Ideasta liiketoiminnaksi: ”Tarkempi ennuste vaatii uudenlaista dataa”

Sääennusteet perustuvat fysikaalisiin malleihin ja sääasemilta, satelliiteista ja muista lähteistä saatuihin mittauksiin. Maanpinnan lähellä olevaa ilmakehää, jossa tuuli- ja aurinkovoimaa tuotetaan, on kuitenkin vaikea mitata tarkasti.

WeatherSens AI pyrkii paikkaamaan tätä aukkoa. Drooni lentää pystyprofiileja ilmakehän alimmassa kerroksessa ja mittaa tuulta, lämpötilaa, kosteutta ja ilmanpainetta maanpinnan läheltä muutaman sadan metrin korkeuteen. Koneoppimismalli käyttää mittauksia tavallisten sääennusteiden paikalliseen korjaamiseen ja tarkentamiseen.

Tuulivoiman tuottajille näillä paikallisilla, tarkemmilla ennusteilla voi olla suoraa taloudellista arvoa. Tuulivoimalat ilmoittavat kantaverkkoyhtiölle etukäteen, kuinka paljon ne tuottavat sähköä, jolloin ennusteen ja toteutuneen tuotannon erot mitataan myös rahassa.

”Aloitimme käytännössä nollasta”, Li kertoo. ”Ensin piti selvittää, onko paikallinen säätieto maailmanlaajuisesti kiinnostava kysymys, ja onko se riittävän merkittävä, että joku olisi valmis maksamaan sen ratkaisemisesta.” Tiimi tuli siihen tulokseen, että on. Sitten piti todistaa se. 

Mitä apuraha mahdollisti?

Tiimillä oli varhainen prototyyppi, kun se sai Aalto-yliopiston innovaatioapurahan. Tässä vaiheessa monet tärkeimmistä tuoteidean oletuksista olivat vielä testaamatta. ”Idea oli niin alkuvaiheessa, ja olisi ollut suuri riski käyttää siihen omia rahojamme”, Laakso sanoo. ”Apurahan ansiosta pystyimme testaamaan joitakin riskialttiita asioita, joita emme muuten olisi voineet testata.”

Apuraha antoi resursseja kehittää ja testata konseptia pidemmälle. Seuraava versio oli kooltaan pienempi ja suunniteltu toimimaan droonin kanssa. Se osoitti, että mittausjärjestelmä pystyi tuottamaan käyttökelpoista signaalia eikä pelkkää kohinaa. 

”Me emme tee sitä, vaan hyödynnämme valmista ennustetta ja korjaamme sitä paikallisesti todellisten mittausten avulla. Se on edullista toteuttaa, ja data tulee juuri sieltä, missä kulloinkin ollaan. Tarkempi ennuste vaatii uudenlaista dataa.”

Laitteiston rakentaminen on toki hitaampaa kuin ohjelmistojen, Nordström myöntää. ”Hitaampaa, mutta vaikeampaa kopioida.”

Mitä oppeja saitte asiakkailta?

Tiimi aloitti keskustelut tuulivoiman tuottajien kanssa. Kiinnostusta oli, mutta energiayhtiöt toivoivat todennettua tarkkuutta, eikä järjestelmä ollut vielä valmis osoittamaan sitä. Niinpä tiimi kokeili toista markkinaa: vesilautailu- eli wakeboarding-yrityksiä, joille paikallisilla tuuliolosuhteilla on niin ikään merkitystä. Pienet yritykset olivat valmiita kokeilemaan varhaista prototyyppiä, ja tiimi sai ensimmäiset asiakkaansa. Tarve oli sama, mutta kausiluonteisessa liiketoiminnassa pilotit eivät jääneet pysyviksi.

Jälkikäteen Li pitää kokemusta tärkeänä oppina. Energia-alalla tarve ja kiinnostus olivat selvät, mutta tiimi ei ollut vielä panostanut alaan tarpeeksi aikaa. ”Meidän olisi pitänyt vain jatkaa tuotteen kehittämistä ja keskittyä energia-alalle. Emme voi olettaa asiakkaiden haluavan maksaa keskeneräisestä tuotteesta, kun tarkkuus on avainasemassa.”

Mitä tapahtuu seuraavaksi?

Tiimi työskentelee nyt haastamalla jatkuvasti omia oletuksiaan. ”Haluamme kumota omat hypoteesimme mahdollisimman nopeasti”, Li sanoo. ”Emme kysy, onko tämä sensori oikeassa paikassa, vaan kysymme, voimmeko jättää tämän sensorin kokonaan pois? Voimmeko ostaa tämän valmiina? Voisiko tämän tehdä jollain toisella, tehokkaammalla tavalla?”

Tavoitteena on järjestelmä, joka tuottaa niin tarkkaa dataa, että asiakkaat ovat valmiita maksamaan siitä ja luottamaan siihen. Tiimi todentaa nyt järjestelmän tarkkuutta kenttätesteissä, joissa mittauksia verrataan referenssimittauksiin. ”Etsimme yhteistyökumppaneita, jotka haluavat auttaa ratkaisemaan sääennusteisiin ja tiedonkeruuseen liittyviä ongelmia – myös muiden alojen tarpeisiin”, Nordström sanoo. 

Opiskelijoiden innovaatioapuraha siivittää varhaisia tuoteideoita

Innovaatioapuraha tarjoaa Aalto-yliopiston opiskelijatiimeille nopeaa ja joustavaa tukea 500–5 000 euroa prototyypin rakentamiseen, testaamiseen tai sen selvittämiseen, toimiiko tuoteidea käytännössä. Apuraha voi ratkaista sen, jääkö lupaava idea paperille vai saako se mahdollisuuden kehittyä.

WeatherSens AI käytti saamansa apurahan varhaisten prototyyppien rakentamiseen ja testaamiseen. Rahoitus antoi mahdollisuuden ottaa riskejä, oppia siitä, mikä ei toiminut, ja jatkaa idean kehittämistä.

Lahjoittamalla yrittäjyydelle ja innovaatioille autat opiskelijoita silloin, kun pienelläkin tuella on ratkaiseva merkitys. Samalla vahvistat ympäristöä, jossa hyvät ideat saavat mahdollisuuden kasvaa tulevaisuuden ratkaisuiksi.

Lahjoita tänään – pienikin lahjoitus voi edistää suuria ideoita.