OHUTLEVY 2026 • 41 www.ohutlevy.com keskusteluihin ja “mututuntumaan” järjestelmien tarjoaman kokonaiskuvan sijaan. Tilanne herättää kysymyksen: miksi reaaliaikainen tilannekuva puuttuu, vaikka dataa ja järjestelmiä on paljon? Tätä kysymystä tarkasteltiin osana EU:n osarahoittamaa TUOVA-hanketta, jossa selvitettiin tuotannon arjen vuorovaikutusta ihmisten, tietojärjestelmien ja automaation välillä. Aineisto: mitä tuotannon toimijat itse kertovat? Havainnot perustuvat 24 haastatteluun kuudessa metallialan alihankintaketjun yrityksessä. Haastateltavat edustivat tuotannon eri tasoja: koneenkäyttäjiä, työnjohtoa, suunnittelua ja johtoa. Yritykset olivat tyypillisiä suomalaisia pkteollisuusyrityksiä, joissa nimikemäärät ovat suuria, sarjakoot vaihtelevia ja automaation taso osittain korkea, mutta heterogeeninen. Haastatteluissa ei pyydetty arvioimaan yksittäisiä järjestelmiä, vaan kuvaamaan miten tuotantoa oikeasti ohjataan arjessa, mistä tieto saadaan ja missä tilanteissa näkyvyys pettää. Yhdistävä havainto oli yllättävän selkeä: haasteet ovat eri yrityksissä hyvin samankaltaisia. Häiriöt ja poikkeamat eivät näy ajoissa Ensimmäinen keskeinen havainto liittyy häiriöihin ja poikkeamiin. Vaikka koneita valvotaan ja tietoa kerätään, merkittävät ongelmat havaitaan usein viiveellä. Laatuvirhe voi jatkua pitkään ennen kuin se huomataan, seisokki näkyy järjestelmässä vääränä tilana tai poikkeama jää kirjaamatta kokonaan. Erityisesti varhaiset tuotannon vaihdot ja miehittämätön ajo korostuvat ongelmina. Kun aamuvuoro alkaa, yön aikana syntyneestä tilanteesta on usein vain hajanaista tietoa. Tällöin työ saatetaan aloittaa vääriä oletuksia vasten, mikä johtaa lisävirheisiin ja hukkaan. Järjestelmät dokumentoivat kyllä tapahtumia, mutta usein vasta jälkikäteen. Ennakoiva tuki tai selkeä hälytys puuttuu, ja poikkeamiin reagoidaan vasta, kun vaikutukset ovat jo näkyviä. Järjestelmät mittaavat koneita – eivät työtä Toinen keskeinen havainto koskee sitä, mitä tuotannon järjestelmät ylipäätään mittaavat. Haastattelujen perusteella valtaosa tuotantodatan muodostuksesta perustuu koneiden tiloihin: käy, seisoo, odottaa, asetetaan. Tuotannon todellisuus on kuitenkin huomattavasti monimutkaisempi. Yksi työntekijä hoitaa useita koneita, valmistautuu seuraavaan työhön, tekee asetuksia, etsii työkaluja, auttaa kollegaa, ratkoo ongelmaa tai ohjelmoi konetta samalla kun toinen kone käy. Tämä työ on tuotannon sujuvuuden kannalta ratkaisevaa – mutta jää järjestelmille näkymättömäksi. Seurauksena syntyy vääristymiä. Käyttöaste näyttää hyvältä, vaikka työ kuormittaa liikaa. Asetusaika vaikuttaa pitkältä, vaikka todellisuudessa työntekijä joutuu jakamaan huomionsa useaan tehtävään. Järjestelmä kertoo koneen tarinan, mutta ei työn tarinaa. Käyttöliittymät vaikeuttavat tilannearviota Kolmas havainto liittyy käyttöliittymiin. Tietoa on paljon, mutta olennaisen erottaminen on vaikeaa. Näkymät ovat usein samanlaisia kaikille rooleille, vaikka työntekijän, työnjohtajan ja suunnittelijan tiedontarpeet ovat erilaisia. Hälytykset eivät erotu, kriittisyys ei näy visuaalisesti ja priorisointi jää käyttäjän tehtäväksi. Käytännössä tämä tarkoittaa, että ongelma löytyy vasta, kun sitä osataan etsiä. Moni kertoi kaipaavansa yksinkertaista, yhdellä silmäyksellä ymmärrettävää näkymää: mitä on pielessä juuri nyt, mihin pitää reagoida ensin ja mitä voidaan siirtää. Kun tätä ei ole, tilannekuva rakentuu keskusteluissa, muistilapuissa, valkotauluissa ja kokemuksessa – ei järjestelmissä. Ihminen kokoaa tilannekuvan käsin Edellisten seuraus on selvä: ihminen toimii tuotannon tilannekuvan kokoajana. Koneenkäyttäjä, työnjohtaja tai suunnittelija yhdistelee mielessään tietoa eri järjestelmistä, koneiden äänistä, visuaalisista havainnoista ja kollegoiden kommenteista. Tämä toimii – usein hämmästyttävän hyvin. Mutta sillä on hintansa. Tilannekuva on henkilöriippuvainen, vaikeasti siirrettävä ja haavoittuva. Kun kokenut henkilö on poissa, näkyvyys kärsii. Kun kuormitus kasvaa, virheriski kasvaa. Digitaalinen tuotanto vaikuttaa ulospäin hallitulta, mutta todellinen hallinta perustuu näkymättömään inhimilliseen työhön, jota järjestelmät eivät tue riittävästi. Kyse ei ole teknologian puutteesta Tärkeä johtopäätös on, että ongelma ei ole teknologian puute. Dataa kerätään, automaatiota on ja järjestelmät ovat käytössä. Haaste on siinä, miten tieto muuttuu ymmärrykseksi. Tuotannon tilannekuva on sosiotekninen ilmiö: se syntyy ihmisten, järjestelmien ja automaation vuorovaikutuksessa. Jos tämä vuorovaikutus ei tue havainnointia, tulkintaa ja ennakointia, reaaliaikaisuus jää näennäiseksi. Mitä tästä seuraa käytännössä? Tutkimus ei pyri tarjoamaan valmista ratkaisupakettia, mutta se antaa selkeitä suuntaviivoja: • Reaaliaikaisuus ei synny lisäämällä mittareita, vaan parantamalla merkityksellisyyttä. • Koneiden näkyvyys ei riitä, jos työ jää näkymättömäksi. • Käyttöliittymissä tärkeintä ei ole määrä vaan priorisointi ja roolitus. • Järjestelmien tulisi tukea ihmistä tilannearviossa, ei vaatia ihmistä paikkaamaan järjestelmiä. Lisätietoja: www.tuova.fi • MIKAEL OLLIKAINEN, PROJEKTIPÄÄLLIKKÖ, LUT-YLIOPISTO • JUHA VARIS, PROFESSORI, LUT-YLIOPISTO • VALTTERI HAVUKAINEN, TUTKIMUSAPULAINEN, LUT-YLIOPISTO
RkJQdWJsaXNoZXIy MjU0MzgwNw==