Pilvipalvelut tarjoavat yhden välineen tiedonsiirtoon yritysten välillä. Pilvipalveluiden tarjoajat edustavat kolmatta osapuolta, jolla ei ole suoranaista kiinnostusta datan varsinaiseen sisältöön, mutta oman liiketoiminnan jatkuvuuden kannalta voimakas intressi varmistaa datan luottamuksel-lisuus. Pilvipalvelun tarjoaja vastaa tiedon jakamisesta siten, että kukin osapuoli saa nähtäväkseen vain heille määritellyt sisällöt. Esimerkiksi laitevalmistajalla on oikeus vain heidän laitteisiin liitty-vään tietoon ja loppukäyttäjällä vain heidän laitostaan koskevaan tietoon. Laitetoimittajien käyt-tövaiheesta saamat tiedot keskittyvät vikatapahtumiin ja laitetason seurauksiin. Keskitetty tiedon-keruu tarjoaa laitetoimittajalle paremmat mahdollisuudet saada tietoa heidän laitteiden merkityk-sestä asiakkaan koko tuotantojärjestelmän näkökulmasta. Yhdistäessään yksittäisten laitteiden vi-kaantumistiedot esim. tuotantoprosessin toimintaan laitetoimittaja saa käsityksen siitä, miten suo-raan heidän toimittamiensa laitteiden vikaantuminen vaikuttaa tuotantoprosessin tehokkuuteen ja tuotannon määrään. (Kunttu ym., 2016; Kortelainen ym., 2017)
Verkostoitunut toimintaympäristö tuo oman lisähaasteensa laitetoimittajien tiedonsaantiin. Laite-toimittajien asiakkaat ovat tyypillisesti laajempia järjestelmiä tarjoavat järjestelmätoimittajat, joi-den asiakkaita loppukäyttäjät ovat. Suoran yhteyjoi-den puuttuessa laitetoimittajien ja loppukäyttäjien väliltä tietojen saanti laitteiden käytön ajalta on vaikeaa. Pilvipalvelut mahdollistavat laitetoimitta-jille paremmat mahdollisuudet käytönaikaisen tiedon saantiin, vaikka suoraa suhdetta loppukäyt-täjään ei olisikaan.
Helpomman tiedon jaon lisäksi yhteen paikkaan kerättyä tietoa voidaan hyödyntää mm. arvioita-essa sopimusehtojen täyttymistä. Sopimuksissa määriteltyjen tunnuslukujen, kuten käytettävyys tai kokonaistehokkuus, arvot ovat riippuvaisia käytettävästä aineistoja ja tunnusluvun määritelmästä.
Yhteen paikkaan kerätystä aineistosta raportoidut tunnusluvut voivat osaltaan vähentää epäsel-vyyksiä arvioitaessa sopimusehtojen täyttymistä.
Kuva 3.37. Pilvipalveluihin pohjautuva tiedon jakamisen konsepti (Kunttu ym., 2016, Kortelainen ym., 2017)
Kuvassa (Kuva 3.37) esitetyn konseptin mukaisesti keskitetty tiedonkeruu tarjoaa useita nykykäy-täntöjä yksinkertaisemman välineen tietojen siirtoon eri toimijoiden välillä. Keskitetty tiedonkeruu tarjoaa monia etuja, mutta käytännön toteutuksen näkökulmasta myös riskejä, joista eri toimijoi-den tulee olla tietoisia voidakseen arvioida saatavien hyötyjen merkitystä riskeihin verrattuna. Eri-tyisesti loppukäyttäjien, jotka ovat tiedon toimittajia, tulee arvioida, milloin tieto heidän näkökul-masta on kriittistä sekä kuinka suuresta tietomassasta voi muodostaa heille kriittistä tietoa, vaikka
yksittäiset muuttujat eivät kriittisiä olisikaan. Vastaavasti laitetoimittajien on hyvä arvioida voiko pilveen kerääntyvä tietomassa muodostua kriittiseksi heidän liiketoiminnan kannalta. Tiedon toi-mittamiseen liittyvät riskit on hyvä tunnistaa ja arvioida, mutta niitä ei toisaalta ole syytä liioitella.
Keskeiset opit
• Koneoppimisen ratkaisut mahdollistavat yhteyksien ja syy-seuraus suhteiden havaitsemi-sen, joita ei muilla menetelmillä saataisi selville. Koneoppimisella on monia sovelluksia esimerkiksi järjestelmien suorituskyvyn optimoinnissa ja kuntoon perustuvassa sekä enna-koivassa kunnossapidossa
• Digitaalinen kaksonen (DT) yhdistää fyysisen tuotteen ja siihen liittyvän tiedon toisiinsa
• DT:n avulla voidaan simuloida erilaisten käyttötapojen, prosessiparametrien tai muiden tekijöiden vaikutusta prosessin toimintaan reaaliajassa.
• Digitalisaatio mahdollistaa tiedon jakamisen yhteistyöverkostoissa. Yli järjestelmärajojen ulottuvat optimointiratkaisut edellyttävät teknologian lisäksi eri toimijoiden yhteistyötä, jossa teknologia-, data-, ja ilmiöosaaminen yhdistetään eri järjestelmätasoilla.
• Tiedon jakamisen esteet liittyvät useimmin luottamukseen ja liiketoiminnan tavoitteisiin kuin teknisiin kysymyksiin.
LÄHTEET
ISO 55002 (2018) Omaisuudenhallinta. Hallintajärjestelmät. Ohjeita standardin ISO 55001:2014 soveltamisesta. International Organization for Standardization.
Ackoff, R. (1989) From data to wisdom. Journal of Applied Systems Analysis, Vol. 16, No. 1, pp. 3–9.
Ackoff, R. L. (1999) Ackoff’s Best. New York: John Wiley & Sons, pp. 170 – 172
Ahonen, T. (2005) Eri tietolähteiden käyttö kunnossapidon tukena. Kunnossapito ja prognostiikka. Prognos vuosiseminaari 2005. VTT Symposium 239. VTT Tuotteet ja tuotanto. pp. 5-16.
https://www.vttresearch.com/sites/default/files/pdf/symposiums/2005/S239.pdf
Ahonen, T. & Reunanen, M. (2009) Elinkaaritiedon hyödyntäminen teollisen palveluliiketoiminnan kehittämisessä. Fleet asset management -hankkeen työraportti 2. Espoo 2009. VTT Working Papers 136.
62 s. + liitt. 8 s. https://www.vttresearch.com/sites/default/files/pdf/workingpapers/2009/W136.pdf Ahonen, T., Hanski, J., Uusitalo, T., Kunttu, S., Valkokari, P., & Kortelainen, H. (2018). Smart asset
management as a service. VTT Technical Research Centre of Finland.
https://www.researchgate.net/publication/325285755_Smart_asset_management_as_a_service_Deliverabl e_20
Ahonen, T., Jännes, J., Kunttu, S., Valkokari, P., Venho-Ahonen, O., Välisalo, T., Ellman, A., Hietala, J-P., Multanen, P., Mäkiranta, A., Saarinen, H., & Franssila, H. (2012) Käyttövarmuuden hallinta – standardista käytäntöön. Espoo 2012. VTT Technology 69. 73 s. + liitt. 3 s.
https://www.vttresearch.com/sites/default/files/pdf/technology/2012/T69.pdf
Antonoglou, I., Fidjeland, A. K., Wierstra, D., King, H., Bellemare, M. G., Legg, S., Mnih, V. (2015) Human-level control through deep reinforcement learning. Nature, 518(7540), 529–533.
Backman, J., Väre, J., Främling, K., Madhikermi, M. & Nykänen, O. (2016) IoT-based Interoperability Framework for Asset and Fleet Management. 21st IEEE International Conference on Emerging Technologies and Factory Automation, ETFA 2016, 6-9. Syyskuuta 2016, Berliini, Saksa.
Bergman E. (1998) Vikatiedon tilastollinen analyysi. Sensuroinnin vaikutus Weibull-mallien estimoinnissa.
Espoo 1998. Valtion teknillinen tutkimuskeskus, VTT Julkaisuja 831. 153s.
Bishop, C.(2006) Pattern recognition and machine learning. Springer. New York. 738 p.
Bohoris, G. (1996) Trend testing in reliability engineering. International Journal of Quality & Reliability Management. Vol.13, No. 2, pp. 45-54.
Baybutt, P. (2018) The validity of engineering judgment and expert opinion in hazard and risk analysis: The influence of cognitive biases. Process Safety Progress, Vol. 37, No. 2, 205–210.
https://doi.org/10.1002/prs.11906
Chennamaneni, A. & Teng, J. (2011) An integrated framework for effective tacit knowledge transfer. 17th Americas Conference on Information Systems 2011, AMCIS 2011, pp. 2471 - 2480.
Främling, K. & Rabe, L. (2006) Enriching product information during the product lifecycle, 12th IFAC Symposium on Information Control Problems in Manufacturing (INCOM), Saint-Etienne, France, May 17–19, 2006.
Hanski, J., Ahonen, T., Uusitalo, T., Vainio, H. & Valkokari, P. (2019) Smart Asset Management: Stories from the World of Digital Services. SmartAdvantage-projektin Deliverable 3.0. Saatavissa:
https://www.researchgate.net/publication/335161420_Smart_Asset_Management_Stories_from_the_Worl d_of_Digital_Services.Hanski, J., Vainio, H., Uusitalo, T., Hellman, J. & Hiekkalahti, H. (2018) Koneoppiminen tuo älyä energiaoptimointiin ja huollon palveluihin. Promaint. No 3, pp. 34-36.
Høyland, A. & Rausand, M. (2009) System Reliability Theory - Models and statistical Methods. Wiley Series in Probability and Mathematical Statistics: Applied Probability and Statistics Section. John Wiley & Sons Inc.
IEC 60300-3-2 (2005) Dependability management – Part 3-2: Application guide –Collection of dependability data from the field, International Electrotechnical Commission Std., 2005.
Iheukwumere-Esotu, L. O. & Yunusa Kaltungo, A. (2020) Assessment of Barriers to Knowledge and Experience Transfer in Major Maintenance Activities. Energies, Vol. 13, No. 7, 1721.
https://doi.org/10.3390/en13071721
ISO 10303-1 (1994) Industrial automation systems and integration –Product data representation and exchange –Part 1: Overview and fundamental principles. Standard.
ISO 10303-11 (2004) Industrial automation systems and integration –Product data representation and exchange –Part 11: Description methods: The EXPRESS language reference manual. Standard.
ISO 10303-28 (2007) Industrial automation systems and integration –Product data representation and exchange –Part 28: Implementation methods: XML representations of EXPRESS schemas and data, using XML schemas. Standard.
IEC 60300-3-2 ed2.0 (2004) Dependability management - Part 3-2: Application guide - Collection of dependability data from the field. Standard.
Jordan, M. I., & Mitchell, T. M. (2015) Machine learning: Trends, perspectives, and prospects. Science, 349(6245), 255–260.
Juhanko J, (toim.) Jurvansuu M, (toim.) ym. (2015) Suomalainen teollinen internet – haasteesta
mahdollisuudeksi. Taustoittava kooste. ETLA raportit No 42. https://www.etla.fi/julkaisut/suomalainen-teollinen-internet-haasteesta-mahdollisuudeksi-taustoittava-kooste/
Kortelainen, H., Kupila, K., Silenius, S. & Päivike, A. (2003) Data for better maintenance plans and investments policy. Tappi Journal, Vol. 2, No. 8, s. 8–12.
Kortelainen, H, Kunttu, S, Valkokari, P & Ahonen, T. (2014) Asset management decisions: Based on system thinking and data analysis. In Engineering Asset Management: Systems, Professional Practices and Certification. Springer, Lecture Notes in Mechanical Engineering, vol. 19, pp. 1083-1093, 8th World Congress on Engineering Asset Management, WCEAM 2013 and the 3rd International Conference on Utility Management and Safety, ICUMAS, Hong Kong, China, 30/10/13.
https://doi.org/10.1007/978-3-319-09507-3_92
Kortelainen, H., Kortelainen, J., Pulkkinen, A., Juhola, A., Hemming, B., Kantorovitch, J., Heikkilä, E., Ailisto, H. & Heilala, J. (2019) Data typology in manufacturing industries. VTT Research Report, no.
VTT-R-01136-19, VTT Technical Research Centre of Finland.
https://cris.vtt.fi/en/publications/data-typology-in-manufacturing-industries
Kortelainen, H., Hanski, J., Kunttu, S., Kinnunen, S.-K. & Marttonen-Arola, S. (2017) Fleet service creation in business ecosystems - from data to decisions: Fleet information network and decision-making. VTT Technology, no. 309, VTT Technical Research Centre of Finland.
http://www.vtt.fi/inf/pdf/technology/2017/T309.pdf
Kortelainen, H. (2019) Life cycle management and engineering. Kurssiaineisto. Tampereen yliopisto Kunttu, S, Ahonen, T & Kortelainen, H. (2017). Tiedon jalostusastetta nostaen parempia palveluita ja
viisaampia päätöksiä. in Teollinen internet uudistaa palveluliiketoimintaa ja kunnossapitoa.
Kunnossapitoyhdistys Promaint ry., pp. 16-26.
https://tutcris.tut.fi/portal/files/10991976/teollinen_internet_kirja_digi.pdf
Kunttu, S., Ahonen, T., Kortelainen, H., & Jantunen, E. (2016) Data to Decision: Knowledge-Intensive Services for Asset Owners. In Proceedings of EuroMaintenance 2016 (pp. 75-83). European Federation of National Maintenance Societies (EFMNS).
Kunttu, S., Ahonen, T., Kortelainen, H., Jantunen, E. (2016) Data to Decision - Knowledge-Intensive Services for Asset Owners. EuroMaintenance 2016, 30 May - 1 June 2016, Athens, Greece. Proceedings.
EFMNS, European Federation of National Maintenance Societies (2016), 75-83.
Laitinen, J. (2018) Life cycle management and engineering. Kurssiaineisto. Tampereen yliopisto Lee J., Bagheri B., Kao H.-A. (2015) A Cyber-Physical Systems architecture for Industry 4.0-based
manufacturing systems. Manufacturing Letters, Vol. 3, pp. 18–23.
Lee, J., Lapira, E., Bagheri, B., Kao, H-A. (2013) Recent advances and trends in predictive manufacturing systems in big data environment, Manufacturing Letters. 1. pp 38–41. doi:10.1016/j.mfglet.2013.09.005 Lee, J. H., Shin, J., & Realff, M. J. (2018) Machine learning: Overview of the recent progresses and
implications for the process systems engineering field. Computers & Chemical Engineering.
Nonaka, I. & Takeuchi, I. (1995) The Knowledge-creating Company: How Japanese Companies Create the Dynamics of Innovation, Oxford University press.
Meariam, L. (2017) Why Intel is buying car-vision company Mobileye for $15.3B Computerworld. 13 MARCH 2017 https://www.computerworld.com/article/3180164/why-intelis-buying-car-vision-company-mobileye-for-153b.html.
MIL-HDBK-2155 (1995) MILITARY HANDBOOK: FAILURE REPORTING, ANALYSIS AND CORRECTIVE ACTION TAKEN (11 DEC 1995).
Molarius, R. (2016) Uusien tekniikoiden riskien ennakointi: Viranomaisyhteistyö rakennetun ympäristön riskien tunnistamiseksi: Väitöskirja. Doctor Degree, Tampere University of Technology (TUT), Espoo.
http://www.vtt.fi/inf/pdf/science/2016/S120.pdf
Morris, D., Oakley, J. & Crowe, E. (2014) A web-based tool for eliciting probability distributions from experts. Environmental Modelling & Software. Vol.52, February 2014. pp. 1-4.
Polanyi, M. (1966) The Tacit Dimension. Garden City, New York: Doubleday & Company.
PSK 7501 (2010) Prosessiteollisuuden kunnossapidon tunnusluvut. Key performance indicators of maintenance for use in process industry. 2. painos. 32 s.
PSK 7102 (2008) Tehdashierarkia. PSK Standardisointiyhdistys ry. 6s.
PSK 9101 (2018) Käyttövarmuuden hallinta. Kerättävän tapahtumahistorian vähimmäistietokentät. PSK Standardisointiyhdistys ry
PSK 6800 (2008) Laitteiden kriittisyysluokittelu teollisuudessa. PSK Standardisointiyhdistys ry. 13s.
Rowley, J. (2006) The wisdom hierarchy: Representations of the DIKW hierarchy. Journal of Information Science, Vol. 33, No. 2, pp. 163–180.
Räikkönen, M., Kortelainen, H., Kunttu, S. & Komonen, K. (2020a) Corporate asset management - an integrated model for investment portfolio assessment. International Journal of Strategic Engineering Asset Management. Vol. 3, No. 4. pp. 312-328.
Räikkönen, M., Keski-Rahkonen, J., Kortelainen, H., Tikkanen, M., Valkokari, P., Vehanen, A., &
Pirttikangas, S. (2020b). Towards a Framework for Assessing the Customer Value of Digital Solutions. In eProceedings of the 30th European Safety and Reliability Conference and the 15th Probabilistic Safety Assessment and Management Conference [4455] Research Publishing Services.
https://www.rpsonline.com.sg/proceedings/esrel2020/html/4455.xml
Saaksvuori, A. & Immonen, A. (2004) Product Lifecycle Management. Springer-Verlag. Berlin. pp. 6-7.
SFS-EN 60300-3-2:en (2005) Dependability management - Part 3-2: Application quide - Collection of dependability data from the field.
SFS-EN17007:en (2017). Maintenance process and associated indicators. 79s.
SFS-EN 15341:en (2019) Maintenance Key Performance Indicators. 51s.
SFS-EN 31010:en (2019) Risk management - Risk assessment techniques. 128s.
Shafto, M., Conroy, M., Doyle, R., Glaessgen, E., Kemp, C., LeMoigne, J., Wang, L. (2010). DRAFT Modeling, Simulation, Information Technology & Processing Roadmap. Technology Area 11.
www.nasa.gov/sites/default/files/atoms/files/2015_nasa_technol-ogy_roadmaps_ta_11_modeling_simulation_final.pdf(visited 10.9.2019)
Tiusanen, R., Heikkilä, E., Räikkönen, M., & Välisalo, T. (2020). System Approach to Reliability
Engineering - Case: Wave Energy Converter. In P. Baraldi, F. Di Maio, & E. Zio (Eds.), eProceedings of the 30th European Safety and Reliability Conference and the 15th Probabilistic Safety Assessment and Management Conference (ESREL2020 PSAM15) [4968] Research Publishing Services.
https://www.rpsonline.com.sg/proceedings/esrel2020/pdf/4968.pdf
Valkokari, P., Kunttu, S. & Ahonen, T. (2011) Kunnossapitodata tuottavassa päätöksenteossa. Promaint.
Vol. 25. No 2, pp. 24-27.
Valkokari, P., Ahonen, T., Kunttu, S. & Horn, S. (2016) Fleet-palveluiden kohdentaminen. Promaint. No 1, pp. 36-39.
Woodhouse, J. (2018). Don’t forget human psychology in asset management decisions – it’s not all about data and analytics’’ Key note speech in WCEAM 2018. The 13th World Congress on Engineering Asset Management. Stavanger, Norway. Sept. 24–27, 2018.
Wuest, T., Weimer, D., Irgens, C., & Thoben, K. D. (2016). Machine learning in manufacturing:
Advantages, challenges, and applications. Production and Manufacturing Research, Vol. 4. No 1, pp. 23–
45.