Soveltamisopas

Soveltamisopas päivittyy hankkeen aikana. Tähän koostetaan hyviä käytänteitä, hankkeen aikana kerättyjä tai tuotettuja aineistoja sekä tekoälytyökalujen soveltamiseen liittyvien demonstraatioiden kuvauksia ja esittelyitä.

Soveltamisopas kehittyy koko hankkeen ajan ja etsii muotoaan joulukuuhun 2026 asti. Hiljalleen tänne kerätään hankkeen aikana syntyvää materiaalia. Lopputuotoksen soveltuvista osista tulee myös ladattava pdf-versio.

Tekoälyn merkitys kone- ja prosessiautomaatiossa
- Johdanto: miksi tekoäly on nyt ajankohtainen automaatioalalla.
- Mitä tarkoittaa tekoäly ja koneoppiminen?
- Nykytila: missä tekoälyä jo käytetään teollisuudessa
- Kehityssuunta: seuraavat 3-5 vuotta
- Mitä tämä tarkoittaa alan ammattilaisille?
Tekoälyn osa-alueet: koneoppiminen, kielimallit ja agentit
- Yleiskuva: miten osa-alueet suhtautuvat toisiinsa?
- Koneoppiminen lyhyesti
- Kielimallit lyhyesti
- Kielimallit lyhyesti
- Tekoälagentit lyhyesti
- Tekniikat vertailussa
Data – tekoälyn polttoaine
- Miksi data ratkailee: garbage in, garbage out
- Datan kerääminen teollisuusympäristössä
- Datan annotointi: ihminen opettaa koneen
- Datan esikäsittely opetusta varten
- Datan hallinta: versiointi, metadata, tietoturva ja omistajuus
Koneoppiminen käytännössä: opetusympäristöstä käyttöönottoon
- Keskeiset tekniikat ja mallin valinta
- Opetusympäristön luominen vaihe vaiheelta
- Läpileikkaava esimerkki: laakerivian tunnistus kiihtyvyysanturidatasta
- Hankkeessa tuotettujen yleishyödyllisten demonstraatioiden esittelyt
  - Tampereen vesi: Kemikaaliannostuksen optimointi
    - Kemikaaliannostusdemon tiedostot GitHubissa
  - Tampereen vesi: Energiankulutuksen ennustaminen ja poikkeamien tunnistus
  - Nokian vesi: Raakavesikaivojen pumppujen taajuusohjaukset
    - Demon esittelyvideo
    - Taajuusohjausdemon tiedostot GitHubissa
  - Nokian vesi: Raakavesikaivojen energiatehokkuuden seuranta ja pesujen vaikutusten arviointi
  - Fintraffic: Tunnelimittauslaitteiden analytiikka
    - Luminanssidemon tiedostot GitHubissa
  - Fintraffic: Vaihtuvien opasteiden vaikutus liikenteeseen ja liikenneturvallisuuteen
  - Oulun vesi: demo
Tekoälyagentit käytännössä: suunnittelusta käyttöönottoon
- Agenttitekniikat syvemmin
- Kehitysympäristön luominen
- Esimerkki 1: Kuinka asennetaan paikallinen LLM-agentti
- Esimerkki kunnossapitoagentista

Liite A: Tietoturva, regulaatio ja EU:n tekoälyasetus

EU:n tekoälyasetus ja riskiperusteinen luokittelu
Koneasetus, CE-merkintä ja tekoäly
Tietoturva: OT-ympäristön erityispiirteet
Dokumentointivaatimukset käytännössä

Liite B: Liiketoimintanäkökulma ja ROI

Mistä hyödyt syntyvät?
Kustannuserät hankkeen elinkaarella
ROI-laskennan periaatteet
Pilotista tuotantoon – skaalauksen talous

Liite C: Käyttöönoton tiekartta organisaatiolle

Kypsyysmalli: missä organisaatiosi on nyt?
Mistä aloittaa: ensimmäisen vuoden polku
Osaamisen kehittäminen
Make or buy: tee itse, osta tai kumppanoidu?

Liite D: MLOps ja elinkaaren hallinta

Miksi malli ”vanhenee”: ajelehtiminen
MLOps-sykli
Mallien versiointi ja jäljitettävyys
Ajelehtimisen valvonta käytännössä
Uudelleenopetuksen automatisointi

Liite E: Työkaluvertailu – pilvialustat, avoin lähdekoodi ja valmiit teollisuusratkaisut

Pilvialustat: Azure ML, AWS SageMaker, Google Vertex AI
Avoimen lähdekoodin pino
Valmiit teollisuusratkaisut
Valintamatriisi
Päätöspuu

Liite F: Tapaustutkimukset

Wärtsilä Expert Insight – ennakoiva kunnossapito laivamoottoreissa
BMW AIQX – konenäkölaadunvalvonta autotuotannossa
Caverion Intelligence – koneoppiva kunnonvalvonta energiantuotannossa

Liite G: Prompt engineering – kielimallit insinöörin työkaluna

Hyvän kehotteen anatomia
Hyvä/huono – esimerkkipareja
Iterointi ja tekniikat
Rajoitukset ja vastuullinen käyttö insinöörityössä

Liite H: Hankkeen työpajojen materiaalit – esimerkkejä teollisuudesta

Liite I: Julkaisut muissa foorumeissa

Oulun ammattikorkeakoulu (29.10.2026). LinkedIn-julkaisu, kooste AIKO-OAMK-hankkeen tuloksista.
Välimäki, A. (3.9.2026). Tekoäly teollisuusautomaatiossa – hypestä käytännöllisiin ja luotettaviin sovelluksiin. TAMK-blogi.
Välimäki, A. (14.8.2026). AIKO-hankkeen toinen työpaja järjestettiin joulukuussa 2025. TAMK-blogi.
Rask, O. (17.6.2026). AIKO- Miten tekoäly tuodaan automaation arkeen. TAMK-blogi.
Rask, O. (17.6.2026). AIKO-työpaja: tekoälytyökalut muuttavat automaatiosuunnittelua. TAMK-blogi.
Välimäki, A. ja Rask, O. (16.6.2026). Tekoälyn nykytila ja tulevaisuus. TAMK-blogi
Rask, O. (2026). Uusi jaosto Automaatioseuraan: Automaation tekoälyverkosto. Automaatioväylä, 2026:2, s. 34.
Rask, O. (2.4.2026). Tekoäly automaatioalalla – yritykset mukaan kehitykseen AIKO-hankkeen työpajoissa. TAMK-blogi.
Rask, O., & Hietanen, T. (2025). Tulevaisuuden automaatio. Automaatioväylä, 2025:3, s. 11-13

Liite J: Sanasto ja standardiluettelo

Suomi – englanti -sanasto
Keskeiset tekoälystandardit
Rajapinta koneturvallisuus- ja tietoturvastandardeihin