Kobotiikka on robotiikan ala, jossa robotti toimii yhteistyössä ihmisen kanssa. Kobotin työtehtäviin kuuluu usein toimiminen ihmisen kanssa tai itsenäisesti tuotantolinjalla. Kobotin ohjelmointi on myös tehty helpoksi, joten sen siirtäminen ja toimintakuntoon saattaminen tapahtuu nopeasti. Tällöin laite voidaan siirtää sinne, missä kapasiteettia tarvitaan.

Työskentely kobotin läheisyydessä on turvallista, eikä se tarvitse suojakehikkoa tai muita turvalaitteita ympärilleen. Koboteissa on nivelten voima-anturit tai pinnan kosketusanturit, joiden avulla kobotti voi pysähtyä vaarallisissa kontakteissa. Yleisesti kobotit ovat helppoja ohjelmoida ja monelle laitteelle ohjelmointi tapahtuu käsin opettamalla: siirtämällä kobotin tarttuja kädestä pitäen haluttuihin pisteisiin. Useilla eri robottivalmistajalla on omat kobottimallinsa. Suomessa yleisimpiä ovat ABB:n YuMi, Universal Roboticsin URx, KUKA Roboticsin Iiwa, Omronin TMx ja Techmanin TM-tuoteperhe.

Lisäksi nykyisiin teollisuusrobotteihin on saatavana “pehmusteita”, joissa on kapasitiivinen anturi. Nämä pehmusteet toimivat kosketustunnistimina, jolloin robottia voidaan käyttää ilman suoja-aitoja kobotin tavoin. Tavallisen robotin ja turvaskannerin yhdistelmällä voidaan myös “kobotisoida” perinteinen teollisuusrobotti.

Kobotiikasta tehtiin vuonna 2020 viisi projektia: Muuntosähkö, Hioma, Silmusalaatti, Etteplan ja Enics.

Muuntosähkö

Projektissa piti suunnitella kobottisolu, joka hitsaa muuntajia ja sinifilttereitä valmiiksi tuotteeksi. Tämä työvaihe tehtiin aikaisemmin käsiin, ja nyt olisi tarkoitus robotin avulla suorittaa vastaava toimenpide. Tehtäväksi muodostui jigin ja oikeastaan koko robottisolun suunnittelu alusta loppuun. Työssä päätettiin käyttää kääntöpöytää. Projektissa oli mukana kaksi opiskelijaryhmää, toinen koneautomaation ja toinen sähköautomaation koulutusohjelmasta. Tavoitteena oli simuloida eri työvaiheet, laskea simuloinnin avulla hitsaukseen kuluva aika ja sitä kautta kannattavuus-  ja investointilaskelmat.

Työ tehtiin syksyllä 2020. Projekti pysyi hyvin aikataulussa ja onnistui hyvin. Tuloksena saatiin asiakkaalle kobottisolun simulointivideot ja siihen liittyvät laskelmat.

Hioma

Projektissa oli tarkoitus automatisoida hiontakivien puristustyövaihe. Tätä varten varsinainen hiomakivi ja siihen liittyvät työkalut mallinnettiin CATIA-ohjelmistolla ja valmistettiin 3D-tulostamalla. Näillä osilla sitten hahmotettiin eri työvaiheet ja haettiin mahdollisuuksia automatisointiin. Parhaasta vaihtoehdosta tehtiin simulointimalli Visual Componentsin ohjelmistolla.  Lopuksi oli tarkoitus tehdä testi vielä oikealla robotilla hiontakivien prässäyksestä, mutta siihen aika ei riittänyt.

Työ tehtiin syksyn 2020 aikana. Projekti pysyi hyvin aikataulussa ja onnistui hyvin. Tuloksena saatiin asiakkaalle kobottisolun 3D-mallinnus ja ehdotus automatisoinnista.  Työ jatkuu vielä yrityksen kanssa jatkoprojekteina.

Silmusalaatti

Kuva 2. 3D-printattu tarttuja tositoimissa.

Projektissa piti käyttöön ottaa yrityksen aikaisemmin ostama kobotti. Tavoitteena oli suunnitella siihen uusi tarttuja ja suorittaa kannattavuuslaskelmia robotin käytöstä.  Projektiin osallistui sekä sähköautomaation että liiketalouden opiskelijoita.

Yrityksen kobotti siirrettiin Metropolian Myyrmäen kampukselle ja siellä tehtiin suurin osa tuotantotesteistä.  Opiskelijat suunnittelivat uudenlaisen tarttujan, joka koostui metalli- ja muoviosista.  Nämä oli 3D-tulostettu kampuksella.  Tarttuja pystyi ottamaan viisi rasiaa kerralla, ja tämä riitti yrityksen tuotantonopeuteen. Kobottisolu tuli tuotantolinjan loppupäähän, jossa rasiat pakataan isompaan laatikkoon.

Työ tehtiin syksyn 2020 aikana. Projekti pysyi hyvin aikataulussa ja onnistui erittäin hyvin. Tuloksena saatiin asiakkaalle toimiva tuotantolinjalle sopiva kobottisolu.

Etteplan

Kuva 3. Robotin turvarajojen simulointia.

Projektissa oli tarkoitus tutkia eri vaihtoehtoja teollisuusrobotin turvallistamiseksi, ts. pyrittiin saamaan robotti reagoimaan ympäristöönsä, jolloin ei tarvita raskaita raja-aitoja robottisolun ympärille. Tähän käytettiin laserskanneria, joka havainnoi ympäristöään, ja saadun tiedon perusteella robotti joko hidastaa vauhtia tai pysäyttää toiminnan.  Sama tekniikka on jo käytössä vihivaunuissa.  Projektissa oli käytössä SICKin laserskanneri ja yrityksen laite- ja ohjelmisto-osaamista. Toimintaa simuloitiin Visual Componentsin ohjelmistolla ja lopulliset robottiohjelmat tehtiin ABB:n Robotstudio-ohjelmalla.

Työ tehtiin kevään 2020 aikana. Projekti pysyi hyvin aikataulussa ja onnistui erittäin hyvin. Tuloksena saatiin asiakkaalle myytävä tuote.

Enics

Projektissa tutkittiin kobotin käyttöä elektroniikkateollisuuden kokoonpanotehtäviin ja siinä nimenomaan piirilevyjen siirtelyyn makasiiniin ja makasiinista pois.  Projektissa tehtiin sekä fyysisiä testejä oikeilla komponenteilla, piirilevyillä ja makasiineilla että simulaattoritestejä virtuaalimaailmassa.  Simuloinnissa käytettiin ABB:n Robotstudio-ohjelmistoa ja fyysiset testit tehtiin Myyrmäen kampuksella, aluksi käyttäen Metropolian Yumi-robottia.  Simulaattoritestissä paljastui ulottuvuusongelmia, joita vielä koetettiin ratkaista oikealla robotilla. Projektissa selvisi aika nopeasti, että oma osaaminen ei riittänyt tehtävän simuloimiseen. Onneksi saimme ABB:ltä arvokasta apua Robotstudion käyttämiseen.

Piirilevy oli sen verran painava, että se piti nostaa molemmilla käsivarsilla ja näin tehty synkronointiliike olikin hankala toteuttaa. Yumilla se kuitenkin saatiin onnistumaan. Simulaattorissa liike saatiin suoritettua helposti, mutta sitten kun tehtiin sama liike oikealla robotilla, paljastuikin, että kuorma oli kuitenkin liikaa varsinkin ulottuma-alueen äärirajoilla. Vaikka testi saatiin onnistumaan, tultiin siihen lopputulokseen, että Yumin käyttäminen projektissa olisi aika vaikeata.  Robotin moottoreiden kuormittaminen äärirajoille jatkuvassa kolmivuorotyössä kuluttaisi sen loppuun hyvinkin nopeasti.

Kuva 4. Yumi-robotin testailua.

Lopuksi

Vaikka yleisesti robottien/kobottien pelätään vievän ihmisiltä työpaikat, robotiikalla on todellista potentiaalia luoda työpaikkoja, parantaa tuottavuutta ja turvallisuutta. Robotiikka ottaa ihmisen paikan joissain tehtävissä, mutta samalla synnyttää uusia työpaikkoja itse robottiin liittyvissä tehtävissä.

Kirjoittaja:

Timo Tuominen

Lehtori

Metropolia Ammattikorkeakoulu

Tämä kirjoitus on jatkoa Mobiilirobotiikka liitää ja rullaa Digi-Salamassa blogille ja tässä käydään tarkemmin läpi Digi-Salama-hankkeessa toteutetut UGV-projektit (Unmanaged Ground Vehicle, ohjaamaton maa-ajoneuvo). UGV-tekniikalla tarkoitetaan maan päällä kulkevia laitteita, jotka kykenevät ohjausjärjestelmään liitetyillä sensoreilla tuottamaan tarpeeksi dataa autonomiseen päätöksen tekoon.

Ensimmäisenä varsinaisena UGV-asiakasprojektina lähdettiin kehittämään miehittämättömän noutovaraston konseptia Refair Oy:lle. Yritys on kylmä-, ilmastointi- ja lämpöpumpputekniikan maahantuonti- ja tukkuliike. Sillä on monia asiakkaita, joilla saattaa olla tarve saada huoltokeikalle komponentti keskellä yötä. Automaattisella noutovarastolla pyrittiin vastaamaan tähän tarpeeseen.

Kuva 2. Refair projektiryhmä tutkimassa ensimmäistä kertaa MiR100 robottia.

Tavoitteeksi muodostui kehittää miehittämätön noutovarasto, joka on turvallinen , asiakkaille helppokäyttöinen ja toteutettavissa. Tavoitteena oli myös skaalata ratkaisu yrityksen suurempiin varastoihin ja mahdollisesti kehittää konseptista tuote. Aluksi konetekniikan opiskelijaryhmän kanssa ideoimme neljä erilaista konseptia varaston toteuttamiseksi. Näistä yhtä lähdettiin jatkokehittämään; ajatuksena on, että mobiilirobotti MiR100 hakee varsinaisen varaston puolelta kokonaisen varastohyllyn, ajaa RFID-porteista läpi noutotilaan, asiakas kerää hyllystä tarvitsemansa tuotteet, robotti ajaa uudestaan porteista läpi ja RFDI-tunnisteella merkityt tuotteet on luettu molemmilla läpimenokerroilla. Erotuksesta järjestelmä päättelee, mitkä tuotteet asiakas on poiminut ja lähettää laskun.

Projektiassistentilla lisää potkua tekemiseen

Vuoden 2020 kevään ja kesän aikana palkattu projektiassistentti jatkoi työtä vielä pidemmälle ja rakensi asiakkaan tiloihin fyysisen demon koko kyberfyysisestä järjestelmästä. Lopputulemana voidaan todeta, että tavoitteisiin päästiin erinomaisesti ja demon pohjalta yritys pystyikin tekemään investointipäätöksen. Konseptin mukainen noutovarasto nousee yrityksen Pitäjänmäen toimipisteeseen toivottavasti vuoden 2022 aikana, kunhan järjestelmälle on löydetty luotettava toimittaja. Konseptin todettiin myös olevan siinä määrin toimiva, että siinä on potentiaali kehittyä aivan tuotteeksi asti sekä skaalata se Refairin muihin toimipisteisiin.

Tässä projektissa oli todella hienoa nähdä iteratiivisen kehittämisen kulkevan kohti toteutettavissa olevaa ratkaisua ja saada lopulta nähdä yrityksen tekevän investointipäätöksen sen perusteella. Oli myös siinä mielessä hyvä, että heti ensimmäinen UGV-projekti hankkeessa oli näin onnistunut, sillä luohan se uskoa ja hyvää fiilistä myös jatkossa tekemiseen!

Kuva 3. Projektiassistentti liittämässä hyllyyn kiinnittymisen mahdollistavaa lisälaitetta ja ohjelmoimassa itse robottia Myyrmäen kampuksen automaatiolaboratoriolla.

Lisälaitteista lisäarvoa

UGV-tekniikkaa käytettiin myös Loval Oyn tarpeista lähteneessä projektissa, jossa MiR100 näytteli jälleen pääosaa kuten Refairillakin. Loval Oy on lämmityskomponenttien valmistaja Loviisasta. Yritys on yksi Euroopan johtavista putkivastusten, lämmityselementtien ja -ratkaisujen valmistajista. Yrityksen tuotanto-varastotiloissa etäisyydet saattavat olla välillä hyvinkin suuria ja tuotantoliikenne massiivista. Tästä johtuen tuotannon yleisenä haasteena on työntekijöiden kulkemat pitkät matkat tuotantotiloissa. Mobiilirobotiikalla pyrittiin vapauttamaan ihmisiä mielekkäämpiin töihin. Projekti käynnistettiin keväällä 2020 konetekniikan projektiryhmän johdosta, ja yritys antoi opiskelijoiden vapaasti ideoida ratkaisuja, mutta antoi kuitenkin selviä reunaehtoja toteutukselle. Tavoitteeksi muodostui kehittää MiRHook-järjestelmää vastaava ratkaisu, jolla Loval pystyisi helposti ja edullisesti testaamaan järjestelmän soveltuvuutta tuotantoympäristöönsä. MiRHook on MiR-yrityksen tarjoama valmis lisälaiteratkaisu, jolla MiR100-robotti pystyy automaattisesti kiinnittymään rullakoihin tai muihin pyörillä kulkeviin alustoihin ja vetää niitä perässään. Projektiryhmä lähti aluksi itse suunnittelemaan myös automaattista kiinnittymistä rullakkoon, mutta toteutuksen haastavuudesta johtuen päädyttiin manuaaliseen ratkaisuun, jolla kuitenkin pystyttiin osoittamaan vetokoukkujärjestelmän käytön olevan mahdollista Lovalin tiloissa.

Laajojen tuotantotilojen kesyttäminen

Projektiryhmästä palkattiin kaksi opiskelijaa projektiassistenteiksi jatkamaan aloitettua työtä vielä  pidemmälle. Kaksikolle muodostui omat tavoitteensa yhteisen projektiaiheen sisältä. Toinen jatkoi vetokoukkudemon rakentamista pidemmälle ja toinen suunnitteli kokonaan uuden ratkaisun tavaran liikuttamiseen autonomisesti MiR100-robotilla. Tässä ratkaisussa robotin päälle kiinnitettiin rullarata, jonka kallistuskulmaa robotti itse säätää karamoottorilla. Idea perustui painovoimaan siten, että robotin kuljettama paketti liukuu rullaradalta pöydälle, kun lineaarisen liikkeen tuottava karamoottori nostaa radan takareunan etureunaa ylemmäksi ja näin voidaan paketti jättää robotilla tuotantosolulle. Myös vetokoukun automaattinen kiinnittyminen saatiin jatkoprojektin aikana toteutettua samaisella karamoottorilla. Molempia ratkaisuja testattiin kahdella viikon mittaisella testijaksolla Lovalin tuotantotiloissa. Lopputuloksena asetettuihin tavoitteisiin päästiin oikein hyvin. Yritys sai arvokasta testidataa laitteen käytöstä oikeassa tuotantoympäristössä ja näki laitteen toiminnassa ilman myyntimiesten päätä pyörälle laittavia myyntipuheita. Oli hyvä nähdä MiR100:n toimivan erinomaisesti myös näin laajoissa, mutta kuitenkin ahtaissa tuotantotiloissa. Onnistuneesta demosta huolimatta asiakkaan kanssa jouduttiin yhteisesti toteamaan, että yksi robotti ei vielä riitä hanskaamaan näitä tiloja, vaan tarvitaan useamman robotin laivue. Jatkoprojektin aiheeksi muodostuikin vielä selvittää, kuinka monta robottia tarvitaan ottamaan Lovalin koko sisälogistiikka haltuun. Jatkoprojektia ei ole vielä tämän tekstin kirjoitushetkellä päästy aloittamaan.

Kuva 4 Loval projektiassistentti kartoittamassa tuotanto- ja varastotiloja MiR100 robotilla.

Virtuaalinen UGV

Viimeisenä autonomisen robotiikan projektina esittelyssä on Mevealle toteutettu projekti. Mevea on simulaatioihin ja simulaattoreihin keskittyvä yritys ja he ovat kehittäneet ohjelmiston, jolla voidaan simuloida muun muassa ajoneuvojen käyttäytymistä eri tilanteissa ja saada hyvin tarkkaa dataa aivan komponenttitasolta asti. Tämän tyyppinen testaus on isona osana mahdollistanut autonomisten robottien kehityksen, sillä tällä tavoin saadaan dataa esimerkiksi pyörien luistamisesta eri alustoilla ja eri nopeuksilla, ennen kuin varsinaista robottia on edes rakennettu. Projektiin valikoitui ryhmä peliteknologian opiskelijoita ja projektin tavoitteeksi muodostui kehittää Unity-pelimoottoriin törmäyssimulaattori ajoneuvoille sekä työkalu komponenttien hallitsemiseen ja tarkasteluun. Projektin aihe osoittautui ennakoitua haastavammaksi eikä tätä myöten tavoitteisiin aivan päästy. Lopputuloksena syntyi kuitenkin työkalu, jossa on haluttuja ominaisuuksia, mutta ei tarpeeksi pitkälle kehitettynä. Jäi lopulta yrityksen itse päätettäväksi, kannattaako simulaattoria ja työkalua kehittää eteenpäin.

Kohti plug & play -tasoa

Edellä esitettyjen projektien tuloksista voidaan nähdä, että UGV-teknologia on käyttökelpoista ja tuo selvää lisäarvoa muun muassa sisälogistiikan automaattisiin ratkaisuihin. UGV-laitteiden käyttöönotto ja ohjelmointi vaikuttaa näiden projektien perusteella kohtuullisen yksinkertaiselta ja suoraviivaiselta. Kuitenkin täysi potentiaali laitteista päästään lunastamaan vasta, kun ne liitetään osaksi yrityksen toiminnanohjausjärjestelmää, on määritetty tarvittava laivue ja yksittäisille roboteille liitetään niiden tarvitsemat lisälaitteet. Voidaan siis sanoa, että UGV-teknologia on valmista teollisuuden tarpeisiin, mutta ei aivan vielä plug & play -tasolla.

Kirjoittaja:

Lauri Ristolainen

Konetekniikan insinööri, pääaineena automaatio

Digi-Salama-hankkeen projekti-insinööri, nykyinen projektiasiantuntija.

Metropolia Ammattikorkeakoulu

Tämä kirjoitus on jatkoa Mobiilirobotiikka liitää ja rullaa Digi-Salamassa blogille ja tässä käydään tarkemmin läpi Digi-Salama hankkeessa toteutetut UAV-projektit (Unmanaged Air Vehicle).

Ensimmäisenä UAV-projektina lähdettiin toteuttamaan rakennustyömaan etävalvontaa droonien avulla Aiforsite Oy:n kanssa. Yrityksellä on toimiva systeemi työmaan ulkopuolelta kuvaamista varten, ja Digi-Salaman projektiaiheeksi valikoitui työmaan kuvaaminen rakennuksen sisältä. Ulkona lentävien droonien tuottamaa videosyötettä ja niiden keräämää dataa ympäristöstä käytetään hyväksi rakennuksen tietomallia (BIM) rakennettaessa.

Droonien välittämästä videosyötteestä yritys pystyy algoritmien avulla laskemaan työmaan valmiusasteen ja jopa tarkastamaan, ovatko työkalut ja koneet tallessa. Tällä hetkellä sisätilat kuvataan kypäräkameralla. Monikerroksisen kerrostalon läpi käveleminen on aikaa vievää, eikä ehkä insinöörin mieluisintakaan hommaa. Autonomista sisälentämistä varten tutkittiin erilaisia droonimalleja ja päädyttiin valitsemaan DJI:n Mavic Pro. Laite valikoitui pienen kokonsa ja sille valmiiksi tarjolla olevan SDK:n (Software Development Kit) takia.

Tavoitteena autonominen sisälentäminen

Projektin tavoitteeksi muodostui lopulta välittää droonin videosyötettä reaaliajassa yrityksen palvelimille, toteuttaa etäohjausjärjestelmä ja tutkia autonomisen sisälentämisen mahdollisuuksia. Projektin edetessä kävi selväksi, että valitulla droonimallilla on suuria rajoitteita autonomisen lentämisen suhteen. Sen integroidut sensorit eivät yksinkertaisesti tarjonneet tarpeeksi dataa autonomista lentämistä varten, eikä SDK ole vielä täysin valmis. Sen johdosta laitteeseen oli tässä vaiheessa mahdotonta liittää sensoreita tuottamaan autonomisen lentämisen mahdollistava lisäinformaatio. Videosyötteen välittämisestä ja etälennätyksestä valmistui proof-of-consept tasoinen demo, jolla pystyttiin osoittamaan näiden toimintojen olevan mahdollisia toteuttaa ja niiden olevan hyödyllisiä yrityksen kannalta. Tämä projekti oli mielestäni hyvä esimerkki siitä, että aina ei tarvitse onnistua täydellisesti, jotta työstä olisi kuitenkin paljon hyötyä. Yrityksellä itsellään on paljon osaamista kyseisen teknologian saralla, mutta silti hekin olisivat lähteneet liikkeelle meidän kanssamme samasta nolla pisteestä projektia käynnistäessä. Saimme siis taklattua mahdottomia vaihtoehtoja pois ja hieman tasoitettua polkua kohti autonomista .

Kuva 2. Droonin etäohjauksen tiedonsiirron periaate. Periaate avataan tekstissä: Ohjaustieto ohjaimelta välitetään ROS-ohjelmistoon (Robot Operating System) USB- tai Bluetooth-tiedonsiirtoprotokollaa käyttäen. ROSista tieto välitetään Android-järjestelmään, joka muuttaa ja välittää tiedon droonin moottoreille. Drooni välittää toiseen suuntaan Android-järjestelmän kautta ROSille anturi- ja moottoritiedot. Näin muodostuu ohjaustiedon kierto.

Droonilennätyksestä sääpalveluiksi

Toinen, hieman erilainen, lähestymistapa UAV-tekniikan hyödyntämiseen löytyi Ilmatieteen laitoksen (FMI) tarpeista ja velvollisuudesta tuottaa mahdollisimman hyviä eli tarkkoja sääpalveluita. Tällaisia palveluita omat muun muassa sääennusteet ja sään lentokelpoisuus tiedot. Visiona on, että kun jonain päivänä, ei niin kaukana tulevaisuudessa, droonit kuljettavat yötä päivää paketteja taivaalla, niin niiden pääasiallisen kuljetustyön ohella voitaisiin tuottaa hyvin tarkkaa dataa tuulesta, lämpötilasta sekä ilmankosteudesta ja -paineesta. Näin saataisiin kerättyä suuri määrä dataa, josta algoritmein laskemalla voidaan päätellä sääolosuhteet erittäin lokaalisti ja saada tarkkaa tietoa sään ominaisuuksista eri korkeuksissa. Dataa kerätään drooniin liitetyillä tuuli-, kosteus- ja ilmanpaineantureilla.

Kuva 3. Projektiryhmän jäsen asentamassa antureita itse kasattuun drooniin.

Lisäksi tuulesta saadaan myös dataa droonin moottorien telemetriatiedoista. Telemetriatiedoista tuulen päättelyä voi olla hyvä avata esimerkillä: Kuvitellaan, että droonin tehtävä on leijua ilmassa paikallaan. Tuulettomissa olosuhteissa droonin kaikki moottorit tekevät työtä täsmälleen yhtä paljon ja ohjainyksikkö antaa jokaiselle moottorille saman ohjearvon. Ohjearvon ja oloarvon välillä ei ole tällöin eroa, kun drooni siis leijuu ilmassa paikallaan. Kun alkaa tuulla, droonin moottorit pyrkivät kompensoimaan tätä ulkopuolelta tulevaa vaikutusta. Tällöin ohjearvon ja oloarvon välille syntyy erotus, jonka ohjainyksikkö pyrkii kompensoimaan käskemällä oikeiden moottorien tehdä lisää työtä. Tästä moottorien tekemästä lisätyöstä voitaisiin lopulta algoritmien avulla päätellä tuulen suunta ja voimakkuus.

Telemetriatiedoista oli kiinnostunut myös toinen projektiin osallistunut yritys Insta Group Oy. Insta Group Oy on suomalainen perheyritys, jonka toimialoja ovat teollisuusautomaatio, digitaalinen tietoturva ja puolustusteknologia. Heillä on itsellään vankkaa osaamista drooniteknologiasta ja yritys on tuottanut drooneja sekä droonipalveluita Puolustusvoimille. Instan mielenkiinto kohdistui ilmiöön, jossa kylmissä olosuhteissa propelleihin kertyy jäätä. Ilmiötä kutsutaan jäätämiseksi ja sillä on vaikutusta droonin lentokykyyn. Kuinka paljon vaikutusta on ja kuinka jäätäminen voidaan havaita, määrittyivät Instan puolesta projektin tavoitteiksi.

Syksyn 2020 aikana projekti käynnistettiin konetekniikan ja IT-puolen opiskelijaryhmien kanssa. Tavoitteiksi määritettiin säädatan ja telemetriatietojen kerääminen ja niiden välittäminen Ilmatieteen laitoksen rajapintaan.  Aluksi konetekniikan projektiryhmä valitsi komponentit itse kasattavaan droniin, kokoonpani ja varusti sen tarvittavilla antureilla. FMI:n kanssa tehtiin useita mittauslentoja kiinteiden sääasemien läheisyydessä sekä FMI:n omien droonien kanssa referenssidatan saamiseksi. Kun dataa oli saatu kerättyä ja todettu sen olevan tarpeeksi yhteneväistä referenssidatan kanssa, alkoi vasta sitten it-opiskelijoiden työ. Anturi- ja telemetriadatan eteenpäin välittäminen, tallentaminen sekä tätä tietoa käsittelevän algoritmin kehittäminen muodostuivat it-opiskelijoiden projektin tavoitteiksi. IT-ryhmän päästessä todella vauhtiin vasta kun konetekniikan ryhmä oli saanut droonin koottua ja dataa kerättyä, muodostui aikataulu ryhmälle liian tiukaksi aiheen haastavuuteen nähden. Ryhmän lopputulokseksi jäi, ettei toimivaa koneoppimismallia saatu aikaan, mutta dataa saatiin visualisoitua Excelin ja Scikit-learn-koneoppimisalustan avulla. Projektin aikana valitettavasti ei saatu käytännön tasolla selvitettyä jäätämistä lainkaan. Metropolialla on Myyrmäen kampuksella olosuhdehuone, jossa jäätämistä olisi voitu tutkia, mutta se oli vuokrattu samaan aikaan moneksi kuukaudeksi VTT:n käyttöön. Lopulta Instan asettamiin tavoitteisiin pystyttiin vastaamaan vain kirjallisuusselvityksen tasolla, jonka toteutti projektiryhmien työtä jatkamaan palkattu projektiassistentti.

Projektiassistentiksi valikoitui opinnoissaan loppusuoralla oleva sähköautomaation opiskelija. Hänen osaamisensa vastasi erinomaisesti projektin tarpeita, sillä hänellä oli kokemusta sekä elektroniikasta että datan käsittelystä. Assistentin työn tavoitteena oli kerätä dataa ja kehittää tiedonsiirron malli, jolla data saataisiin siirrettyä Ilmatieteen laitoksen rajapintaan sekä tutkia jäätämistä. Tuloksena kehitettiin lähetyslaatikko, joka toteutti tiedonkeruun ja -siirron onnistuneesti sekä edellä mainittu kirjallisuusselvitys jäätämisen vaikutuksesta droonin lentämiseen. Tämä Projekti on eittämättä yksi mielenkiintoisimmista, joissa olen ollut lyhyen urani aikana mukana. Pelkästään droonin kasaaminen itse ja sitä kautta laitteen sielunmaisemaan tutustuminen oli hyvin mielenkiintoista ja antoisaa. Kuitenkin myös tämän isomman tulevaisuuden vision ääressä työskentely, jossa droonit toissijaisina tehtävinään tuottavat äärimmäisen tarkkoja ja paikallisia sääpalveluita, oli hyvinkin insinöörin mieltä kutkuttavaa hommaa.

Kuva 4. Projektiryhmä ensimmäisellä mittauslennolla FMI:n Jokioisten mittausasemalla.

Äärimmäistä potentiaalia, mutta ei täysin valmista

Digi-Salama hankkeen UAV-projekteissa keskityttiin kuluttajille suunnattuihin keskihintatason eli noin tuhannen euron (~1k€) droonimalleihin ja sen tähden tässä ei tarkemmin arvioda ylemmän hintatason eli noin kymmenentuhannen euron(~10k€) tai jo ammattikäyttöön tarkoitettua droonimalleja. Nämä keskihintatason UAV-laitteet osoittivat olevansa täysin valmiita siihen käyttöön, johon ne on suunniteltu: leikkikaluiksi ja lentäväksi kameroiksi. Nöyriksi autonomisiksi teollisuuden palvelijoiksi niistä ei kuitenkaan vielä ole näiden projektien pohjalta.

Isoimmiksi esteiksi nousee hyötykuorma-lentoaikasuhde ja lisälaitteiden liitettävyys. Drooneissa lisälaitteiden lisäämiselle on huomattavasti tiukemmat rajoitteet kuin UGV-teknologialla. UGV-laitteilla on isot akut, joista voidaan ottaa surutta virtaa myös lisälaitteille. Droonien akut ovat huomattavasti pienempiä, eikä niistä riitä virtaa samanlailla lisälaitteille. Akkujen kokoa ei myöskään voida kasvattaa tuosta vain, sillä ne lisäävät lennätettävää massaa kaikista komponenteista eniten ja äkkiä tätä myöden tarvitaan taas isommat moottorit ja niille taas isommat akut ja näin ollaan hyötykuorma-lentoaikasuhde ongelman ytimessä. Autonomisen sisälentämisen mahdollistavien lisälaitteiden lisääminen osaksi droonin ohjausjärjestelmää on vielä hyvin vaikeaa, sillä droonien lentäminen on todella aikakriittistä toimintaa. Aikakriittisyydellä tarkoitetaan sitä, että droonin moottorien pitää pystyä reagoimaan ympäristöön sekunnin murto-osissa: esimerkiksi oven avautuessa ja liikuessa droonin liikeradan eteen. Drooni havainnoi näitä tilanteita konenäöllä, ja Digi-Salaman projektien perusteella voidaan nyt saatavilla olevien konenäköalgoritmien todeta olevan liian raskaita droonin kyytiin mahtuvan mikrokontrollerin suorittaa vaadittavassa ajassa.

Kirjoittaja:

Lauri Ristolainen

Konetekniikan insinööri, pääaineena automaatio

Digi-Salama-hankkeen projekti-insinööri, nykyinen projektiasiantuntija

Metropolia Ammattikorkeakoulu