Koneen laakerivika havaittu. Varaosa tilattu. Huoltoikkuna varattu ensi viikon seisokkiin. Työmääräys luotu SAPiin. Aivan näin automatisoitua kunnossapito ei vielä ole, mutta Rotomaten toimitusjohtaja Mikko Kuusiston mukaan tähän suuntaan ollaan tekoälyn avulla menossa kovaa vauhtia.
Suomalainen Rotomate kehittää teollisuudelle tekoälyinsinööriä, jonka tehtävänä on analysoida tehdasdataa, tunnistaa alkavia vikoja ja ehdottaa korjaavia toimenpiteitä. Vuonna 2024 perustettu yhtiö on kerännyt 2,1 miljoonan euron siemenvaiheen rahoituksen tuotekehityksen ja kansainvälisen kasvun vauhdittamiseen.
Rotomaten mukaan teollisuuden suurin haaste ei enää ole datan puute. Tehtailla on jo runsaasti sensoreita ja vuosien aikana kertynyttä kunnossapitotietoa. Ongelmaksi muodostuu datan tulkinta.
– Teollisuuden käyttöasteessa ja luotettavuuden parantamisessa on valtavasti kohennettavaa lähes jokaisessa teollisuuslaitoksessa ja tehtaassa. Hidasteena ei ole data vaan ihmisen rajallinen huomiokyky, sanoo toimitusjohtaja Mikko Kuusisto.
Kuusiston mukaan markkinoiden yleisimmät ennakoivan kunnossapidon ratkaisut perustuvat edelleen hälytysten tuottamiseen. Kun jokin mitattu suure ylittää asetetun raja-arvon, järjestelmä ilmoittaa asiasta ja jättää varsinaisen analyysin asiantuntijalle.
– Rotomate sen sijaan mallintaa kunnossapitoinsinöörin ajattelua tekoälyagenteilla ja tuottaa selkokielisen diagnoosin, perustelut ja konkreettisen huoltotoimeksiannon täysin automaattisesti, Kuusisto kuvailee.
Yhtiön ratkaisu ei kuitenkaan perustu pelkästään generatiiviseen tekoälyyn. Kuusiston mukaan järjestelmän perustana toimii perinteinen värähtelyanalytiikka, signaalinkäsittely ja sääntöpohjainen analyysi, joiden päälle tekoälyagentit on rakennettu.
– Tuotteen ytimessä on klassinen värähtelyanalytiikka: signaalinkäsittelyalgoritmit, sääntöpohjaiset värähtelyanalytiikan menetelmät ja syvä laskennallinen mallinnus. Nämä deterministiset menetelmät muodostavat luotettavan analyysipohjan, jolla varmistetaan, että analyysin perusta on aina toistettavissa.
Generatiivisen tekoälyn tehtäväksi jää kunnossapitoinsinöörin ajattelun mallintaminen, eri tietolähteiden yhdistäminen sekä huoltosuositusten tuottaminen.
– Agentti sitoo kielimallien päättelyn konkreettiseen mittausdataan ja laitevalmistajien huoltodokumentteihin. Generatiivinen tekoäly tuo asiantuntijatason analyysin ja selkokielisyyden, kun taas deterministinen analytiikka takaa luotettavuuden ja toistettavuuden, Kuusisto sanoo.
Teollisuudessa tekoälyn luotettavuus on kriittinen kysymys. Rotomaten mukaan järjestelmä perustaa johtopäätöksensä aina mitattuun dataan eikä pelkästään kielimallin päättelyyn.
– Kielimalli ei kuvittele vastauksia, vaan hakee perustelut konkreettisesta mittausdatasta ja laitevalmistajien huoltodokumenteista. Jokainen päätös esitetään käyttäjälle perusteluineen, Kuusisto kertoo.
Lopullinen päätösvalta säilyy edelleen ihmisellä.
– Ihminen pysyy päätösketjun viimeisenä lenkkinä ja vahvistaa aina lopulliset päätökset.
Rotomaten pitkän aikavälin visio ulottuu kuitenkin nykyistä pidemmälle. Tällä hetkellä järjestelmä tuottaa diagnooseja ja huoltosuosituksia, mutta tulevaisuudessa se voisi automatisoida myös kunnossapidon hallinnollisia tehtäviä.
– Seuraavissa kehitysvaiheissa ohjelmisto voi automatisoida esimerkiksi varaosien tilauksen, huoltokalenterin päivityksen tai työtilausten luonnin asiakkaan huoltojärjestelmiin.
Täysin autonomiseen kunnossapitoon yhtiö ei kuitenkaan vielä tähtää.
– Täysi autonomia, jossa tekoäly käynnistäisi fyysisiä huoltotoimenpiteitä, ei ole lyhyen tähtäimen tavoite. Teollisuuden kunnossapidossa ihmisen rooli päätösketjun viimeisenä lenkkinä on perusteltua sekä turvallisuus- että vastuukysymysten vuoksi, Kuusisto painottaa.
Rotomaten asiakkaisiin kuuluvat muun muassa Metsä Group, SSAB ja Aurubis. Yhtiön mukaan sen asiakkaiden tuotantolaitokset edustavat yhteensä yli 35 miljardin euron vuotuista tuotantoa. Rahoituskierrosta johti suomalainen pääomasijoittaja Kvanted. Mukana olivat myös Robin Capital, Angel Invest, Accelin scout-ohjelma sekä Business Finland.
Tekoäly, kehittyneet yhteydet ja tietoturva muuttavat sulautettujen järjestelmien arkkitehtuureja. Laskentateho kasvaa nopeasti samaan aikaan, kun laitteiden fyysinen koko pienenee. Tietoturva, datan hallinta ja uudet säädökset lisäävät vaatimuksia niin yhteyksille kuin suunnittelullekin. Samalla laitevalmistajat pyrkivät nopeuttamaan tuotekehitys- ja testaussyklejään.