Haastattelu: Vuoden OR-henkilö 2020 Peter Ylén

Suomen operaatiotutkimusseura on valinnut vuoden 2020 OR-henkilöksi VTT:n johtavan tutkijan), TkT Peter Ylénin. Ylén väitteli tohtoriksi vuonna 2001 Teknillisestä korkeakoulusta automaatio- ja systeemitekniikan alalta. VTT:llä Ylén on työskennellyt vuodesta 2005. Tätä ennen hän on toiminut InterQuest- ja Virable-yritysten johtotehtävissä sekä Vaasan yliopiston teollisen automaation professorina vuosina 2000-2001.

VTT:llä Peter Ylén on johtanut muun muassa systeemidynamiikan ja optimoinnin tutkimusryhmää sekä liiketoiminnan ekosysteemien ja ennakoinnin tutkimusaluetta sekä Työn murroksen painopistealuetta.  Tällä hetkellä hän vetää vaikutusten arvioinnin tutkimusryhmää. Näissä tehtävissään hän edistää systeemisten ratkaisujen käyttöönottoa erilaisten monimutkaisten teknisten, taloudellisten ja sosiaalisten järjestelmien arvioinnissa ja kehittämisessä. Viimeaikaisia esimerkkejä Ylénin tutkimuskohteista ovat täsmälääketieteen ekosysteemit, mediaekosysteemien liiketoimintamallit sekä asiakaslähtöiset hyvinvointipalvelut. Ylén on ollut mukana useassa EU:n ja Suomen Akatemian rahoittamassa tutkimusprojektissa, ja on tähänastisen uransa aikana julkaissut lähes 70 tieteellistä artikkelia ja raporttia.

Kysyimme vuoden OR-henkilön näkemyksiä systeemitieteiden höydyistä monimutkaisten ongelmien ratkaisussa, automaatiotekniikan ja operaatiotutkimuksen eroista ja yhtäläisyyksistä, sekä systeemitieteiden opiskelijoiden tulevaisuudennäkymistä.

Olet työskennellyt jo pitkään monimutkaisten, systeemisten ongelmien parissa. Millaisia hyötyjä olet havainnut systeemitieteen menetelmien soveltamisessa tällaisten ongelmien tarkasteluun?

“Ihmisillä on taipumus keskittyä ajallisesti ja paikallisesti rajattuihin, itseä lähellä oleviin asioihin. Tämän johdosta monet systeemiset takaisinkytkennät vaikuttavat riippumattomilta ulkoisilta muuttujilta. Systeemitieteen menetelmät ovat erinomaisia työkaluja taisteluun rajallista ajattelua ja osaoptimointia vastaan.”

Digitalisaatio, analytiikka ja tekoäly ovat kaikkein huulilla. Ovatko systeemitieteen menetelmien sovellusmahdollisuudet parantuneet trendin myötä?

“Sovelluspotentiaali systeemitieteiden menetelmille on parantunut merkittävästi.  Dataa ja laskentakapasiteettia on runsaasti saatavilla, ja samalla pöhinä digitalisaatiosta, analytiikasta ja tekoälystä on muuttanut asenteita tietopohjaista päätöksentekoa kohtaan. Tämä on toisaalta ylikorostanut datan ja analytiikan merkitystä narratiivisten systeemitieteiden kustannuksella tulevaisuuden hahmottamisessa.  Data kuvaa kuitenkin vain osaa systeemin merkittävistä suureista ja näitäkin vain historian ja nykytilan kantilta. Kun tarkastellaan nopeasti muuttuvaa systeemiä, kovalla datalla tehdyn ennustemallin aikahorisontti on melko lyhyt.  Epämuodollisen tiedon ja tulevaisuuden tutkimuksen menetelmien hyödyntäminen data-analytiikan tueksi olisi olennaista.”

Kuinka systeemitieteet mielestäsi eroavat muusta ”datapöhinästä”?

“Datapöhinä pitää sisällään kaiken tietokannoista, standardeista, arkkitehtuureista, datafuusiosta, jne., joita ei teknisellä tasolla usein lasketa mukaan systeemitieteisiin. Systeemitieteet taas pitävät sisällään sekä kvantitatiivisen datapohjaisen analyysin ja kvalitatiivisen asiantuntija-analyysin.  Tämä on kuitenkin veteen piirretty viiva ja määrittelyistä kiinni.  IT-asiantuntijoiden mielestä kaikki tämä on IT:tä ja systeemiteoreetikoiden mielestä taas systeemitieteitä.”

Automaatio- ja systeemitekniikka sekä operaatiotutkimus voidaan lukea kuuluviksi systeemitieteisiin. Mitkä ovat oman erikoisalasi eli automaatio-, säätö- ja systeemitekniikan erityispiirteet yleisempiin systeemitieteisiin verrattuna?

“Yleisesti katsottuna systeemitieteet keskittyvät takaisinkytkentöjen ja dynaamisten järjestelmien ymmärtämiseen. Historiallisesti automaatiotekniikan fokus on ollut autonomisissa systeemeissä, säätöteoriassa ja teknisissä sovelluksissa, kun taas systeemitieteiden alue on ollut huomattavasti laajempi sekä sovellusten että menetelmien osalta.  Tämä pieni ero on kuitenkin pienenemässä, kun automaatioratkaisut tulevat yhä kompleksisempien korkean tason systeemien hallintaan.  Tämä kehitys on luonnollista jatkumoa yksittäisen säätöpiirin problematiikan laajenemisesta monimutkaisempien ristikkäin kytkettyjen ja jopa tehtaanlaajuisten systeemien hallintaan.  Nykyään puhutaan liiketoimintaekosysteemien digitaalisista kaksosista, organisaatioiden päätöksenteon automaatiosta, jne.”

Millaisena näet systeemitieteiden tulevaisuuden? Onko näköpiirissä uusia sovelluskohteita, menetelmäkehitystä tai ristiinpölytystä muiden tieteenalojen kanssa?

“Kaikki asiat meidän ympärillämme koostuvat systeemeistä, joten systeemitieteet ovat erittäin relevantteja tulevaisuudessakin.  Dataa on enemmän kuten myös resursseja sen käsittelyyn.  Lisäksi hajautettujen systeemien lisääntyessä ja toimintaympäristön kiihtyvässä muutosnopeudessa on yhä suurempi tarve systeemitieteille ympäröivän maailman ymmärtämisessä ja toiminnan hallitsemisessa.

Merkittävä ristiinpölytysalue on kvantitatiivisten ja kvalitatiivisten menetelmien fuusio. Data- ja matemaattislähtöiset kvantitatiiviset menetelmät ja kvalitatiiviset menetelmät (kuten ennakointi, palvelumuotoilu, juurruttaminen ja vaikutusten arviointi) hyötyvät merkittävästi toisistaan.”

Mitä vinkkejä antaisit tulevia uranäkymiä pohtiville operaatiotutkimuksen tai automaatio- ja systeemitekniikan opiskelijoille?

“Tärkein vinkki on, että systeemitieteitä kannattaa opiskella – ne valmistavat kaikkeen mahdolliseen.  Mikäli hallitsee systeemi- ja operaatiotutkimuksen menetelmiä, niin voi aina halutessaan vaihtaa uraansa ja toimialueita kuin sukkaa.  Omalla kohdalla sovellusalueita ovat kaikki haastavat systeemit vaihtelevilla toimialoilla, kuten alueellinen kiertotalous, traumaattisen aivovaurion hoitoketju, nuorten syrjäytyminen ja mielenterveys, verkottunut projektiliiketoiminta, kaupunkisuunnittelu, ekosysteemien rakentaminen, tulevaisuuden liikenne – ja tässä on vain muutamia poimintoja. “

Operaatiotutkimus 2020-luvulla – riskienhallintaa ja niukkuuden jakamista

Musta joutsen – vai sittenkin likainen valkoinen joutsen?

Uusi vuosikymmenen on alkanut myrskyisissä merkeissä. Maa toisensa jälkeen ryhtyy tiukkoihin toimenpiteisiin koronapandemian leviämisen hillitsemiseksi. Ulkonaliikkumiskielloista ja muista rajoituksista huolimatta pandemian inhimilliset ja taloudelliset vaikutukset tulevat todennäköisesti olemaan massiiviset: ihmisiä menehtyy, yrityksiä kaatuu ja heikentynyt yksityinen kulutus johtaa työttömyyttä ruokkivan taantumakierteen pitkittymiseen.

Medioissa koronapandemiaan viitataan mustana joutsenena, eli äärimmäisen epätodennäköisenä tapahtumana, jolla on valtava vaikutus toimintaympäristöön ja ihmisten maailmankatsomukseen. Musta joutsen on tulevaisuudentutkijoiden kielellä ”tuntematon tuntematon” eli tapahtuma, jota ei pystytä mitenkään ennakoimaan.

Tosiasiassa koronapandemia on mustan joutsenen sijaan likainen valkoinen joutsen. Likainen valkoinen joutsen yllättää mutta vain siksi, että ihmisten kognitiiviset mallit ja ajatusvinoumat hankaloittavat varoitusmerkkien havaitsemista ja menneestä oppimista. Useimmilla meistä on taipumusta esimerkiksi ylioptimismiin ja negatiivisten tapahtumien todennäköisyyden vähättelyyn. Konservatiivisuusvinoumasta johtuen reagoimme uuteen tietoon liian hitaasti ja vähäisesti, sillä uskomme kaiken loppujen lopuksi jatkuvan entiseen malliin. Varoitusmerkkejä koronan kaltaisesta pandemiasta väläyteltiinkin jo vuonna 2018, kun Maailman terveysjärjestö WHO lisäsi ihmiskuntaa uhkaavien sairauksien listalle Tauti X:n. Tauti X määriteltiin tuolloin todennäköisesti eläimistä peräisin olevaksi virukseksi, joka lähtee liikkeelle sellaisesta maailmankolkasta, jossa nopea talouskehitys ajaa ihmisiä ja villieläimiä lähelle toisiaan (HS, 14.3.2020). Matkustamisen ja kaupankäynnin nähtiin edistävän taudin hiljaista ja nopeaa leviämistä. Kuulostaako tutulta?

Voiko operaatiotutkimus auttaa välttämään likaisia valkoisia joutsenia?

Monimutkaisessa maailmassa tulevaisuuden ennustaminen on mahdotonta. Erilaisiin tulevaisuuksiin voidaan kuitenkin varautua skenaarioiden avulla. Skenaarioita luodaan perinteisesti joko täysin datapohjaisesti (esimerkiksi yhdistelemällä erilaisia aikasarjamalleihin perustuvia ennusteita tärkeiksi nähdyistä muuttujista) tai täysin intuitiivisesti (esimerkiksi tunnistamalla kaksi tulevaisuuden kannalta tärkeintä epävarmuustekijää ja luomalla skenaariot näiden tekijöiden ääritulemien ympärille tarinankerronnallisin keinoin).

Datapohjaisten mallien ongelmana on, että ne yksinkertaistavat epävarmuuden vain sellaisiin muuttujiin, joista on saatavilla kvantitatiivista dataa. Tällainen data on myös aina kuvaus menneisyydestä, eikä sen ennustuskyky riitä pitkälle tulevaisuuteen – eikä etenkään tavoita täysin ennennäkemättömiä kehityskulkuja. Intuitiiviset skenaariot taas ovat alttiita erilaisten kognitiivisten rajoitusten ja vinoumien vaikutuksille.

Operaatiotutkimuksen menetelmillä kyetään hyödyntämään kvantitatiivisten ja intuitiivisten menetelmien parhaat puolet. Menetelmät mahdollistavat esimerkiksi asiantuntijoiden luovan ja kriittisen ajattelun valjastamisen syötteeksi matemaattiseen malliin, joka auttaa tunnistamaan muutaman uskottavan mutta keskenään erilaisen skenaarion jatkotyöstöä varten (Tietje 2005, Seeve 2018). Parhaimmillaan tällaiset mallit hyödyntäisivät sekä kvalitatiivista asiantuntijatietoa että suuria kvantitatiivisia datamassoja esimerkiksi siten, että skenaarioita voitaisiin automaattisesti päivittää tärkeiksi katsottuja indikaattoreita seuraamalla tai uutisaineistoja louhimalla. Ehkä WHO:n Tauti X olisi tällaisella menettelytavalla päätynyt kansallisten varautumisskenaarioiden joukkoon?

Matemaattisilla menetelmillä riskienhallintaa ja kustannusvaikuttavuutta rajallisten resurssien käyttöön

Operaatiotutkimuksen tavoitteena on tukea parempia päätöksiä. Näin ollen pelkkä epävarmuuden hahmottaminen eri riitä, vaan on myös mietittävä, millaisilla toimenpiteillä erilaisissa skenaarioissa voidaan pärjätä.

Korona-ajassa päätöksiä tulee tehdä muun muassa testattavien valintaperusteista, testaus- ja hoitokapasiteetin lisäämisestä, sosiaalisen kanssakäymisen rajoituskeinoista eri ihmisryhmille sekä taloudellisista tukitoimista yrityksille ja yksityishenkilöille. Näiden päätösten vaikutukset eri tavoitteiden näkökulmasta ovat epävarmat: ei esimerkiksi ole selvää, kuinka paljon sosiaalisen kanssakäymisen rajoituskeinot tarkalleen vähentävät taudin leviämistä tai kuinka hyvin tukitoimenpiteet onnistuvat taloudellisen taantuman lyhentämisessä ja eriarvoistumisen hillitsemisessä. Lisäksi tavoitteet voivat olla keskenään ristiriidassa: tiukat rajoitukset sosiaaliseen kanssakäymiseen hillitsevät taudin leviämistä, mutta tuottavat samalla laajoja kerrannaisvaikutuksia Suomen talouteen. Resurssien rajallisuus taas tarkoittaa, että panostukset yhteen toimenpiteeseen ovat pois muualta – esimerkiksi laajamittaisella testaamisella voitaisiin hillitä oireettomien supertartuttajien vaikutusta viruksen leviämisessä, mutta tämä söisi resursseja hoitopuolelta.

Operaatiotutkimuksen menetelmillä on paljon annettavaa näiden vaikeiden päätösten tukemiseen. Simulaatiomalleilla voidaan testata vaihtoehtoisten päätösstrategioiden vaikutuksia eri tavoitteisiin eri skenaarioissa. Päätösanalyyttisilla lähestymistavoilla voidaan mallintaa näkemyksiä ristiriitaisten tavoitteiden yhteensovittamisesta. Mikäli tavoitteiden painotuksista ja riskiasenteista päästään yhteisymmärrykseen, voidaan optimointimalleilla tunnistaa kustannusvaikuttavimmat toimenpiteet rajallisten resurssien käyttöön. Aloitteita operaatiotutkimuksen hyödyntämiseen koronaepidemian vaikutusten hillinnässä on tehty. Näistä kuulemme toivottavasti pian lisää.

Terveyttä ja jaksamista poikkeusaikaan toivottaen,

TkT Eeva Vilkkumaa
Suomen operaatiotutkimusseuran puheenjohtaja
Apulaisprofessori (management science), Aalto-yliopiston kauppakorkeakoulu

Seeve, T. (2018). A structured method for identifying and visualizing scenarios.

Tietje, O. (2005). Identification of a small reliable and efficient set of consistent scenarios. European Journal of Operational Research. 162. 418-432. 10.1016/j.ejor.2003.08.054.