Suunnittele tekoälyprojekti Kiran kanssa

Seuraavaksi pääsemme soveltamaan kurssilla oppimaamme suunnittelemalla työturvallisuuteen liittyvää tekoälyratkaisua.

Pilottihanke – Kypärän tunnistus

Harjoitustehtävä perustuu YIT:n toteuttamaan tekoälypilottiin, jonka tarkoituksena oli konenäön avulla tunnistaa kypärän käyttöä rakennustyömailla.

Harjoitustehtävän vaiheet ja sisältö eivät vastaa täysin todellisia tapahtumia, vaan niitä on muokattu kurssille paremmin sopiviksi yhteistyössä YIT:n kanssa.

Alkutilanteemme on, että liiketoimintapäällikkö Kira on innostunut tekoälyn hyödyntämisestä ja tunnistanut mahdollisen käyttötapauksen, joka liittyy kypärän käyttöön rakennustyömaalla. Kira pyytää sinua mukaan suunnittelemaan ratkaisua, sillä hän on kuullut, että olet saanut aiheeseen liittyvää koulutusta ja tunnet tekoälyn toimintaperiaatteet.

Käynnistetään projekti!

Käynnistyspalaveri

Kira on kutsunut sinut projektin käynnistyspalaveriin. Hän on valmistellut materiaalia, jolla kertoo suunniteltavan ratkaisun taustasta ja perustelee sen tarvetta.

Näin Kira esittelee ajatuksiaan osallistujille:

Pilottihanke Kypärän tunnistus, liiketoimintatarpeen analyysi

Rakennustyömailla kypärän käyttäminen on olennainen turvallisuustekijä ja lisäksi työturvallisuusmääräysten mukaan pakollista. Mikäli kypärän käytössä havaitaan puutteita ja niitä ei korjata tai kypärättömälle työntekijälle sattuu työtapaturma, kyseessä on jo työturvallisuusrikos. Tässä tapauksessa vastuu ja mahdolliset rangaistukset ulottuvat henkilökohtaiselle tasolle – ei yritykselle. Kypärän käyttämättä jättämiseen tulee siis puuttua viipymättä.

Kypärän käyttöä valvoo työnjohto, ja kaikille työntekijöille on selvää, että työmaalla on pakko käyttää kypärää. Valvonta ei kuitenkaan ole aukotonta, sillä työmaat voivat olla suuria ja niillä on henkilöstöä useista yrityksistä. Tämä tekee valvonnasta vaativaa.

Nyt suunniteltu tekoälyratkaisu tukisi kypärän käytön valvontaa hyödyntämällä työmaakameroiden kuvamateriaalia.

Alustavana suunnitelmana tekniseksi ratkaisuksi on pilvipalvelu, johon kameroiden data tallentuu automaattisesti. Palvelussa tekoälyratkaisu hyödyntää kypärän käytön tunnistamiseen koneoppimismalleja.

Työturvallisuustiimi saa palvelusta raportteja, joista kypärän puute näkyy välittömästi. Työturvallisuustiimi viestii mahdolliset puutteet työnjohdolle.

Samaa kuvamateriaalia käyttäen olisi oletettavasti toteutettavissa useita konenäköön liittyviä ratkaisuja. Kypärän lisäksi järjestelmä voisi tarkkailla muidenkin turvallisuusvälineiden käyttöä.

Ratkaisun merkitystä lisää se, että työturvallisuuden parantaminen on yksi yrityksen strategisista tavoitteista.

Esityksensä jälkeen Kira pohdiskelee seuraavaa askelta. Hänen mielestään nyt olisi aika hakea projektille rahoitusta ja käynnistää projekti.

Näyttää siis siltä, että Kiran on laadittava lisäselvityksiä ennen kuin hänen on mahdollista hakea rahoitusta.

Tekoälykanvaasin laadinta

Ehdotat Kiralle, että kävisitte asiaa lävitse tekoälykanvaasin avulla, jotta käyttötapaukseen tulee riittävän laaja näkökulma. Kira innostuu ajatuksesta, ja aloitatte tekoälykanvaasin koostamisen.

A) Liiketoimintatarve ja ratkaisukuvaus

Ensiksi haluatte varmistaa, että ratkaisulle on liiketoimintatarve ja omistaja. Asia on kunnossa, kuten Kiran projektiesittelystä aiemmin ilmeni. Hän itse toimii projektin omistajana (tuoteomistaja).

Ratkaisukuvaus oli projektiesittelyssä esitetty seuraavasti:

“Alustava suunnitelma tekniseksi ratkaisuksi on pilvipalvelu, johon kameroiden data tallentuu automaattisesti. Palvelussa tekoälyratkaisu hyödyntää kypärän käytön tunnistamiseen koneoppimismalleja.

Työturvallisuustiimi saa palvelusta raportteja, joista kypärän puute näkyy välittömästi. Työturvallisuustiimi viestii mahdolliset puutteet työnjohdolle.“

Päätätte yhdessä syventää pohdintaa havaintojen käsittelemisestä ja päädytte kolmeen vaihtoehtoon:

1) Työturvallisuustiimi saa raportin kypärän käytöstä viikoittain ja on tarvittaessa yhteydessä työnjohtoon.

2) Puutteet kypärän käytössä saapuvat reaaliaikaisesti tekstiviestinä tai sovelluksen kautta työnjohtajien puhelimiin. Työnjohtajat kuittaavat, oliko hälytys aiheellinen vai aiheeton. Tämä tieto tallentuu dataratkaisuun, jota koneoppimismallit voivat tulevaisuudessa hyödyntää.

3) Ratkaisu käyttää porteilla olevien kameroiden kuvaa. Kun sovellus havaitsee sisään tulevan kypärättömän kulkijan, portilla syttyy ”Ei kypärää” -varoitusvalo, joka on samalla kehotus pistää kypärä päähän.

B) Datan saatavuus, määrä ja laatu

Olette tehneet selvitystyötä kuvien (data) saatavuudesta ja laadusta. Havaintonne ovat seuraavanlaisia:

• Työmailla on kyltit ja merkinnät, jotka kertovat työmaalla kävijöille, että työmaalla on käytössä kameravalvonta, jota käytetään työmaan turvallisuuden seurantaan.

• Kamerat ottavat videokuvaa, josta on mahdollisuus tuottaa riittävästi still-kuvia, joita käytetään tekoälyn opettamisessa (koneoppiminen).

• Eri rakennustyömailla voi olla käytössä erilaisia kameroita ja eri toimittajilta. Kaikki kamerat kuitenkin tuottavat vähintään HD-tasoista (High Definition) kuvanlaatua, joka riittää tähän tarpeeseen.

• Kameroiden data tallentuu paikallisesti, mutta ei siirry eteenpäin, esimerkiksi yrityksen pilviratkaisuun.

• Kameroiden sijainnit ja etäisyydet kuvattavista voivat vaihdella työmaittain. Jokaisella työmaalla on kuitenkin ainakin yksi kamera portilla.

• Valaistus (esimerkiksi valon määrä, heijastumat) vaikuttavat kuvien laatuun ja niiden hyödynnettävyyteen.

Useiden tapaamisten ja selvitysten jälkeen on varmistunut, että kuvamateriaali on mahdollista saada kameroista datapilveen pienellä viiveellä. Lisäksi olette saaneet nipun testikuvia eri kameroista.

Olette siis pääosin saaneet vastaukset seuraaviin dataan liittyviin kysymyksiin:

• Mitä dataa suunnitellun tekoälyratkaisun toteuttamiseksi tarvitaan?

• Onko data saatavilla ja siihen liittyvät dataputket olemassa vai tuleeko edellä mainitut prosessit luoda?

• Onko tarvittava data jo olemassa vai tarvitseeko sen kerääminen aloittaa?

• Onko datan laadussa tunnettuja puutteita, jotka voisivat vaikuttaa suunnitellun ratkaisun toteutuksen luotettavuuteen?

• Onko dataa riittävästi?

Koska data-asioista on kommunikoitava eri sidosryhmien kanssa, luotte vielä kuvauksen ratkaisun ensimmäisen vaiheen (vaihtoehto 1) tietovirroista eri vaiheiden välillä.

Kuvassa on esitetty, kuinka työmaalla otetut kamerakuvat kulkevat suunnitellun tekoälyratkaisun kautta, jossa ne analysoidaan. Lopputuloksena on raportit työturvallisuustiimille kypärän käyttöön liittyen.

C) Kypärän käytön tunnistaminen koneoppimisen avulla

Olette toimittaneet saadut testikuvat datatieteilijälle, joka on analysoinut ja arvioinut ne ennen yhteistä tapaamista. Tapaamisessa kerrotte tarkemmin projektin tavoitteista ja datatieteilijä avaa havaintojaan testikuvista sekä koneoppimismallien hyödyntämisestä.

Palaverin jälkeen Kira toteaa, että muutama asia jäi askarruttamaan mieltä.

Tämän vaiheen jälkeen olette myönteisellä mielellä, sillä mitään ratkaisevia esteitä ei tullut esille ja datatieteilijäkin piti suunniteltua ratkaisua hyvänä kohteena konenäön hyödyntämiseksi.

D) Onnistumisen mittaaminen

Seuraavaksi siirrytte miettimään mittareita, joilla arvioida ratkaisun onnistumista sen ollessa jo käytössä.

Ensimmäisenä mittarina arvioitte koneoppimismallin tarkkuutta, eli miten luotettavasti se tunnistaa kypärättömiä henkilöitä. Kira piirtää taululle vaihtoehtoisia luokittelutarkkuuksia.

E) Tekninen ratkaisu

Seuraava vaihe on teknisen ratkaisun pohdinta. Siihen kuuluvat muun muassa erilaiset ohjelmistoratkaisut, työmailla olevat kamerat ja tiedonsiirrot.

Palaverissa oman IT-osaston ja kameratoimittajien kanssa keskustelitte ratkaisun toteuttamiseen tarvittavista komponenteista ja reunaehdoista.

Palaverissa selvisi muun muassa seuraavia asioita:

• Eri valmistajien kameroista kuvamateriaali tallentuu paikallisesti, josta se on erikseen siirrettävä pilvipalveluun ja tässä prosessissa on huomioitava tietosuojavaatimukset (GDPR).

• Käytössä olevassa pilvipalvelussa on kaikki tarvittavat komponentit datan siirtoihin, käsittelyyn, koneoppimisen toteutukseen ja tulosten raportointiin. Toisin sanoen uusia ohjelmistoratkaisuja ei tarvita, vaan jo käytössä olevia voidaan hyödyntää tässä hankkeessa.

• Kuvamateriaali on videokuvaa, joka vie runsaasti tallennustilaa. On ehkä pohdittava ajallista rajausta sille, miten pitkään videokuvaa säilötään.

• IT-osasto on selvittänyt, ettei valmiita tekoälyratkaisuja ole saatavilla tähän tarpeeseen, joten ratkaisu täytyy rakentaa itse alusta loppuun saakka.

Palaverin jälkeen keskustelette Kiran kanssa ratkaisun skaalautuvuudesta eli siitä, miten se saadaan tehokkaasti käyttöön useilla rakennustyömaalla.

Tekninen ratkaisu ei siis sisältänyt merkittäviä ongelmia. Haastavin osuus on saada kuvamateriaali työmailta datapilveen, sillä se vaatii useita teknologioita ja osapuolia. Lisäksi kameratoimittajilla on vaihtelevat valmiudet auttaa asiassa.

Jatkatte asian työstöä eri sidosryhmien kanssa, kunnes olette saaneet aikaan selkeän suunnitelman. Sen perusteella osallistujat tietävät, mitä heiltä odotetaan, mikäli suunniteltu ratkaisu etenee toteutukseen saakka.

F) Sidosryhmät, roolit, osaamiset ja prosessit

Selvitystyönne on edistynyt mukavasti ja olette samalla oivaltaneet, millaisia sidosryhmiä ja rooleja hankkeeseen liittyy. Olet tehnyt niistä luettelon, jossa ovat

• Projektin omistaja ja johtoryhmä (projektin johto, strateginen visio)

• Yrityksen IT-osasto (ohjelmistot, data, koneoppiminen, yms.)

• IT-toimittaja (tukee IT-osastoa, erityisesti datan siirrot kameroista)

• Yrityksen hankintaosasto (kamerakumppanit, standardisopimukset ja vastuut)

• Kameratoimittajat (kameroiden valinta, tiedonsiirtoprotokollat)

• Rakennustyömaan sähköurakoitsija (kameroiden fyysinen asennus)

• Työnjohto rakennustyömaalla (kypärän käytön operatiivinen valvonta ja tekoälyratkaisun hälytysten seuranta)

• Työntekijät ja vierailijat rakennustyömaalla (kypärän käyttäminen)

• Työturvallisuustiimi (kypärän käytön seuranta tekoälyratkaisun hälytyksistä ja työnjohdon informointi)

• Yrityksen GDPR-asiantuntijat (ratkaisun GDPR-mukaisuuden varmistus)

• GDPR-selvitysten nojalla mahdollisesti esiin tulleet sidosryhmät.

Käytte Kiran kanssa listan lävitse varmistaen, että olette keskustelleet kaikkien keskeisten sidosryhmien kanssa ja että näillä on kyvykkyttä ja halua olla mukana projektissa.

Tämän jälkeen Kiralla on kysymys koskien prosesseja.

G) Investointi ja hyödyt

Tähän mennessä selvitykset ovat olleet rohkaisevia, mutta niissä ei ole ollut mukana taloudellista ulottuvuutta – eli mitä kokonaisuus maksaa ja onko ratkaisusta sittenkään riittävästi hyötyä? Investointipäätöksen tekee johto, joten päätätte selvittää asian perusteellisesti.

Kira on selvittänyt eri sidosryhmien kanssa erilaisia kustannuselementtejä ja niiden oikeaa suuruusluokkaa. Yhteenvedoksi hän on laatinut oheisen taulukon, joka kuvaa kunkin osa-alueen osuutta kokonaiskustannuksista.

Kuten kuvasta näkyy, dataputkien rakentaminen ja datan valmistelu käyttökelpoiseksi kattavat noin puolet pilottihankkeen kustannuksista. Kirasta se tuntuu liian suurelta, joten hän kysyy sinun mielipidettäsi.

Pilottiprojektin alustava kustannusarvio Kiran mukaan on noin 100 000 euroa, joka sisältää seuraavat kokonaisuudet:

• Kustannukset käytettävistä ohjelmistoista (data, koneoppiminen, tulosten raportointi) ja datapilvestä (tallennustila)

• Kustannukset kameroista yhdelle rakennustyömaalle, sisältäen asennukset

• Kustannukset palveluiden ostosta ulkopuoliselta toimittajalta, sisältäen dataputkien rakentamisen kameroista datapilveen, datan esikäsittelyn ja koneoppimismallien toteutuksen.

Sisäisen työn kustannukset eivät sisälly laskelmaan. Sisäistä työtä ovat muun muassa

• Projektinhallinta

• Datan käsittelyyn, koneoppimiseen ja tulosten raportointiin liittyvä työ yhdessä ulkoisen toimittajan kanssa

• Työturvallisuustiimin ja pilottiin valitun työnjohdon koulutus.

Arvio sisäisen työpanoksen määrästä on 120 henkilötyöpäivää.

Pilottiprojektin jälkeen ratkaisun käyttöönotto uudella työmaalla maksaa arviolta 25 000 € ja vaatii noin 30 henkilötyöpäivää sisäistä työtä.

“Hyvää työtä”, tuumit Kiralle, joka toteaa, että tämä olikin investointilaskelman helpompi puoli. Seuraavaksi pitäisi perustella investoinnin hyödyt.

Investoinnin perustelu

Kuten on tavallista, tällaiselle kokeilevalle pilottihankkeelle ei ole etukäteen varattua rahoitusta. Niinpä sen hankinta jää Kiran ja sinun tehtäväksi.

Pian huomaatte, että varsinaisen investointilaskelman teko ei onnistu, koska ratkaisu ei tuota suoria tuloja tai säästöjä, joita voisi peilata ratkaisun kustannuksiin. Ratkaisun hyödyt ja perustelut on siis löydettävä muualta.

Lupaat Kiralle, että mietit seuraavaksi päiväksi mykistävän hyvät investoinnin perustelut, joilla on helppo vakuuttaa johto projektin tärkeydestä.

Päätös

Viikkoa myöhemmin Kira ottaa sinut mukaan tapaamiseen, jossa hän esittelee ratkaisun johdolle ja hakee sille rahoitusta sekä käynnistyslupaa.

Ratkaisu on jaettu kahteen vaiheeseen, joista ensimmäinen toteutetaan tekoälykanvaasin laadinnassa kuvatun vaihtoehdon 1 mukaisesti. Tässä vaiheessa rakennetaan ratkaisun perusteet ja tekninen toimivuus sekä osallistetaan eri osapuolet mukaan projektiin.

Vaiheen 1 jälkeen tehdään laajennus vaihtoehtoon 2, jossa osallistetaan työnjohto mukaan ja saadaan ratkaisu reaaliaikaiseksi. Tämä luo ratkaisulle merkittävää lisäarvoa.

Kesken tapaamisen johto esittää kysymyksiä, joista osan Kira osoittaa sinulle.

Tapaamisen päätteeksi olette saaneet projektille rahoituksen ja luvan aloittaa. Tekoälyprojektin suunnittelussa on monta ulottuvuutta, mutta nyt olette luoneet hyvät edellytykset projektin onnistuneelle toteutukselle. Onnea matkaan!