Syväoppimisen avulla helpompaa veneilyä
Case Buster | 2020
Ongelma
Buster Boats oli kerännyt paljon ajodataa veneistään jo muutaman vuoden ajan, mutta vielä dataa ei ollut erikoisemmin hyödynnetty muutoin kuin palvelun tuottamiseen asiakkaille. Toisaalta, dataa tutkaillessa huomattiin, että veneilijöiden ajamista pystyttäisiin avustamaan. Projektin tavoitteeksi muodostui luoda koneoppimismalli, joka hoitaa tiettyjä manuaalisia toimintoja automaattisesti polttoainekulutuksen optimoimiseksi.
Ratkaisu
Ensiksi Taito United teki kokeellisen projektin, jossa selvitettiin millä koneoppimisen menetelmillä saadaan kohdemuuttuja mallinnettua parametrien perusteella. Vastaus löytyi neuroverkosta, jolla polttoainetehokkuus löytyy parhaimmillaan vain 3% virheellä. Tämän erittäin hyvän löydöksen jälkeen Taito United tutki, minkälaiset tekijät vaikuttavat ennustukseen eniten, ja tätä kautta saatiin ymmärrystä siitä, mitkä asiat oikeasti vaikuttavat polttoainetehokkuuteen.
Tulokset
Projektin avulla Buster Boats ymmärsi heidän datansa potentiaalin. Projektin tavoitteet saavutettiin, kun malli polttoainekulutuksen pienentämiseen muuttujia optimoimalla löytyi. Seuraavaksi Buster Boats aikoo jatkaa kehitystä integroimalla mallin testiveneeseen, jolla voidaan arvioida tekoälymallin toimintaa vesillä. Heidän arvioidensa mukaan tämä ominaisuus veneissä toisi lisämyyntiä vuodessa jopa miljoonan euron verran.
"Taito United vakuutti meidät jo myyntivaiheessa tekoälyosaamisellaan sekä ymmärtämällä tarpeemme sopivan kevyestä projektista; emme halunneet lopullista tuotetta, vaan tavoitteena oli päästä demoamaan hanketta konsernissa. Koko projektin ajan yhteistyö oli todella sujuvaa ja mutkatonta, ja minut pidettiin hyvin kärryillä missä mennään. Lopputulos oli hyvä, ja kokonaisuudessaan projekti meni paremmin kuin oletinkaan."
Tomi Juhola, Director, After Sales, IT & System Development
