman älykkyyden keskeinen tunnusmerkki on oppimiskyky. – Ja tästäkin Hyötyniemellä on esittää hyvin havainnollinen esimerkki perinteisen säätötekniikan puolelta, ns. adaptiivinen säätäjä.

Adaptiivisen säätäjän toiminta perustuu nimenomaan oppimiskykyyn. Ideana on rakentaa säätäjä, joka kaiken aikaa tarkkailee säädettävän järjestelmän toimintaa ja etsii itse ne periaatteet, joiden mukaan järjestelmää tulee säätää, jotta haluttu tila saavutetaan. Nyt siis säätäjä itse rakentaa mallin järjestelmästä ja säätää sitten järjestelmää tämän itse laatimansa mallin avulla.

Idea on loistava, mutta adaptiivisilla säätäjillä on silti melkoisen huono maine, koska niiden tiedetään käyttäytyvän usein suorastaan patologisesti. Ja ongelman syynä on juuri niiden oppimiskyky.

Mitä ’fiksumpi’ adaptiivinen säätäjä on, sitä nopeammin se oppii säätämään prosessia tai muuta systeemiä niin, että se ohjautuu haluttuun tilaan. Mutta juuri silloin ongelmat alkavatkin. Kun systeemi saadaan ajetuksi optimaaliseen tilaan ja prosessista saadaan aivan äärimmäisen hyvää tuotetta, kaikki säätötoimintaa ohjaavat, tavoitetilan ja todellisuuden välistä eroa mittaavat erosignaalit tulevat nolliksi. Tällöin säätäjä ei saa enää mitään palautetta systeemin toiminnasta. Tavallaan siltä katoaa kaikki ohjauksessa tarvittava informaatio, eikä sillä ole enää mitään, minkä pohjalta kehittää systeemin mallia.

Optimiin päässeelle säätäjälle käy sitten helposti niin, että se pyrkii mallintamaan pelkkää kohinaa, jolloin kärpäsestä tulee härkänen – ja äkkiä prosessi on ajettu pitkän matkaa sivuraiteelle. Ja silloin erosignaalit paukahtavat suuriksi, jolloin säätäjälle on taas tarjolla oivaa materiaalia, jonka pohjalta se voi kehittää malliaan.

Näin adaptiivisilla säätäjillä on taipumus toimia syklisen hoipertelevasti. No, tietenkin insinööreillä löytyy lääkkeitä tähänkin ongelmaan; esimerkiksi säätäjälle voidaan antaa tahallaan huononnettua, esimerkiksi sopivasti kohinalla höystettyä informaatiota, jottei sen ’aika tule pitkäksi’.

”Dinosaurusten katoamissyyksi on tarjottu muun muassa meteoriittia. Mutta törmääkö niitä tasaisesti noin 62 miljoonan vuoden välein?”, Hyötyniemi kysyy. ”Vai onko kyse siitä, että dinosaurukset ja muut kadonneet eläinlajit vain kehittyivät ja erikoistuivat aivan liian pitkälle, jolloin ne eivät enää sopeutuneet riittävän nopeasti suhteellisen pieniinkään ympäristön muutoksiin? Oppivatko ekosysteemit aina noin 60 miljoonan vuoden jälkeen jollakin tapaa liian hyviksi?”

Samantapaisia selityksiä voidaan tarjota myös muinaisten valtakuntien ja kulttuurien tuhoutumiseen. Monesti nekin taisivat vain kehittyä liian pitkälle. ”Ja entä se paljon puhuttu uusi talous ?”, Hyötyniemi kysäisee. ”Siinähän pitkä tasainen kasvu päätyi nykyiseen katastrofiin.”

35

Suurin haaste

36

Emergenttejä

Emergenssille kun ei ole olemassa mitään kaavaa – ei ainakaan vielä. emergenssin kesytys robottiyhteisöjä?

Onpa jopa esitetty, että kybernetiikan Kybernetiikan suurin haaste on tekstissä jo Emergenssin mekanismien selvittäminen ja saaminen hallintaan edellyttää aivan uudenaiemmin vilahdellut käsite emergenssi. ymmärtäminen on kovin haastavaa, mutta tyyppistä tiedettä – tai vähintään uudenlaista Emergenssi tarkoittaa, että jossakin koko- niistä koitunee paljon iloa – kunhan ne vain matematiikkaa. Hyötyniemi on eri mieltä: naisuudessa syntyy tai nousee esiin uusia hallitaan hyvin. Olisi kovin mukavaa, jos Nykymatematiikalla pötkitään vielä pitkälle – odottamattomia ilmiöitä, ominaisuuksia tai esimerkiksi iso prosessilaitos kehittäisi itse tarvitaan vain uudentyyppisiä tulkintoja. toiminnan tasoja, joita ei sen osilla ole. ikäänkuin tyhjästä kaiken säädössään tarvitHyötyniemi painottaa, että ratkaisuja on Esimerkiksi elottomat molekyylit muodostavat tavan osaamisen ja toimisi sitten optimaali- olemassa ja aina silloin tällöin niitä onnistuu yhdessä elävän solun, yksittäisistä soluista sesti ja tuottaisi huippuhyviä tuotteita. löytämäänkin. Ratkaisujen etsimisessä käy”Muinaiset suomalaiset ajattelivat, että eri tettyihin moninaisiin menetelmiin voi tutustua muodostuu olio, ja hermosolujen verkosto mahdollistaa tietoisuuden syntymisen. Järjes- asioiden ’synnyn tunteminen’ mahdollisti katsomalla Hyötyniemen luennoiman kybertystä syntyy ’tyhjästä’, ikäänkuin itseorgani- näiden hallitsemisen. Vastaavasti järjestel- netiikan peruskurssin (Elementary cybernetics) mien synnyn eli emergenssin ymmärtäminen videotallenteet ja mainion luentomateriaalin, soidusti.

Emergenttisten ilmiöiden synty edellyttää mahdollistaa näiden säädön ja hallinnan”, jotka ovat tarjolla netissä. Monista materiaatoiminnallisuutta, liikettä ja vuorovaikutusta, Hyötyniemi vertaa. leista on tarjolla myös suomenkieliset versiot.

Aineistoja kootessani eteen tupsahtaa Itse asiassa myös koko edellä mainittu Hyötymutta myös sitä, että kokonaisuus on riittävän kompleksinen ja että siinä on lukumääräisesti mielenkiintoinen emergenssin ’sovellus’: Yksi niemen erinomainen kirja Neocybernetics in robotiikan selkeä tulevaisuuden trendi on se, biological systems on pdf-versiona netissä. riittävän paljon osasia ja toimijoita.

Emergenssiin liittyy läheisesti filosofinen ja että yksittäisten isojen, monimutkaisten ja Linkki: http://neocybernetics.com Ratkaisumenetelmistä puhuttaessa huomio ontologinen käsite holismi, jonka mukaan aika ’älykkäiden’ robottien sijasta käytetään kokonaisuus on enemmän kuin osansa tai pienempiä ja yksinkertaisempia robotteja, kiinnittyy siihen, että sana intuitio toistuu kovin osiensa summa. Holismin perusidean esitti jo jotka ’elävät’ ja toimivat tiiviisti vuorovaikut- tiuhaan. Itsestäni intuitio kalskahtaa kovasti samalta kuin MUTU-menetelmä (siis: MUsta antiikinajan Aristoteles, joskin nimi keksittiin tavina robottiyhteisöinä.

Yhden ison robotin korvaamiseen monel- TUntuu) – ja siitähän paljolti on kysymyskin. taaskin myöhemmin.

Holismi kritisoi länsimaista tiedettä siitä, la pienellä voi olla hyvin yksinkertaiset syyt; Vaikka sana intuitio ei ehkä soinnahda kovin että sen tapana on paloitella tutkittava asia ehkä robottien työpaikalle ei vain mahdu tieteelliseltä, sen avulla syntyy hyviä tuloksia, osiin, joita kutakin tutkitaan aivan erikseen – isoja koneita. Jos esimerkiksi ihmisen veri- jotka kyllä kestävät tieteellisen tarkastelun.

Eikä intuitio sinänsä ole mitään ’hihasta lainkaan välittämättä siitä, että näissä osissa suoniin lähetetään robotteja, niiden tulee olla ei ole kokonaisuuden emergenttejä piirteitä. tosi pieniä. Ja toisaalta esimerkiksi kalliissa vetämistä’; kyse on siitä, että aivot osaavat Jotta kybernetiikasta tulisi salonkikelpoi- avaruusprojektissa merkittävin etu voi olla prosessoida ’tausta-ajona’ suurista tietomäänen, sen pitää ’kesyttää’ emergenssi, joka toimintojen varmistaminen moninkertaistami- ristä esiin sellaisia asioita ja vuorovaikutusnäyttää olevan vahvasti ristiriidassa perin- sella; yhden tai jopa usemmankin robotin suhteita, joita ihminen ei tietoisella tasolla tuhoutuminen ei aiheuta katastrofia. osaa päätellä. – Siis silkkaa emergenssiä. teisten reduktionististen tieteiden kanssa.

Mutta todella mielenkiintoisia näkymiä Ja tietenkin intuitiota voidaan auttaa. Ja Erityisesti insinöörit ajattelevat reduktionistiaukeaa, kun robotteja on valtavasti.

Silloin myös aiemmista ja muidenkin intuitioista voisesti ja pilkkovat ongelmia osiin, joihin sitten käy kuin muurahaisten ja muiden hyönteisten daan oppia ja niitä voidaan soveltaa anaetsitään ratkaisuja erikseen. Kybernetiikassa yhteisöissä: esiin voi emergoitua älykkyyttä, logisesti uusiin asioihin ja uusille sovelluskuitenkin kaikki vaikuttaa kaikkeen ja koko jota yksittäisillä roboteilla ei ole.

Vaikka ne alueille.

Hyötyniemen tavoitteena näyttää systeemillä on piirteitä, joita sen osilla ei ole. ovat yksinkertaisia ja ’tyhmiä’ ja niiden olevan myös intuition käsittelyn ja hyödyntäHyötyniemi sanoo, että neokybernetiikan kommunikointi ja muu vuorovaikutus sekä misen kehittäminen hyväksytyksi tieteeksi asti. missio on tehdä emergenssin käsitteestä tiekonfliktien hallinta perustuvat aivan yksinteellisesti hyväksyttävä.

Kybernetiikka ei ehkä kertaisiin sääntöihin, niiden yhteistyö näyttää Jään miettimään, miksi tuo etuliite neo? hyvin järkevältä ja tehokkaalta – edellyttäen sovi opintojen alkuun?

Halutaanko sillä tehdä ’hajurakoa’ huono- tietysti, että järjestelmät ovat kyberneettisiä. maiseen ’perinteiseen’ kybernetiikkaan?

Hyötyniemi itse ei suosittele kybernetiikan Myöhemmin juttua tarkistettaessa Hyötykurssiaan opintojen alussa oleville. Kurssin Intuitiota ja niemi kertoo taustan: ”1970-luvulla uutta vahvasti intuitioon perustuvat menetelmät kun kovaa yrittämistä näkökulmaa kybernetiikkaan alettiin kutsua ovat osin niin pahasti ristiriidassa perinteisen nimellä New Cybernetics. No, neokyber- Laajoihin kompleksisiin järjestelmiin liittyvän reduktiivisen insinööriajattelun kanssa, että netiikka on sitten uusi näkökulma tähän emergenssin mallintaminen ei kuitenkaan ole uuden ajattelutavan omaksuminen saattaa uuteen kybernetiikkaan!”, hän naurahtaa. mikään helppo ja yksinkertainen tehtävä. haitata muuta opiskelua!

Koko kybernetiikan peruskurssi on katsottavissa netissä suomeksi luennoituna. ”Ennen kybernetiikkaopintoja on hallittava peruskäsitteet ja perustyökalut, koska korkean tason käsitteet ilman konkreettista sisältöä ovat pelkkää pinnallista näennäistietoa.

Ymmärryksen kasvu on sekin evolutiivinen, kyberneettinen prosessi: tyvestä puuhun noustaan! Yllättäen insinööriopinnot antavat tukevan pohjan myös kokonaisvaltaisen maailmankuvan rakentamiselle.”

Pelkällä intuitiolla ei homma valitettavasti hoidu. Sillä voi kuitenkin jäljittää ideoita, joiden pohjalta ratkaisuun saattaa lopulta päästä – kovan puurtamisen jälkeen. Työkaluiksi kurssi esittelee laajan repertuaarin matemaattisia menetelmiä. Intuitiota tarvitaan tutkimuksen suunnan valitsemiseen ja myös tulosten kiinnostavuuden arviointiin.

Taustalla kajastaa myös ’Okkamin partaveitsi’ -nimellä tunnettu periaate, jonka voi ehkä pelkistää niin, että yksinkertaisin ratkaisu on paras – eli teoriaan ei pitäisi koskaan ottaa mukaan mitään sellaista, mitä siihen ei aivan välttämättä tarvita.

Hyvä ohjenuora on myös vanha KISS: Keep It Simple Stupid! Optimaaliset mallit ovat tyypillisesti myös mahdollisimman yksinkertaisia.

Joku on ihmetellyt periaatteen nimiä: mikä ihmeen partaveitsi? Itse olen aina luullut, että tässä alkujaan ’Ockham’s razor ’-nimellä jo 1700-luvulla lanseeratussa termissä razor viittaa pikemminkin järkeen – aivan samoin kuin espanjan kielen sana razón, joka esiintyy myös sanonnassa tienes razón – olet oikeassa. Toisaalta sanotaanhan myös, että jonkun järki on terävä kuin partaveitsi.

Yksi perusperiaate systeemien todellisten ominaispiirteiden etsiskelyssä on aika-akselin eliminointi havaintomateriaaleista. Kun aikariippuuvuus tungetaan kauas taustalle, esiin nousevat systeemin todellista luonnetta paremmin kuvaavat tilastolliset piirteet.

Erityisen voimakkailta työkaluilta tuntuvat tilastolliset monimuuttujaregressiomenetelmät, joiden taustalla on ajatus, että moniulotteisten mittaussignaalien sisältämä relevantti informaatio voidaan esittää matalammassa dimensiossa ns. latenttimuuttujien, eli piilomuuttujien avulla, jotka ovat lineaarikombinaatioita alkuperäisistä muuttujista.

Ja kaiken aikaa läsnä on äärimmäinen pyrkimys yksinkertaisuuteen. Esimerkiksi aina ensimmäiseksi pyritään laatimaan malli, joka on lineaarinen. Vasta äärihädässä mukaan otetaan epälineaarisia elementtejä – nekin vasta sitten, kun lineaarinen osa mallia on saatu toimimaan hyvin, jolloin ne voidaan ympätä mukaan jo suhteellisen helposti.

Menetelmissä voi jopa aistia olevan suoranaista tahallisesti haettua ristiriitaa. Dynaamisia järjestelmiä pyritään aluksi mallintamaan ikäänkuin ne olisivat staattisia. Ja lineaarisuuden vaatimus ei istu kovin hyvin yhteen sen kanssa, että nimenomaan epälineaarisuus ruokkii emergenssiä. Mutta jostakin on pakko päästä liikkeelle.

Lineaarinen on kaunista

Nerokkaita oivalluksia, kuin silmänkääntötemppuja

On hauska katsoa Hyötyniemen kaavojen pyörittelyä. Selkeästi mahdottomalta tuntuva tehtävä käännähtää hetkessä kakkupalaksi.

Ja pian käy ilmi, että sama kaava, joka selittää kasvinsyöjien käyttäytymistä, sopiikin mainiosti selittämään vaikkapa elektronien orbitaaleja molekyyleissä – joka puolestaan voi antaa avaimet ymmärtää, miksi proteiinit laskostuvat juuri niin kuin ne tekevät. ”Toimivathan elektronitkin kuten ’itsekkäät agentit’. Ne pyrkivät kohti positiivisia varauksia ja tyrkkivät samalla toisia elektroneja etäämmälle. Muodostuu itseorganisoituva ’kyberneettinen ekosysteemi’, joka balansoi itsensä”, Hyötyniemi perustelee.

Lineaarisuus merkitsee, että systeemissä pätee superposition periaate, eli sen suureiden välisiä vuorovaikutuksia voidaan kuvata yhteen- ja kertolaskun keinoin – jolloin on esimerkiksi niin, että jos jokin herätesignaali kaksinkertaistuu, niin myös siitä riippuva vastesignaali kaksinkertaistuu.

Vahva epälineaarisuus puolestaan merkitsee sitä, että systeemi on hyvin herkkä parametrien muutoksille. Pienikin muutos jossakin suureessa voi muuttaa systeemin tilaa merkittävästi. Epälineaariselle systeemille on myös ominaista, että sen lopputila saattaa riippua olennaisesti lähtötilanteesta, jolloin ennustettavuus on hyvin huono.

Lineaarisuuden korostamiseen on monta hyvää syytä ja perustelua. Päällimmäisenä on tietysti se, että lineaarisuuden oletus

37

on monesti aivan ainoa keino ylipäänsä löytää ratkaisu.

Hyvä perustelu on myös se, että yleensä voidaan olettaa, että järjestelmä on varsin lineaarinen ainakin dynaamisten tasapainotilojen läheisyydessä – ja juuri siellähän säädettävän järjestelmän halutaan pysyvänkin.

Siitä että lineaarinen systeemi noudattaa superpositioperiaatetta, seuraa se mahtava mahdollisuus, että ratkaisu on skaalattavissa eri kokoisiin järjestelmiin. Tämä ominaisuus elättää toiveita siitä, että on ylipäänsä mahdollista löytää laajalti sovellettavia ’yleisesti päteviä’ kyberneettisiä malleja.

Lineaarisuus merkitsee käytännössä myös sitä, että systeemistä tehtävän mallin perusteella toteutettava säätöjärjestelmä voidaan koostaa halvemmista, yksinkertaisemmista ja helpommin hallittavista teknisistä ratkaisuista. ”Lineaarisissa malleissa pitäytyminen tuo myöhemmin kauniin palkinnon: osoittautuu, että lineaarinen rakenne on kyberneettisen informaation mallina paras mahdollinen, joten sillä on evolutiivinen etu puolellaan.

Voidaankin olettaa, että luonto itsekin pyrkii kohti lineaarisuutta”, Hyötyniemi korostaa.

Mallinnus on kaiken A ja O

38

Erityisen suuria odotuksia kohdistuu siihen, että kybernetiikka tuo apua kompleksisten järjestelmien mallintamiseen. ”Sen jälkeen kun meillä on järjestelmän malli, tarjolla on kyllä hyvin tehokkaita modernin säädön menetelmiä, joilla varsinainen säätötoiminto voidaan toteuttaa”, Hyötyniemi vakuuttaa.

Mallintamisen menetelmiin voi tutustua Hyötyniemen luennoimalla kurssilla Monimuuttujaregression menetelmät, jossa keskitytään ratkaisujen etsimiseen erityisesti tilastollisten monimuuttujamenetelmien avulla. ”Se on sellainen monen muuttujan menetelmien kurssi, jossa lähdetään siitä, että mittauksia ja signaaleja on oikeasti paljon – ja sitten järjestelmälle pyritään rakentamaan paras mahdollinen malli tällaisessa kehyksessä ilman että sitä palautetaan näihin perinteisiin malleihin”, Hyötyniemi selvittää.

Perinteisesti on lähdetty siitä, että järjestelmän jokaisen erillisen herätesignaalin ja vastesignaalin välinen yhteys mallinnetaan erikseen, esimerkiksi siirtofunktioita käyttäen. Ongelmana on silloin se, että jos järjestelmässä on n herätesignaalia ja m vastesignaalia,

niin tarvitaan n x m siirtofunktiota. Todellisessa maailmassa näillä eri siirtofunktioilla on kuitenkin paljon yhteistä, koska kyseessä on kuitenkin lopultakin yksi ja sama kyberneettinen järjestelmä. Monimuuttujamenetelmillä voidaan jäljittää nämä yhtäläisyydet. ”Olen havainnut, että monimuuttujajärjestelmät ovat hyvin tärkeitä, ne tulevat olemaan insinöörityössä jatkossa hyvin keskeisiä”, Hyötyniemi perustelee. ”Kuten jo aiemmin todettiin, tilastolliset monimuuttujamenetelmät ovat kaikkien kyberneettisten järjestelmien perustyökaluja.

Tämä mahdollistaa insinööriosaamisen soveltamisen myös ehkä aivan uusille tutkimuksen alueille.”

on vaikea hallita kokonaisuutta, koko laitosta, jossa kaikki saattaa vaikuttaa kaikkeen.

Vaikka käännetään vain yhtä nappulaa, koko laitokseen aiheutuu helposti transientti”, Hyötyniemi tietää. ”Olemme nyt puhuneet paljon tällaisista hyvin löysän kuuloisista asioista ja ideatason ilmiöistä, mutta osoittautuu, että kun kuljetaan riittävän syvältä ja palataan takaisin globaalille tasolle, globaalin säätäjän tasolle, niin matkalla kertyy intuitiota siitä, kuinka me voimme ohjata vaikkapa jotakin monimutkaista teollisuuslaitosta.”

Tekoäly ja kybernetiikka

”Biologisilla soluilla on pitkälle kehittynyt itsepuolustus ja niillä on tehokkaita keinoja suojautua ympäristön vaihteluita vastaan”, paljon solujen mallinnustakin tehnyt Hyötyniemi johdattelee. ”Aivan samanlaisia periaatteita voidaan soveltaa vaikkapa teollisuuslaitosten teknisiin soluihin, joissa niissäkin tapahtuu tavallaan metaboliaa eli soluhengitystä: sisään menee raaka-aineita ja ulos tulee tuotteita.” ”Aivan samalla tavalla kuin biologinen solu, myös tuotannon solu voi pyrkiä optimoitumaan kyberneettisesti niin, että se käyttää mahdollisimman tehokkaasti hyväksi ympäristöä ja tulee samalla myös mahdollisimman robustiksi, jolloin se säilyttää tasapainonsa ja pysyy hengissä, vaikka ympäristöolosuhteet vaihtelevat.” ”Näin ajatellen päästään hyvin kiinnostaviin teknisiin ongelmanasetteluihin. Perinteisesti säätötekniikassa on keskitytty yksittäisiin säätäjiin; mitataan yhtä suuretta ja säädetään yksittäisellä säätäjällä toista yksittäistä suuretta. Kybernetiikka antaa työkaluja siihen, että me voimme katsoa kerralla koko järjestelmää ja ohjata kaikkia yksittäisiä säätäjiä siten, että kokonaisuus tulee robustimmaksi”, Hyötyniemi selvittää. ”Näin ei mennä pelkästään lokaalisti optimaaliseen suuntaan, vaan samalla myös globaalisti robustimpaan suuntaan.”

Systeemitekniikan tutkimusryhmän tutkija Kalle Halmevaara teki väitöskirjan siitä, kuinka tällaisia ajatuksia voidaan soveltaa esimerkiksi Veitsiluodon sellukattilan optimointiin. Kyseessä oli todellinen käytännön sovellus, joskin työssä käytettiin simuloitua dataa, joka vastasi mahdollisimman tarkasti todellisuutta. Halmevaara väitteli 23.10.2009.

eivät innosta teollisuutta

Haastattelun alussa Hyötyniemi painotti erityisesti sitä, että kybernetiikka on hänelle rakas harrastus, leipätyö on aivan muuta, esimerkiksi teollisiin prosesseihin liittyvien kehitysprojektien läpivientiä. Mutta eikö kybernetiikan tutkimustuloksia voida siis vielä soveltaa käytäntöön? ”Teollisuus ei yleensä halua kuulla mistään kybernetiikasta, tekoälysäätäjistä ja muusta sellaisesta, vaan haluaa hyvin pitkälle keskittyä hyviksi ja toimiviksi osoittautuneisiin perinteisiin PID-säätäjiin. Siinäkin mielessä tämä on perustutkimusta”, hän veistelee.

Hänen mainitsemansa PID-säätäjä on säätötekniikan perustyökalu, jonka nimi tulee sanoista Proportional, Integral ja Derivative.

Säätimeen on yhdistetty kolme erilaista säätötoimintoa, joiden voimakkuutta ja keskinäistä suhdetta säädetään parametreilla siten, että ne vastaavat parhaiten säädettävän suureen käyttäytymistä ja säädön tarkoitusta.

P-osa säätää suorassa suhteessa säädön pohjana olevan erosignaalin suuruuteen, integroiva I-osa suhteessa aikaa myöden kumuloituneeseen virheeseen ja derivoiva Dosa suhteessa erosignaalin muutosnopeuteen – joten sen avulla voi tehdä myös ’ennakoivaa’ säätöä.

Hyötyniemi itse uskoo kuitenkin vakaasti siihen, että kybernetiikalla tulee olemaan vielä hyvin paljon tarjottavaa kompleksisissa ohjausjärjestelmissä. ”Kyllä teollisuuslaitosten operaattorit hallitsevat yksittäiset säätäjät ja tietävät, mitä nappulaa pitää kääntää esimerkiksi silloin, kun laatu vaihtelee tietyllä tavalla. Mutta heidän

Kohti teollista metaboliaa

että hyvin monet rahoitusta hakevat hankkeet saavat kerrassaan loistavat arviot, mutta rahaa ei sitten tulekaan, jolloin hakijat eivät tiedä, mikä oikein meni pieleen.

Hyötyniemellä on tarjota esimerkki siitä, että Akatemialta voi saada tosi huononkin arvion. Hän itse sai huonoimmat mahdolliset arvosanat hakiessaan vuonna 2005 rahaa neokybernetiikan kirjansa kirjoittamiseen liittyvään tutkimukseen. Tekoälytutkimuksessa on kuulemma koettu jo liikaa pettymyksiä. ”Suomen korkein tieteellinen auktoriteetti on arvioinut minun tekevän huonoa tiedettä”, Vasemmalla perinteinen ajattelu. Oikealla Hyötyniemen näkemys.

Hyötyniemi naurahtaa. ”Toivottavasti sitä voi Hyötyniemi kertoo, että on itse alkanut – ja ehkä lopulta selvittää ja selittää sitä, silti pitää hyvänä luonnonfilosofiana.” yhä enemmän nähdä asioita niin, että teolli- mitä on kaiken olevaisen takana.

Jään pohtimaan, onko perustutkimuksen suudessa on paljon sovelluksia, jotka vastaa”Voisi jopa hieman hyökkäävästi sanoa, ainoa toivo siinä, että kasinotalouksissa ökyvat luonnon kyberneettisiä soluja. Esimerkki- että kybernetiikka onkin todellisuuden perus- rikastuneiden sukujen vesat kyllästyvät lopulta nä hän mainitsee Pyhäsalmen kaivoksen tiede”, hän heittää hymyillen. kaikkiin extreme-harrastuksiinsa ja lähtevät rikastamon vaahdotuskennostot, joiden autotutkimaan liki kaikenkattavan kybernetiikan Kybernetisoituminen maatiota hän on ollut kehittämässä. tarjoamia haasteita. Kyberneettiset järjestel”Kyllä käytännön monimuuttujaongelmisei ole aina hyväksi mät ovat nykymaailmassa ehkä se viimeinen takin löytyy usein hyvin haastavia teoreettisia tutkimaton rajamaa, ’ehtymätön Eldorado’.

Kyberneettiselle järjestelmälle on ominaista, kysymyksenasetteluja”, hän toteaa.

Mesenaattejakin tarvittaisiin taas. että se pyrkii aina eliminoimaan mahdollisimman hyvin tulevat herätteet. Aivan aiheetta ei Kybernetiikka Pelkkä malli vai siis Neuvostoliittokaan nostanut kybernetiik– todellisuuden perustiede? interobjektiivinen totuus? kaa niin korkealle jalustalle.

Kun puhumme kybernetiikan paikasta tieteiMutta tänään maailmassa on edelleen ”Kaiken tieteellisen työn lähtökohta on, että den joukossa, käy ilmi, että Hyötyniemi jopa menossa vahva kybernetisoituminen, jossa rakennetaan malleja. Ja silloin kun malli ei kääntäisi kovin mielellään ylösalaisin tietei- kybernetiikan periaatteita sovelletaan ties vastaa todellisuutta, hyväksytään se, että den perinteisen ’nokkimisjärjestyksen’. mihin – tosin asiaa ei ehkä aina mielletä malli on väärässä, koska mallithan ovat vain ”Perinteisesti on ajateltu, että filosofia on kybernetisoitumiseksi. Mutta mistä siinä on pinnallisia kuvauksia, jotka eivät koskaan se taustalla oleva logiikka, joka antaa kysymys? Tiivistetysti siitä, että lisätään toi- pysty tavoittamaan sitä systeemin ydintä”, työkalut esimerkiksi lineaariteorialle ja muulle saalta informaation hankintaa (siis valvontaa) Hyötyniemi jatkaa. matematiikalle. Ja sitten sovellettua matema- ja toisaalta ohjeistusta. Näin saadaan elimi”Mutta jos on niin, että nämä luonnon tiikkaa ovat luonnontieteet. Ja sovellettua noitua vapausasteita, jolloin asiat saadaan kyberneettiset järjestelmätkin rakentuvat näille paremmin haltuun ja myös ennustettavuus luonnon itse laatimille malleille, joita se sitten luonnontiedettä on tekniikka”, hän lokeroi. ”Ajatellaan, että insinöörialat, esimerkiksi paranee. Järjestelmien säädöt paranevat. käyttää mallipohjaiseen säätöön, niin mikä säätötekniikka ja systeemitekniikka ovat hieTyöelämän kybernetisoitumisesta kielivät ero lopultakin on niillä ja ihmisen tekemillä rarkian alimpana. Siellä vain sovelletaan muun muassa termit lähiesimies ja kehitys- malleilla?” lähes mekaanisesti käytäntöön muualta lai- keskustelu. Hyötyniemen mielestä pahinta on ”Jos me rakennamme mallin täysin samoilnattuja oppeja. Ja katsotaan, että siellä ei se, että myös tiedeyhteisöt kybernetisoituvat, la periaatteilla kuin itse luontokin rakentaa tehdä mitään hienoa”, hän tuhahtaa. jolloin tieteenteko ja erityisesti perustutkimus mallin noista resursseista – samat attraktorit Itse hän näkee asian olevan pikemminkin uhkaavat taantua. Rahoituksensa turvaami- toteuttaen – niin eikö siinä ole aivan funniin päin, että kaiken tieteen lähtökohtina seksi tutkimusryhmien on valittava sellaisia damentaalisellakin tasolla mukana kaikki ovat kielenä toimiva matematiikan syntaksi tutkimuskohteita, joissa takuuvarmasti syntyy olennainen? Ja silloin malli ei olekaan enää sekä sille merkitykset antava luonnontieteiden tuloksia. Eli kuten tiedefilosofi Thomas Kuhn pelkkä malli, vaan se kuvaa käyttäytymistä semantiikka. Se, mitä tällä kielellä kerrotaan, on todennut: Tiede näyttää etenevän nope- täysin oikein, jolloin kyseessä on syvä meta’evolutiiviset tarinat’, voidaan ymmärtää asti, koska tutkimusryhmät valitsevat vain sel- fyysinen totuus, interobjektiivinen totuus”, adaptiivisten säätöjärjestelmien tarjoamassa laisia ongelmia, jotka ne osaavat ratkaista. Hyötyniemi sanailee ”tällaisena rohkeana Kirjoitin viime vuonna Sisäpiirissä siitä, heittona” lopuksi. Niin, todellakin melkoisia kehyksessä. Juuri niiden pohjalta voidaan perustella luonnon mekanismit ja järjestelmät että Suomen Akatemiaa oli arvosteltu siitä, lupauksia! ■

39

Korjatkaa osoitetietoni!

(Laita vanha osoitelipuke mukaan!)

❑ ❑ ❑

Liittäkää minut Sisäpiirin postituslistalle!

Liityn Sähköklubin jäseneksi (Täytä ainakin kotiosoitetiedot!)

Ottakaa minuun yhteyttä, haluan antaa palautetta lehdestänne!

• Voit tilata lehden kotiin tai työpaikalle.

• Jos haluat liittyä Sähköklubin jäseneksi, niin täytä ainakin kotiosoitetiedot.

nimi tehtävä/oppiarvo/jos olet opiskellut TKK:lla, niin opintojen aloitusvuosi, esim. S–69 yhteystietoni työpaikalle: yritys/laitos osasto/ryhmä lähiosoite (työ) postinumero (työ)

postitoimipaikka (työ)

maa

puhelin (työ)

matkapuhelin (työ

sähköposti (työ)

yhteystietoni kotiin: lähiosoite (koti) postinumero (koti)

postitoimipaikka (koti)

maa

puhelin (koti)

matkapuhein (koti)

sähköposti (koti)

kommenteja:

Info 13000 Tunnus 5003319 Teknillisen korkeakoulun Elektroniikan, tietoliikenteen ja automaation tiedekunta Vastaanottaja maksaa postimaksun lähetä postimaksutta

✁

Kopioi ja faksaa numeroon (09) 460 224 tai leikkaa kortti irti ja pane postiin. Vastaanottaja maksaa postimaksun.

02003 VASTAUSLÄHETYS 1 Business Class

Sisäpiiri

P a l v e l u k o r t t i

❑

40

Kerrankin on rahaa kerättäessä hyötysuhde kohdallaan. Hyvään tarkoitukseen menevät rahat eivät hupene eivätkä katoa matkalla, vaan moninkertaistuvat!

Valtio on luvannut, että jokaista Aalto-yliopistolle lahjoitettua euroa kohden valtion kirstusta kaivetaan 2,5 euroa lisää. Eli Aalto saa lahjoittamasi summan 3,5 kertaisena!

Vuosina 2009–2010 kerätään TKK:n alumnikeräyksenä lahjoitusvaroja vahvistamaan Aalto-yliopiston säätiöpääomaa ja luomaan samalla yhä parempia edellytyksiä tuleville sukupolville.

Jokainen lahjoitus on tärkeä. Jos lahjoitat yli 850 euroa, koko lahjoitussumma on verovähennyskelpoinen.

Lue lisää: http://varainhankinta.tkk.fi

kuva: TKK:n kuva-arkisto

Lahjoita ropo, Aalto saa 3,5!