Musta laatikko

Miten data-analyysi, energiatehokkuus ja lentokoneen mustat laatikot liittyvät toisiinsa?

Havainnollinen esimerkki data-analyysin käytännön toteutuksesta on lentokoneiden onnettomuustutkinta. Lähtökohtana tässä työssä on pyrkiä selvittämään, miksi onnettomuus oikein tapahtui. Selvitys onkin perustettava aina saatavilla olevaan informaatioon. Käytännössä tämä informaatio voi olla hyvin erityyppistä ja sitä on saatavilla monesta eri lähteestä. Lentokoneen mustien laatikoiden tallentama mittaus- ja äänidata lienevät tunnetuin informaation lähde, mutta tämän lisäksi tutkinnassa hyödynnetään mm. tutkasignaaleita, säätietoja lento alueelta, silminnäkijähavaintoja, onnettomuuspaikan havaintomateriaalia, jne. Olennaista on pyrkiä yhdistämään eri lähteistä saatava informaatio loogiseksi kokonaisuudeksi ja löytää mahdolliset syyt/selitykset onnettomuudelle. Työn onnistumisen kannalta on myös tärkeää, että sen toteuttajilla on vahva tekninen osaaminen lentokonetekniikasta ja siihen liittyvistä fysikaalisista ilmiöistä.

Vastaavalla tavalla data-analyysiä hyödynnetään teollisuudessa, jossa mittausdataa on saatavilla monesta eri lähteestä ja monessa muodossa. Tässä tapauksessa ratkottava ongelma voi olla esimerkiksi prosessin pullonkaula, laatupoikkeama, prosessin säätöongelma, ajettavuuden heikentyminen tai vaikkapa energiankulutustason nousu. Samoin kuin lento-onnettomuustutkinnassa, myös tässä työssä erityyppisistä tiedoista pyritään tuottamaan ymmärrettävissä oleva lopputulos, joka johtaa toimenpiteisiin.

Tarjolla olevaa mittausdataa voi olla hyvinkin paljon tai juuri sitä oikeaa mittaustietoa ei olekaan tarjolla. Tässä korostuu asiantuntemus tutkittavan kohteen prosesseista, jotta datamäärä osataan suodattaa ja priorisoida tai miettiä uusiin mittauksiin investoimista puuttuvan mittaustiedon saamiseksi. Kun tutkittavaan ilmiöön vaikuttavia prosessimuuttujia on tunnistettu, asiantuntemuksen avulla voidaan näistä poimia relevantit tekijät. Lopputuloksena tulee olla konkreettinen toimenpidesuositus, jossa on jo huomioitu prosessin ja lopputuotteen reunaehdot.

Data-analyysi on hyvin monikäyttöinen menetelmä ja käyttökohteesta riippuen siihen on olemassa erilaisia työkaluja. Huomattavaa kuitenkin on, että yksistään sen avulla ei päästä vielä hyvään lopputulokseen, vaan aina tässä työssä täytyy olla asiantunteva toteuttaja, joka pystyy viemään löydökset toimenpiteiksi saakka.