Koneen Bigdata avuksi kuljettajan kehittämiseen

by Osaava Tredu

Työpaikalla tapahtuva oppiminen ilman opettajaa on viime aikoina ollut suuresti esillä, mutta konkreettiset keinot sen toteuttamiseen ovat olleet hieman hämärän peitossa.


Tredussa ollaan mietitty 6aika: 365/12- Aina avoin ammatillinen oppilaitos– hankkeen tiimoilta keinoja miten tätä opetusta voitaisiin kehittää. Ratkaisu löytyi yllättävän läheltä, eli jo valmiiksi olemassa olevien järjestelmien tunnetuksi tekemisestä ja käyttöönotosta.

Kuva Ponssen ohjelmistosta.
Ponssen ohjelmisto.


Konevalmistajat ovat kehittäneet järjestelmiä, joita on ollut markkinoilla jo useita vuosia, mutta niiden käyttöä on rajoittanut niiden tuntemattomuus. Järjestelmät keräävät siis koneesta dataa, jonka avulla kuljettaja voi seurata omaa tekemistään. Ohjelmiston perusidea on näyttää keskeisiä konetyön tunnuslukuja kuljettajalle reaaliaikaisesti, näitä ovat esimerkiksi tuottavuus m3/h, runkoa/h sekä polttoaineenkulutus l/ m3. Tunnusluvut näyttäytyvät esimerkiksi vihreinä tai punaisina, riippuen siitä kummalla puolen keskiarvoista suoritusta ollaan.


Idea kuulostaa siis hyvin yksinkertaiselta, mutta käytännön ongelmana on, ettei sitä osata käyttää. Hankkeen avulla onkin keskitytty näiden mittareiden käyttämiseen osana työprosessia ja keskitytty avaamaan ”syy- seuraus”- menetelmän avulla järjestelmän käyttöä. Avaamalla syitä näihin konetyön keskeisiin tunnuslukuihin, sekä opettamalla opiskelijat reflektoimaan omaa työtään olemme saavuttaneet tuloksia aiempia vuosia nopeammin. Käytännössä koulutuksessa se näkyy nopeampana vasteena työelämän tarpeisiin ja opiskelijoiden aiempaa nopeampana valmistumisena. Työelämään siirtyvät kuljettajat toimivat myös samalla uusimman tiedon viestinviejinä.


Jotta totuus ei unohtuisi, fakta on kuitenkin se, että koulumaailmassa urakointi on yhä harrastelua työelämään verrattuna, mikäli mitataan pelkillä tuotosmittareilla. Käytännössä aloitusvaiheessa on hyvä, mikäli päästään kymmenesosasuoritteeseen ammattilaisen tasosta. Oppimisen portaat on silti noustava, jotta voi joskus olla huippuosaaja.

Harvesterikoulutuksessa ohjelmiston käyttö aloitetaan heti, kun nosturin käyttö on saatu haltuun ja napit opittu. Ohjelmiston käyttöönoton avulla ja mittareilla mitattuina olemme pystyneet nostamaan opiskelijoiden tuotosta jopa 50% viikossa, kun turhia työvaiheita on saatu opetettua pois jo ennen niiden syntymistä. Tähän tuo ohjelmisto antaa suuresti apua, sillä se näyttää heti ”miten menee”. Nyt opettajan tehtäväksi on jäänyt lähinnä seurata harvennustiheyttä, joka vaatisi selvästi myös jonkinlaisen ohjelman kuljettajan avuksi.


Olemme ymmärtäneet koneista saatavan Bigdatan avulla, miten pieniltä tuntuvat asiat lopulta kertautuvat päivän ja viikkojen aikana suuriksi puroiksi. Hanke on opettanut myös opettajia ymmärtämään paremmin niitä syitä, miten päästä näihin huipputuloksiin ja miten tuottaa aiempia valmiimpia opiskelijoita työelämän vaativiin tarpeisiin.


Teksti: Janne Ruokonen, @Motoope #tredu_metsatie

Lue myös