Hackathon‑projekti toi uusia innovaatioita.
Asiakkaan toiveena oli tutkia teollisen prosessidatan hyödyntämistä Elastic Cloud ‑ympäristössä ja löytää uusia tapoja tuottaa arvoa datasta. Osaajille annettiin vapaat kädet kehittää ratkaisuja, joissa yhdistyivät tekninen ongelmanratkaisu, käytännön asiakasymmärrys ja modernit teknologiat.
“Suosittelen hackathon‑projektia yrityksille, jotka etsivät tuoreita näkökulmia ja uusia ratkaisuja omiin kehitysideoihinsa.” – Laura Leskinen, Business Director, PlantSys
Uusia ideoita tuotekehitykseen
Hackathon-projektin haaste suunniteltiin yhdessä kood/Sisun, Documtecin ja PlantSysin välillä. Teknisten tulosten lisäksi hackathon‑projekti synnytti yrityksille uusia ideoita ja konkreettista lisäarvoa. Projekti auttoi tunnistamaan kehitysmahdollisuuksia, jotka voivat parantaa järjestelmien luotettavuutta, syventää asiakasymmärrystä ja tukea ennakoivaa kunnossapitoa. Nämä tekijät vaikuttavat suoraan operatiiviseen tehokkuuteen ja asiakastyytyväisyyteen.
“Hackathon-projektin ideana oli innovointi. Haimme laatikon ulkopuolisia ratkaisuja, uusia näkökulmia ja ideoita datan hyödyntämiseen – dataan, joka usein unohtuu perinteisissä kehitysprojekteissa. Emme odottaneet valmista tuotetta, vaan nimenomaan uusia avauksia.” Laura Leskinen, Business Director, PlantSys
Hackathon‑projekti tarjosi nopean ja matalariskisen tavan tutkia täysin uusia suuntia. Kehittäjät pystyivät kokeilemaan useita ratkaisuvaihtoehtoja lyhyessä ajassa ja esittivät työnsä, mikä avasi uusia näkökulmia dataympäristön monipuolisiin käyttömahdollisuuksiin.
Kokemusta ja yhteistyötä
Hackathon‑projekti koettiin arvokkaaksi tavaksi tutkia kehitystyötä uudesta näkökulmasta.
“Oli inspiroivaa nähdä osallistujien motivaatio ja saimme paljon ideoita lyhyessä ajassa. Olemme ottamassa Elasticsearchin osaksi omaa tuotettamme, ja oli hienoa huomata, että lähes kaikki saivat sen toimimaan nopeasti.”
Hackathonissa kehitettiin asiakkaalle nopeasti monta eri prototyyppiä 48 tunnin sisällä.
Ratkaisumme sisälti:
- Laitoksen alijärjestelmien mallintaminen ja visualisointi
- Ratkaisussa rakennettiin näkymiä, jotka tekevät monimutkaisesta prosessidatasta helposti ymmärrettävää.
- Automaattinen ajallinen vertailuanalyysi
- Järjestelmä vertasi historiallista dataa reaaliaikaisiin tapahtumiin ja etsi automaattisesti poikkeamia.
- Poikkeamien juurisyiden tunnistaminen
- Ratkaisu osasi erottaa kertaluontoiset virheet toistuvista ongelmista.
- Tekoälyyn perustuvat kunnossapitoparannukset
- AI‑malli antoi suosituksia siitä, mitä toimenpiteitä tulisi tehdä, milloin ja miksi.
- Mahdollisuus hyödyntää promptausta todellisessa käyttötilanteessa
- Järjestelmään sisältyi mekanismi, jossa AI:ta voidaan ohjata luonnollisella kielellä kysymyksin ja tehtävin.
Lopputuloksena syntyi automaattinen data-analyysijärjestelmä, joka tekee johtopäätöksiä ja ehdottaa kunnossapitotoimia datan ja havaittujen poikkeamien perusteell
“Ratkaisu nosti kunnossapidon ja palvelun ytimeen. Tekoälypohjaiset suositukset ja promptauksen hyödyntäminen olivat meille erityisen arvokkaita.”
