Teknologiakehityksen ennustaminen on ollut viitenä vuosikymmenenä osa Risto Linturin arkea. Hän puhui älykodeista, ja myös toteutti sellaisen, pari vuosikymmentä ennen kuin siitä tuli valtavirtaa. Myös dronejen eli nelikoptereiden läpimurron hän ennusti jo viime vuosituhannen puolella. Nykyään Linturi tekee muun muassa tulevaisuutta koskevia selvityksiä valtionhallinnolle.

Linturilta listaa kuusi teknologiaa, jotka ovat saavuttamassa trendikäyrällä huippukohtaansa.

1. Mobiilirobotiikka

Tähän saakka tavarat ovat kulkeneet liukuhihnalla automaattien ja robottien ohi, jolloin niille tehdään erilaisia toimenpiteitä. Jatkossa robotit kulkevat työpisteestä toiseen ja tekevät niissä erilaisia työvaiheita eri työpisteissä. Jonkin verran tällaisia robotteja on jo logistiikassa ja kokoonpanoteollisuudessa, mutta se on vasta alkua.

Mobiilirobottien yleistymiseen vaikuttaa se, että moderni teollisuuslaitos on täynnä sensoreita, joiden tuottamalla datalla ohjataan tuotantoa. Kun sensoreiden ja toimilaitteiden määrä kasvaa, yhä suurempi osa niistä vikaantuu. Mobiilirobobotit tuovat ratkaisun pulmaan, sillä niillä voidaan hakea tietoa jatkuvasti ympäristöstä. Ne voivat mitat teollisuuden prosesseissa pitoisuuksia, lämpötiloja, paineita ja epäpuhtauksien määriä ja säätää prosesseja saadun datan mukaan.

”Mobiilirobotti on sensoripaketti, joka kulkee pisteestä toiseen, kalibroi itse itsensä ja oppii jatkuvasti uusia asioita. Mittaamisen idea muuttuu aivan uudenlaiseksi”, Linturi sanoo.

Erityisesti mobiilirobotteihin liitetyt optiset mittalaitteet, kuten multispektrilaitteet ja lidar (light detection and ranging eli valotutka) mahdollistavat mobiilirobottien monipuolisen käytön, koska niillä voi mitata kohteita etäältä.

2. Geneerinen tekoäly

Googlen keväällä 2023 esittelemä PaLM-E-robotissa on edistyksellinen kielimalli ja konenäkö. Robotille voidaan antaa pyyntöjä tilassa, jossa se ei ole ennen ollut. Esimerkiksi uudessa keittiössä sitä voidaan pyytää hakemaan laatikosta hernepussi.

”Robotti tunnistaa keittiön, alkaa aukomaan laatikoita ja kun se tunnistaa hernepussin, se nostaa pussin esille. Pointtina on yleisen kielimallin ja konenäön yhdistäminen robottiin. Tämä on sellainen robotti, joka selviytyy uusissa ympäristöissä sille aivan uusista tehtävistä”, Linturi sanoo.

Nämä robotit yleistyvät viiden vuoden aikana, sillä kaikki tarvittavat teknologiat ovat olemassa.

”GPT4:n geneerisen tekoälyn siirtyminen osaksi robotteja ei vie edes viittä vuotta. Siinä vaiheessa nämä ihmisen kokoiset ja näköiset robotit ovat massatuotteita, jotka eivät maksa moottoripyörää enemmän. Elon Musk on jo esitellyt sellaisen Optimus-robottihankkeessaan.”

Halvat ja älykkäät robotit syrjäyttävät ihmiset laajalti työelämässä, sillä kolmen vuoden kuoletusajalla robotit maksavat omistajalleen vain muutaman euron tunnissa. Ne eivät lomaile, sairasta, lakkoile, purnaa eivätkä pidä lakisääteisiä taukoja.

3. Digitaalinen kaksonen ja fysikaalinen simulaatio

Digitaalisten kaksosten idea esimerkiksi robotista on tuttu: robotin ulkomuoto, liikeradat ja sensoritiedot tuodaan digitaaliseen malliin. Näin saadaan visuaalinen malli, jota liikuttamalla voidaan ennakoida, miten fyysisen maailman robotti toimii.

Tilanne muuttuu, kun fysikaalisesta maailmasta tuodaan digitaaliseen malliin fysikaalinen simulaatio kuten materiaalilujuudet, heijastusominaisuudet ja säteilyn dynamiikka. Tällöin digitaalista kaksosta voidaan käyttää esimerkiksi kaupunkimalleihin, jossa tutkitaan aidosti kännyköiden kuuluvuusalueita ja akustiikkaoloja.

Vastaava voidaan tehdä robottien digitaaliselle kaksoselle.

”Kun robotin digitaaliselle kaksoselle lisätään fysikaalinen simulaatio, voi tekoäly opettaa robotin digitaalista kaksosta kävelemään virtuaalimaailmassa, jossa pätee fysikaalisen maailman lait. Jos digitaalinen kaksonen on riittävän lähellä fysikaalisen maailman robottia, kävely onnistuu pian myös fyysisessä maailmassa.”

Virtuaalimaailmassa kokeiluja voidaan tehdä valtava määrä hyvin lyhyessä ajassa. Näin roboteille voidaan opettaa erilaisia tehtäviä huomattavasti nopeammin kuin fyysisessä maailmassa.

Fysikaalisen simulaation metodia voidaan soveltaa muun muassa prosessiteollisuuteen, jossa tuotannon parametrit optimoidaan ensin digitaalisessa kaksosessa ja sen jälkeen tuotantoa ajetaan kyseisillä arvoilla fyysisessä todellisuudessa

”Nvidia on saanut fysikaalisen simulaation avulla energiatoimialan asiakkaansa tuotantolaitoksen huoltovälin pitenemään kaksinkertaiseksi”, Linturi kertoo.

Fysikaalinen simulaatio nyt nousussa, koska se voidaan viedä digitaaliseen kaksoseen parantuneen laskentatehon ansiosta. Tällöin mallinnuksessa ja erilaisten vaihtoehtojen haarukoinnissa voidaan käyttää brute force -menetelmää, jossa raa’alla laskentateholla optimoidaan mallin toimintaa.

4. Teollisuuden metaversen standardointi

Teollisuuden metaversen standardi leviää nopeasti erilaisille alustoille ja erilaisiin sovelluksiin. Sen takana ovat muun muassa nVidia, Adobe, Autodesk ja Siemens. Edellä kerrotut fysikaalisen simulaation omaavat digitaaliset kaksoset ovat yksi sen sovellus.

Kyseessä on alun perin Pixarin kehittämästä USD-pintamallista, jota on laajennettu fysikaalisilla ominaisuuksilla, paikkatiedoilla sekä automaation ja rakennusalan standardeilla. Malli on dynaaminen, jolloin eri toimijoiden sovellukset voivat liittyä malliin samanaikaisesti.

Eri sovelluksilla työskentelevät toimivat yhteistyössä tehtaan tai voimalaitoksen digitaalisen kaksosen parissa. Kaikki osapuolet näkevät reaaliaikaisesti mallissa tapahtuvat muutokset samalla kun fyysisen tehtaan sensoritiedot ja niiden vaikutukset näkyvät mallissa. Tämä on reaalitodellisuutta muun muassa BMW:n tuotantolaitoksen tuotannossa ja ylläpidossa.

5. Pienuuden ekonomia

”Suuruuden ekonomia tuottaa kuluja kuten varastot, kuljetukset ja liiketoiminnan ennustaminen. Suurissa yksiköissä syntyy kaikenlaista turhaa sähläystä, kun kaikki johtaminen tulee vaikeammaksi. Pienuuden ekonomian ongelmana on puolestaan tähän saakka ollut se, ettei pientuotantoa ole kannattanut automatisoida.”

Tilanne muuttuu muun muassa kuljetusten osalta, kun heterogeeninen kontti kulkee liki samaan hintaan kuin homogeeninen kontti. Lastin lastauksen ja purun sekä logistiikan automatisointi mahdollistaa tämän. 3D-printtaus ja dynaamiset tuotantolinjat edistävät pienuuden ekonomiaa, kun robotit tekevät yhtä hyvin yksilöllisiä tuotteita kuin pitkiä tuotantosarjoja.

”Kun robotit liikkuvat ja kykenevät vaihtamaan työkaluja, ne voivat tuottaa lyhyitä sarjoja samaan hintaan kuin joku toinen tekee pitkiä sarjoja. Silloinhan lyhyitä sarjoja tuottavia yksiköitä kannattaa hajauttaa lähelle asiakkaita. Kun valmistavaan päähän vielä lisätään äly, voi sama robotti tuottaa laajan määrän tuotteita asiakastarpeiden mukaan. Ääripäässä on robotti, joka tekee kaiken käsityönä. Tällöin logistiikalle jää jäljelle vain raaka-aineiden kuljetus.”

Tällainen tuotantomalli on Linturin mielestä vielä utopiaa, vaikka onkin teknologisesti jo liki mahdollista. Toisaalta tuotannon muuttuminen näkyy jo.

”Kun hankimme uuteen asuntoomme ovia, päädyimme puusepän tekemiin oviin. Kun vertasin vastaaviin rautakaupan oviin, ei puusepän työ ollut rautakaupan hintoja korkeampi. Syynä oli logistiikkakustannukset ja se, ettei ovien valmistuksessa ole juurikaan automaatiota.”

6. Automaatio palveluna

Automaatio monimutkaistuu, siihen liittyy älylaitteita ja kaikki on tietoliikenteellä kiinni toisissaan. Tämä mahdollistaa sen, että tuotannossa olevaa automaatiota ja robotiikkaa laskutetaan tuotantomäärän tai tuotannon tehostamisen perusteella. Esimerkiksi Ramirent voisi vuokrata sorvia ylläpitoineen ja laskuttaa sen mukaan, kuinka paljon koneella tuotetaan.

”Tätä tehdään jo jonkin verran. Tämän toimintatavan laajamittainen leviäminen edellyttää sen, että laitteet ovat älykkäitä ja niissä on tietoliikenneyhteys. Tekoäly on valmistajalla ja se oppii koko ajan tuotannosta ja optimoi sen mukaan omaa toimintaansa.”

Tämä ansaintamalli merkitsee radikaalia muutosta, kun teollisuus ei enää myykään laitteitaan vaan omistaa laitteet ja tarjoaa asiakkaalleen tuotantopalveluita. Hyvä esimerkki on Wärtsilä, jonka laiva- ja voimalaitosmoottoreiden veloitus perustuu niiden käyttömäärään.

Laskentatehon kasvu ja laitteissa olevan älykkyyden lisääntyminen mahdollistavat Linturin esittämien teknologioiden esiinmarssia. Toisaalta kyseessä on myös uusien tarpeiden jatkuva lisääntyminen ja kysynnän monipuolistuminen.

Teknologian kehitystä hidastaa Linturin mukaan ’yleinen tyhmyys’. Hän nostaa esimerkiksi suomalaisen metsäteollisuuden. Sen liikevaihto on kasvanut kymmenessä vuodessa 13 miljardia euroa ollen vuonna 2021 33 miljardia euroa. Tästä tuotekehityksen osuus on vaihdellut viimeisen kymmenen vuoden aikana 100 miljoonan euron molemmin puolin ollen alle 0,5 prosenttia. Volvo investoi yhden moottorin kehittämiseen miljardi euroa. Sensori- ja automaatiovalmistajat laittavat 10 prosenttia liikevaihdostaan tuotekehitykseen.

Linturi palaa Elon Muskiin.

”Musk on ratkaissut tuotantoon liittyvät ongelmat hankkimalla omistukseensa koko vertikaalin. Jos akut ovat kalliita, hän ryhtyy valmistamaan niitä itse. Sama koskee latausasemaverkostoja ja globaalia tietoliikenneverkkoa.”

Linturin näkee tekoälyä koskevat EU-regulaation vaarat.

”Jos EU reguloi tekoälyn foundation-mallit yleisvaarallisiksi, se estää käytännössä sen, että teollisuusyritykset voisivat opettaa malleja omilla datoillaan. Se tekisi uuden kehittämisen riskiä kohtuuttomaksi.”

Linturin mukaan olemme parhaillaan murroskohdassa, jossa tapahtuu samanaikainen paradigman muutos useassa teknologiassa. Isoon muutokseen liittyy riski yhteiskuntien epävakauden lisääntymiseen.