|
|
|
Hankekoodi: A76274
Hankkeen nimi: Laadusta kilpailukykyä konenäöllä (LAAKI)
Toimintalinja: 2. Uusimman tiedon ja osaamisen tuottaminen ja hyödyntäminen
Erityistavoite: 4.1. Tutkimus-, osaamis- ja innovaatiokeskittymien kehittäminen alueellisten vahvuuksien pohjalta
Suunnitelman mukainen toteutusaika: Alkaa 1.9.2020 ja päättyy 31.5.2023
Toiminnan tila: Toiminta päättynyt
Vastuuviranomainen: Pirkanmaan liitto
Hakijan virallinen nimi: Seinäjoen Ammattikorkeakoulu Oy
Organisaatiotyyppi: Ammattikorkeakoulu
Y-tunnus: 2539767-3
Jakeluosoite: Tekniikan yksikkö, PL 64
Puhelinnumero: 0201243000
Postinumero: 60101
Postitoimipaikka: Seinäjoki
WWW-osoite: https://www.seamk.fi/
Hankkeen yhteyshenkilön nimi: Jukka Mattila
Yhteyshenkilön asema hakijaorganisaatiossa: Tutkimus- ja kehittämispäällikkö
Yhteyshenkilön sähköpostisoite: eura.neuvonta(at)gov.fi
Yhteyshenkilön puhelinnumero: 0408300379
Hakijoiden lukumäärä tai tuen siirto -menettely:
Pk-yritysbarometrin 2019 mukaan Etelä-Pohjanmaan pk-yritysten merkittävin ulkopuolinen kehittämisen este on kilpailutilanne ja kehittämistarpeiden näkökulmasta laadun kehittäminen on raportin mukaan yhtenä useimmin mainittavien kehittämistarpeiden joukosta.
Valmistavan teollisuuden pk-yrityksissä laadulla on suuri merkitys, ja laatuongelmat heijastuvat yleensä koko toimitusketjuun. Laadunkehitykseen panostamalla yritys voi parantaa kilpailukykyään merkittävästi ja joustavoittaa toimintaansa. Laadunvalvonnalla on keskeinen merkitys hukan ja jätteen syntymiseen ja siksi laatua on valvottava prosessissa siellä, missä tuotteeseen ollaan luomassa lisäarvoa. Näiden seikkojen valossa on syytä pyrkiä edistämään eteläpohjalaisten pk-yritysten kilpailukykyä laadun ja joustavuuden kautta, hyödyntäen digitalisaation, konenäön ja erityisesti konenäön ja tekoälyn integraation tuomia mahdollisuuksia automaattisessa laadunvalvonnassa ja tuotantoprosessien joustavoittamisessa.
Konenäköteknologia on kuvan ottamiseen ja sen analysoimiseen perustuva menetelmä, jolla kuvattavia kohteita voidaan tarkastella automaattisesti. Konenäkö on teollisuudessa edelleen voimakkaasti yleistyvä tunnistusteknologia ja yksi Industry 4.0 -vision mukaisen teollisuuden mahdollistavista teknologioista. Tekoälyyn pohjautuvia kone- ja syväoppimismenetelmiä on alettu soveltaa myös konenäköanalyysissa, jolloin järjestelmälle opetetaan esimerkiksi tutkittavien kappaleiden viallisia ja ehjiä variaatioita. Opetusdataan perustuen järjestelmä pystyy neuroverkkopohjaisen analyysin perusteella luokittelemaan kappaleita automaattisesti. Tekoälypohjaisen konenäön soveltaminen tuo uusia mahdollisuuksia erityisesti automaattiseen laadunvalvontaan ja se mahdollistaa myös konenäön näkökulmasta perinteisesti haastavien kappaleiden luokittelun. Hyödyntämällä konenäköä voidaan laadunvalvontaa automatisoida ja tuoda prosessiin joustavuutta ja tehokkuutta. Hankkeen tavoite on parantaa alueen pk-yritysten kilpailukykyä laadun kehittämisen kautta, soveltamalla konenäköteknologiaa laaja-alaisesti ja tuomalla teknologian mahdollisuudet esiin hankkeessa kehitettävän konenäön PoC-mallin (Proof of Concept) kautta.
Hankkeen toteutus on jaettu kuuteen työpakettiin seuraavasti:
Työpaketti 1: Yritysanalysointi
Työpaketti 2 Tekoälypohjaisen konenäön teknologiaselvitys
Työpaketti 3: 6-7 konenäkö-PoCia yritysten tarpeisiin
Työpaketti 4: Työpajat, demonaarit ja tiedonlevitys
Työpaketti 5: Konenäön PoC-mallin kehitys
Työpaketti 6: Viestintä, raportointi, hankkeen johto ja hallinto
Hankkeen tuloksia esitellään pk-yrityksille ja muille sidosryhmille verkkodemojen (Demonaarit) kautta, joka mahdollistaa matalan kynnyksen vuorovaikutteisen osallistumisen tiedonjakotapahtumiin. Tavoitteena on tuoda demot verkkoon ja kehittää webinaarikäytäntöjä erilaisin työkaluin ja menetelmin, joilla saadaan monipuolisempia esityksiä verkkoon. Lisäksi järjestetään workshoppeja ja kirjoitetaan aiheesta julkaisuja.
Hankkeen pidemmän aikavälin vaikutukset koskevat erityisesti sitä, että hankealueella pk-yritysten tietoisuus konenäön soveltamisesta lisääntyy ja yritykset näkevät sen, että konenäkö on nykyään tehokas ja verrattain edullinen menetelmä laadunhallintaan ja tuotannon joustavuuden lisäämiseen. Keskeisenä pidemmän aikavälin vaikutuksena on myös tekoälyteknologian tiedonjakaminen käytännönläheisten sovellusten kautta. Toisena pidemmän aikavälin vaikutuksena voidaan pitää SeAMK Tekniikan lisääntynyttä osaamista konenäöstä ja erityisesti tekoälyteknologian soveltamisesta, mikä mahdollistaa jatkossa monenlaisen tutkimus- ja kehitystyön ja innovoinnin. Tekoälyn osalta on tärkeää pystyä tuomaan sen mahdollisuuksia esiin hyvin konkreettisin esimerkein, jolloin nähdään sillä saavutettavat hyödyt ja tuodaan teknologia saavutettavaksi myös pk-yrityksille.
Hankkeen varsinainen kohderyhmä on sarjatuotantoa toteuttavat, laadun kehittämisestä kiinnostuneet pk-yritykset maakunnassa. Toisena varsinaisena kohderyhmänä on Seinäjoen ammattikorkeakoulu, johon muodostuu hankkeen myötä alueen elinkeinotoimintaa tukeva, tutkimus-, kehitys- ja innovaatiotoiminnan infrastruktuuria laajentava konenäön demonstraatioympäristö.
Hankkeen välilliset kohderyhmät ovat ensisijaisesti SeAMKin Tekniikan opiskelijat, mutta konenäön laajan sovellettavuuden vuoksi myös muiden yksiköiden opiskelijat. Lisäksi PoC-mallia voivat hyödyntää konenäön soveltamisesta suunnittelevat yritykset ja oppilaitokset hankealueen ulkopuolella.
Myönnetty EU- ja valtion rahoitus: 146 144
Toteutunut EU- ja valtion rahoitus: 146 144
Suunniteltu julkinen rahoitus yhteensä: 208 778
Toteutunut julkinen rahoitus yhteensä: 208 778
Maakunnat: Etelä-Pohjanmaa
Seutukunnat: Kuusiokuntien, Suupohjan, Seinäjoen, Järviseudun
Kunnat: Kauhava, Karijoki, Lappajärvi, Alajärvi, Seinäjoki, Ähtäri, Lapua, Kurikka, Kauhajoki, Teuva, Soini, Vimpeli, Evijärvi, Isojoki, Ilmajoki, Alavus, Kuortane
Jakeluosoite:
Postinumero:
Postitoimipaikka:
Suunniteltu: 0, joihin työllistyvät naiset 0
Toteutunut seurantatietojen mukaan: 0.00, joihin työllistyvät naiset 0.00
Suunniteltu: 0, joista naisten perustamia 0
Toteutunut seurantatietojen mukaan: 0.00, joista naisten perustamia 0.00
| Välitön | Välillinen | |
| Ekologinen kestävyys | ||
| Luonnonvarojen käytön kestävyys | 6 | 7 |
| Hankkeessa kehitettävän PoC-mallin avulla yritykset voivat parantaa laadunvalvontaansa ja tuotannon joustavuutta. Laadukehityksen avulla hukan ja edelleen syntyneen jättään määrä vähenee ja materiaalit hyödynnetään tehokkaasti. Tuotannon joustavoittaminen säästää energiaa ja automattiset järjestelmät eivät tarvitse samanlaista toimintaympäristöä kuin ihmiset (tila, valo, lämpö). | ||
| Ilmastonmuutoksen aiheuttamien riskien vähentäminen | 0 | 0 |
| Ei relevantti tässä hankkeessa | ||
| Kasvillisuus, eliöt ja luonnon monimuotoisuus | 0 | 0 |
| Ei relevantti tässä hankkeessa | ||
| Pinta- ja pohjavedet, maaperä sekä ilma (ja kasvihuonekaasujen väheneminen) | 0 | 0 |
| Ei relevantti tässä hankkeessa | ||
| Natura 2000 -ohjelman kohteet | 0 | 0 |
| Ei relevantti tässä hankkeessa | ||
| Taloudellinen kestävyys | ||
| Materiaalit ja jätteet | 8 | 8 |
| Laadunkehittäminen konenäöllä parantaa materiaalitehokkuutta ja vähentää syntyvän jätteen määrää. Tuotannon joustavoittaminen konenäöllä parantaa energiatehokkuutta ja materiaalihallintaa, jolloin materiaalihukka varastoinnin osalta vähenee myös. | ||
| Uusiutuvien energialähteiden käyttö | 0 | 0 |
| Ei relevantti tässä hankkeessa | ||
| Paikallisen elinkeinorakenteen kestävä kehittäminen | 6 | 8 |
| Hankkeessa syntyvällä PoC-mallilla on mahdollista kehittää yrityksen kilpailukykyä laadun ja joustavuuden kautta. Näiden teemojen kehitys ja siitä syntyvät positiiviset vaikutukset heijastuvat koko toimitusketjun toimintaan. Tästä syystä hankkeella on hyvin laaja-alaisia vaikutuksia yritysten kilpailukykyyn. | ||
| Aineettomien tuotteiden ja palvelujen kehittäminen | 3 | 7 |
| Konenäkö- ja erityisesti tekoälyteknologian jalkauttaminen yrityksiin käytännönläheisesti luo yrityksille pohjaa teknologioiden jatkosoveltamiseen ja -kehittämiseen osana omaa toimintaa. Tämä luo pohjaa uusille palvelutuotteille pidemmällä aikavälillä. | ||
| Liikkuminen ja logistiikka | 5 | 6 |
| Laatupoikkeamien havaitseminen aikaisessa vaiheessa tuotantoa vähentää ylimääräisten kuljetusten tarvetta toimitusketjun sisällä ja materiaalivirrat voidaan järjestää optimaalisesti. Konenäön käyttöönoton digitalisointi vähentää sovelluskohteessa tehtävää työtä, jolloin liikkuminen ja edelleen päästökuormitus vähenee. | ||
| Sosiaalinen ja kulttuurinen kestävyys sekä yhdenvertaisuus | ||
| Hyvinvoinnin edistäminen | 3 | 5 |
| Monotonisen laadunvalvontatyön automatisointi vapauttaa työntekijäresurssia muualle, ihmiselle mielekkäämpiin tehtäviin. Samalla työturvallisuus paranee. | ||
| Tasa-arvon edistäminen | 3 | 3 |
| Hanke huomioi tasa-arvonäkökulman tasoittamalla tekniikan alan valmistavan teollisuuden työtehtävien fyysistä vaatimustasoa, jolloin kaikilla on yhtäläiset mahdollisuudet onnistua työssään. | ||
| Yhteiskunnallinen ja kulttuurinen yhdenvertaisuus | 0 | 0 |
| Ei relevantti tässä hankkeessa | ||
| Kulttuuriympäristö | 0 | 0 |
| Ei relevantti tässä hankkeessa | ||
| Ympäristöosaaminen | 0 | 0 |
| Ei relevantti tässä hankkeessa | ||
Laadusta kilpailukykyä konenäöllä -hanke onnistui hyvin vastatessaan Etelä-Pohjanmaan alueen valmistavan teollisuuden laadunvalvonnan kehittämistarpeisiin. Hankkeen keskeinen tavoite oli luoda Proof of Concept (PoC) -malli, joka keskittyisi laadunvalvonnan kehittämiseen konenäön avulla. Tavoitteena oli kehittää 6-7 PoC-pilottia, jotka tarjoaisivat teknologisia ratkaisuja yritysten laadunvalvonnan ja joustavuuden kehittämistarpeisiin konenäköä soveltamalla. Hankkeessa saavutettiin hyviä tuloksia ja sillä on monenlaisia vaikutuksia tulevaisuudessakin. Hankkeen verkkosivut osoitteessa: https://projektit.seamk.fi/alykkaat-teknologiat/laaki/ kokoaa hankkeen keskeisimmät tulokset ja tuotokset yhteen paikkaan.
Hankkeen alkuvaiheessa toteutettiin kysely ja yritysvierailuja, joilla tunnistettiin yritysten tarpeet ja laadun kehittämiskohteet. Tämä antoi hankkeelle ja PoCien kehittämiselle selkeän suunnan ja mahdollisti tarpeisiin vastaamisen. Teknologiaselvitykset olivat myös keskeinen osa hanketta, ja niissä tarkasteltiin erilaisia konenäkötekniikoita ja -ratkaisuja erityisesti tekoälyn soveltamisen näkökulmasta. Hankkeessa selvitettiin erilaisten työkalujen soveltuvuutta laadunvalvonnan näkökulmasta. Tietoa haettiin myös mm. Vision-messuilta Stuttgartista, joka on alan keskeisin tapahtuma Euroopassa.
Hankkeen keskeisimmät tulokset olivat PoCit, jotka demonstroivat konenäköteknologian soveltuvuutta erilaisissa yrityksissä ja tarpeissa. Näihin kuului esimerkiksi metalliosien mittaukset, levykappaleen laadunvalvonta, leikkelepakkausten tunnistus ja alumiiniprofiilien laadunvalvonta Deep Learning -menetelmällä. PoCit tarjosivat yrityksille teknologisia ratkaisuja laadunvalvontaan ja joustavuuden parantamiseen ja niitä voi muutkin hyödyntään dokumentaation kautta. Hankkeessa tiedonlevitys oli myös aktiivista ja hankkeen aikana tuotettiin mm. useita artikkeleita, jotka käsittelevät konenäköteknologiaa eri näkökulmista. Hankkeessa järjestettiin myös kaksi työpajaa, jotka kokosivat yhteensä noin 30 osallistujaa. Lisäksi hankkeen tuloksia esiteltiin erilaisissa tapahtumissa ja tilaisuuksissa.
Kokonaisuutena hanke onnistui kasvattamaan alueen osaamista konenäköteknologiassa merkittävästi. Hankkeen tulokset ja PoC-malli jäävät elämään hankkeen verkkosivuille, ja ne ovat hyödynnettävissä jatkossakin yritysten laadunhallinnan kehittämisessä. Hankkeella oli myös positiivisia vaikutuksia vihreään siirtymään, sillä konenäön soveltaminen ja kehittäminen vähentää mm. materiaalihukkaa. Hankkeen tulokset ovat merkityksellisiä alueen yrityksille ja osaamisen kasvu jättää kestävän jäljen alueelle konenäköteknologian hyödyntämiseksi ja edelleen automaattisen laadunvalvonnan kehittämiseksi.