Tekoäly tuotannossa ei tarkoita vain robotteja, konenäköä tai pitkälle automatisoitua tehdasta. Valmistavassa pk-yrityksessä tekoäly voi olla ennen kaikkea apuväline, joka kokoaa tietoa, tunnistaa poikkeamia, ennakoi ongelmia ja auttaa ihmisiä tekemään parempia päätöksiä.
Tekoäly voi hyödyntää esimerkiksi ERP- ja MES-järjestelmien tietoja, koneiden mittausdataa, laatuhavaintoja, kunnossapitotietoja, työohjeita sekä henkilöstön kokemusta. Sen avulla voidaan parantaa tuotannon tilannekuvaa, toimitusvarmuutta, laatua ja resurssien käyttöä.
Tekoäly ei kuitenkaan korvaa toimivaa tuotannonohjausta eikä ratkaise epäselviä prosesseja automaattisesti. Hyöty syntyy, kun tekoäly liitetään todelliseen tuotannon tarpeeseen ja osaksi ihmisten, prosessien ja järjestelmien muodostamaa kokonaisuutta.
Tekoäly ei korvaa tuotannonohjausta. Se auttaa näkemään tilanteet aikaisemmin, vertailemaan vaihtoehtoja ja tekemään parempia päätöksiä.
Mitä tekoäly tuotannossa tarkoittaa?
Tuotannossa on käytetty automaatiota, optimointia ja tilastollista analytiikkaa jo pitkään. Kaikki tuotannon automaatio ei kuitenkaan ole tekoälyä.
Perinteinen automaatio suorittaa ennalta määritellyn toiminnon tietyn ehdon täyttyessä. Jos anturin arvo ylittää asetetun rajan, järjestelmä voi esimerkiksi pysäyttää koneen tai lähettää hälytyksen.
Tekoäly voi puolestaan etsiä suuresta tietomäärästä sellaisia yhteyksiä, muutoksia ja poikkeamia, joita ei ole määritelty valmiiksi yksittäisillä säännöillä.
Tuotannossa tekoäly voi:
- koota tietoa useista järjestelmistä
- tunnistaa poikkeamia ja mahdollisia riskejä
- ennustaa tulevaa kuormitusta, häiriötä tai huoltotarvetta
- verrata vaihtoehtoisia tuotantosuunnitelmia
- etsiä mahdollisia syitä laatuongelmaan
- tiivistää raportteja ja työohjeita
- ehdottaa toimenpiteitä
- automatisoida rajattuja rutiinitehtäviä
- auttaa AI-agenttia toimimaan eri järjestelmien välillä.
Tekoälyn käyttötavat voidaan jakaa karkeasti analysoivaan, ennustavaan ja generatiiviseen tekoälyyn sekä AI-agentteihin.
Analysoiva tekoäly auttaa ymmärtämään, mitä tuotannossa tapahtuu. Ennustava tekoäly arvioi, mitä todennäköisesti tapahtuu seuraavaksi. Generatiivinen tekoäly voi tuottaa yhteenvetoja, vastauksia, ohjeita ja vaihtoehtoisia toimintamalleja.
AI-agentti voi näiden lisäksi hakea tietoa, käyttää sille sallittuja työkaluja ja valmistella tai toteuttaa rajattuja tehtäviä.
Tekoäly tarvitsee tuotannon tietoa
Tekoälyn hyödyntäminen ei ala algoritmin valinnasta. Ensin on ymmärrettävä, mitä ongelmaa ollaan ratkaisemassa ja millaista tietoa ratkaisussa tarvitaan.
Valmistavan yrityksen tuotantotietoa voi olla:
- ERP-järjestelmässä
- MES-järjestelmässä
- tuotantokoneissa ja niiden ohjausjärjestelmissä
- kunnossapitojärjestelmässä
- laadunhallinnan järjestelmissä
- varasto- ja logistiikkajärjestelmissä
- Excel-taulukoissa
- työohjeissa ja tarkistuslistoissa
- piirustuksissa, kuvissa ja PDF-tiedostoissa
- sähköposteissa ja poikkeamaraporteissa
- työntekijöiden kokemuksissa ja havainnoissa.
Tietoa ei aina tarvitse siirtää yhteen suureen järjestelmään. Tekoälyratkaisu voi joissakin tapauksissa hakea tarvittavia tietoja eri lähteistä ja muodostaa niistä tilannekohtaisen kokonaisuuden.
Tietojen täytyy silti olla riittävän luotettavia, ajantasaisia ja keskenään yhdistettävissä. Jos tuotteen, työvaiheen, koneen tai tilauksen tunnisteet vaihtelevat järjestelmästä toiseen, tekoälyn on vaikea muodostaa oikeaa kokonaiskuvaa.
Tekoälyn tärkeimmät käyttökohteet tuotannossa
Tuotannon suunnittelu ja aikataulutus
Tuotannon suunnittelussa on huomioitava samanaikaisesti tilaukset, toimitusajat, materiaalit, koneet, työvaiheet, henkilöstö ja kapasiteetti. Tilanne voi muuttua nopeasti esimerkiksi kiireellisen tilauksen, materiaaliviiveen, laatupoikkeaman tai konehäiriön vuoksi.
Tekoäly voi auttaa:
- työjonojen ja tuotantojärjestyksen muodostamisessa
- kapasiteetin ja kuormituksen arvioinnissa
- materiaalien saatavuuden huomioimisessa
- toimitusaikojen ennustamisessa
- pullonkaulojen tunnistamisessa
- vaihtoehtoisten tuotantosuunnitelmien vertailussa
- muuttuneen tilanteen vaikutusten arvioinnissa.
Tekoälyn ehdottama tuotantosuunnitelma ei välttämättä ole sellaisenaan paras mahdollinen. Käytännössä kokenut tuotannonsuunnittelija voi tunnistaa rajoitteita ja riippuvuuksia, joita järjestelmä ei vielä tunne. Parhaimmillaan tekoäly nopeuttaa vaihtoehtojen muodostamista ja ihminen arvioi niiden toteuttamiskelpoisuuden.
Tuotantotilanteen seuranta
Tuotannon tilannekuva voi olla hajallaan useissa järjestelmissä ja työntekijöiden tiedossa. Raportit kertovat usein, mitä on jo tapahtunut, vaikka päätöksiä pitäisi tehdä sen perusteella, mitä on tapahtumassa juuri nyt.
Tekoäly voi yhdistää eri lähteiden tietoja ja auttaa havaitsemaan:
- viivästyvät työvaiheet
- kasvavat työjonot
- poikkeavan pitkät läpimenoajat
- materiaalipuutteet
- koneiden käyttöasteen muutokset
- toistuvat häiriöt
- toimitusvarmuuteen kohdistuvat riskit.
Kaikista poikkeamista ei kannata lähettää hälytystä. Tekoälyä voidaan käyttää myös arvioimaan poikkeaman merkitystä ja nostamaan vastuuhenkilölle vain ne tilanteet, jotka vaativat huomiota.
Laadunhallinta
Laatuongelman syy ei aina löydy yhdestä mittaustuloksesta. Poikkeamaan voivat vaikuttaa esimerkiksi käytetty materiaali, koneen asetukset, työvaihe, olosuhteet, työjärjestys tai aikaisemmassa vaiheessa tapahtunut muutos.
Tekoäly voi auttaa:
- tunnistamaan poikkeavia mittaustuloksia
- analysoimaan konenäön avulla tuotteita ja pintoja
- ryhmittelemään laatuhavaintoja
- löytämään toistuvia virhetyyppejä
- yhdistämään reklamaatioita tuotantoeriin
- etsimään mahdollisia yhteisiä syitä
- vertaamaan ongelmaa aikaisempiin tapauksiin
- valmistelemaan ehdotuksia korjaavista toimenpiteistä.
Tekoälyn löytämä tilastollinen yhteys ei vielä todista syy-seuraussuhdetta. Laatupäätelmät on siksi tarkistettava prosessin tuntevien ihmisten ja tarvittaessa erillisten tutkimusten avulla.
Ennakoiva kunnossapito
Perinteisessä määräaikaishuollossa kone huolletaan ennalta määritellyin välein. Korjaavassa kunnossapidossa vika korjataan sen jo tapahduttua. Ennakoivassa kunnossapidossa pyritään tunnistamaan muutokset ennen varsinaista rikkoutumista.
Tekoäly voi analysoida esimerkiksi:
- lämpötiloja
- värähtelyä
- ääntä
- energiankulutusta
- käyttöaikoja
- hälytystietoja
- huoltohistoriaa
- tuotantonopeuden ja laadun muutoksia.
Näiden perusteella voidaan arvioida huoltotarvetta ja suunnitella huolto tuotannon kannalta sopivaan ajankohtaan.
Ennakoiva kunnossapito vaatii riittävästi luotettavaa mittaus- ja historiatietoa. Kaikki koneet tai kohteet eivät myöskään ole taloudellisesti järkeviä ensimmäisiä käyttökohteita. Kokeilu kannattaa aloittaa laitteesta, jonka ennakoimattomalla pysähdyksellä on selvä vaikutus tuotantoon.
Materiaalien käytön, energian ja hukan hallinta
Materiaalihukka voi syntyä pienistä mutta toistuvista poikkeamista. Samoin energiankulutuksen kasvu voi jäädä huomaamatta, jos kokonaiskulutusta tarkastellaan vain kuukausitasolla.
Tekoäly voi auttaa:
- seuraamaan materiaalikulutusta tuote- tai eräkohtaisesti
- tunnistamaan poikkeavaa hävikkiä
- vertaamaan koneita, työvuoroja ja tuotantoeriä
- selvittämään asetusten vaikutusta materiaalinkäyttöön
- optimoimaan työjärjestystä ja asetusten vaihtoja
- tunnistamaan poikkeavaa energiankulutusta
- arvioimaan tuotantosuunnitelman energia- ja materiaalivaikutuksia.
Tavoitteena ei ole vain kustannusten pienentäminen. Materiaalien ja energian tehokkaampi käyttö tukee myös yrityksen ympäristö- ja vastuullisuustavoitteita.
Työohjeet, perehdytys ja ongelmanratkaisu
Työohjeita, käyttöohjeita, piirustuksia ja aikaisempien ongelmien kuvauksia voi olla monissa eri paikoissa. Oikean tiedon löytäminen vie aikaa etenkin silloin, kun tuotannossa on jo häiriötilanne.
Yrityksen omaan aineistoon liitetty tekoälyavustaja voi esimerkiksi:
- etsiä oikean työohjeen
- tiivistää pitkän käyttöohjeen olennaiset kohdat
- vastata aineistoon perustuvaan kysymykseen
- näyttää vastauksen lähteet
- auttaa vertaamaan nykyistä ongelmaa aikaisempiin tapauksiin
- tukea uuden työntekijän perehdytystä
- tuottaa tarkistuslistan tiettyä työvaihetta varten.
Tekoälyn antaman vastauksen täytyy perustua hyväksyttyihin ja ajantasaisiin aineistoihin. Turvallisuuteen, koneen käyttöön tai tuotteen laatuun vaikuttavaa ohjetta ei pidä ottaa käyttöön tarkistamatta sen oikeellisuutta.
Työturvallisuus ja riskien tunnistaminen
Tekoäly voi auttaa käsittelemään turvallisuushavaintoja, läheltä piti -ilmoituksia ja poikkeamaraportteja. Suuresta havaintomäärästä voidaan tunnistaa toistuvia tilanteita, olosuhteita tai työvaiheita, joihin kannattaa puuttua.
Mahdollisia käyttökohteita ovat:
- turvallisuushavaintojen luokittelu
- toistuvien riskien tunnistaminen
- tapahtumakuvausten yhdistäminen
- riskien kehityksen seuranta
- turvallisuusyhteenvedon muodostaminen
- ennaltaehkäisevien toimien valmistelu.
Tekoäly tukee turvallisuustyötä, mutta vastuu työturvallisuudesta, riskien arvioinnista ja päätöksistä säilyy aina yrityksellä ja nimetyillä vastuuhenkilöillä.
Hiljainen tieto on osa tuotannon todellista tietopohjaa
Kaikki tuotannon kannalta tärkeä tieto ei sijaitse ERP-järjestelmässä, koneiden antureissa tai kirjallisissa työohjeissa.
Kokenut työntekijä voi havaita ongelman koneen äänestä, tuotteen tuntumasta, työvaiheen poikkeavasta kestosta tai usean pienen muutoksen yhteisvaikutuksesta. Hän saattaa tietää kokemuksesta, milloin mittaustulos on muodollisesti sallituissa rajoissa mutta tuotantoprosessi ei silti käyttäydy normaalisti.
Tällaista hiljaista tietoa on vaikea muuttaa kokonaan säännöiksi. Tekoäly voi kuitenkin auttaa sen tekemisessä näkyvämmäksi ja löydettävämmäksi.
Työntekijän havainto voidaan esimerkiksi:
- tallentaa helposti puheena tai tekstinä
- yhdistää koneeseen, tuotteeseen, työvaiheeseen ja ajankohtaan
- liittää kyseisen tilanteen mittaus- ja tuotantotietoihin
- ryhmitellä muiden vastaavien havaintojen kanssa
- löytää myöhemmin uuden ongelmatilanteen yhteydessä.
Tavoitteena ei ole siirtää ihmisen kaikkea osaamista tekoälylle. Tarkoitus on estää arvokkaan kokemustiedon katoaminen ja auttaa levittämään osaamista yrityksen sisällä.
Hiljaisen tiedon kerääminen edellyttää myös luottamusta. Henkilöstön täytyy ymmärtää, miksi havaintoja kerätään, miten niitä käytetään ja kuka niihin pääsee käsiksi. Jos tekoäly koetaan ensisijaisesti työntekijöiden valvonnan välineeksi, kokemustieto jää helposti kertomatta.
Tuotannon todellinen tietopohja muodostuu kolmesta osasta:
järjestelmien tiedot + koneiden ja prosessien data + ihmisten kokemus.
Hiljaisen tiedon, kokemuksen siirtymisen ja tekoälyn mahdollisuuksia kannattaa käsitellä myöhemmin myös omassa syventävässä artikkelissaan.
AI-agentit tuotannon tukena
AI-agentti ei ole vain kysymyksiin vastaava keskustelurobotti. Se voi sille annettujen oikeuksien rajoissa hakea tietoa eri lähteistä, käyttää järjestelmien toimintoja ja valmistella tehtäviä ihmiselle.
Tuotanto-ongelman yhteydessä AI-agentti voisi:
- havaita tuotantopoikkeaman
- hakea siihen liittyvät kone-, työvaihe- ja laatutiedot
- tarkistaa materiaalien ja resurssien tilanteen
- etsiä aikaisemmat vastaavat tapahtumat
- koota työntekijöiden asiaan liittyvät havainnot
- ehdottaa mahdollisia syitä ja jatkotoimia
- valmistella tehtävän vastuuhenkilölle
- seurata sovittujen toimenpiteiden etenemistä.
AI-agentille voidaan antaa erilaisia toimivaltuuksia. Se voi toimia vain tietoa kokoavana avustajana, valmistella ehdotuksia hyväksyttäviksi tai suorittaa ennalta sallittuja vähäriskisiä tehtäviä.
Tuotantoon, turvallisuuteen, laatuun tai asiakastoimituksiin merkittävästi vaikuttavat toimenpiteet on yleensä perusteltua pitää ihmisen hyväksynnän takana.
Käytännön esimerkkiä voidaan tarkastella tarkemmin artikkelissa AI-agentti tuotanto-ongelmaa ratkaisemassa.
Tekoäly osana tuotannon kokonaisuutta
Valmistus ei ole erillinen saareke. Tuotannon toimintaan vaikuttavat jo ennen valmistusta tehdyt päätökset, ja tuotannossa syntyvä tieto vaikuttaa toimituksiin, asiakaspalautteeseen ja tulevaan suunnitteluun.
Kokonaisuus voidaan kuvata ketjuna:
Tuotesuunnittelu → hankinta → saapuva logistiikka → materiaalit ja varasto → tuotannonsuunnittelu → valmistus → laadunhallinta → varastointi → lähtevä logistiikka → asiakaspalaute ja kehittäminen
Tekoäly voi auttaa yhdistämään koko ketjun tietoa. Jos tuotannossa syntyy esimerkiksi toistuva laatupoikkeama, mahdollinen syy voi löytyä materiaalierästä, suunnitteluratkaisusta, toimittajasta, koneen asetuksista tai tuotantovaiheen muutoksesta.
Tässä yleisartikkelissa pääpaino on varsinaisessa tuotannossa. Tuotesuunnittelua, varastointia sekä saapuvaa, sisäistä ja lähtevää logistiikkaa on tarkoituksenmukaista käsitellä myöhemmin omissa artikkeleissaan.
Mitä hyötyä valmistava pk-yritys voi saada?
Tekoälyhankkeen arvoa ei pitäisi arvioida käytetyn teknologian vaan saavutettujen vaikutusten perusteella.
Mahdollisia hyötyjä ovat:
- parempi toimitusvarmuus
- lyhyemmät läpimenoajat
- vähemmän tuotantokatkoksia
- nopeampi reagointi poikkeamiin
- tasaisempi laatu
- pienempi materiaalihukka
- parempi kapasiteetin käyttö
- tarkemmat toimitusaika-arviot
- ajantasaisempi tuotannon tilannekuva
- nopeampi ongelmanratkaisu
- työohjeiden ja tiedon helpompi löytäminen
- henkilöstön kokemuksen parempi hyödyntäminen
- vähemmän manuaalista tiedon kokoamista
- parempi jäljitettävyys.
Kaikkia hyötyjä ei saavuteta yhdellä järjestelmällä tai yhdellä tekoälyratkaisulla. Usein ensimmäinen konkreettinen hyöty syntyy pienestä parannuksesta rajatussa työvaiheessa.
Mistä pk-yrityksen kannattaa aloittaa?
1. Valitse todellinen tuotannon ongelma
Hyvä lähtökohta ei ole kysymys ”missä voisimme käyttää tekoälyä?”, vaan ”mikä tuotannossamme aiheuttaa toistuvasti kustannuksia, viiveitä tai ylimääräistä työtä?”.
Ensimmäinen kohde voi olla esimerkiksi:
- toistuva laatupoikkeama
- epäluotettava toimitusaika-arvio
- koneen yllättävä pysähtyminen
- jatkuvasti muuttuva työjono
- materiaalihukka
- vaikeasti löydettävät työohjeet
- paljon manuaalista selvitystyötä vaativa raportointi.
2. Selvitä tarvittavat tiedot
Seuraavaksi selvitetään:
- missä järjestelmissä tieto sijaitsee
- kuka tiedosta vastaa
- kuinka ajantasaista ja luotettavaa tieto on
- voidaanko eri lähteiden tiedot yhdistää
- mitä olennaista tietoa puuttuu
- liittyykö ongelmaan henkilöstön kokemustietoa, jota ei ole dokumentoitu.
Tässä vaiheessa voidaan havaita, ettei tekoälykokeilu ole vielä järkevä. Ensin voidaan joutua yhtenäistämään tunnisteita, täydentämään perustietoja tai muuttamaan tapaa, jolla tuotannon tapahtumia kirjataan.
3. Rajaa pieni kokeilu
Ensimmäisen kokeilun kannattaa kohdistua esimerkiksi:
- yhteen koneeseen
- yhteen tuotantolinjaan
- yhteen tuotteeseen tai tuoteryhmään
- yhteen työvaiheeseen
- yhteen tunnistettavaan poikkeamatyyppiin.
Rajaus helpottaa tietojen kokoamista, tulosten arviointia ja mahdollisten virheiden hallintaa.
4. Ota tuotannon henkilöstö mukaan
Tuotannon työntekijät, työnjohto, suunnittelu, laatu ja kunnossapito näkevät ongelman eri näkökulmista. Heidät kannattaa ottaa mukaan jo kokeilun määrittelyyn.
Henkilöstö voi auttaa tunnistamaan:
- mitkä poikkeamat ovat oikeasti merkityksellisiä
- mitä tietoja tilanteesta puuttuu
- millaiset ehdotukset ovat käytännössä toteuttamiskelpoisia
- missä tilanteissa ihmisen hyväksyntä tarvitaan
- millainen käyttöliittymä sopii tuotannon arkeen.
5. Pidä ihminen päätöksenteossa mukana
Tekoäly voi havaita, analysoida ja ehdottaa. Ihminen arvioi tiedon merkityksen ja vastaa päätöksistä.
Kokeilussa on määriteltävä selvästi:
- mitä tekoäly saa tehdä
- mitä se saa vain ehdottaa
- kuka hyväksyy toimenpiteen
- miten toimitaan epävarmassa tilanteessa
- miten tekoälyn toiminta voidaan keskeyttää
- miten tapahtumat kirjataan ja jäljitetään.
6. Mittaa saavutettu hyöty
Ennen kokeilua valitaan mittarit, joilla vaikutusta arvioidaan.
Mittareita voivat olla:
- häiriöiden määrä
- seisokkiaika
- läpimenoaika
- toimitusvarmuus
- laatupoikkeamien määrä
- materiaalihukka
- uudelleentyöstön määrä
- energiankulutus
- ongelman selvittämiseen käytetty aika
- manuaaliseen raportointiin käytetty aika.
Kokeilu ei ole onnistunut vain siksi, että tekoäly tuottaa teknisesti kiinnostavia tuloksia. Sen pitää helpottaa työtä, parantaa toimintaa tai tuottaa muuta mitattavaa hyötyä.
Tarkistuslista: mahdolliset ongelmat tekoälyn hyödyntämisessä tuotannossa
Tekoälykokeilu voi näyttää teknisesti lupaavalta mutta epäonnistua käytännössä, jos lähtötilannetta, tietoja, vastuita tai tuotannon arkea ei ole huomioitu riittävästi.
Seuraavan tarkistuslistan avulla yritys voi tunnistaa mahdollisia ongelmia ennen kokeilun aloittamista tai arvioida jo käynnissä olevan hankkeen tilannetta.
Ratkaistaanko oikeaa ongelmaa?
- [ ] Onko ratkaistava tuotannon ongelma määritelty riittävän tarkasti?
- [ ] Esiintyykö ongelma niin usein, että sen ratkaisemisesta syntyy todellista hyötyä?
- [ ] Tunnetaanko ongelman vaikutus kustannuksiin, laatuun, toimituksiin tai työmäärään?
- [ ] Onko arvioitu, voidaanko ongelma ratkaista yksinkertaisemmalla tavalla kuin tekoälyllä?
- [ ] Onko kokeilulle nimetty selkeä tavoite?
- [ ] Ymmärtävätkö tuotanto, johto ja tekniset asiantuntijat tavoitteen samalla tavalla?
Varoitusmerkki: Hankkeen lähtökohtana on kiinnostava tekoälyratkaisu, mutta kukaan ei osaa määritellä, mitä tuotannon ongelmaa sillä ratkaistaan.
Ovatko prosessit riittävän selkeitä?
- [ ] Tunnetaanko nykyinen toimintatapa ja sen keskeiset työvaiheet?
- [ ] Ovatko vastuut ja päätöksenteko selkeästi määriteltyjä?
- [ ] Kirjataanko poikkeamat ja tuotantotapahtumat riittävän yhdenmukaisesti?
- [ ] Tunnetaanko prosessin tärkeimmät riippuvuudet ja rajoitteet?
- [ ] Ovatko käytettävät työohjeet ajantasaisia?
- [ ] Tiedetäänkö, missä tilanteissa käytännön toiminta poikkeaa virallisesta prosessista?
Varoitusmerkki: Tekoälyä yritetään käyttää korjaamaan prosessia, jonka toimintatavasta ja vastuista ihmisillä on keskenään erilaiset käsitykset.
Onko tarvittava tieto käyttökelpoista?
- [ ] Tiedetäänkö, mitä tietoa ongelman ratkaisemiseen tarvitaan?
- [ ] Tiedetäänkö, missä järjestelmissä, tiedostoissa tai henkilöiden kokemuksessa tieto sijaitsee?
- [ ] Ovatko tiedot riittävän ajantasaisia, kattavia ja luotettavia?
- [ ] Käytetäänkö tuotteista, koneista, työvaiheista ja tilauksista yhtenäisiä tunnisteita?
- [ ] Voidaanko eri tietolähteiden tiedot yhdistää luotettavasti?
- [ ] Onko virheellisten ja puuttuvien tietojen määrä selvitetty?
- [ ] Tunnistetaanko, milloin tieto perustuu mittaukseen ja milloin ihmisen arvioon?
- [ ] Onko tekoälyn käyttämän tiedon omistaja ja ylläpitovastuu määritelty?
Varoitusmerkki: Tekoäly tuottaa tarkalta näyttäviä tuloksia tiedosta, jonka puutteita tai alkuperää ei tunneta.
Huomioidaanko hiljainen tieto?
- [ ] Onko tuotannon kokeneilta työntekijöiltä kysytty, miten he tunnistavat ongelman?
- [ ] Liittyykö tilanteeseen havaintoja, joita ei kirjata järjestelmiin?
- [ ] Tunnetaanko käytännön poikkeukset, joita työohjeissa ei ole kuvattu?
- [ ] Voidaanko kokemustietoa kerätä ilman kohtuutonta lisätyötä?
- [ ] Yhdistetäänkö työntekijöiden havainnot oikeaan koneeseen, tuotteeseen tai tuotantotilanteeseen?
- [ ] Onko henkilöstölle kerrottu, mihin kerättyä tietoa käytetään?
- [ ] Luottaako henkilöstö siihen, ettei tekoälyä käytetä perusteettomaan valvontaan?
Varoitusmerkki: Ratkaisu perustuu vain järjestelmädataan, vaikka tuotannon työntekijät tietävät, ettei data kuvaa koko todellista tilannetta.
Sopiiko ratkaisu tuotannon arkeen?
- [ ] Onko tuotannon henkilöstö osallistunut ratkaisun suunnitteluun?
- [ ] Saadaanko tieto tai ehdotus oikealle henkilölle oikeaan aikaan?
- [ ] Onko ratkaisun käyttäminen riittävän helppoa tuotantoympäristössä?
- [ ] Vähentääkö ratkaisu työtä vai synnyttääkö se uutta kirjaamista ja tarkistamista?
- [ ] Onko tekoälyn ehdotusten esitystapa ymmärrettävä?
- [ ] Pystyykö käyttäjä tarkistamaan, mihin tietoihin ehdotus perustuu?
- [ ] Voiko käyttäjä korjata virheellisen tiedon tai antaa palautetta ehdotuksesta?
- [ ] Onko käyttäjille varattu riittävästi perehdytystä ja tukea?
Varoitusmerkki: Ratkaisu toimii esittelytilanteessa, mutta sen käyttäminen hidastaa varsinaista tuotantotyötä.
Ovatko vastuut ja toimivaltuudet hallinnassa?
- [ ] Onko määritelty, mitä tekoäly saa tehdä itsenäisesti?
- [ ] Onko määritelty, mitä tekoäly saa vain ehdottaa?
- [ ] Onko merkittäville toimille nimetty hyväksyjä?
- [ ] Säilyvätkö turvallisuuteen, laatuun ja asiakastoimituksiin vaikuttavat päätökset ihmisellä?
- [ ] Tunnistaako käyttäjä selvästi tekoälyn tuottaman arvion tai ehdotuksen?
- [ ] Onko toimintaohje tilanteeseen, jossa tekoälyn ehdotus vaikuttaa epävarmalta?
- [ ] Voidaanko automaattinen toiminta keskeyttää nopeasti?
- [ ] Tallentuvatko tehdyt ehdotukset, hyväksynnät ja toimenpiteet lokiin?
Varoitusmerkki: Tekoäly tai AI-agentti voi vaikuttaa tuotantoon, mutta kukaan ei ole määritellyt sen toimivallan rajoja tai vastuuta virhetilanteessa.
Ovatko tietoturva ja jatkuvuus kunnossa?
- [ ] Tiedetäänkö, mitä tuotantotietoa tekoälypalveluun siirretään?
- [ ] Sisältääkö aineisto liikesalaisuuksia, henkilötietoja tai asiakkaiden luottamuksellisia tietoja?
- [ ] Tiedetäänkö, missä tietoja käsitellään ja säilytetään?
- [ ] Onko selvitetty, käytetäänkö yrityksen tietoja tekoälymallin kouluttamiseen?
- [ ] Onko käyttäjien, integraatioiden ja AI-agenttien käyttöoikeudet rajattu?
- [ ] Onko ulkopuolisten järjestelmien ja palveluntarjoajien riskit arvioitu?
- [ ] Ovatko tapahtumat jäljitettävissä?
- [ ] Voidaanko tuotantoa jatkaa, jos tekoälypalvelu tai verkkoyhteys ei toimi?
- [ ] Onko tekoälyratkaisulle määritelty varamenettely ja vastuuhenkilö?
Varoitusmerkki: Tekoälyratkaisusta muodostuu tuotannon kriittinen riippuvuus ilman varamenettelyä.
Voidaanko tuloksia arvioida luotettavasti?
- [ ] Onko lähtötilanteen suorituskyky mitattu ennen kokeilua?
- [ ] Onko kokeilulle valittu yksi tai muutama selkeä mittari?
- [ ] Voidaanko tekoälyn vaikutus erottaa muista tuotannossa tapahtuneista muutoksista?
- [ ] Arvioidaanko teknisen toimivuuden lisäksi vaikutusta työhön ja tuotantoon?
- [ ] Seurataanko myös virheellisiä hälytyksiä, ehdotuksia ja päätelmiä?
- [ ] Onko kokeilulle määritelty hyväksyttävä onnistumistaso?
- [ ] Tiedetäänkö, kuka päättää kokeilun jatkamisesta, muuttamisesta tai lopettamisesta?
- [ ] Onko arvioitu ratkaisun ylläpito-, integraatio- ja käyttökustannukset?
Varoitusmerkki: Kokeilu julistetaan onnistuneeksi, koska teknologia toimii, vaikka vaikutusta tuotannon tuloksiin ei pystytä osoittamaan.
Onko ratkaisu valmis laajennettavaksi?
- [ ] Toimiiko ratkaisu myös muissa kuin kokeilussa käytetyissä tilanteissa?
- [ ] Onko arvioitu, miten tuotannon muutokset vaikuttavat tekoälyn toimintaan?
- [ ] Kuka seuraa tiedon, mallien ja ohjeiden ajantasaisuutta?
- [ ] Miten käyttäjien palaute käsitellään?
- [ ] Onko ratkaisun toimittaja- ja teknologiariippuvuus hyväksyttävällä tasolla?
- [ ] Voidaanko ratkaisu liittää hallitusti yrityksen nykyisiin järjestelmiin?
- [ ] Onko laajentamisen kustannuksista ja hyödyistä realistinen arvio?
- [ ] Säilyykö ihmisen mahdollisuus valvoa ja tarvittaessa ohittaa ratkaisu?
Varoitusmerkki: Pienessä kokeilussa saavutettua tulosta ollaan laajentamassa koko tuotantoon arvioimatta uusia käyttötapauksia ja riskejä.
Kaiken ei tarvitse olla valmista ennen kokeilua
Tarkistuslistan tarkoitus ei ole estää kokeilemista. Kaikkien kohtien ei tarvitse olla täydellisesti ratkaistuja ennen rajattua ja vähäriskistä kokeilua.
Yrityksen pitäisi kuitenkin tunnistaa puutteet ja päättää tietoisesti:
- mitkä asiat on korjattava ennen kokeilua
- mitä voidaan selvittää kokeilun aikana
- millaisia riskejä rajatussa kokeilussa voidaan hyväksyä
- mitkä puutteet estävät ratkaisun viemisen varsinaiseen tuotantokäyttöön.
Hyvä tekoälykokeilu ei peitä ongelmia teknologialla. Se auttaa tekemään näkyväksi, mitä tuotannon kehittäminen todellisuudessa edellyttää.
Mitä tekoäly ei ratkaise?
Tekoäly ei sellaisenaan korjaa:
- epäselvästi määriteltyjä tuotantoprosesseja
- puutteellisia perustietoja
- järjestelmien välisiä vastuuongelmia
- kirjaamatta jätettyjä tuotantotapahtumia
- epäselvää päätöksentekoa
- puutteellista kunnossapitoa
- henkilöstön osallistamisen puutetta
- vanhentuneita tai ristiriitaisia työohjeita.
Tekoäly voi myös tehdä virheellisiä päätelmiä. Se voi tulkita sattumanvaraisen yhteyden merkitykselliseksi, käyttää vanhentunutta tietoa tai tuottaa uskottavalta kuulostavan mutta väärän vastauksen.
Siksi yrityksen täytyy hallita tekoälyn käyttämät tietolähteet, käyttöoikeudet, toimivaltuudet ja ihmisen tekemä valvonta.
Tietoturva ja tuotannon jatkuvuus
Tuotantotieto voi sisältää liikesalaisuuksia, asiakastietoja, piirustuksia, valmistusmenetelmiä ja tietoja yrityksen tuotantokyvystä. Tekoälyratkaisua valittaessa on tiedettävä, mihin tiedot siirtyvät, miten niitä käsitellään ja käytetäänkö niitä palveluntarjoajan mallien kouluttamiseen.
Huomioitavia asioita ovat:
- tietojen luottamuksellisuus
- käyttäjien ja järjestelmien käyttöoikeudet
- AI-agenttien toimivaltuuksien rajaaminen
- ihmisen hyväksyntä merkittäville toimille
- tapahtumien lokitus ja jäljitettävyys
- integraatioiden suojaaminen
- pilvipalvelujen ja paikallisten ratkaisujen erot
- toiminta verkkoyhteyden tai tekoälypalvelun häiriötilanteessa
- mahdollisuus jatkaa tuotantoa ilman tekoälyä.
Tekoäly ei saisi muodostua tuotannon hallitsemattomaksi yksittäiseksi riippuvuudeksi. Kriittisten prosessien jatkuvuus on suunniteltava myös tilanteisiin, joissa tekoälypalvelu ei ole käytettävissä.
Tekoälyn käyttöönotto on tuotannon kehittämistä
Valmistavan pk-yrityksen ei tarvitse rakentaa kokonaan automatisoitua tekoälytehdasta. Ensimmäinen hyödyllinen ratkaisu voi olla työohjeiden löytämistä helpottava avustaja, laatupoikkeamia ryhmittelevä analyysi tai tuotannon viivästymisriskistä varoittava järjestelmä.
Olennaista on yhdistää liiketoiminnan tarve, tuotantoprosessi, luotettava tieto ja henkilöstön kokemus.
Hyvä etenemismalli on:
Tuotannon ongelma → tarvittava tieto → rajattu kokeilu → ihmisen arvio → hallittu käyttöönotto → tulosten seuranta
Tekoälystä saadaan eniten hyötyä silloin, kun sitä ei käsitellä irrallisena teknologiahankkeena. Se on yksi uusi väline tuotannon jatkuvassa kehittämisessä.
Valmistavan pk-yrityksen kannattaa valita yksi tärkeä tuotannon ongelma, varmistaa tarvittavan tiedon saatavuus ja kokeilla, voidaanko tekoälyn avulla tehdä työstä ennakoivampaa, sujuvampaa ja laadukkaampaa.