Tekniikassa on aina käytetty malleja niin tuotteiden ominaisuuksien kuin valmistusprosessien hallintaan. Tänäpäivänä huipputekniikka on mallipohjaista tekniikkaa. Asiakas harvoin tiedostaa kuinka paljon matemaattisia malleja hän tulee hyödyntäneeksi ostaessaan esimerkiksi kännykän tai paperikoneen. Tässä esityksessä haluan korostaa mallintamisen kenttää yleisesti ja tuoda esiin systeemi- ja operaatiotutkimuksen osa-alueeseen kuuluvia kasvavan tärkeitä mallintamis-näkökulmia. Tämän alueen oppilasmäärältään suurin ja ainoa siihen erikoistunut koulutusyksikkö on Teknillisen korkeakoulun Systeemianalyysin laboratorio.

Mallin käsitteellä on yleiskielessä monia eri merkityksiä ja nämä heijastuvat vastaavasti matemaattisten mallien puolella. Yksi jaottelutapa on erottaa todellisuutta jäljittelevät mallit ja esikuvamallit. Jäljittelystä helpoimpia esimerkkejä ovat vaikkapa kartta tai toisaalta fysiikan laki tai teoria. Kun yhdistetään tällaisia lainalaisuuksia voidaan jäljitellä eli simuloida toimintaa eri rakenteilla ja eri ympäristötilanteissa. Simulointi on hyvin tärkeä nykyaikainen tekniikka. Se on edullinen ja turvallinen tapa testata järjestelmiä ja opettaa niiden toimintaa esimerkiksi käyttöhenkilökunnalle. Tilastollinen malli tai tunnusluku on taas eräs yksinkertaistettu malli kuvata havaintoaineistoa.

Esikuvamalleilla pyritään kuvaamaan toteutettavaksi haluttua tilannetta. Rakennepiirustus tai vaikkapa muodin malli ovat tutuimpia tällaisia. Tekniikassa tavoitellaan tehokkuutta optimointimallilla tai toiminnan hallintaa säätömallilla. Älykkäissä järjestelmissä on aina oltava joku malli tai periaate mekanismista, jolla oppiminen tapahtuu. Esimerkiksi keinotekoinen hermoverkko on perinteistä lineaarista tilastomallia yleisempi tapa kuvata havaintoaineistoa. Hermoverkko opetetaan eli sovitetaan kuvaamaan aineistoa mahdollisimman hyvin. Uudet niinsanotut geneettiset optimointialgoritmit ovat myös tapa oppia hakemaan ratkaisua etenemällä kokeiluissa luonnosta otettuja jakaantumis- ja mutaatioperiaatteita jäljitellen. On havaittu, että joissakin erityisissä ongelmatyypeissä päästään näin hyvään ratkaisuun.

Systeemitekniikan lähtökohta on käyttää malleja kokonaisuuksien hallintaan. Ajatuksena on, että usein kokonaisuus on enemmän kuin osiensa summa. Tekniikan ja sen yhteiskunnallis-taloudellisen ympäristön monimutkaistuessa on tämä näkökulma tulevaisuudessa entistä tärkeämpi. Tähän liittyen on tarve perinteisten optimointi- ja todennäköisyyslaskennan uusien mallien ja työkalujen käyttöön kasvavan tärkeää.

Perinteinen yhden kriteerin suhteen optimointi on tänään erittäin vahvassa käytössä erityisesti tietoliikenne- sekä prosessien ja energianhallintajärjestelmissä. Uudetkaan teoreettiset ratkaisualgoritmit eivät kauan joudu vanhenemaan tai odottamaan sovellutuksia. Ainakin tietoliikenteessä on tuotteiden oltava parhaita mahdollisia ja siksi kaikki mahdolliset optimointitavat otetaan siellä heti käyttöön. Tuotteilla on nykyisin usein monia toivottuja ominaisuuksia ja tämä johtaa aivan uudenlaiseen niinsanottuun monitavoiteoptimointiin. Siinä optimin käsite laajenee ja tehokkuuden tai paremmuuden vertailu jakantuu toisaalta ei-tehokkaiden vaihtoehtojen eliminointiin ja toisaalta tuotteiden ominaisuuksien, siis kriteerien keskinäiseen priorisoinnin kautta tapahtuvaan paremmuuden määrittelyyn.

Peliteoria kuvaa tilanteita, missä optimoivia toimijoita on useita. Markkinat ovat tästä tyypillinen esimerkki. Tulevaisuudessa voidaan toteuttaa peliteoreettisella simuloinnilla keinotekoiset markkinat ja arvioida niiden avulla erilaisia kapasiteetti- tai hinnoittelustrategioita. Tällaisia sovellutuksia on jo tietoliikenneverkoissa ja sähkömarkkinoilla.

Riskimallit ovat pyrkimys optimaalisesti hallita epävarmuutta. On itsestään selvää, että tulevaisuudessa on tuotteiden ja järjestelmien laatu ja luotettavuus hallittava. Vaikka laatuominaisuuksia voidaan edistää monin tavoin, on niiden hallintaa varten oltava tapoja kvantitatiivisesti mitata laatua. Tähän on olemassa joukko todennäköisyyspohjaisia mallintamismenetelmiä. Epävarmuutta on myös hallittava kapasiteettiarvioissa uusien markkinoiden varalta. Ehkä tärkein uusi insinöörien tarvitsema riskianalyysin näkökulma on sopimusten hallinta ja hinnoittelu. Laajoissa projekteissa on riskejä sekä toteutuksen monissa vaiheissa että osapuolissa.

Vapautuvilla sähkömarkkinoilla käydään kauppaa sähköstä niin hetkittäin kuin tulevaisuuteen yltävillä johdannaissopimuksillakin. Tulevaisuuden hinta- ja toimitusepävarmuutta varten voi olla tarpeen suojautua joillakin toisilla sopimuksilla tai finanssimaailman rahoitusinstrumenteilla. Tätä rahoitusteorian tuotteiden kehittelyä ja analysointia on sen laajan mallintamismetodisen osaamisen vaatimusten vuoksi alettu kutsua rahoitusteknologiaksi. Jo nyt oppilaamme sijoittuvat tälle kentälle ja voi olla piankin aika kun se on varsinainen oppiala kouluissamme.

Teknologian ennakointi

Tuotteen elinkaari

Ympäristövaikutukset

Markkinat

Kokonaisuuden hallinta ja optimointi

Tekniikka ei enää elä irrallaan ympäristöstä. Tuote ja tuotanto muodostavat ketjun, jonka eri vaiheissa on tarpeita systeemilähestymistapaan alkaen teknologian kehityksen ennakoinnista tuotteen elinkaarianalyysiin ja markkinat huomioonottavaan kokonaisoptimointiin.

Ympäristökysymyksissä joudutaan kohtaamaan niin asiakkaiden kuin yhteiskunnallisten intressitahojen arvojen erilaisuudet. Riskit ovat myös helposti subjektiivisia ja moniulotteisia, jolloin arvoja on käsiteltävä läpinäkyvästi. Tätä tukemaan käytetään päätösanalyysin malleja ja lähestymistapoja, joita on jo nyt menestyksekkäästi sovellettu niin ydinvoimalaratkaisuissa kuin ympäristön kehittämishankkeissa. On aivan selvää, että arvonäkökulman huomioonottotarpeet tulevat vain voimistumaan.

Taulukkolaskinohjelmistot ovat viime vuosien läpimurto. Se on insinöörille nykyajan laskutikku. Tuttu ja visuaalinen käyttöliittymä on madaltanut olennaisesti mallintamiskynnystä. Jo nyt on tässä ympäristössä tarjolla monipuolisia ratkaisijoita realistisen kokoisia tilasto-optimointi- ja riskianalyysitehtäviä varten. Samalla kun taulukoihin kootaan tietoaineistoja, voidaan niistä helposti tehdä mallintamisjalosteita.

Erittäin merkittävä harppaus on jo alkanut tapahtua internetin käytön laajentuessa. Internet on tulevaisuuden mallipankki. Malleja ylläpidetään niissä keskuksissa, missä teorian kehittäjät ja osaajat ovat. Soveltajat saavat ne käyttöönsä mistä tahansa maailmassa riippumatta tietokonelaitteistoista. Sitä, missä koneessa laskenta tulee tapahtumaan, ei käyttäjän tarvitse tietää. Eräs ensimmäisiä tällaisia sovellutuksia on laboratoriossamme kehitetty vuorovaikutteinen päätöksenteon tukiohjelma web-HIPRE. Sillä voidaan esimerkiksi helposti visualisoida jonkin kansainvälisen teknologiahankkeen ympäristövaikutukset ja tehdä arvovertailuja vaikutusten merkityksestä eri kulttuurien näkökulmista.

Tässä esityksessä kuvaamani alue matemaattista mallintamista on uskoakseni voimistuva teknologiatrendi, joka tulee sisäistymään osaksi hyvin monia tekniikan aloja. Alan tietolähteille pääsee helposti esimerkiksi Systeemianalyysin laboratorion kotisivulta.