![\"\"](\"https:\/\/www.koulutustakuu.fi\/365-12\/wp-content\/uploads\/sites\/13\/2020\/05\/Janne-150x150.jpg\")
<\/p>\nMets\u00e4koneet tuottavat nyky\u00e4\u00e4n valtavan m\u00e4\u00e4r\u00e4n dataa konety\u00f6st\u00e4. Suurimmilla konevalmistajilla on konedataa ker\u00e4\u00e4v\u00e4t fleet- pohjaiset ohjelmistot, jotka tallentavat sen pilvipalveluihin. Olemme valjastaneet t\u00e4m\u00e4n tiedon oppimisen ja opetuksen k\u00e4ytt\u00f6\u00f6n 365\/12 \u2013 aina avoin ammatillinen oppilaitos- hankkeessa. K\u00e4ytt\u00f6\u00f6notto vaati ensin mets\u00e4koneen IoT- sanaston rakentamisen, jotta erilaiset tiedostop\u00e4\u00e4tteet ja alalla k\u00e4ytett\u00e4v\u00e4t lyhenteet ovat kaikille tuttuja. J\u00e4rjestelm\u00e4n k\u00e4ytt\u00f6\u00f6notto vaati my\u00f6s alkuun lyhyen koulutuksen, vaikka se toimiikin automaattisesti kaiken taustalla. Uusimmista koneista t\u00e4llaiset j\u00e4rjestelm\u00e4t l\u00f6ytyv\u00e4t usein jo valmiina, mutta koululle j\u00e4rjestelmien k\u00e4ytt\u00f6\u00f6notto vaati tietokoneiden p\u00e4ivityksen.<\/p>\n
Valintamme kohdistui Komatsun tuottamaan Maxifleet- j\u00e4rjestelm\u00e4\u00e4n sen monipuolisuuden vuoksi. J\u00e4rjestelm\u00e4 n\u00e4ytt\u00e4\u00e4 kuljettajalle reaaliaikaisena omaan ty\u00f6h\u00f6n ty\u00f6vaiheittain kulutettavaa aikaa ja vertaa sit\u00e4 samalla keskim\u00e4\u00e4r\u00e4iseen suoritukseen, jolloin mittarin v\u00e4rist\u00e4 voi heti p\u00e4\u00e4tell\u00e4 kehityksen. J\u00e4rjestelm\u00e4 tuottaa my\u00f6s hakkuukoneella tehdyist\u00e4 puista paikat karttaj\u00e4rjestelm\u00e4\u00e4n ja l\u00e4hett\u00e4\u00e4 sen heti pilvipalveluun, josta esimerkiksi ajokone n\u00e4kee omalta tietokoneeltaan heti puiden sijainnin. Tietoja voi my\u00f6s tarkastella esimerkiksi k\u00e4nnyk\u00e4ll\u00e4 selaimen kautta kirjautumalla j\u00e4rjestelm\u00e4\u00e4n omilla tunnuksilla. N\u00e4in esimerkiksi ajokoneenkuljettaja voi suunnitella oman ty\u00f6p\u00e4iv\u00e4ns\u00e4 teoriassa etuk\u00e4teen k\u00e4ym\u00e4tt\u00e4 edes ty\u00f6paikalla. Mets\u00e4koneenkuljettajan ty\u00f6 on itsen\u00e4ist\u00e4 ja kehittyminen vaatii jatkuvaa oman ty\u00f6n reflektointia. J\u00e4rjestelm\u00e4 auttaa olennaisesti kuljettajaa kehittym\u00e4\u00e4n ammattilaisen tasolle, kun omasta ty\u00f6st\u00e4 voidaan karsia aikaa kuluttavat turhat ty\u00f6vaiheet pois.<\/p>\n
J\u00e4rjestelm\u00e4 toimii opettajan ty\u00f6kaluna lis\u00e4ten tulevaisuuden ty\u00f6el\u00e4m\u00e4valmiuksia opiskelijoille. J\u00e4rjestelm\u00e4\u00e4 kehitettiin automaattiseksi raportoinnin osalta, jolloin palaute kehittymisest\u00e4 l\u00e4htee automaattisesti, kunhan opettaja r\u00e4\u00e4t\u00e4l\u00f6i sopivat palautejaksot. Parhaimpina hy\u00f6tyin\u00e4 on mahdollisuus tulostaa opiskelijan mukaan ennen ty\u00f6el\u00e4m\u00e4\u00e4n siirtymist\u00e4 portfolio- raportti koulujakson aikaisesta kehittymisest\u00e4, jonka voi esitt\u00e4\u00e4 ty\u00f6nantajalle ty\u00f6nhaku tilanteessa.<\/p>\n
Konedatan tuottaman tiedon avulla olemme oppineet ymm\u00e4rt\u00e4m\u00e4\u00e4n eri ty\u00f6vaiheisiin kuluvaa aikaa aivan uudella tavalla. N\u00e4in p\u00e4\u00e4semme data avulla mahdollisten ongelmien syntyyn kiinni, tavallaan jo ennen niiden syntymist\u00e4. Jokainen opettaja lienee t\u00f6rm\u00e4nnyt tilanteeseen, jossa opiskelija ei meinaa saada jotain \u201ditsest\u00e4\u00e4n selv\u00e4\u00e4 asiaa\u201d tehty\u00e4. Bigdatan hy\u00f6dynt\u00e4minen auttaa esimerkiksi juuri t\u00e4ss\u00e4, sill\u00e4 mik\u00e4li jokin ty\u00f6prosessiin liittyv\u00e4 olennainen ty\u00f6vaihe tehd\u00e4\u00e4n \u201dv\u00e4\u00e4rin\u201d n\u00e4kyy se heti datassa ja t\u00e4t\u00e4 tietoa hy\u00f6dynt\u00e4m\u00e4ll\u00e4 voidaan \u201dpikkuasia\u201d opettaa kerralla oikein ja eik\u00e4 suuremman opetettavan kokonaisuuden oppiminen h\u00e4iriinny.<\/p>\n
Bigdatan hy\u00f6dynt\u00e4misen avulla on my\u00f6s mahdollista l\u00f6yt\u00e4\u00e4 omasta ty\u00f6st\u00e4\u00e4n piiloajan sy\u00f6ji\u00e4, ty\u00f6kulttuuriin liittyvi\u00e4 asioita tai jopa tuottamattomia ty\u00f6vaiheita. N\u00e4it\u00e4 ajansy\u00f6pp\u00f6j\u00e4 ja piilokulujen aiheuttajia l\u00f6ytyy datan avulla omasta ty\u00f6st\u00e4 yll\u00e4tt\u00e4vist\u00e4 paikoista. Esimerkiksi mets\u00e4konekoulutuksessa on tiedetty, ett\u00e4 koneet k\u00e4yv\u00e4t tyhj\u00e4k\u00e4ynti\u00e4 \u201djonkin verran\u201d, mutta konedata paljasti niiden k\u00e4yv\u00e4n tyhj\u00e4k\u00e4ynti\u00e4 jopa yli 50%! Konedatan avulla saimme tiputettua tyhj\u00e4k\u00e4ynnin m\u00e4\u00e4r\u00e4\u00e4 noin 25%:n m\u00e4\u00e4r\u00e4\u00e4n, joka lienee opetusteknisesti viel\u00e4 perusteltua.\u00a0 Opiskelijat saavuttivat konedatan hy\u00f6dynt\u00e4misen avulla koneille muutoinkin enn\u00e4tyksellisen suuren tuottavuuden kouluolosuhteissa, kun turha ajank\u00e4ytt\u00f6 osattiin hy\u00f6dynt\u00e4\u00e4 tuottavan ty\u00f6n tekoon.<\/p>\n
MaxiFleet ohjelman avulla saavutetaan ty\u00f6el\u00e4m\u00e4n vaatimustaso jo koulussa, kun j\u00e4rjestelm\u00e4 kertoo reaaliaikaisesti kuljettajalle, mik\u00e4 on vastaavien koneiden referenssi ty\u00f6el\u00e4m\u00e4ss\u00e4. J\u00e4rjestelm\u00e4 n\u00e4ytt\u00e4\u00e4 kuljettajalle eri v\u00e4risin symbolein kunkin ty\u00f6vaiheen, jolloin koulutuksessa voidaan keskitty\u00e4 pieniin palasiin kerralla.<\/p>\n
Hyvin tyypillist\u00e4 on, ett\u00e4 alkuvaiheessa aikaa kuluu poistettavien puiden valintaa ammattikuljettajaa enemm\u00e4n, mutta omaa ty\u00f6tapaansa tarkastelemalla ja mittaria seuraamalla t\u00e4t\u00e4 voidaan kehitt\u00e4\u00e4 t\u00e4sm\u00e4llisesti. Erityisesti t\u00e4st\u00e4 mittarista on apua, kun opiskelijoille havainnollistetaan eri ty\u00f6mallien tehokkuutta. Toinen merkitt\u00e4v\u00e4 ajan sy\u00f6j\u00e4 ja polttoaineenkulutusta lis\u00e4\u00e4v\u00e4 tekij\u00e4 on tyls\u00e4ll\u00e4 ketjulla sahaaminen, mittari n\u00e4ytt\u00e4\u00e4 my\u00f6s t\u00e4m\u00e4n kuljettajalle heti, mik\u00e4li sahaukseen kuluu kymmenesosa sekunti normaalia kauemmin. Sahauksia tulee p\u00e4iv\u00e4ss\u00e4 tuhansia, vuosittain satoja tuhansia, joten n\u00e4ist\u00e4 pienist\u00e4 sekunnin kymmenyksist\u00e4 saadaan huomattavia tuloksia aikaan jopa ammattikuljettajille!<\/p>\n
Mik\u00e4li ty\u00f6si kaipaa tehokkuutta, l\u00f6ytyy t\u00e4h\u00e4n ratkaisu konedata- analyysista.<\/p>\n
Teksti: Janne Ruokonen @Motoope<\/p>\n
<\/p>\n
<\/p>\n","protected":false},"excerpt":{"rendered":"
Mets\u00e4koneet tuottavat nyky\u00e4\u00e4n valtavan m\u00e4\u00e4r\u00e4n dataa konety\u00f6st\u00e4. Suurimmilla konevalmistajilla on konedataa ker\u00e4\u00e4v\u00e4t fleet- pohjaiset ohjelmistot, jotka tallentavat sen pilvipalveluihin. Olemme valjastaneet t\u00e4m\u00e4n tiedon oppimisen ja opetuksen k\u00e4ytt\u00f6\u00f6n 365\/12 \u2013 aina avoin ammatillinen oppilaitos- hankkeessa. K\u00e4ytt\u00f6\u00f6notto vaati ensin mets\u00e4koneen IoT- sanaston rakentamisen, jotta erilaiset tiedostop\u00e4\u00e4tteet ja alalla k\u00e4ytett\u00e4v\u00e4t lyhenteet ovat kaikille tuttuja. J\u00e4rjestelm\u00e4n k\u00e4ytt\u00f6\u00f6notto vaati my\u00f6s alkuun lyhyen koulutuksen, vaikka se toimiikin automaattisesti kaiken taustalla. Uusimmista koneista t\u00e4llaiset j\u00e4rjestelm\u00e4t l\u00f6ytyv\u00e4t usein jo valmiina, mutta koululle j\u00e4rjestelmien k\u00e4ytt\u00f6\u00f6notto vaati tietokoneiden p\u00e4ivityksen. Valintamme…<\/p>\n