Vesihuolto määritellään Suomessa osaksi kriittistä infrastruktuuria. Vesihuolto käsittää muun muassa puhtaan veden jakelun, vesien varastoinnin sekä käsittelyn. Ruskon Betoni Etelä Oy:n infratuotetehdas Hollolassa valmistaa betonisia EK-kaivonrenkaita ja -putkia muun muassa hule- ja jätevesiviemärikäyttöön koko maan laajuisesti. EK-kaivonrenkaista tilaajan tarpeisiin räätälöitävät projektikaivot valmistetaan suunnittelijan ja tuotannon kaivokorttien perusteella. Tuotannon kaivokorttien piirtäminen tehtaan omassa tietojärjestelmässä on manuaalista, verrattain hidasta tietojen kopioimista suunnittelijan kaivokortilta, mihin liittyy useita inhimillisten virheiden mahdollisuuksia. Prosessista on helppo tunnistaa automatisoinnin tarve, mutta miten visuaaliselta ilmeeltään vaihtelevat lähtötiedot taklataan niin, että tuotannon kaivokortin piirto voidaan automatisoida?

Kirjoittajat: Joonas Mäkiranta & Sariseelia Sore

EK-projektikaivot ovat tilaajan tarpeita varten räätälöitäviä kokonaisuuksia, joihin kuuluu olennaisesti eri kaivo-osien lisäksi kaivonrenkaiden runkoon porattavat läpiviennit viemäriputkia varten. Kaivokortteja on käsitteen ylätasolla kahta eri tyyppiä: suunnittelijan laatimia, ja kaivovalmistajan omia, joita kutsutaan myös kokoamisehdotuksiksi (Forsman ym. 2017, 20). Suunnittelijan kaivokortin tehtävä on ohjeistaa tilaajaa hankkimaan, ja kaivovalmistajaa valmistamaan tarkoitukseen sopiva kaivo. Suunnittelijan kaivokortit jalostuvat tehtaalla tuotannon kaivokorteiksi yksi kerrallaan kaivokortin piirtäjän tahtiin. Jokaisen kortin kohdalla piirtäjä katsoo suunnittelijan kaivokortista suurin piirtein samat asiat. Ainakin Hollolan betonituotetehtaalla piirrossa olevien korttien määrä voi vaihdella rajusti: jos kortteja on tänään piirrettävänä kymmenen, huomenna määrä voi olla kymmenkertainen. Kiire on syystä tai toisesta ja hankkeesta riippumatta usein kuitenkin kova, mikä saattaa aiheuttaa suorituskykyyn omalla tavallaan vaikuttavia paineita piirtäjän pöydällä. (Mäkiranta 2024.)

Toisinaan suunnittelijan kaivokortteja ei ole lainkaan, vaan kaivojen lähtötiedot joudutaan poimimaan asemapiirustuksesta (Kuva 1), mikä hidastaa tuotannon kaivokorttien muodostamista entisestään. Voiko ratkaisu tuotannon kaivokortin automaattiseksi piirtämiseksi yksinkertaisimmillaan olla jo vuosikymmeniä sitten esitelty optical character recognition (OCR) ‑teknologia, eli tekstintunnistus? Ruskon Betoni Etelä Oy:n Hollolan infratuotetehtaan suunnittelupäällikkö (2024) näkee ainakin täyteen ahdetun vesihuollon asemapiirroksen olevan erittäin haastava kohde tekstintunnistustyökalun luettavaksi, sillä kuvassa tietoja on usein myös päällekkäin. Mikäli hankkeen kaivoista on tuotettu suunnittelijan kaivokortit, ovat korteilla esitetyt tiedot tyypillisesti riittävän selkeät OCR-teknologialla tulkittaviksi.

Kuva 1. Ote vesihuollon asemapiirustuksesta (Kuva: Joonas Mäkiranta)

Ulostulo voidaan vakioida koneoppimisella

Suunnittelijan kaivokortit, kuten vesihuollon asemapiirustuksetkaan, eivät kuitenkaan ole kaikki samanlaisia, vaan eri suunnittelutoimistot tuottavat toisistaan visuaalisesti poikkeavia dokumentteja. Lähtötiedoista haluttu ulostulo on sitä vastoin aina sama: kaivovalmistajan oma, vakioitu tuotannon kaivokortti.  Erilaisia lähtötietoja, tässä tapauksessa suunnittelijan kaivokortteja, on mahdollista tulkita samaan ulostulomuotoon koneoppimista (eng. Machine Learning) hyödyntämällä. Google Cloud Tech (2017) määrittelee koneoppimisen olevan ”datan hyödyntämistä vastauksien saamiseksi”. Koneoppimisen avulla tietokoneet kykenevät havaitsemaan säännönmukaisuuksia ja tulemaan kokemuksen, eli datalla oppimisen kautta paremmiksi tulkitsemaan esimerkiksi kuvia tai puhetta halutulla tavalla. Toisinaan haluttu ulostulo tiedetään tarkasti, ja toisinaan halutaan ulostulo, josta ei tiedetä ennalta mitään.

Suunnittelijan kaivokorteista tiedetään tarkalleen kaikki ne asiat, jotka tarvitaan tuotannon kaivokortin muodostamiseksi: näin ollen koneoppimista hyödyntävälle järjestelmälle ei tarvitsisi kuin opettaa, mitkä lähtötiedot sen on poimittava esimerkiksi kaikkein yleisimmistä käytössä olevista suunnittelijan kaivokorteista. Ruskon Betoni Etelä Oy:n ICT-päällikön (2024) mukaan kyseistä menetelmää on jo menestyksekkäästi testattu Hollolan betonituotetehtaan myynnin työkaluksi, tarjouslaskentaa varten. Tarjoukselle muodostettavat kaivojen hinnat määräytyvät samojen lähtötietojen pohjalta, mitä tuotannon kaivokorttien piirtämiseenkin tarvitaan. Tarkoitusta varten testattu järjestelmä hyödyntää sekä OCR-teknologiaa että koneoppimista suunnittelijan kaivokorttien lukemiseksi, ja tuottaa kaivojen tiedot taulukkomuodossa.

Tulevaisuus on tietomalleissa

Taulukkomuotoon ajettavat kaivojen lähtötiedot olisivat jo teoriassa luettavissa Ruskon Betoni Etelä Oy:n Hollolan betonituotetehtaalla käytössä olevalla tietojärjestelmällä, jossa tuotannon kaivokortit piirretään. Kehittämällä piirtotyökalun käyttöliittymää siten, että kaivokortin piirtäjä voisi halutessaan antaa järjestelmän lukea taulukkomuotoisen suunnittelijan kaivokortin perinteisen manuaalisen tietojen syöttämisen sijaan, voitaisiin tuotannon kaivokortti muodostaa huomattavasti manuaalista menettelyä nopeammin ja varmemmin. (Mäkiranta 2024.) Pesonen (2023) on diplomityössään tutkinut taulukkomuotoisen kaivokortin hyötyjä ja haasteita. Työtä varten hän on haastatellut eri kaivotoimittajia, joista kukaan ei vastustanut ajatusta tietojen hyödyntämisestä taulukkomuodossa.  Taulukkomuodon ainoana merkittävänä heikkoutena mainittiin visuaalisuuden puute, joka nykyisissä suunnittelijan kaivokorteissa helpottaa lähtötietojen luettavuutta, kun tietoja kopioidaan manuaalisesti. Mikäli taulukon tiedot annetaan kuitenkin suoraan tietojärjestelmän luettaviksi ja manuaalinen työ poistuu välistä lähes kokonaan, ei visuaalisuuden puute ole ongelma, vaan pikemminkin päinvastoin.

Asemapiirrokset ovat tässä suhteessa kuitenkin edelleen ongelma, sillä asemapiirroksen tietoja ei näillä näkymin tulla saamaan taulukkomuotoon, ainakaan OCR-teknologian avulla. Pesosen (2023, 39) diplomityössä tehtyjen haastattelujen perusteella todettiin kaikkien kaivotoimittajien olevan yhtä mieltä siitä, ”että heille olisi hyvä lähettää edes jonkinlaiset kaivokortit”, mutta käytännössä varmuutta ei ole, että näin tulisi jatkossa tapahtumaan.

Pesosen (2023) diplomityön haastatteluiden tulokset osoittivat, että rakennusten tietomallien käytön uskottiin eri kaivovalmistajien keskuudessa muuttuvan uudeksi vakioksi tulevaisuudessa, kun tietomallit tulevat laajemmin käyttöön myös maa- ja vesirakentamisessa. Mäkirannan (2024) YAMK-opinnäytetyössä todetaan, että Suomessa talonrakennuspuoli on jo merkittävästi pidemmällä rakennusten tietomallien hyödyntämisessä. Tietomalleja hyödyntämällä lähtötiedot ovat käytetystä standardista riippuen vakiomuotoisia, eikä kaivojen tietoja tarvitsisi enää etsiä asemakuvista, kuin poikkeustapauksissa. Tietomallin käyttö edellyttää kaivovalmistajilta käytännössä kykyä tuoda kaivotietoja tietomallista omiin järjestelmiinsä, mikä ei Pesosen (2023) mukaan ollut kaikilla toimijoilla vielä ajankohtaista.  Suunnittelijan kaivokorttien lukemisen taulukkomuotoon voidaan kuitenkin nähdä jo harppauksena eteenpäin kohti prosessin automatisointia, ennen laajemman tietomallin hyödyntämistä.

Lähteet

Forsman, J., Heikkinen, M., Petrow, S. & Pirinen, M. 2017. Betoniset viemäri- ja hulevesijärjestelmät. Helsinki: Rakennustuoteteollisuus RTT ry.

Google Cloud Tech. 2017. What is Machine Learning? YouTube-video. Viitattu 26.5.2024. Saatavissa https://www.youtube.com/watch?v=HcqpanDadyQ&t=312s

ICT-päällikkö. 2024. Ruskon Betoni Etelä Oy. Haastattelu 9.5.2024.

Mäkiranta, J. 2024. Sähköisen kaivokortin käsittelyn kehittäminen. Case: Ruskon Betoni Etelä Oy. YAMK-opinnäytetyö. LAB-ammattikorkeakoulu, liiketalouden ala. Viitattu 4.6.2024. Saatavissa https://urn.fi/URN:NBN:fi:amk-2024060320316

Pesonen, E. 2023. Verkostosuunnittelun kaivokorttiprosessin optimointi. Tampereen yliopisto. Diplomityö. Viitattu 26.5.2024. Saatavissa https://urn.fi/URN:NBN:fi:tuni-202301111314

Suunnittelupäällikkö. 2024. Ruskon Betoni Etelä Oy Hollolan betonituotetehdas. Haastattelu 23.5.2024.

Kirjoittajat

Joonas Mäkiranta työskentelee projektivastaavana Ruskon Betoni Etelä Oy:n Hollolan betonituotetehtaalla ja valmistuu tradenomiksi (YAMK) liiketoiminnan digitaaliset ratkaisut -koulutusohjelmasta kesällä 2024.

Sariseelia Sore työskentelee LAB-ammattikorkeakoulussa lehtorina ja koordinaattorina liiketoiminnan digitaaliset ratkaisut YAMK -koulutuksessa.

Artikkelikuva: Joonas Mäkiranta

Julkaistu 12.6.2024

Viittausohje

Mäkiranta, J. & Sore, S. 2024. Kuinka automatisoida kaivokortin piirto? LAB Pro. Viitattu pvm. Saatavissa https://www.labopen.fi/lab-pro/kuinka-automatisoida-kaivokortin-piirto/