Automaatioväylä 3/2022 on ilmestynyt

Lehdessä juttuja muun muassa seuraavista aiheista:

Oulun osaaminen on muutakin kuin tietoliikennettä
Tietoturvan standardoinnista
Aikaa kestäviä ratkaisuja
Euroopan teollisuus on muuttumassa autonomiseksi
Tulostetut komponentit
Robotiikka ja ohjelmointi opetuksessa
Kestävää kehitystä edistävät ratkaisut
Vaikuttaja: Markku Tyynelä

Nykyisen käytännön mukaisesti lehden verkkoversio löytyy paperilehdessä olevasta QR-koodista.
Näille kotisivuille linkki verkkolehteen tulee seuraavan lehden ilmestymisen aikoihin.

Verkkolehtiin pääsee myös etusivulta klikkaamalla lehden etusivun yläosan palkkia.

Automaatioväylä 2/2022 on ilmestynyt

Lehdessä juttuja muun muassa seuraavista aiheista:

Teknologia 22 -messut
Liikennetieto on Big Dataa parhaimmillaan
Turvallisesti vesillä
Tuotantolaitoksen ympäristövaikutukset näkyviin
Robotiikkaosaaminen yleissivistystä
Tekoälyä energiaprosessin joustavaan säätöön
Toimitusrajojen määrittely projekteissa
Vaikuttaja: Martti Heinonen

Nykyisen käytännön mukaisesti lehden verkkoversio löytyy paperilehdessä olevasta QR-koodista.
Näille kotisivuille linkki verkkolehteen tulee seuraavan lehden ilmestymisen aikoihin.

Verkkolehtiin pääsee myös etusivulta klikkaamalla lehden etusivun yläosan palkkia.

Automaatioväylä 1/2022 on ilmestynyt

Lehdessä juttuja muun muassa seuraavista aiheista:

Suuret tulokset automaatiosta yllättävät
Liiketoimintaprosessien automaatio
Metropolian Roboboost-hanke
Visio tulevaisuudesta
Mangan LNG-terminaali
Älykäs sairaala
Eurooppalainen konedirektiivi
Älykkäät kaupungit
Työelämälähtöistä opiskelua LABissa
Vaikuttaja: Antti Varis

Nykyisen käytännön mukaisesti lehden verkkoversio löytyy paperilehdessä olevasta QR-koodista.
Näille kotisivuille linkki verkkolehteen tulee seuraavan lehden ilmestymisen aikoihin.

Verkkolehtiin pääsee myös etusivulta klikkaamalla lehden etusivun yläosan palkkia.

Automaatioväylä 6/2021 sisältää myös Robotiikkatilastot -liitteen

Uusimmat robotiikkatilastot julkaistu.

Robotiikan tilastot ovat perinteisesti kiinnostaneet oppilaitoksissa ja tuotannon parissa toimijoita, sillä ne antavat kuvan valmistavan teollisuuden tilanteesta.

Suomen Robotiikkayhdistys julkaisi alkuaikoinaan Robotiikan vuosikirjaa, jossa esiteltiin robottisovelluksia ja alan tilastoja. Julkaisu oli suosittu aikana, jolloin tietoa teknisistä uutuuksista ei ollut yhtä helppoa löytää kuin nykyisin.

Automaatioväylä lehden avustuksella vuosikirjan idea jatkuu nyt  Robotiikkatilastot lisäosan muodossa, jonka löydät uusimman lehden välistä ja lehden sähköisestä arkistosta www.automaatiovayla.fi/lehti/robotiikkatilastot/

Lehdessä 6/2021 on muita juttuja muun muassa seuraavista aiheista:

Autoalan ohjelmistokehitys
Piensarjatuotannon tulevaisuus
Akkuteollisuudella maailmankartalle
Kokoonpanosovellus automatisoituu cobotilla
MURO-operaattorimalli mullistaa
Automaatioalan vaikuttaja Jari Saarinen

Nykyisen käytännön mukaisesti lehden verkkoversio löytyy paperilehdessä olevasta QR-koodista.
Näille kotisivuille linkki verkkolehteen tulee seuraavan lehden ilmestymisen aikoihin.

Verkkolehtiin pääsee myös etusivulta klikkaamalla lehden etusivun yläosan palkkia.

Automaatioväylä 5/2021 on ilmestynyt

Lehdessä juttuja muun muassa seuraavista aiheista:

TEM: Fiksun, kestävän kasvun imperatiivi
Sähköisten kaivoskoneiden simulointi
Tulevaisuutta uudistuvilla raaka-aineilla
Valmistusoperaatiot robottipalveluina
Teknologioiden yhdistäminen koneiden automatisoinnissa
Räätälöidyt ratkaisut mittauksiin
Systeemidynamiikka Espoon avuksi
Kaupunki on täynnä tekniikkaa
Vaikuttaja: Jari Anttila

Nykyisen käytännön mukaisesti lehden verkkoversio löytyy paperilehdessä olevasta QR-koodista.
Näille kotisivuille linkki verkkolehteen tulee seuraavan lehden ilmestymisen aikoihin.

Verkkolehtiin pääsee myös etusivulta klikkaamalla lehden etusivun yläosan palkkia.

Tekoälyn manipulointi ja turvallisuus – kenen pitäisi olla kiinnostunut?

Tekoäly tukee liiketoimintaa tuomalla päätöksiin tietoa ja mahdollistamalla ennakoinnin. Tekoälyyn liittyy myös riskejä: muiden tietoteknisten järjestelmien lailla se on otollinen kohde mahdollisille hyökkäyksille. Sitä voidaan johtaa harhaan tai sen kautta voidaan urkkia yrityksen tietoja. Liiketoiminta saa parhaan hyödyn tekoälystä, kun toteuttajien lisäksi myös yrityksen ylin johto ja hallitus ymmärtävät tekoälyn mahdollisuuksien ja uhkien tasapainon.

Tekoälyn mahdollisuudet ovat kiinnostaneet minua kauan, alkaen opinnoista joskus viime vuosituhannella aina tämän päivän hallitusrooliini Houston Analyticsilla. Tekoälyn soveltamisessa näen tapahtuvan vastaavan
kehityksen kuin muissakin liiketoimintaa radikaalisti muovaavissa innovaatiossa: sen rooli muuttuu erillisestä teknologiasta kiinteäksi osaksi varsinaista liiketoimintaa. Muutoksen voimaan vaikuttaa onnistunut ajoitus.

Usein yritykset aloittavat kuitenkin tekoälyn käyttämisen irrallisista kokeiluista ilman kytkentää liiketoimintaan tai todellista muutostavoitetta. Osaamisen hankkiminen koetaan haasteeksi, ja jos sitä löytyy, osaajat saattavat jäädä omaksi saarekkeekseen organisaation sisälle vailla todellista mahdollisuutta saada aikaan näkyvää muutosta.
Nämä ovat mielestäni tekoälyn kasvukipuja päättäjien yrittäessä hahmottaa sen todellisia mahdollisuuksia yrityksen älykkyyttä lisäävänä voimana.

Tekoälyn rooli täytyy hahmottaa myös strategisella tasolla, jotta kehitys saadaan suunnattua oikein. Kyse on laajamittaisesta muutoksesta yritysten tapaan toimia ja hyödyntää tietovarantojaan. Laajat muutokset eivät onnistu asiaan perehtyneiden yksilöiden tai yksittäisten organisaation osien voimilla ilman ylimmän johdon sitoutumista sekä yhteistä ymmärrystä tavoitellusta suunnasta.

Tekoälyä tutkitaan ja se on teemana myös monien innovaatiohankkeiden kohteena. Esimerkiksi Airbusin vetämä ITEA-hanke Cyberfactory#1 tutkii tekoälyn mahdollisuuksia ja uhkia tulevaisuuden tehdasympäristöissä. Projektin viimeisimmän webinaarin teemana oli tekoälyn manipulointi uhkana. Linkki webinaaritallenteeseen on artikkelin lopussa.

Tekoäly muuttaa päätöksentekoa
Tekoäly näkyy jo yritysten monissa toimintaa ohjaavissa päivittäisissä prosesseissa. Se muuttaa päätöksentekoa radikaalilla tavalla: mallien tekemät luokittelut itseasiassa ovat päätöksiä, jolloin kontrolli on tekoälyllä. Päätökset nopeutuvat, ja niiden laatukin tasaantuu. Tämä luo uuden kohteen mahdollisille hyökkääjille, jotka etsivät tapoja vaikuttaa päätöksiin.

Tekoäly mahdollistaa passiivisten tietovarantojen hyödyntämisen kokonaan uudella tavalla. Datasta voidaan luoda tietämystä opettamalla tekoälymalli sen avulla. Näin dataan sisältyvät ominaisuudet tulevat organisaation käyttöön ja opittu tieto lisää tehokkuutta tai ennakointikykyä.

Tekoäly kohtaa useissa yrityksissä myös asiakkaat ensimmäisenä. Se luo asiakkaalle mielikuvan yrityksen kyvystä vastata asiakkaan tarpeisiin. Siksi sen kyky hoitaa roolinsa on yhtä kriittinen kuin perinteisen asiakaspalvelun. Tekoäly on siis strateginen elementti, joka vaikuttaa läpi yrityksen eri prosessien. Vaikka tekoäly ei vastaa kaikista päätöksistä, sen luokittelut ja ennusteet ohjaavat useita kriittisiä prosesseja, jotka taas vaikuttavat yrityksen toimintaan laajasti.

Neljä erilaista tapaa häiritä AI-ratkaisua.

Tekoälyratkaisun heikot kohdat ovat rajapinnoissa
Tekoälyratkaisu on osa yrityksen normaalia infrastruktuuria. Kuten muidenkin integroitujen tietoteknisten ratkaisujen osalta, sen turvallisuutta arvioitaessa on syytä tunnistaa kohdat, joissa siihen voidaan vaikuttaa ulkoisesti. Erityisen kiinnostavan vaikuttamisen kohteen tekoälyratkaisusta tekee sen merkittävä rooli päätöksentekoprosessien osana.

Tekoälyratkaisu elää saamastaan datasyötteestä. Data ja sen lähteet muodostavat luonnollisen haavoittuvuuden, jossa hyökkääjä voi yrittää vaikuttaa prosessin toimintaan. Kaikkea vaikuttamista ei voida ennalta estää, siksi tarvitaan myös aktiivisia keinoja prosessin toimiessa. Hyökkäysmalleja on neljä pääryhmää: myrkytys, väliintulo, uuttaminen ja hämäys.

Mallin myrkyttäminen johtaa väärään oppimiseen. Hyökkääjä tuntee tällöin opetusdatan lähteet ja voi saastuttaa sen vääristetyllä aineistolla. Tavoitteena on muuttaa mallia oppimisvaiheessa. Sen avulla hyökkääjä pyrkii muuttamaan mallin ohjaamaa prosessia välillisesti. Mallin kehittäjän on hahmotettava datan puhtaus ja luotettavuus: mistä data muodostuu ja mitkä tekijät ovat voineet vaikuttaa sen sisältöön. Puhtauden kannalta on olennaista ymmärtää, miltä manipuloimaton data näyttää ja mikä on sallittu vaihteluväli sen arvoissa.

Väliintulo mahdollistaa yrityksen tietojen paljastamisen. Kun malli opetetaan sisäisen ja julkisen datan yhdistelmällä, hyökkääjä voi käyttää omaa luokittelijaa julkiseen dataan ja siten päätellä yrityksen sisäisen datan ominaispiirteitä. Tämän mahdollistaa sisäisen ja ulkoisen datan tilastollinen korrelaatio. Usein ulkoista dataa on myös enemmän käytössä, mikä vain vahvistaa korrelaatiota ja parantaa näkyvyyttä sisäiseen dataan. Väliintulohyökkäystä voidaan vaikeuttaa minimoimalla julkisen datan käyttöä sekä rikkomalla tilastollista korrelaatiota aineistojen välillä.

Uuttaminen tuottaa tietoa käytetystä mallista. Siinä hyökkääjän tavoitteena on ymmärtää mallin toiminta ja sen avulla joko luoda mallista kopio omaan käyttöön tai koostaa näkymä alkuperäiseen malliin käytetystä opetusdatasta. Mallin kopio antaa hyökkääjälle näkymän yrityksen liiketoimintamalliin tai toimintaan, joka on mallin ohjauksessa.
Hyökkäykset tapahtuvat avoimiksi jääneiden rajapintojen kautta. Käyttöoikeuksia ja rajapintojen käyttöä kannattaa seurata, jotta mahdolliset poikkeamat havaitaan ajoissa.

Hämäyshyökkäys puolestaan aiheuttaa harhoja tekoälymallille. Mallia hämätään syötteellä, johon on lisätty luokittelun epäonnistumisen aiheuttavia piirteitä. Tämä on mahdollista, kun malli on vuorovaikutuksessa ulkoisen syötteen kanssa. Lisätyt piirteet voivat olla ihmiselle mahdottomia havaita, esimerkiksi taustalle lisätyt korkeataajuiset äänet tai kuvassa mallia hämäävät lisäkuviot. Suojautuminen edellyttää syötteen ominaisuuksien ja normaalien vaihteluvälien tuntemista. Myös mallin reagointi äärisyötteisiin on syytä hahmottaa. Syötettä voidaan myös esikäsitellä toisella poikkeavuudet tunnistavalla mallilla.

AI:n omaksumisasteita organisaatioissa.

Älykkäämpien yritysten rakentaminen jatkuu
Tietoisuus tekoälyn strategisesta merkityksestä on vähitellen nousemassa yrityksissä. Tosin tässä siirtymävaiheessa edelleen kuulee kommentteja, että tekoäly on vain yksi teknologia muiden joukossa. Se toki pitää paikkansa, tekoäly on teknologia. Sillä on kuitenkin erityinen piirre: kyky muuntaa yrityksen tietovarannot toimintaa ohjaavaksi osaamiseksi ja jatkuvan oppimisen kautta tuottaa kumulatiivista hyötyä. Eristettynä varsinaisesta toiminnasta ja prosesseista tekoäly voi jäädä sarjaksi kokeiluja ja yksittäiseksi tekniseksi tavaksi toteuttaa perinteisiä prosessin vaiheita. Oikein hyödynnettynä se taas tuottaa kumulatiivista hyötyä, joka on strateginen tekijä yritykselle.

Ajatus tekoälystä osana strategiaa sai minut yhdessä kollegani Colin Shearerin kanssa aloittamaan artikkelien sarjan, jonka päämääränä on koostaa aiheesta kirja. Etenemistämme ja uusia artikkeleitamme aiheesta voi seurata LinkedIn-ryhmässä: ” Building Smarter Businesses: Guidance for company leaders on adopting and succeeding with AI”.

Tavoitteenamme on avata tekoälyn strategista roolia yritysten johdon näkökulmasta ja tuoda esille tekoälyn mahdollisuuksia ja haasteita, kun yrityksistä tahdotaan tehdä entistä älykkäämpiä.

Lisää aiheesta:
Building Smarter Businesses: Guidance for company leaders on adopting and succeeding with AI
https://www.linkedin.com/groups/9050394/
Resilience Capabilities for the Factory of the Future
https://www.cyberfactory-1.org/blog/webinar-resilience-capabilities/

Tekoäly ja tietoturva

Tekoäly yleistyy ja samalla arkipäiväistyy teollisuudessa ja kuluttajasovelluksissa. Yleensä tekoälyllä tarkoitetaan datasta oppivia tai datan avulla opetettavia keinotekoisia neuroverkkoja. Puhutaan myös syväoppimisesta tai yleisemmin koneoppimisesta.
Koneoppiminen soveltuu erityisen hyvin asioiden tunnistamiseen signaaleista ja ennustamiseen. Tuttuja esimerkkejä ovat kasvojen tunnistus, konenäköön pohjaava kaistavahti autossa tai prosessiteollisuuden ohjauksen optimointi.

Koneoppiminen nojaa dataan. Dataa tarvitaan mallin opettamiseen käyttöönottovaiheessa ja tuotantokäyttö perustuu reaaliaikaisen datan hyödyntämiseen. Ei siis ihme, että tekoälyä on ensin hyödynnetty aloilla, joissa dataa on helpoiten saatavissa: finanssi- ja vakuutusaloilla, verkkokaupassa, telekommunikaatiossa sekä some- ja mediabisneksessä.

Kun tekoälyä halutaan hyödyntää teollisuudessa ja automaatiossa, datainfran on oltava kunnossa. Usein ensimmäinen vaihe laajamittaisen tekoälyn hyödyntämisessä onkin data engineering, eli datan saatavuuden ja laadun saaminen kuntoon. Näin päästään hyötymään koneoppimisen tuomasta tuottavuusparannuksesta ja jopa uusista liiketoimintamalleista.

Vaikka tekoälystä puhutaan usein erillisenä murroksellisena teknologiana, on kuitenkin hedelmällisempää ajatella se osana laajempaa digitalisaation trendiä. Samalla on syytä huomata digitalisaation vaikutukset yritysten liiketoimintaan ja jopa liiketoimintamalleihin.

Digitalisaatio ja sen mahdollistama alusta- ja datatalous ovat jo muokanneet monta sektoria uuteen asentoon. Digitalisaatioon liittyy valitettavasti aina myös kyberuhkia. Kun teollisuudessa on otettu käyttöön laajasti IoT-laitteita ja monet prosessit ovat tavalla tai toisella kiinni verkossa, hyökkääjien mahdollisuudet, ja siis uhat, ovat kasvaneet.

Kyber-hyökkäykset voivat kohdistua tekoälysovelluksiin monella tavalla, mutta hyökkäyksille voidaan tunnistaa kaksi erilaista tavoitetta: yhtäältä koneoppivan järjestelmän manipulointi niin, että se tuottaa vääriä tuloksia ja toisaalta järjestelmän käyttämän datan hankkiminen hyökkääjän käyttöön. Manipuloinnin tarkoitus voi olla sabotaasi, kiristys tai luottamuksen rapauttaminen. Datan varastamisessa tavoite voi olla vakoilu, kiristys tai mainehaitan aiheuttaminen.

Yrityksen tulee varautua näihin uhkiin.Onneksi hyvät tietoturvakäytännöt ja valppaus suojaavat myös tässä tapauksessa digitaalisia järjestelmiä kohtuullisen hyvin.

Heikki Ailisto on VTT:n FCAI-toiminnasta vastaava tutkimusprofessori.

Automaatiovaylä 4/2021 on ilmestynyt

Lehdessä juttuja muun muassa seuraavista aiheista:

Tekoälyn turvallisuus
Tekoäly mukana vallankumouksessa
Tekoäly mukana arjessa
Liiketoiminta vaatii tietoturvaa
Työhyvinvointi ja tekoäly
Robottien etähallintatyökalut
Energiajärjestelmien dynaaminen simulointi
Simulointimalli ydinvoimalassa
Vaikuttaja: Teemu Pajala
Kiinteistöautomaatio alustataloutena
Robottihaasteen satoa
Turvallisuusjaos esittäytyy
Kirja-arvostelu

Nykyisen käytännön mukaisesti lehden verkkoversio löytyy paperilehdessä olevasta QR-koodista.
Näille kotisivuille linkki verkkolehteen tulee seuraavan lehden ilmestymisen aikoihin.

Verkkolehtiin pääsee myös etusivulta klikkaamalla lehden etusivun yläosan palkkia.

Automaatioväylä 3/2021 on ilmestynyt

Lehdessä juttuja muun muassa seuraavista aiheista:

Kansainvälinen prosessiturbo
Digitaalinen malli on askel kohti AR:ää
Robotit ja konenäkö apuna elektrolyysiprosessissa
Kiertotalous kukoistaa Jyväskylässä
Energiajaos esittäytyy
Simuloinnilla merkittäviä säästöjä
Teollinen työ muuttuu
Kohti tiedolla johtamista
Projektityö tutuksi
Robottien etähallinta
Vaikuttaja Hans Aalto

Nykyisen käytännön mukaisesti lehden verkkoversio löytyy paperilehdessä olevasta QR-koodista.
Näille kotisivuille linkki verkkolehteen tulee seuraavan lehden ilmestymisen aikoihin.

Verkkolehtiin pääsee myös etusivulta klikkaamalla lehden etusivun yläosan palkkia.