Tervehdys tuleva IT-ammattilainen! Minkälaista tutkimusta tietotekniikan laitoksella tehdään? Mitä tutkimushankkeita on juuri menossa? Ketkä tekevät tutkimusta ja mistä aiheista? Monet tutkimusaiheet ja tutkimukset tulevat opiskelijoille tutuiksi kursseilla, mutta yliopistossa tehdään paljon tutkimusta, josta opiskelijatkaan eivät usein kuule kuin sivulauseissa tai yksittäisten tapausten noustessa esiin mediassa. Toisaalta tutkijoiden käyttämä kieli ja erityistermistö voivat olla hyvin vaikeasti ymmärrettäviä ja tutkimusten yhteyttä reaalimaailmaan saattaa olla vaikea käsittää. Tässä julkaisussa esittelemme teille opiskelijoille tietotekniikan laitoksella tehtävää tutkimusta yleisellä tasolla. Lehtisessä käsitellään tutkimusten pääsuuntauksia ja esitellään tutkimusaiheita sekä tuloksia. Tutkimusaiheet ja tulokset esitellään olennaisilta osiltaan niin, että saatte käsityksen, mitä kaikkea tutkijat yliopistolla voivat tehdä. Toivomme tämän herättävän mielenkiintoa tutkimusta ja sen tekemistä kohtaan. Mikäli kaipaat lisätietoa, ota rohkeasti yhteyttä sinua kiinnostavaa aihetta tutkivan ryhmän jäseniin. Mietit sitten kanditutkielman tai pro gradu -työn tekemistä, uusille ideoille ja tekijöille on aina tilausta. Lisätietoa tutkimuksesta saat myös amanuenssilta. IT-tiedekunnan dekaani, Pekka Neittaanmäki
3
SPA -arkkitehtuuri karhujen ääntelyn tutkimuksessa Karhujen ääntelyn ja käyttäytymisen yhteyden tutkiminen käyttäen SPA -arkkitehtuuria. Tavoitteena on tunnistaa ääntelystä piirteitä, joita voidaan luokitella ja yhdistää karhun käyttäytymiseen. Tietotekniikan laitoksella keskitytään erityisesti karhun ääntelyn tilannekohtaiseen tunnistamiseen, ääntelyn analyysiin ja kännykkäsovelluksen suunnitteluun.
4
”Juuso”
Tutkimusryhmä »» Anneli Heimbürger, TkT »» professori Yasushi Kiyoki (Keion yliopisto)
Yhteistyökumppanit ja sidosryhmät
Tulosten käytännön merkitys
Tutkimusta tehdään yhteistyössä japanilaisten ja yhdysvaltalaisten tutkimuslaitosten kanssa. Karhuihin liittyvästä yhteistyöstä on tarkoitus keskustella myös Riista- ja kalatalouden tutkimuslaitoksen (RKTL) kanssa. Järjestelmän kokonaisarkkitehtuuria kehitetään yhteistyössä Japanin Keion yliopiston kanssa.
Karhujen kantamat satelliittipaikantimeen perustuvat GPS-pannat tarjoavat mahdollisuuden tietokoneisiin ja kännykköihin lähetettäviin reaaliaikaisiin paikkatietoihin. Tutkimustiedon avulla voidaan pian lähettää karhutietoutta metsässä liikkuvien kännyköihin. Tieto voi olla tilannekohtaista tai opastavaa: esimerkiksi varoituksia aggressiivisesti käyttäytyvän karhun liikkeistä tai ohjeita karhun kohtaamiseen.
Tuloksia Tutkimuksessa käytettävän SPA -arkkitehtuurin avulla on pystytty tunnistamaan lähes kymmenen tilanneriippuvaista ääntelyä. Karhut karjahtelevat, murisevat, mörähtelevät ja viheltävät, ja pennut myös kehräävät. Ääntelyitä analysoidaan matemaattisin signaalinkäsittelymenetelmin.
5
Kuljetusten optimointi – laskennallinen logistiikka Kombinatorinen optimointi tarkoittaa erilaisten yhdistelmien (kombinaatioiden) etsimistä siten, että lopputulos on mahdollisimman hyvä (optimaalinen). Esimerkiksi kuljetusreittien tapauksessa tämä tarkoittaa autojen ja kuljetettavien tavaroiden yhdistämistä tehokkaiksi reiteiksi siten, että samanaikaisesti autoja tarvitaan mahdollisimman vähän ja ajoreiteistä muodostuu niin lyhyitä kuin mahdollista. 6
Tutkimusryhmä Yliopiston ja Tekesin rahoittamassa kaksivuotisessa CO-SKY-hankkeessa työskentelee 14 tutkijaa. Projektin sisällöstä ja tutkimuksesta vastaa tietotekniikan laitoksen FT Tuukka Puranen ja projektipäällikkönä toimii DI Jouko Nieminen. Ryhmässä on mukana myös opiskelijoita, joista kaksi tekee aiheeseen liittyen gradua ja yksi diplomityötä.
Yhteistyökumppanit Tutkimusryhmä tekee yhteistyötä useiden kuljetusyritysten ja toiminnanohjausjärjestelmätoimittajien kanssa. Lisäksi yhteistyökumppanina on muun muassa Puolustusvoimien huolto, jonka kanssa tutkitaan automaattisen reittien suunnittelun soveltamista puolustustoimintaan.
Tuloksia Optimointilaskentaa hyödyntämällä reittien ja aikataulujen suunnittelussa voidaan aikaansaada kustannussäästöjä, nopeuttaa suunnittelua ja parantaa suunnitelmien laatua. Saatavilla olevat optimointiohjelmistot ovat kuitenkin kalliita ja niiden käyttöönotto on vaikea, sillä ne räätälöidään usein kullekin asiakkaalle erikseen. Räätälöintiin on syynä se, että toinen asiakas haluaa pienentää kuljetusten kokonaiskustannuksia, toinen taas haluaa varmistaa toimitusten saapumisen perille mahdollisimman nopeasti.
Optimoinnin käyttöönotto voi myös vaatia muutoksia asiakasyrityksen prosesseissa, koska laskentaa varten tarvitaan tiedot esimerkiksi autoista, tilauksista ja tieverkosta sähköisessä muodossa. Tämä informaatio on usein dokumentoimatonta tai hajallaan eri järjestelmissä ja sen siirtäminen hyödynnettävään muotoon on usein työlästä. Tietotekniikan laitoksen laskennallisen logistiikan tutkimusryhmä tutkii optimointijärjestelmien toteutusta ja käyttöönottoa laajasti sekä optimointilaskennan että ohjelmistotekniikan näkökulmasta. Keskeisiä kysymyksiä on, miten optimoinnin käyttöönotto saataisiin riittävän helpoksi erityyppisille toimijoille, joilla on hyvinkin erilaisia tarpeita. Tutkimusryhmä onkin kehittänyt uudenlaisen mallin ja menetelmän erityisesti käyttöönoton helpottamiseksi.
Tulosten käytännön merkitys Optimointilaskennan laajamittainen käyttöönotto kuljetusyrityksissä voisi säästää niin ympäristöä, rahaa kuin tieverkkoa. Yhteistyö kuljetusten suunnittelua tekevien tahojen kanssa mahdollistaa käytännönläheisen tutkimuksen tekemisen, ja ryhmän tavoitteena onkin siirtää optimointitutkimuksen tulokset nopeasti käytäntöön. Kehitetyn ratkaisun kaupallistamista ja siirtämistä liiketoiminnaksi valmistellaan käynnissä olevassa CO-SKY-hankkeessa. 7
Teollinen optimointi Teollinen optimointi keskittyy teollisuuden ongelmien ratkaisemiseen. Optimoitavia tavoitteita on käytännön tehtävissä tyypillisesti useita ja ne ovat ristiriitaisia. Tällöin yhden tavoitteen parantaminen heikentää jotakin toista. Monitavoiteoptimoinnissa optimin sijaan etsitäänkin parasta kompromissiratkaisua. Samanaikaisesti voidaan tarkastella esimerkiksi laatua, kustannuksia, kestävyyttä, ympäristöarvoja, luotettavuutta ja hintaa. Ryhmä tukee päätöksentekoa lukuisilla eri aloilla ja tutkimuksen avulla on mahdollista paneutua erilaisiin optimointitehtäviin myös teollisuuden ulkopuolella.
8
Tutkimusryhmä »» »» »» »» »» »» »» »»
professori Kaisa Miettinen Jussi Hakanen, FT Markus Hartikainen, FT Dmitry Podkopaev, FT Karthik Sindhya, FT Vesa Ojalehto, FM Mohammad Tabatabaei, MSc Tinkle Chugh, M.Tech. http://www.mit.jyu.fi/optgroup
Yhteistyökumppanit ja sidosryhmät Pöyry, VTT, Metla, Aalto-yliopisto, Tampereen teknillinen yliopisto, Helsingin yliopisto ja Kuopion yliopistollinen sairaala, useita ulkomaisia yliopistoja eri puolilta maailmaa.
Tuloksia Menetelmiä monitavoitteiseen päätöksentekoon (mm. vuorovaikutteiset menetelmät NIMBUS, Pareto Navigator sekä approksimaatiomenetelmä PAINT). Nämä menetelmät on toteutettu IND-NIMBUS® -ohjelmistokehikossa. Lisäksi ryhmä on kehittänyt internetin yli toimivan, lajissaan ainutlaatuisen päätöksenteko-ohjelmiston WWW-NIMBUS.
Tulosten käytännön merkitys Teollinen optimointi mahdollistaa tuotteiden ominaisuuksien parantamisen, tuotantoprosessien tehostamisen ja parhaan muodon ja rakenteen etsimisen. Kehitettyjä menetelmiä on sovellettu mm. syövän sädehoidon annosteluun sekä paperikoneen perälaatikon, jätevedenpuhdistamon ja lämmönsiirtoverkkojen suunnitteluun.
9
Laskennallinen akustiikka Laskennallisessa akustiikassa k채ytet채채n matemaattisia malleja ja numeerisia menetelmi채 akustisten ongelmien ratkaisemiseen tietokonesimulaatioiden avulla.
10
Akustisia painekenttiä kuvaavien yhtälöiden avulla voidaan mallintaa ja simuloida mm. auton sisätilan akustisia ominaisuuksia
Tutkimusryhmä »» professori Tuomo Rossi »» Tuomas Airaksinen, FT »» Sanna Mönkölä, FT
heijastumista erimuotoisista kappaleista, auton sisätilan akustisia ominaisuuksia ja värähtelyn etenemistä kampiakselissa.
Yhteistyökumppanit
Tulosten käytännön merkitys
Dosentti Erkki Heikkola (Numerola Oy), dosentti Jari Toivanen (Stanfordin yliopisto).
Tuloksia Tutkimusryhmä on kehittänyt tehokkaita ratkaisumenetelmiä, joilla voidaan mallintaa ja simuloida mm. ääniaaltojen
Tietokonesimulaation avulla monia akustisia ilmiöitä voidaan testata nopeammin, kustannustehokkaammin ja turvallisemmin kuin kokeellisissa testeissä. Laskennallisen akustiikan sovelluksia voidaan käyttää lääketieteellisistä mittauslaitteista työkoneiden rakenteen suunnitteluun.
11
Kytketyt tehtävät Kytketty tehtävä muodostuu useammasta fysikaalisesta muuttujasta, jotka ovat vuorovaikutuksessa keskenään. Esimerkiksi virtaavan nesteen paine voi aiheuttaa ympäröivässä aineessa muutoksia , jotka puolestaan vaikuttavat nesteen paineeseen. Kytkettyjä systeemejä voidaan kuvata matemaattisesti esimerkiksi osittaisdifferentiaaliyhtälöiden avulla.
12
Tutkimusryhmä
Tuloksia
»» »» »» »» »» »» »»
Monimutkaisissa käytännön sovelluksissa esiintyvät useiden ilmiöiden yhteisvaikutukset mallinnetaan matemaattisesti useiden yhtälöiden muodostamana kytkettynä systeeminä.
professori Raino Mäkinen professori Pekka Neittaanmäki professori Tuomo Rossi Tuomas Airaksinen, FT Sanna Mönkölä, FT Jukka Toivanen, FT Tero Tuovinen, FT
Yhteistyökumppanit Wulf Dettmer (Swansean yliopisto), Erkki Heikkola (Numerola Oy), Johan Hoffman (Kungliga Tekniska Högskolan), Dmitri Kuzmin (Dortmundin yliopisto), professori Dirk Pauly (DulsburgEssenin yliopisto), dosentti Jari Toivanen (Stanfordin yliopisto).
Tulosten käytännön merkitys Tuloksia voidaan hyödyntää esimerkiksi vedenalaisten rakenteiden kestävyyden arvioinnissa, maanjäristyksen etenemisen mallintamisessa, laitteiden jäähdyttämisen suunnittelemisessa sekä verisuonistossa tapahtuvan veren virtauksen simuloinnissa.
13
Alkuperäinen muoto
Muodon optimointi Monien teollisuuden ja arkielämässä käytettävien laitteiden tai esineiden muoto vaikuttaa merkittävästi niiden fysikaalisiin ominaisuuksiin ja toimintaan. Siksi usein haluttaisiin löytää tuotteen optimaalinen muoto. Kallis kokeellinen tutkiminen ja prototyypit pyritään korvaamaan tietokonesimulaatiolla. Tietokoneiden laskentatehon kehitys onkin mahdollistanut perinteistä “yritys ja erehdys” -suunnittelua systemaattisemman lähestymistavan tuotteiden muodon parantamiseen: muodon optimoinnin. Optimoitu muoto
14
Alkuperäisen ja optimoidun muodon suorituskyky
0
|S| [dB]
-5 -10 -15 -20 -25 -30 3.0 3.6 4.3 4.9 5.5 6.2 6.8 7.5 8.1 8.7 9.4 10.0 Frequency (GHz)
Initial Optimized
Tutkimusryhmä »» »» »» »»
professori Raino Mäkinen professori Pekka Neittaanmäki Tuomas Airaksinen, FT Jukka Toivanen, FT
Verification
Tulosten käytännön merkitys Muodon optimoinnin avulla voidaan löytää esimerkiksi halutut ominaisuudet antennille tai mahdollisimman kestävän tukipalkin muoto, kun materiaalit ovat rajalliset. Optimoinnin avulla saavutettua materiaalien laadun tai tehokkuuden paraneminen voi johtaa huimiin säästöihin.
15
Laskennallinen sähkömagnetiikka Laskennallisessa sähkömagnetiikassa ilmiöt mallinnetaan matemaattisesti Maxwellin yhtälöillä. Yhtälöt kehitettiin jo 1800-luvulla, mutta niiden numeeriseen ratkaisemiseen liittyy edelleen mittavia haasteita. Esimerkiksi auton törmäystutkaa mallinnettaessa on laskettava säteilyn siroamista kappaleesta, jonka koko on hyvin suuri verrattuna säteilyn aallonpituuteen. Tietokonesimulaatiossa voi tällöin esiintyä satoja miljoonia muuttujia, mikä asettaa haasteita käytettäville numeerisille menetelmille.
16
Sähkömagneettisten aaltojen simulointia voidaan hyödyntää useilla eri sovellusalueilla.
Tutkimusryhmä »» professori Raino Mäkinen »» professori Tuomo Rossi »» dosentti Jari Toivanen, FT (Stanfordin yliopisto) »» Sanna Mönkölä, FT »» Jukka Toivanen, FT »» Immanuel Anjam, FM »» Jukka Räbinä, FM
Yhteistyökumppanit Professori Karri Muinonen (Helsingin Yliopisto), professori Dirk Pauly (Duisburg-Essenin yliopisto)
Tuloksia Tietokonesimulaation avulla ilmiöitä voidaan testata nopeammin, kustannustehokkaammin ja turvallisemmin kuin kokeellisissa testeissä. Tietokonesimulaatiot myös mahdollistavat testit, joiden kokeellinen toteuttaminen on mahdotonta.
Tulosten käytännön merkitys Näkyvä valo, radioaallot, mikroaallot ja röntgensäteily ovat esimerkkejä sähkömagneettisen säteilyn taajuusalueista. Laskennallisen sähkömagnetiikan keinoin voidaan simuloida monenlaisia ilmiöitä antennien suunnittelusta turvatekniikoihin ja lääketieteelliseen magneettikuvaukseen. Koska sovelluskohteita on paljon, on sähkömagneetttisten aaltojen mallinnus tarpeen useilla eri aloilla. Auringosta peräisin olevan sähkömagneettisen säteilyn suunnan muutoksia analysoimalla voidaan saada tietoa ilman laadusta. Tähtitieteen alalla simulointia voidaan hyödyntää myös tarkasteluihin, joiden kokeellinen toteuttaminen on mahdotonta. Sähkömagneettisen säteilyn biologisista vaikutuksista ollaan kiinnotuneita esimerkiksi mikroaaltouunien ja matkapuhelinten käytön turvallisuutta mietittäessä. 17
Menetelmäorientoituneet nopeat ratkaisijat Numeeristen menetelmien avulla voidaan ratkoa monimutkaisia ongelmia, joiden ratkaiseminen kynällä ja paperilla on aikaa vievää tai mahdotonta. Esimerkiksi fysikaalisia ilmiöitä tai talouden kehittymistä voidaan esittää matemaattisien osittaisdifferentiaaliyhtälöiden avulla. Mallien käsitteleminen numeerisesti tietokoneella vaatii diskretointia, laskenta-alueen jakamista laskentapisteisiin. Diskretointi johtaa suuriin yhtälöryhmiin. Ryhmä kehittää tehokkaita numeerisia menetelmiä osittaisdifferentiaaliyhtälöiden diskretoinnin tuloksena syntyvien suurten lineaaristen yhtälöryhmien ratkaisemiseksi. 18
Tutkimusryhmä
Tuloksia
»» professori Raino Mäkinen »» professori Tuomo Rossi »» dosentti Jari Toivanen, FT (Stanfordin yliopisto) »» Tuomas Airaksinen, FT »» Sanna Mönkölä, FT »» Santtu Salmi, FT »» Mirko Myllykoski, FM
Tulokset voidaan jakaa teoreettisiin tuloksiin, tehokkaisiin laskentamenetelmiin ja erilaisiin tietokoneella käytettäviin käytännön sovelluksiin. Tehokkuudella tarkoitetaan sitä, että ongelma voidaan ratkaista määrätyllä tarkkuudella käyttäen mahdollisimman vähän aritmeettisia toimintoja ja tietokoneen muistikapasiteettia. Erityisesti ryhmä on keskittynyt tehokkaiden pohjustimien kehittämiseen iteratiivisille ratkaisumenetelmille.
Yhteistyökumppanit FT Erkki Heikkola (Numerola Oy), professori Roland Glowinski (Houstonin yliopisto), Dr. Yuri Vassilevski (Russian Academy of Sciences), professori Kazufumi Ito (North Carolina State University), professori Charbel Farhat (Stanfordin yliopisto), professori Dirk Pauly (Duisburg-Essenin yliopisto).
Tulosten käytännön merkitys Monia ryhmän kehittämiä algoritmeja on käytetty yleisten aliohjelmakirjastojen kehitykseen ja monien numeeristen ongelmien ratkaisemiseen esimerkiksi virtauslaskennan, laskennallisen akustiikan ja laskennallisen kemian aloilla.
19
Institutionaaliset innovaatiot Talouden kehitysvaiheiden muutoksia kuvataan matemaattisten ja tilastollisten mallien avulla. Näitä malleja on mahdollista edelleen hyödyntää talouden kehityksen ennustamiseksi tehtävissä, tietokoneella toteutettavissa, laskelmissa. Mallit tukevat ajatusta siitä, että kestävän talouskehityksen säilyttämiseksi eri tahojen erikoisosaamista tulisi hyödyntää luovasti, toimialojen innovaatiokulttuureita yhdistäen. Erityisesti kriisitilanteessa uusien innovaatioiden kehittäminen ja levittäminen uusille toimialoille on tärkeää.
20
Tutkimusryhmä »» »» »» »» »»
professori Chang Chie Hang professori Pekka Neittaanmäki professori Chihiro Watanabe Zhao Weilin, FT Michel Chew Cheng, FM
Tuloksia Tutkimusryhmä pyrkii selvittämään kansainväliseen kilpailukykyyn vaikuttavia institutionaalisia lähteitä.
Tutkimusryhmä on tutkinut myös, kuinka innovaation ja kuluttamisen välinen vuorovaikutus synnyttää suprafunktionaalisuutta. Suprafunktionaalisuus ilmaisee voimakasta mielihyvää, jonka kuluttaminen tuottaa, koska ostos voi täyttää useita sosiaalisia, emotionaalisia ja kulttuurisia tarpeita, jotka ovat merkittävästi suurempia kuin pelkkä ostoksen rahallinen arvo. Tutkimusryhmä on kehittänyt innovaatio arvoketjujen käytännöllistä arviointisysteemiä.
21
Tiedonlouhinta Tiedonlouhinta tarkoittaa laajojen mittausaineistojen tutkimista, jonka tavoitteena on data massan kiteyttäminen uusilla tavoilla, jotka ovat sekä ymmärrettäviä että hyödyllisiä aineiston omistajalle. Neurolaskenta, laajemmin koneoppiminen, perustuu esimerkin kautta oppivien tietokoneohjelmien ja -järjestelmien kehittämiseen. Neurolaskenta on eräs tiedonlouhinnan apuväline. Sovellusalueina tutkimusryhmällä ovat olleet esimerkiksi energian tuotanto, oppimistulosten arviointi (PISA), lääke- ja terveystieteet, paperikoneteknologia ja puolustusteknologia.
22
Tutkimusryhmä
Tuloksia
COSSE-tutkimusryhmän (Research Group on Computational Sciences and Educational Technology) laskennallinen orientaatio: Tutkimuksen vastuullisena johtajana toimii professori Tommi Kärkkäinen ja tutkijoina jatko-opiskelijat Paavo Nieminen, Alexandr Maslov, Mirka Saarela ja Pekka Wartiainen sekä maisteriopiskelija Alexey Kornilov. Tutkimus tapahtuu tietotekniikan laitoksella.
Tutkimusryhmän konkreettisina tuloksina ovat Jyväskylän yliopiston kaupallistama neuroverkkolisenssi, avoimen lähdekoodin neuroverkkototeutukset (Matlab) sekä viitekehys energiantuotantoprosessin visuaaliseen analysointiin. Tuotoksia on esitelty kansainvälisissä konferensseissa, mm. Hong Kongissa, Barcelonssa, Ljubljanassa, Tallinnassa ja Prahassa.
Yhteistyökumppanit
Tulosten käytännön merkitys
Tutkimusryhmän tutkijat työskentelevät pääosin hankkeissa, tietotekniikan laitoksella sekä apurahalla. Suurimpina hankkeina mukana ovat EAKR-rahoitteinen OSER-hanke, joka toteutetaan yhteistyössä VTT:n ja kemian laitoksen kanssa, sekä TEKES-rahoitteinen OnLineCFD-hanke. Monitieteistä tutkimusta tukee myös kasvatustieteiden tiedekunnan kanssa tehtävä tutkimus. Lisäksi yhteistyötä on tehty ja tehdään lukuisten suomalaisten yritysten kanssa.
Tutkimusryhmän tuloksilla on suora kytkös käytännön elämään, esimerkiksi teollisuuden tuottavuuden ja ympäristöystävällisyyden kehittämiseen. Toisaalta oppimistulosten louhinnan avulla voidaan löytää keinoja opiskelun tehostamiseen.
Tunnistaisitko kaikki sateen tuhrimat kirjaimet? Neuroverkkosovellus tunnisti mustat millisekunneissa.
Käyttöliittymä teollisen datan visuaaliseen analysointiin. 23
Konenäkö Konenäkö tarkoittaa digitaalisten kuvien automaattista analysointia. Tyypillinen tavoite on esimerkiksi kiinnostavien kohteiden tunnistaminen tai liikkuvien kohteiden seuraaminen. Tutkimusryhmässä kehitetään ratkaisuja erilaisiin käytännön konenäköongelmiin ja tehdään perustutkimusta liittyen funktionaaliseen kuvankäsittelyyn ja kuvan rakenteen analysointiin.
24
Tutkimusryhmä Tutkimusryhmä koostuu Jyväskylän yliopiston tietotekniikan laitoksella työskentelevistä tutkijoista ja opiskelijoista. Jäseniä ovat professori Tuomo Rossi, professori Tommi Kärkkäinen, tutkijatohtori Ville Tirronen ja tohtorikoulutettava Matti Eskelinen. Ryhmä on ajoittain työllistänyt myös laitoksen opiskelijoita.
Yhteistyökumppanit ja sidosryhmät
Tulosten käytännön merkitys
Konenäkösovelluksista on hyötyä monissa eri tilanteissa, joten konenäköryhmä tekee yhteistyötä eri tahojen kanssa niin tutkimus- kuin yritysmaailmassakin. Yhteistyökumppaneita ovat esimerkiksi Vision Systems Oy ja Suomen ympäristökeskus.
Tietokoneita ja robotteja halutaan suorittamaan yhä useampia tehtäviä esimerkiksi ympäristön vaarallisuuden, tapahtumien nopeuden tai työn tylsyyden vuoksi. Visuaalisen datan määrä kasvaa koko ajan, ja näiden datamassojen analysointiin tarvitaan tietokoneita myös siksi, että ihmisiä ei ole riittävästi tai heidän palkkaamisensa maksaisi liikaa. Konenäkömenetelmillä voidaan saavuttaa monenlaisia käytännön hyötyjä, ja taloudellisetkin hyödyt voivat olla mittavia.
Tuloksia Ryhmä on kehittänyt ratkaisuja käytännön konenäköongelmiin ja kasvattanut tietämystä erilaisten kuvankäsittely- ja luokittelumenetelmien soveltuvuudesta ongelmien ratkaisemisessa. Lisäksi ryhmä on kehittänyt funktionaalista kuvankäsittelyä OpenCV-kirjaston ja Haskell-ohjelmointikielen avulla ja tutkinut kuvan rakenteen analysointia keinona lähestyä monia erilaisia käytännön konenäköongelmia.
25
©CSIRO, Dr. Tom Cud
Hyperspektrikuvien analysointi Hyperspektrikuvantaminen on nopeasti laajeneva monitieteinen tutkimusala, jonka juuret ovat 1970-luvun satelliittitekniikoissa. Spektrikuvantamisessa yhdistyy 2D-kuvan tarjoama spatiaalinen informaatio tarkkaan spektrialiseen tietoon. Haasteet analysoinnissa liittyvät käsiteltäviin suuriin datamassoihin. Spektrikuvat voivat olla hyvinkin isoja ja niiden tarjoama informaatio on aidosti moniulotteista. Tavallinen RGB-kuva koostuu kolmesta eri kuvasta, jotka on otettu punaisen, vihreän ja sinisen valon kaistoilla. Hyperspektrikuva koostuu useista kymmenistä (jopa sadoista) intensiteettikuvista, joista jokainen on otettu tietyllä valon aallonpituudella. Kuvat muodostavat kuvakuution, jossa jokainen pikseli muodostaa spektrin kuution läpi.
26
Tietotekniikan laitoksella on VTT:n kehittämään FabryPerot interferometriin perustuva hyperspektrikamera. Kamerasta on valmistettu myös lennokkeihin soveltuva versio.
Tutkimusryhmä
Tuloksia
»» »» »» »» »» »»
Tietotekniikan laitoksella on ollut viime vuosina useita hankkeita hyperspektrikuvantamisen soveltamiseen ja kuvien analysointiin liittyen. Hankkeet ovat liittyneet maatalouteen, metsätalouteen, ympäristön monitorointiin, lääketieteelliseen kuvantamiseen ja rikospaikkatutkimukseen.
professori Pekka Neittaanmäki professori Amir Averbuch Jaana Kuula, KTL Ilkka Pölönen, FT Valery Zheludev, PhD Hannu-Heikki Puupponen, FM
Opinnäytteiden aiheita voi tiedustella tutkimusryhmän jäseniltä.
Yhteistyökumppanit ja sidosryhmät VTT - Optinen instrumentointi, Geodeettinen laitos, HYKS Iho- ja allergiasairaala, Päijät-Hämeen keskussairaala, MTT, Metla, SYKE, Rikola Ltd. MosaicMill Oy, KRP, Poliisi ja Specim Oy
Tulosten käytännön merkitys Tutkimushankkeissa on sovellettu hyperspektrikuvantamista eri aloilla. Esimerkiksi maataloudessa hyperspektrikuvia voi hyödyntää viljan biomassan määrän ja typpisisällön määrittämiseen ja lääketieteessä hyperspektrikuvantamisen avulla ihon pahanlaatuisia kasvaimia voidaan rajata erityisen tarkasti.
27
Rikostorjunta ja kriisinhallinta Tutkimuksessa kehitetään uusia tietotekniikkaan pohjautuvia ratkaisuja ihmisten fyysisen turvallisuuden turvaamiseksi. Erityisesti tavoitteena on luoda keinoja, joilla voidaan ehkäistä ja ratkaista vakavia rikoksia sekä pelastaa ihmishenkiä. Rikostutkinnan menetelmäkehityksessä keskiössä ovat konenäkötyyppiset ratkaisut, joilla voidaan havainnoida esimerkiksi rikospaikkaa ihmissilmää paremmin ja joissa erilaiset tietotekniset laitteet ja ohjelmistot mahdollistavat uusia ulottuvuuksia rikospaikka-aineiston käsittelyyn. Kriisinhallinnassa tietotekniikka tuo merkittävää apua esimerkiksi kriisiviestintään.
28
Tutkimusryhmä »» »» »» »»
Jaana Kuula, vastuullinen johtaja Ilkka Pölönen, FT Hannu-Heikki Puupponen, FM Heikki Rinta, FM
Yhteistyökumppanit ja sidosryhmät Rikosalan tutkimushankkeissa Tietotekniikan laitos tekee läheistä yhteistyötä Poliisin kanssa. Kriisiviestinnän järjestelmää on testattu mm. Keski-Suomen poliisilaitoksen, Poliisin valtakunnallisten valmiusryhmien, Keski-Suomen pelastuslaitoksen ja Jyväskylän kaupungin kanssa.
Tuloksia Rikostutkimuksen avuksi voidaan kehittää uusia menetelmiä yhteistyössä yliopiston hankekumppaneiden kanssa. Vaativissa ongelmanratkaisutehtävissä erityisesti Tietotekniikan laitoksella annettava matemaattisen tietojenkäsittelyn koulutus mahdollistaa sellaisen tuotekehityksen, jota useimmat muut alan oppilaitokset eivät voi tarjota. Menetelmäkehityksessä täytyy tehdä myös monenlaisia muiden alojen kokeita kuten vereen liittyvää tutkimusta, esimerkiksi yhteistyössä Kemian laitoksen kanssa. Kriisiviestinnän järjestelmällä voidaan nopeuttaa informaation välittämistä sekä kohdentaa viestintää aiempaa tehokkaammin. Perinteisillä viestintämenetelmillä,
kuten radiolla ja televisiolla, viesti lähtee laajalle alueelle, jolloin sen kohdentaminen on hankalaa. Puhelimen sijaintiin perustuvalla järjestelmällä hätäviesti voidaan lähettää kaikille kriisialueen sisällä, johon henkilö vastaa, onko hän turvassa. Järjestelmällä voidaan lähettää myös tekstiviesti, jolloin informaatio välittyy myös niille, joilla ei ole älypuhelinsovellusta.
Tulosten käytännön merkitys Monialaisessa yhteistyössä hankekumppaneiden kanssa kehitetään rikostutkimukseen käytettäviä laitteita. Voidaan kehittää esimerkiksi konenäköön perustuva laite, joka kykenee löytämään rikospaikalta muun muassa verijälkiä ja erottelemaan rikoksen tekijän, uhrin ja kotieläimen veren toisistaan. Kriisinhallinnan avuksi tietotekniikan laitoksella on kehitetty älypuhelinten erityisominaisuuksia hyödyntävä monikanavainen kriisiviestinnän järjestelmä, joka soveltuu sekä organisaatioiden sisäiseksi että viranomaisten operoimaksi yleiseksi väestönvaroitusjärjestelmäksi alueellisissa ja valtakunnallisissa vaaratilanteissa. Kriisiviestinnän järjestelmän käytöstä olisi todennäköisesti ollut apua väestönvaroittamisessa, evakuointitoimenpiteiden toteuttamissa ja kriisinhallinnassa esimerkiksi Vihtavuoren räjähdysvaaratilanteessa heinäkuussa 2013.
29
Liikkuvat materiaalit Liikkuvia materiaaleja tavataan monissa teollisuuden sovelluksissa, kuten tietokoneiden kiintolevyissä ja optisissa asemissa, vannesahoissa, liukuhihnoissa sekä ohuiden levymäisten materiaalien, kuten teräksen, tekstiilien ja paperin, tuotannossa. Liikkuvia materiaaleja tutkitaan yleensä kontinuumimekaniikan näkökulmasta. Kontinuumimekaniikka kuuluu klassiseen fysiikkaan ja se luetaan nykyään usein insinööritieteeksi.
30
Havainnekuva ns. vapaasta vedosta paperikoneessa.
Tutkimusryhmä »» »» »» »» »» »» »»
professori Pekka Neittaanmaki professori Nikolay Banichuk Juha Jeronen, FT Tytti Saksa, FT Tero Tuovinen, FT Matti Kurki, TkL Maria Tirronen, FM
Tuloksia Liikkuvien materiaalien matemaattisia mallinnuksia. Tutkimuksessa keskitytään kahden tuen välillä liikkuvan materiaalin ja liikkuvaa materiaalia ympäröivän ilman vuorovaikutuksen matemaattiseen mallintamiseen.
Tulosten käytännön merkitys Matemaattisten mallien avulla voidaan analysoida liikkuvan materiaalin ominaisuuksia. Esimerkiksi liikkuvan materiaalin stabiilisuus on tärkeä tutkimusaihe sekä akateemisen perustutkimuksen että sovellusten näkökulmasta. Tiedetään, että jos materiaalia ajetaan liian kovaa, se muuttuu epävakaaksi, mistä yleensä on seurauksena materiaalin katkeaminen ja tuotannon keskeytyminen. Stabiilisuuden analysointiin käytettävä menetelmä kertoo, miten nopeasti systeemi luonnostaan värähtelee, onko värähtely vakaata, ja vahvistuvatko tai vaimenevatko värähtelyt.
Liikkuvan paneelin värähtelymuodon todennäköisyystiheys. Pysäytyskuva.
31
Koulutusteknologian tutkimus Koulutusteknologian suuntautumisvaihtoehdon tutkimus kohdistuu monipuolisesti tietotekniikan opetukseen sekä tieto- ja viestintätekniikan käyttöön opetuksessa ja oppimisessa eri kouluasteilla. Koulutusteknologian tutkimuksen aihealueita ovat mm. verkko-opetuksen suunnittelun tehostaminen, verkko-opetuksen ongelmat, tieto- ja viestintätekniikan oppimateriaalien kehittäminen ja hyödyntäminen, yksityisyys e-oppimisessa, tieto- ja viestintätekniikan opetuskäytön kehittäminen, tulevaisuuden taitojen opettaminen ja tablet-laitteiden käyttö opetuksessa ja niiden opetuskäytön tukeminen.
32
Tutkimusryhmä
TVT-oppimateriaalien hyödyntäminen
»» »» »» »» »» »» »»
Tutkimuksessa on suunniteltu ja toteutettu yläkoulun tieto- ja viestintätekniikan opetukseen oppikirjoja sekä sähköinen oppimateriaali.
professori Päivi Häkkinen professori Marja Kankaanranta professori Tommi Kärkkäinen dosentti Hannakaisa Isomäki, FT Leena Hiltunen, FT Sanna Juutinen, FT Antti Ekonoja, FL
Tulokset ja tavoitteet Verkko-opetuksen sunnittelun tehostaminen Jyväskylän yliopiston tietotekniikan laitoksella on kehitetty sisältölähtöinen verkko-opetuksen suunnittelumalli, joka etenee iteratiivisesti ja inkrementaalisesti kohti käyttökelpoista verkkokurssia. Malli toimii osaltaan verkko-opetuksen suunnittelun ja toteutuksen tukena. Verkko-opetuksen ongelmat Tutkimuksessa on rakennettu malli, joka kuvaa opiskelijan tunteiden kehittymistä ja sitä, miten ne vaikuttavat hänen verkko-opintojensa edistymiseen. Malli on kaksipuoleinen, siinä on negatiivinen ja positiivinen sykli. Se kumpaan sykliin opiskelija päätyy, vaikuttaa suuresti hänen opintojensa etenemiseen sekä kurssien jatkamiseen verkko-opiskelussa.
Yksityisyys e-oppimisessa Tutkimuksessa selvitetään ala- ja yläkoulun sekä lukion oppilaiden ja opettajien yksityisyyden säätelyn tarpeita sosiaalisen median opetuskäytössä. TVT:n opetuskäytön kehittäminen Tietotekniikan opetussuunnitelman tietoja viestintäteknisten opetusratkaisujen sekä opettajien tieto- ja viestintäteknisten taitojen kehittäminen. Tieto- ja viestintätekniikan hyödyntäminen oppimisessa Projektin tavoitteena on oppilaitosten henkilöstön pedagogisten taitojen yhtenäistäminen tieto- ja viestintäteknisissä oppimisympäristöissä. Systeemiset oppimisratkaisut SysTech-hankkeen tarkoituksena on edistää 2000-luvun taitojen oppimista ja opetusta suomalaisen pedagogisen tietotaidon ja teknologisten oppimisratkaisujen avulla.
33
Kiitos kaikille tutkijoille!
TOIMITUS: Otto Hämäläinen, Mika Simula TAITTO: Seppo Tarvainen KANSI: Seppo Tarvainen KUVAT: sivut 3, 9, 18, 20, 22, 28, 32 | Seppo Tarvainen sivut 4, 6, 12, 30 | www.sxc.hu -kuvapankki sivut 16–17 | www.feko.info/applications sivut 5, 8, 10-11, 14–15, 21, 23–25, 27, 30–31 | tutkimusryhmien kuvia sivu 26 | www.scienceimages.com, CSIRO, Dr. Tom Cudahy PAINOSMÄÄRÄ: 150 kpl PAINOPAIKKA: Jyväskylän yliopistopaino 2014