Jo 12 vuoden ajan Protieto on kehittänyt yhteistyössä suomalaisten kaupunkien kanssa m-reporting -nimistä sovellusta. Kyseinen sovellus on laaja toiminnan- ja tuotannonohjauksen järjestelmä, joka on tarkoitettu asiakkaille, joilla on liikkuvaa henkilöstöä. Sovelluksesta löytyviä ominaisuuksia ovat muun muassa työn suunnittelu ja seuranta, raportointi sekä teollisuusstandardoidut integraatiorajapinnat.

Nyt olemme ottamassa seuraavaa askelta sovelluksen kehityksessä. Suoritamme tutkimusta siitä, miten koneoppimisen ja IoT-laitteiden kautta sovellustamme voisi parantaa. Näistä kahdesta aiheesta lisää alempana.

 

Koneoppiminen osana älykkäämpää urakanhallintaa

Koneoppimisen (engl. Machine Learning) suosio on jatkanut kasvuaan jo jonkin aikaa. Koneoppimisella tarkoitetaan metodeja, joilla tietokone itsenäisesti oppii saamansa datan perusteella kehittämään toimintaansa tietyn tehtävän parissa. Tuttavallisemmin tämä termi tulee vastaan “tekoäly” ja “AI”-sanojen kautta. Koneoppimista hyödynnetään  jo  lukuisten  tehtävien suorituksessa  ja  nyt  me  selvitämme miten sitä voisi hyödyntää älykkäämmän kunnossapidon ja alueurakoiden hallinnassa.  Esimerkiksi  voisiko  sen  avulla  ennustaa urakan  kustannuksia,  loppumisaikaa  tai  mahdollisia vastaantulevia  taloudellisia  tai  toiminnallisia  riskejä, jolloin niihin voidaan varautua ajoissa?

Ei ole kuitenkaan järkevää hypätä heti syvään päätyyn eli on parempi aloittaa kehitys keskittymällä yhteen asiaan kerrallaan. Valitsemamme lähestymistapa tähän tutkimukseen on keskittyä ennustamaan projekteihin kuluvaa tuntimäärää aiemmista projekteista saadun datan avulla. Tähän tarkoitukseen kehitettävän mallin rakenne on vielä suunnittelun ja tutkimuksen alla, mutta esimerkiksi jonkinlainen neuroverkkomalli on varteenotettava vaihtoehto. Neuroverkon käytössä ideana on ensin opettaa mallia antamalla sille parametreja sekä haluttu lopputulos. Opetusvaiheen jälkeen mallille syötetään pelkät parametrit ja vertaillaan onko lopputulos oikeanlainen.

Tutkimuksen arvioitu valmistumisaika on syksyllä 2024. Tutkimuksen jälkeisiä jatkoaskelia ei tässä vaiheessa vielä ole mietittynä, mutta mikäli tutkimus on onnistunut, ryhdymme varmasti tutkimaan lisää tapoja koneoppimisen ja tekoälyn hyödyntämisessä.

 

Tavoitteena on aiemmin kerätyn datan perusteella ennustaa projektien tuntimääräkäyrien käyttäytymistä tulevina kuukausina

 

IoT-laitteiden kuvaaminen karttasovelluksessa kaupunkien kunnossapitoon

 

IoT-laitteet (Internet of things) ovat erilaisia internetiin yhdistettyjä esineitä, ajoneuvoja, antureita tai resursseja. Tällaiset laitteet voivat lähettää tai vastaanottaa dataa netin välityksellä. Nykymaailmassa saattaa olla hankalampaa löytää laitetta, jolla ei olisi kapasiteettia olla yhteydessä internetiin. Esimerkkinä IoT-laitteesta on sääasema, joilta saadaan paikallista säätietoa datana. Tällaisten laitteiden kuvaaminen karttasovelluksessa on aiheena Protiedolla suoritettavassa tutkimuksessa.

Tarkoituksena on kehittää laitteiden kuvaamista karttasovelluksessa. Hyödyntämällä WFS-rajapintamäärittelyä (Web Feature Service) toiminnon toteuttamisessa, voidaan luoda järjestelmä, johon on helppo lisätä jo olemassa olevia laitteita. Muodostamalla IoT:sta WFS-rajapinnan mukaista dataa, saadaan tiedot näytettyä suoraan kaupunkien olemassa olevissa karttapalveluissa.  

Tutkimuksen valmistuminen on ajoitettu 2024 syksylle. Jatkona tämän tutkimuksen jälkeen on kehittää saadusta datasta hyödyllisiä visualisointeja kartalle. Esimerkiksi liikenteenvalvonnan laitteiden lähettämien tietojen perusteella voisi kuvata karttasovelluksessa sitä, kuinka kiireisiä tietyt katualueet ovat. Näin saataisiin hyödynnettyä kokonaan laitteista saatua dataa.

3D-kartalla IoT-laitteiden kuvaaminen on mahdollista erilaisilla tavoilla. Kuvassa erilaisia varusteita merkattuna värikkäillä pylväillä.

 

 

Protieto

protieto.fi

Luitko jo?