Alv Logo
Del

6 ukers prosjekterfaring for årets studenter

En ny sommer er forbi, og studentene i Alv har avlagt seks intensive uker med frustrasjon, glede og mestringsfølelse. I år har studentene gjennom kundespesifikke prosjekter fått bryne seg på reelle problemstillinger når det gjelder optimalisering av avanserte stillasoppsett og predikasjon av vedlikehold på strømkabler mange hundre meter under vann. Slik har årets sommerprosjekt vært!

I år tok vi imot fire studenter; Øyvind, Nils, Kristian og Andreas. Alle skulle jobbe på prosjekt hos en av våre største kunder, Aize. Studentene var en del av Aize Machine Learning Camp der totalt 15 studenter deltok. Studentene ble fordelt på tre grupper, der studentene fra Alv jobbet i par og var representert i to av gruppene.

Utfordringer og mestringsfølelse

- Oppgaven vi var satt på var å optimalisere plasseringen av stilas på et gitt område, gitt visse begrensninger. Poenget med denne oppgaven er å spare tid. Både for stilasingeniøren som skal modellere stilaset, men først og fremst for å spare tid ved oppbygningen av selvet stilaset så det ikke må gjøres om på etter at det er satt opp, forteller Kristian som er på prosjekt sammen med Øyvind.

Litt av poenget med en sommerjobb er å utfordre seg selv og å prøve nye ting.

- Jeg har aldri vært borti matematisk optimalisering før, men føler jeg har lært veldig mye på kort tid. Målet mitt med sommerjobbene jeg har valgt, er egentlig å lære nye ting, så jeg er veldig fornøyd med det, forteller Øyvind.

- Jeg har litt erfaring med optimalisering, men da har modellene vært gitt på forhånd eller vært enkle å modellere. Kanskje viktigere har de vært kontinuerlige, og ikke diskret som dette problemet, fortsetter Kristian.

Nils og Andreas har på sin side jobbet med å predikere gjenværende levetid på undersjøiske strømkabler. Dette kan spare kunden for mye tid og penger.

- Disse strømkablene er veldig dyre og de tar lang tid å produsere. Derfor ønsker kunden å predikere minst et år i forveien når kablene må byttes, forteller Andreas.

Det ble en tøff start for dette prosjektet, og det tok flere uker med prøving og feiling.

- Allerede den første uken møtte vi egentlig på den første store utfordringen. Datasettene hadde store avvik, og mange anomalier som verken kunne forklares av kunde eller fysikk. Videre prøvde vi å ekstrahere funksjoner fra dataen til å spå fremtiden. Det også viste seg å være vanskelig. Vi følte at vi møtte mange blindveier, forteller Nils.

Etter noen gode møter med veilederen for prosjektet satt gjengen igjen med godfølelsen, men også nå tok det ikke lang tid før planene falt igjennom på grunn av dårlig data og usikre målinger. De ga imidlertid ikke opp av den grunn.

- Etter flere møter med både veilederen vår og flere andre på huset, skjønte vi at slike perioder var vanligere enn vi trodde. Vi ble anbefalt å ta to steg tilbake og implementere de simpleste metodene for prediksjon for å ha noe å bygge videre på. Det hjalp oss igang, forteller Andreas.

Sommerstudentene var nå halvveis, og ferdig med sine tre første uker. Mens prosjektet til Nils og Andreas stadig møter utfordringer har gruppen til Øyvind og Kristian virkelig fått fart på sakene.

- Allerede i uke to hadde vi kommet ganske godt i gang. Som Øyvind sa: “vi har fått til det enkle”. Vi hadde funksjonalitet for å hente ut data, plotte inn i 3D, og løse et optimaliseringsproblem uten obstruksjoner for stillaset og plotte resultatet, forteller Kristian.

- Vi avsluttet uken med en matematisk formulering av obstruksjoner, men vi fikk ikke helt til å implementere den, skyter Øyvind inn.

Problemet var heldigvis kjent fra før, og gruppen fant svaret på et forum for Gurobi (optimizeren de brukte). Selv om de nå hadde funnet en løsning for å kjøre optimaliseringen tok det for lang tid å kjøre den. Så lang tid at de ikke kunne vente på at den skulle ferdigstilles.

- Det var litt laber stemning da, forteller Kristian.

Når det endelig løsner: - Det var en berg-og-dalbane

- Enkelt forklart begrenset vi hvor mange spir modellen kunne sette. Plutselig kjørte optimaliseringen på under et halvt minutt. Det var et sjokk for oss. Det var virkelig en berg-og-dalbane i skuffelser og gleder, forteller Øyvind.

Ved ukeslutt midtveis var det klart for sprint-demo. Alle gruppene presenterte sine prosjekter for de andre gruppene, samt de ulike interessentene. Mens stillasgjengen nå var kommet godt i gang, og brukte resultatet og tilbakemeldingene fra demoen til å jobbe videre med prosjektet, var det nå ting endelig virkelig begynte å rulle for Nils og Andreas i prediksjonsgjengen.

- Midtveis bestemte vi oss for å gå litt bort fra predikasjon, da det rett og slett var for store avvik og for mye støy for å kunne bruke klassiske maskinlæringsmodeller. Vi begynte å se nærmere på og algoritmisk kunne klassifisere og gjenkjenne nedgående trender i kabelens tilstand, forteller Andreas.

På denne måten klarte gruppen å komme opp med to ulike løsninger som responderte overraskende godt, og dannet grunnlaget for arbeidet de neste ukene.

- Etter flere uker med mye motstand var det virkelig motiverende og endelig komme til et resultat vi kunne jobbe videre med, forteller Nils.

Sluttpresentasjoner for kunde, Alv og veiledere

Etter 6 intense uker var det klart for sluttpresentasjoner. Hver gruppe skulle nå presentere hva de hadde jobbet med i sommer. 40 minutter presentasjon med spørsmål fra representanter hos kunden, veiledere og fra Alv. Niclas Ahlbom i Alv er prosjektleder og engasjementsansvarlig ute hos Aize. Han har fulgt studentene gjennom sommeren, og var tilstede under sluttpresentasjonene.

- Jeg har hatt en-til-en samtaler med Alv-studentene gjennom sommeren, og midtveis var det nok en del som følte at oppgave de skulle løse var alt for vanskelige å løse på så kort tid, forteller Niclas og fortsetter.

- Jeg tror de hentet motivasjon gjennom at de raskt skjønte at arbeidet deres blir verdsatt og at det kommer til å bli brukt videre hos Aize. I tillegg strammet de inn egne ambisjoner underveis, noe jeg tror var avgjørende for det fantastisk gode resultatene de presentere for oss den siste dagen. Å sette seg realistiske mål er viktig, spesielt i en så tidsbegrenset periode, og heldigvis snevret de raskt nok inn. Jeg er veldig imponert over innsatsen og resultatene fra sommer-campen også i år.

Mye mer enn bare et prosjekt

Selv om sommerprosjektene studentene har jobbet er en stor del av det å være konsulent, handler livet i Alv om mye mer enn bare arbeidet ute hos kunde. Selv om 6 uker er kort, er det viktig å la studentene få en smakebit på hva det faktisk vil si å være konsulent i Alv.

Først av alt fikk sommerstudentene en skikkelig onboarding, slik som alle nyansatte får. På denne måten fikk studentene tidlig møtt flere fra Alv, og en god forståelse av hva vi gjør og hvem vi er. Gjennom sommeren har studentene deltatt på interne arrangementer som blant annet sommerfest og AlvFredag, samt aktiviteter underveis med kajakkpadling og grilling.

Vår visjon er å bygge Norges mest attraktive konsulentselskap. Dette skal vi primært gjøre gjennom å være et selskap hvor det er mulig å utvikle seg raskere enn det er mulig å gjøre andre steder. Dette igjen oppnår vi gjennom å skape en kultur for utvikling og engasjement, og det er noe vi ser etter allerede gjennom ansettelsesprosessen.

Alt vi gjør i Alv bygger opp om visjonen vår. Jo bedre vi kjenner hverandre, jo raskere og bedre kan vi utvikle hverandre.

Det håper vi studentene har fått en smakebit på! Vi ønsker dere lykke til videre, og kanskje vi sees til høsten.

Del
Les også
Les mer

Norges mest åpne konsulentselskap?

For å være helt ærlig så er det vanskelig å fortelle den virkelig kjernen av hva som gjør Alv annerledes. På papiret er vi ganske like som alle andre IT-konsulentselskaper.

Norges mest åpne konsulentselskap?

Start et selskap
Jakob Høgh Gjellestad - 5/4/2023
Les mer

Videoserie: Verdens dårligste investering?

Med mål om å sette Alv på kartet har vi investert en haug av ressurser på en videoserie som i dag kan se ut som verdens dårligste investering. Eller?

Videoserie: Verdens dårligste investering?

Start et selskap
Jakob Høgh Gjellestad - 5/3/2022
Les mer

Fra reaktivt til prediktivt vedlikehold med Bane NOR

Alv har bidratt til at Bane NOR har tatt i bruk maskinlæring og kunstig intelligens til å gå fra reaktivt til prediktivt vedlikehold av Norges jernbanelinjer.

Fra reaktivt til prediktivt vedlikehold med Bane NOR

Data og Analyse
Kundehistorier
Jakob Høgh Gjellestad - 1/24/2023