Digiarvoa 2019 -kilpailun finalistit

Nykyisessä Oma Punainen Risti -palvelussa tarvittavat auttamistehtävät syötetään paikallisesti järjestelmään, joka tietoja käyttäen etsii ja tarjoaa sopivaa ja käytettävissä olevaa vapaaehtoista tehtävään huomioiden sen ajankohdan, paikan ja tarpeen. Esimerkiksi ystäväpalveluun on rakennettu työkalu, joka ehdottaa sopivia ystävävapaaehtoisia ystävää etsiville ihmisille järjestelmään kerättyjen tietojen pohjalta. Tämän jälkeen vapaaehtoinen ystävävälittäjä selvittää tilannetta, ottaa yhteyttä molempiin ja auttaa ystävät alkuun.

 

Pullonkaulaksi myös nykyisessä digitaalisessa vapaaehtoisten välittämisessä on muodostunut auttamistehtävän ja autettavan ihmisen yhdistämisen vaatima henkilötyöpanos. Vaikka kunnat tai järjestöt palkkaisivat lukemattomia vapaaehtoistyön koordinaattoreita tai ystävävälittäjiä, ei suomalaisten auttamishalua ja auttamisen paikkoja saada täytettyä aukottomasti. Tekoälyyn pohjautuva ratkaisu säästäisi lukemattomia työtunteja ja mahdollistaisi tiedon hyödyntämisen ihmisten auttamisen mahdollistamiseksi.

 

Järjestelmän jatkokehityksen kannalta on keskeistä hyödyntää tekoälyä, jotta ihmiset voisivat käyttää aikansa mahdollisimman paljon varsinaiseen auttamiseen ja toisten kohtaamiseen vapaaehtoisten hallinnoinnin sijaan. On myös tärkeää hyödyntää ja saada käyttöön jo olemassa olevien Punaisen Ristin vapaaehtoisten valtava määrä ja vielä suurempi vapaaehtoistehtävistä kiinnostuneiden määrä.

Vaikka vapaaehtoistyön välittämistä ei voida tehdä täysin automaattiseksi autettavien haavoittuvan aseman, suojelun tai tietosuojan takia, paljon on kuitenkin vielä tehtävissä.

Haluamme tekoälyä hyödyntämällä yhdistää auttajat ja avun tarvitsijat paikallisesti koko maassa. Tämä mullistaa auttamisen käytännöt ja moninkertaistaa avun määrän. Järjestelmää hyödynnettäisiin sekä jokapäiväisessä arjessa että yhteiskunnan kriisitilanteissa. Tekoälyavusteisesti voidaan identifioida kriittiset avun paikat ja tehokkaasti yhdistämään oikeat ihmiset auttamistehtäviin.

Punaisen Ristin kautta on mahdollista saada yhteys vapaaehtoisiin ympäri Suomen. Sen lisäksi suunniteltu järjestelmä kattaisi myös erilaiset Punaisen Ristin kumppanit kuten sairaalat, palvelutalot ja koulut.

 

Katso videolta SPR:n kommentit sparrauksen jälkeen:

Katso videolta Digian asiantuntijoiden kommentit sparrauksen jälkeen:

Ilmastonmuutoksen torjunnassa kaikkein olennaisinta on valita kaikkein tehokkaimmat keinot käyttöön ja seurata niiden toteuttamista käytännössä. Tähän saakka on ollut mahdotonta tietää mikä on maailman hiilinielujen tilanne, miten niitä pitäisi kehittää ja kuka niitä pystyy valvomaan. Terramonitorin Global Carbon Sink Monitor -palvelun avulla hiilinieluista pystyy saamaan ensi kertaa objektiivista dataa, jota voidaan käyttää ilmastonmuutoksen taistelussa.

Ratkaisu on globaali jatkuvasti päivittyvä kartta, jossa visualisoidulla hiilinielugrafiikalla esitetään hiilen sitoutumista metsiin ja kasvustoon. Palvelu hyödyntää tekoälyä ja koneoppimista tunnistaakseen ja laskeakseen varastoidun hiilen. Palvelu tarjoaa asiakkaille mahdollisuuden seurata oman kohdealueen hiilinielua, ostaa makroraportteja haluttujen alueiden hiilinielutilanteista tai käyttää dataa rajapintojen välityksellä omien ratkaisujen rakentamiseen. Global Carbon Sink Monitor mahdollistaa uudenlaisen ekosysteemin syntymisen tuotetun datan pohjalta ja avaa mahdollisuuden entistä innovatiivisimpiin sovelluksiin.

Katso Terramonitorin kilpailutunnelmat:

Näin Digian asiantuntijat kommentoivat sparraussessiota:

Katso videolta Democratizen tunnelmat sparrauksen jälkeen:

 

Katso videolta Digian asiantuntijoiden kommentit:

Katso Resistomapin kommentit sparrauksen jälkeen:

 

Katso asiantuntijoiden kommentit sparrauksen jälkeen:

Tutustu Nextmilen tunnelmiin sparrauksen jäljiltä:

 

Katso Digian asiantuntijoiden kommentit sparrauksen jälkeen:

Energia-, prosessi- ja valmistavassa teollisuudessa kerätään suuria määriä prosessidataa. Tätä dataa
on perinteisesti hyödynnetty paikallisesti prosessin ohjaukseen ja vikatilanteiden havaitsemiseen.
Käyttö on kuitenkin perinteisesti erittäin rajoitettua, kun taas tekoäly/koneoppivat algoritmit
mahdollistavat tämän, jo olemassa olevan datan tehokkaamman hyödyntämisen. Hyödyntämällä
edistyneitä algoritmeja ja teollisuuden asiantuntijoita, datasta voidaan mm. ennakoida vikatilanteita
(Predictive Maintenance) sekä tuottaa reaaliaikaista palautetta prosessin ohjaukseen. Tuloksena on
epäkäytettävyyskustannuksien merkittävä pieneneminen sekä prosessin tehokkaampi ajaminen. Ja
suoran taloudellisen hyödyn lisäksi tämä vaikuttaa suoraan esim. CO2 päästöihin,
energiatehokkuuteen, jne.

MP INtelligence palvelussa, asiantuntijoiden avustuksella valitaan asiakkaan olemassa olevasta
prosessidatasta merkittävä osa siirrettäväksi reaaliaikaisesti MP INtelligence -pilvipalveluun. Tämä
on tyypillisesti tuhansia mittapisteitä. Edistyneet koneoppivat algoritmit oppivat asiakkaan
asiantuntijoiden avustuksella tästä datasta, miltä normaali toiminta/tilanne “näyttää” ja hälyttävät
kaikesta prosessin poikkeamista jatkossa. Nämä prosessihäiriöt viittaavat tyypillisesti joko alkaviin
laitevikoihin tai prosessin sub-optimiin ajamiseen ja näihin voidaan puuttua välittömästi. Näin
vikatilanteet vältetään kokonaan tai ainakin niihin osataan varautua ajoissa. Myös prosessin
ajamiseen voidaan puuttua, jos havaitaan sen poikkeavan normaalista.

Palvelu yhdistää edistyneet koneoppivat algoritmit Maintpartnerin teollisen osaamisen kanssa
yhdeksi palvelukokonaisuudeksi. Se käyttää tuhansia mittapisteitä ja mallintaa normaalin toiminnan.
Perinteinen lähestymistapa - ja käytännössä kaikki kilpailijat - käyttävät koneoppivaa analytiikkaa
vikatilanteiden mallintamiseen ja niiden ennakointiin. Ne käyttävät vain pientä osaa mittapisteistä ja
keskittyvät tiettyjen laitteiden tai prosessinosien mallintamiseen. Tämä on erittäin haastavaa koska
monimutkaisissa ympäristöissä ongelmat harvoin näyttävät samalta. Lisäksi tyypillisimmät, toistuvat
ongelmat on jo usein onnistuttu poistamaan, jolloin jäljelle jäävät vaikeasti hahmotettavat ja harvoin
samankaltaisina toistuvat vikatilanteet. MP INtelligence:n lähestymistapa tähän on uniikki -
mallintamalla normaali toiminta käyttäen tuhansia datapisteitä ja varoittaen poikkeamista saadaan
laitos tai tehdas kokonaisvaltaisesti valvontaan erittäin nopeasti ja kevyesti.