Digitalisaation mahdollisuuksia yrityksille
Uudistuvan teollisuuden osaamiskeskittymä on tuottanut hankkeissaan niin yrityksille ja organisaatioille kuin aiheesta kiinnostuneille materiaalia tukemaan heidän osaamisensa kasvua mm. erilaisin testauksin ja pilotoinnein sekä verkkokoulutuksena ja julkaisuina.
Konenäön laitekortit
Mitä laitteita laboratoriosta löytyy ja missä niitä voidaan hyödyntää esimerkiksi yritystestauksessa? Olemme keränneet valmiita esimerkkejä ja laitetietoa valmiiksi hyödynnettäväksi.
Tekoälyn ja robotiikan pilotointeja
coADDVA-hankkeessa kehitettiin 3DBearin ja Jamkin yhteistyönä sovellus, jolla voidaan ohjata teollisuusrobottia AR-laseja hyödyntäen. Sovelluksella voidaan ohjata robottia käsielkeitä käyttäen, sekä opettaa robotille liikeratoja. Sovellusta voidaan hyödyntää jatkossa esimerkiksi tuotantosovellusten testaukseen, joissa robottioperaattorin tulisi voida ohjata robottia tai muokata sen liikeratoja tuotantoprosessin aikana ilman robotiikan erityisosaamista. Video on englanninkielinen.
coADDVA-projektissa testattiin koneoppimista hyödyntävää järjestelmää robottipoimintaan. Robominds-järjestelmälle on ennalta opetettu koneoppimismalli, jonka avulla se laskee poimintapisteitä mille tahansa kappaleille. Järjestelmän parhaaksi tulkitsema poimintapiste viedään yhteistyörobotille, joka poimii kappaleen laatikosta. Sovelluksessa voidaan hyödyntää myös voima-anturia, jonka mittauksen perusteella kappale voidaan laskea tasolle riippumatta tason tai kappaleen korkeudesta. Sovellus on helposti käyttöönotettavissa ja sitä voidaan jatkossa testata esimerkiksi joustavan tuotannon sovelluskohteissa, joissa tulisi käsitellä useanlaisia kappaleita, jotka toimitetaan tuotantoon sekalaisessa järjestyksessä.
coADDVA-hankkeessa pilotoitiin tekoälyä hyödyntävää konenäköjärjestelmään merkintunnistukseen. Perinteisestä konenäköjärjestelmästä poiketen järjestelmälle ei ole opetettu merkkejä tai sanoja, vaan se hyödyntää ennalta opetettua koneoppimismallia niiden tunnistamiseen. Sovelluksella voidaan vertailla käyttäjän syöttämiä tai ulkoisesta järjestelmästä tulevia merkkijonoja konenäöllä kuvattavissa tuotteissa ja kohteissa oleviin merkkijonoihin. Merkkijonot voivat olla fontiltaan ja kooltaan vaihtelevia toisin kuin perinteisellä konenäöllä. Järjestelmä on myös huomattavasti helpompi käyttöönottaa uusissa kohteissa. Tekniikkaa voidaan jatkossa testata esimerkiksi tuotteiden joustavaan tunnistamiseen ja seurantaan tuotantolinjoilla.
Julkaisut
Muut julkaisut
Eppu Heilimo, Janne Alatalo, ja Mika Rantonen, "Predicting the electricity consumption of Finland", Automaatiopäivät 2023 conference proceedings.
Janne Alatalo & Juha Jokinen, "Tietoturvallista laskentaa Jamkin suurteholaskentaympäristössä", Analyytikko 4/2023.
Teemu Niskanen, Tuomo Sipola, Olli Väänänen (Forthcoming). Latest Trends in Artificial Intelligence Technology: A Scoping Review. Mach. Learn. Knowl. Extr.
Kysy meiltä aihealueittain
Projektipäällikkö, hankkeen yleiset asiat, kansainväliset verkostot: Ari Kuisma
Robotiikka ja konenäkö: Juho Riekkinen ja Samppa Alanen
Hybrid Twin -mentelmät: Tero Tuovinen
Tekoäly: Mika Rantonen
TinyML ja Edge AI: Timo Hämäläinen, Jyväskylän yliopiosto, [email protected]
Lisätietoja
Samppa Alanen
Juho Riekkinen
Ari Kuisma
Tero Tuovinen
