3 minute read
Tuotekehitysprojektista syntyi algoritmeja Polarille
Opiskelijat pohtivat ratkaisumahdollisuuksia liikkumistavan, sykkeen palautumisnopeuden ja intervalliharjoittelun tunnistamiseen.
Teksti ja kuvat | Siiri Welling
Turun ammattikorkeakoulussa on lukuvuoden aikana kehitetty uusia toimintoja Polar -kelloihin. Turun ammattikorkeakoulun erityisasiantuntija Johannes Hautamäki kertoo, että tieto- ja viestintätekniikan insinöörit muodostivat tuotekehitysprojektissa kolme ryhmää, joista kullakin ryhmällä oli omat kehitystavoitteensa Polarin tuotteiden kanssa.
– Lähestyin itse Polaria kontaktini välityksellä ja esittelin TK-projektin idean, ja että tarvitsisimme mielenkiintoisia toimeksiantoja. Polar innostui
yhteistyöstä ja näki myös mahdollisuuden jatkaa yhteistyötä esimerkiksi opinnäytetöiden kautta, sanoo Hautamäki.
TK-projekti on kymmenen opintopisteen kurssi. Oppilaat saivat hyödyllisen oppimiskokemuksen lisäksi mahdollisuuden toimia oikeiden tuotekehitysprojektien parissa, jolloin he myös vastasivat työstään toimeksiantajalle. Ryhmät tapasivat Polarin edustajan kanssa joka toinen viikko ja Hautamäen kanssa joka viikko.
Polar Electro Oy:n erikoistutkija Jussi Peltonen on tyytyväinen opiskelijoiden työhön ja kertoo yhteistyön sujuneen hyvin opiskelijoiden ja Turun AMK:n kanssa.
– Valtaosa toivotuista asioista onnistui. Tavoitteista jääminen joillakin osa-alueilla ei johtunut opiskelijoista, vaan pikemminkin siitä, ettei kaikkea osattu ennakoida. Tämä on normaalia, kun tehdään jotain uutta, sanoo Peltonen.
Peltosen mukaan opiskelijoiden tekemä työ auttaa Polaria kehittämään omia tuotteitaan. Projekti lisäsi Polarin ymmärrystä ja osaamista asioissa, jotka kiinnostavat Polaria. Yritys voisi jatkossakin tehdä yhteistyötä AMK:n kanssa.
– Opiskelijoille haasteellista oli varmasti työskentely pandemian aikana. Meille se ei kuitenkaan näyttäytynyt negatiivisesti. Jatkossa haluaisin päästä lähemmäs sitä, kuinka kuluttaja kokee tietyn ratkaisun. Tällä kertaa siihen ei ehditty korkeiden teknisten vaatimusten vuoksi. Jatkossa tämän kaltaisissa projekteissa on ehkä muutettava tehtävänantoa joiltakin osin, jotta päästään myös loppukäyttäjän kokemuksiin, jatkaa Peltonen.
– Kokonaisuutena projektit olivat mielestäni onnistuneita. Se, että opiskelijat pääsivät työskentelemään oikeiden tuotekehitysprojektien parissa oikean, alan yrityksen kanssa, on varmasti se tärkein juttu, toteaa Hautamäki.
Meidän tehtävämme oli rakentaa Polarin kelloihin intervallin tunnistus vaikkapa juoksuharjoitteen aikana. Toinen tehtävä oli myös oman nopeuden seuraaminen.
Tavoite oli tietysti hyvin kunnianhimoinen. Ajattelimme, että kunnollinen ohjelmiston rakentaminen vaatisi esimerkiksi Java-osaamista, jota kenelläkään meistä ei ollut. Ryhmässämme oli kolme jäsentä. Siksi jouduimme luopumaan jo heti alussa reaaliaikaisen seurannan tavoitteesta.
Onnistuimme kuitenkin luomaan algoritmin. Kun käy juoksemassa, saamme juoksudataa Polarin laitteen kautta. Sen datan käytämme luomamme algoritmin läpi, joka katsoo maksimisykettä, suhteuttaa nopeutta ja askeltiheyttä. Sykettä ja nopeutta yhteen laskemalla saamme aikaan intervallin tunnistuksen.
Olemme tyytyväisiä tulokseen. Aihe on mielenkiintoinen. Saimme juoksudataa omilta lenkeiltäni, joita mittasin Polarin laitteiden avulla.
Yhteistyö Polarin yhteyshenkilön kautta on toiminut hyvin, ja olemme saaneet tehdä töitä itsenäisesti. Jokainen ryhmän jäsen kehittyi omissa vastuualueissaan enemmän kuin mitä keskimääräisesti voisi ajatella. Saimme myös arvokasta kokemusta Javasta.
Yleisesti ottaen voisi sanoa opiskelijoille, ettei kannata pelätä aiheita joita projekteissa tarjotaan.
Meidän ryhmämme aihe oli liikkumisen muodon tunnistaminen. Tarkoitus oli luoda algoritmi, joka pystyy tunnistamaan käyttäjän liikkumisen muodon: kävelyn, juoksun, pyöräilyn ja vaikkapa autolla ajon.
Ryhmässämme on kuusi jäsentä. Tällä hetkellä algoritmimme on käyttökelpoinen, vaikka se ei ole sellainen kuin kurssin alkupäässä toivoimme.
Ensin keräsimme dataa Polarin rannekkeilla. Osa käveli, osa juoksi ja osa pyöräili. Saimme talteen sykedataa ja nopeusdataa, jota analysoimme. Datasta kokosimme kuvaajia, jotka kertoivat, mitä sykkeelle tapahtuu pyöräillessä tai kävellessä, ja mitä tapahtuu, kun kävelystä siirrytään juoksuun. Kun nopeus on pieni, algoritmi tunnistaa liikkumisen kävelyksi. Kun nopeus kasvaa, alkaa algoritmi katsoa sykettä. Sen mukaan se päättää, onko liikkuminen autoilua, pyöräilyä vai juoksua. Pyöräilyä ja juoksua algoritmin on hankala erottaa. Askelmetridatalla tai Shimmer-anturin datalla tämän ongelman olisi voinut ratkaista, mutta nyt emme ryhtyneet tähän.
Haasteina oli esimerkiksi Polarin laitteiden käytönopettelu, joista meillä kenelläkään ei ollut aiempaa kokemusta. Toisekseen projektityöskentelyssä oli haastavaa resurssien koordinointi. Yhteistyö Polarin kanssa sujui hyvin.
Meidän ryhmämme tarkoituksena oli toteuttaa palautumisen mittaus Polarin laitteelle. Eli jos urheiluspurtin jälkeen ottaa hieman happea, niin miten kauan oikeastaan kestää palata siihen tavoiteltuun matalaan sykkeeseen ennen uutta urheiluspurttia?
Teimme työn jälkikäsittelymuodossa. Piirsimme sykedatan avulla graafin, jota tutkimalla löysimme huippuarvot. Kun syke lähti huippuarvosta laskemaan alas, mittasimme laskun, eli saimme palautumisajan.
Tehtävä oli hauska kaikille ryhmän jäsenille. Kenelläkään meistä viidestä ei ollut käsitystä algoritmin luomisesta.
Jos voisimme tehdä jotain toisin, niin ottaisimme kenties jotain parempia työkaluja käyttöön projektin osalta. Ehkä palautumista olisi voinut koittaa ratkaista vaikkapa matemaattisesti, koneoppimisen tai tekoälyn kautta.
Työ tehtiin itsenäisesti. Saimme ratkottua ongelmia ryhmässäkin, ja tarpeen vaatiessa saimme myös apua Polarilta. Jos kokemusta vertaa aikaisempiin koulussa olleisiin projekteihin, on tämä ollut yksi parhaimmista.
