Tavoite on investointien onnistuminen halutulla tavalla. Valitettavasti näin ei aina käy vaan ennakoimattomat yllätykset tuovat mutkia matkaan. Yleisin syy on se, että päätöksenteon pohjana on liikaa tunnetta ja liian vähän faktaa.

Jotta riittävä määrä faktaa saadaan päätöksenteon tueksi, pitää tietää, mitä dataa sen laskemiseksi tarvitaan. Kyseinen data haetaan eri menetelmillä ja siitä jalostetaan uutta dataa eli numeroita, joita tulkitsemalla tehdään päätös.

Seurauksena olevat skenaariot tulevat jo päätöstä tehtäessä selkeästi esiin sekä niiden todennäköisyydet ja todennäköisyyksien epävarmuudet. Päätösten seuraukset ovat hallitumpia, jos epävarmuudet on matemaattisen tarkasti oikein arvioitu.

Nyt on syytä tarkastella ennakkoluulottomasti kaikkia vakiintuneita ja uusia keinoja sekä yhdistellä niitä rohkeasti, jotta investointikynnystä voidaan alentaa ja maamme pysyy virkeänä. Suomalaista tekemistä on voitava ylläpitää ja lisätä.

Probabilistic Risk Assessment

Probabilistic Risk Assessment eli PRA on 1970-luvulla alun perin Apollo-ohjelman kuulentoja tukemaan kehitetty todennäköisyysmatematiikkaan perustuva menetelmä, jolla prosesseja ja niihin liittyviä riskejä voidaan mallintaa matemaattisesti täsmällisellä tavalla. Menetelmän avulla löydetään syy-seuraus -yhteyksiä monimutkaisissa toimintaympäristöissä, ja tämän tuloksena kokonaisuutta voidaan riskiperusteisesti optimoida.

Amerikkalaisten päästyä kuuhun PRA vaipui hetken horrokseen, kunnes se löi 80-luvun lopulla Tshernobylin ydinonnettomuuden jälkimainingeissa ryminällä läpi ydinvoimateollisuudessa. Jatkossa se levisi koko maailman ydinvoimateollisuuden vakiintuneeksi työkaluksi.

Tänä päivänä sitä käytetään mallinnus- ja kehitysmenetelmänä myös muilla korkean riskin aloilla, kuten öljynporauksessa sekä juna- ja lentoliikenteessä. Suomessa menetelmän osaajia on vähän ja siksi se ei ole vakiinnuttanut paikkaansa muualla teollisuudessa pienemmän riskin alueilla, joissa siitä olisi kuitenkin välitöntä hyötyä.

Matemaattisten menetelmien yhdistäminen tehokkaaksi työkaluksi

Analytiikan ja Big Datan hyödyntäminen on yleistynyt viime vuosina ja osaavissa käsissä suuresta datamäärästä voidaan ennustaa systeemin toimintaa. Oleellinen osa analytiikkaa on kehittää tilastomatemaattiset algoritmit, joiden avulla tapahtumia voidaan luokitella.

Algoritmeja pyritään kehittämään mahdollisimman tehokkaiksi, jotta ennustamisen tehoa osoittamaan käytettävää positiivisten ja negatiivisten virheiden osuutta voidaan minimoida. Algoritmien kehityksen myötä PRA:n merkitys on kasvanut, koska monimutkaista systeemiä ei voi ymmärtää kokonaisuutena puhtaasti analytiikan avulla.

Big Data -analytiikka tarvitseekin kaverikseen PRA:n, joka tarkastelee samaa asiaa hieman eri näkökulmasta. Näitä kumpaakin työmenetelmää järkevästi yhdistämällä saavutetaan paras mahdollinen ymmärrys monimutkaisestakin kokonaisuudesta. Menetelmät eivät pysty korvaamaan toisiaan, mutta yhdessä niillä saadaan luotua tarkimmat mahdolliset mallit ja ennusteet.

Uusi lähestymistapa käyttöomaisuuden hallintaan

Javier Solutions Oy :n perustaja Janne Viertävä kertoi tutustuneensa PRA:han ensi kerran vuonna 2006 työskennellessään STUK:ssa ydinvoimaloiden valvontatehtävissä. Monipuoliset työtehtävät ydinvoiman parissa ovat antaneet pohjan idealle, että menetelmää voi hyödyntää myös muualla teollisuudessa.

– Käyttöomaisuuden hallinta ei aina perustu matemaattisilla menetelmillä saatavaan tarkkuuteen, jolloin virhemarginaali saattaa olla suuri ja päätösten seurauksia on vaikea arvioida, toteaa Janne Viertävä.

– Siksi päätin tuoda matematiikan ja modernin analytiikan menetelmät teollisuuden ja sitä palvelevien yritysten käyttöön niin, että siitä on välitöntä teknistaloudellista hyötyä ja menetelmistä tulee yleisesti käytetty päätöksenteon tuki.

Pitkän kokemuksen osaamista teollisuusasiakkaille

Yrityksen toimintaan on tullut myös mukaan PSK Standardisoinnin entinen toiminnanjohtaja Jari Viertävä, jolla on 40 vuoden mittainen kokemus eri teollisuuden aloista ja niihin soveltuvista päätöksenteon työkaluista. Hän kertoi kiinnostuneensa kovasti uudesta matemaattisesta lähestymistavasta käyttöomaisuuden hallintaan.

– Yritys tukee liiketoimintaprosesseihin liittyvää päätöksentekoa auttamalla asiakasta hyödyntämään todennäköisyysmatematiikan ja tilastotieteiden uusia käytäntöjä. Asiakkaan menestyminen omalla alallaan niiden tuoman hyödyn avulla on paras tae ja oikeutus Javierin olemassaololle tulevaisuudessakin, kuvailee Jari Viertävä heidän liiketoimintaideaansa.

– Javierissa näen, että teollisuusalasta riippumatta suurin hyöty saavutetaan todennäköisyyspohjaisen PRA:n ja modernin data-analytiikan soveltamisessa silloin, kun elinkaarikustannuksia todella pyritään pienentämään. Nämä menetelmät sekä niiden yhdistämisen ja soveltamisen kehittäminen ovat yrityksen ydinosaamista. Tämä osaaminen siirtyy teollisuuteen edullisimmin yhteisen menetelmän yrityskohtaisella soveltamisella, hän täydentää.

Huippumatematiikasta käyttäjäystävälliseksi tuotteeksi

Saatavilla olevat PRA-ohjelmistot eivät tue päätöksentekoa suoraan taloudellisissa kysymyksissä tai elinkaarikustannusten mallintamisessa. Siksi yrityksille jää vaihtoehdoksi räätälöidä kuhunkin tilanteeseen sopiva sovellus, mikäli PRA-menetelmää haluaa soveltaa kunnossapidon ja käytön tehokkuuden sekä prosessien riskien, investointien elinkaarikustannusten tai sijoitetun pääoman tuottoa vertailtaessa.

PRA:n hyödyntäminen olisi tällöin hyvin työlästä ja suurta asiantuntijuutta vaativaa eli hyvin kallista. Kun tutkitaan prosessimuutoksia tai investointeja, tarvittavien ohjelmistojen rakenteissa on samanlaisia peruskomponentteja, joten paljon kustannustehokkaampaa on laatia yksi menetelmä, jota eri teollisuuden alat voivat käyttää omien prosessiensa mallintamiseen.

– Tähän tarpeeseen on tullut Meidor™, jota kehitetään pitkällä tähtäimellä niin käyttäjäystävälliseksi, ettei menetelmän käyttäjien tarvitse olla matematiikan tohtoreita tehdessään päätöksiä, toteaa Janne Viertävä.

– Menetelmää voidaan jo pilotoida projekteissa tai yksittäisissä toimeksiannoissa ja tuloksia voidaan hyödyntää asiakaskohtaisesti päätöksenteossa. Asiakas saa toimeksiannon päätteeksi veloituksetta Meidor™ -menetelmää soveltavan asiakasversion, jonka avulla voidaan itsenäisesti mallintaa ja kehittää prosessia.

– On kuitenkin muistettava, että pelkkä matematiikan osaaminen ei riitä, vaan prosessitekniikan ymmärtäminen ja teollinen kokemus ovat yhtä tärkeitä kehitettäessä menetelmää.

– Tässä vaiheessa menetelmää voidaan käyttää teollisuuden investointi- ja kunnossapitokohteissa sekä sen avulla palvelujen tarjoajat pystyvät arvioimaan tarjouksiinsa liittyviä riskejä. Tulevaisuudessa tavoitteena on kehittää käyttäjäystävällisempi käyttöliittymä, jolloin se voisi olla päätöksenteon jokapäiväinen työkalu.

Javier Solutions Oy

Teksti Martti Hakonen,  Promaint-lehti