valonohjausjärjestelmätTekoälyä ja koneoppimista käytetään nykyisin yhä useammissa yhteyksissä, joita ei välttämättä tulisi edes ajatelleeksi. Yksi näistä on älykkäät valonohjausjärjestelmät, joiden edelläkävijä suomalainen valaisinvalmistaja Helvar on. Helvarin Solutions Development Manager Matti Vesterinen on yksi tämänvuotisen Tulevaisuuden tuotekehitys -seminaarimme puhujista, ja nyt hän vastaa kysymyksiimme koneoppimisen hyödyntämisestä Helvarin uusissa innovatiivisissa valaistussysteemeissä.

Miten koneoppimista käytetään valaisemisessa?

Helvarin itseoppivassa langattomassa valaistusratkaisussa valaisimet kertovat toisilleen mesh-verkon avulla, milloin valaisimen liiketunnistin tunnistaa liikettä. Vertaamalla läheisten valaisimien liiketunnistusten suhdetta omiin liiketunnistuksiin valaisin oppii seuraamaan toisia valaisimia, joiden se uskoo olevan samalla yleisellä kulkureitillä. Oppimisessa hyödynnetään sumeaa logiikkaa.

Mitä hyötyä älykkäästä valaisusta on?

Itseoppiva älykäs valaistus lisää käyttömukavuutta ja optimoi energiasäästöä. Lisäksi valaistusjärjestelmän käyttöönottovaihe lyhenee ja parhaassa tapauksessa siitä jää kokonaan vaiheita pois.

Mistä lähtien tekoälyä on käytetty valaisusysteemeissä?

Helvarin itseoppiva langaton valonohjausjärjestelmä on tekoälyn osalta etulinjassa valaistuksen alalla. Järjestelmä on ollut myynnissä vuoden 2017 alusta. Aihe on noussut kiinnostavaksi myös valaistuksen alalla.

Miten systeemi on kehitetty?

Helvarilla oli jo ennen mesh-verkossa toimivaa itseoppivaa järjestelmää yhden valaisimen järjestelmä, joka oppii itsenäisesti omasta ympäristöstään. Tämän järjestelmän oppien pohjalta syntyi idea jatkokehittää itseoppimista valaisinverkkoratkaisuun. Kehityksessä ei ole rajoituttu perinteisen valaisinohjauksen sääntöihin vaan lähdetty käyttäjien tarpeista ja pureuduttu perinteisten järjestelmien kipupisteisiin.

Kuinka yleinen se on?

Järjestelmä on ollut tähän asti myynnissä Suomen lisäksi rajatulla asiakasryhmällä Suomen ulkopuolella. Olemme halunneet pilotoida ratkaisua ja kehittää sitä eteenpäin palautteen perusteella. Kiinnostus on ylittänyt kaikki odotuksemme ja nyt katsomme myynnin laajentamista.

Mitkä ovat isoimmat haasteet koneoppimisen hyödyntämisessä valaistuksen suhteen?

Radikaalisti uuden järjestelmän vieminen markkinoille on aina haastavaa. Monille on ollut vaikea uskoa, että ratkaisu todella toimii käytännössä. Vasta sen kokeminen käytännössä on avannut monen silmät, jonka jälkeen he ovat usein nopeasti nähneet lisää mahdollisuuksia järjestelmälle. Haasteita on olut kaikissa rajapinnoissa: järjestelmän markkinointi ja dokumentointi vaatii aiemmasta poikkeavaa lähestymistapaa, sen myyminen poikkeaa aiemmasta ja luonnollisesti myös kehitys ja testaus poikkeavat perinteisistä valaistusohjausjärjestelmästä.

 

Valonohjausjärjestelmät pohjautuvat pitkälti kontrolliin ja systeemin mahdollisimman tarkkaan tuntemiseen. Seminaaripuheessaan Matti käy läpi konkreettisia oppeja itseoppivan valonohjausjärjestelmän kehittämisestä. Esityksen houkutteleva otsikko on “The Challenge of Not Knowing” – tule kuuntelemaan se 24.5. Musiikkitalolla!

 

Share This