Konferenssikuulumiset maailmalta

Konferenssikuulumiset maailmalta – Minitab Insights Global Conference 2023, Scottsdale Arizona

Minitab Global Conference 2023 kokosi yhteen eri alojen asiantuntijoita, insinöörejä, analyytikoita ja tiedolla johtamisesta kiinnostuneita Arizonan polttavan auringon alle eri puolilta maailmaa toukokuun alussa (1.-3.5.2023).

Konferenssi järjestettiin ensimmäistä kertaa naamatusten sitten Covid-pandemian ja ilmassa oli kieltämättä innostuksen ja hämmennyksen sekaannusta, kun maailma vaikutti jollain tavalla taas palanneen ”normaaliin” kättelyiden ja käyntikorttien vaihtamisen rutiineihin. 

Kahden ja puolen päivän konferenssi oli mielenkiintoinen kattaus datan käytön eri ulottuvuuksiin ja keskeisiin nykyhetken ja lähitulevaisuuden haasteisiin. Elämme erittäin datarikasta aikaa, mutta organisaatiot eivät ehkä ymmärrä tai hallitse dataa sen paremmin kuin aikaisemmin. Usein toistettu huolestuttava tutkimustulos datan soveltamisesta oli että vaikka 99% organisaatioista tunnistaa datan kriittiseksi menestystekijäksi, on noin 97%:lla vaikeuksia hyödyntää dataa tehokkaasti. 

Tässä artikkelissa on esitetty valittu kattaus poimintoja päivien sisällöstä niiden kronologisessa järjestyksessä. Esityksiä rinnakkain oli kolme tai kaksi, joten vaikeita valintoja piti tehdä, joskus noppaakin heittämällä. 

Päivä 1 – kaktuksia ja anasta

Kokeneemmat konferenssikävijät pitävät kirjaa ruuasta, että ainakin jotain kerrottavaa kotiin viemisiksi tai voivat jäljittää ruokamyrkytyksensä.  Sanottakoon siis, että ananas oli maukasta ja kypsää (kuva 1). Huomattavasti mehukkaampaa kuin lähempänä napapiiriä. Lämpötila vapunpäivälle (1.5) oli epätyypillinen noin 30 astetta varjossa.

Avauspuhe ja keynote

Avauspuheen piti odotetusti Minitabin nykyinen pääjohtaja & CEO Jeff Slovin, joka muistutti edellisten parin viime vuoden vaikeuksista maailmanlaajuisesti ja iloitsi siitä, että viimein on päästy kokoontumaan yhdessä jakamaan uutta tietoa, hakemaan ideoita edessä näkyviä haasteita varten aikaisempaa erävarmemmassa maailmassa. Minitabilla pandemia tarkoitti investointeja tuotekehitykseen ja ihmisiin. Vaikka ajat ovat olleet vaikeita, Minitab on voinut olla vastuullinen, eikä irtisanomisia ole tehty tai harkittu, kuten monissa muissa teknologiayhtiöissä. 

Varsinainen keynote oli Top Gun -henkinen pläjäys aivan jotain muuta kuin tilastonikkareilta voisi odottaa. Michelle Ruehrl, entinen hävittäjälentäjä ja lentäjäkouluttaja piti viihdyttävän puheen ihmisten johtamisen, toiminnan harjoittelun, toiminnan suunnittelun ja palautteen purkamisen taidoista ja merkityksestä. 

Perusviesti oli, että opittavaa on aina ja harjoittelu on edellytys virheettömälle toteutukselle. Tämä lienee totta myös kaikkeen datan käsittelyyn ja siitä tehtäviin päätöksiin, joka vaatii harjoittelua! 

Kokemus edellä – screening-suunnitelmien rooli perättäisissä kokeissa

Päivän ensimmäinen poiminta oli Steven Baileyn luento koesuunnittelusta ja erityisesti seulontakokeista. Viesti oli selkeä. Hyvällä osittaistekijäkokeella (seulonta, screenaus) saadaan esillä ongelman kannalta merkittävät tekijät, vaikka itse tutkittavaan systeemiin vaikuttaisi muitakin kuin lineaarisia vaikutuksia. 

Mielenkiintoisia oli esitetyt Professori Sneen tutkimustulokset, joissa todettiin ortogonaalisten osittaistekijäkokeiden (seulontakokeiden) pystyneen luotettavasti löytämään merkittävät tekijät suurimmassa osassa tapauksia, vaikka taustalla olisi ollut neliöllisiä vaikutuksia tai keskinäisvaikutustekijöitä. 

Useinhan kokeilijaa pelottaa juuri keskinäisvaikutusten tai epälineaaristen vaikutusten peittyminen kokeen lineaarisovituksen alle tai se, että keskinäisvaikutusta ei saada selville. Käytännössä kuitenkin screenaus-menettelyn ja vain lineaarisen mallin sovittamisen hyödyt ovat kuitenkin haittoja merkittävästi suuremmat ja Bailey kannustikin kokeiden suunnittelijoita heittämään ”tarpeeksi ison verkon”, jolla keskeiset vaikuttavat tekijät saadaan kaapattua osana perättäistä koejärjestelyä. Ei mitenkään kevyesti otettava neuvo, kun tiedetään herran kokemus asian ympärillä.

Surrogate modelining – ”sijaismallinnus”

Päivän toinen sessio hyppäsi perinteikkäästä ja ymmärrettävästä mallinnuksesta, jossa Y on muuttujien ja satunnaisvirheen funktio (Y=f(x)+e), johonkin hyvin hienovaraisen monimutkaiseen, jossa itse funktio näyttää mustalta laatikolta, koska se on tehty koneoppimisen algoritmeilla.

Minitabin Jimmy Leta (Senior Software Engineer) esitteli sijaismallinnusta (surrogate modeling), jossa tarkoituksena on luoda koneoppimisen (machine learning, ML) avulla malli jota voidaan käyttää ”yksinkertaistuksena” jostain erittäin paljon laskentatehoa ja siten aikaa vievästä tietokoneella pyöritettävästä simulaatiosta. Simulaatio voi esimerkiksi mallintaa nesteen virtauksia, lämpötilan jakaumaa muotissa tai vaikka molekyylien rakenteita kuten itse teknisessä esimerkissä oli tehty.

Tämän yleensä erittäin raskaan simulaatiomallin antamasta ulostulosta (siitä mitä on ajettu) voidaan koneoppimisen menetelmillä rakentaa itse simulaatiota sijaistava malli, josta vastaukset itse kysymykseen voidaan ottaa murto-osassa siitä mitä itse simulaation ajaminen vie. Mielenkiintoinen sovellus, insinöörit inspiroitukoot!

Dataroolit

Päivän kolmas setti oli MInitabin Jenn Atlasin kiintoisa puheenvuoro erilaisten dataroolien sekasotkusta organisaatioissa ja datanlukutaidon ja ymmärtämisen lisäämisen tarpeesta erilaisten datan käyttäjien roolien välillä. 

Ainakin Yhdysvalloissa on havahduttu ongelmaan, että datan hallinta ja analysointivastuut ovat jokseenkin pirstoutuneet erilaisten ja monenkirjavien titteleiden alle. On datainsinööriä, tilastotieteilijää, analyytikkoa, datatieteilijää ja datapäällikköä. Näiden titteleiden väliset erot ovat sinänsä mielenkiintoisia, datainsinöörin rooliksi nähdään ”dataputken” tekninen hoitaminen ja siitä huolehtimien. Data-analyytikoksi mielletään yleensä mahdollisuuksien löytäjät ja hyvien kysymysten esittäjät. Perinteiset tilastotieteilijät soveltavat tilastollisia menetelmiä ja vaativat tosiallista näyttöä faktojen suodattamiseen teorioista. Datatieteilijät ovat näiden kahden edellisen yhdistelmä, johon on vielä lisätty osaaminen tekoälystä ja jonkin spesifin aihealueen (toimialan) substanssi. Jokseenkin harvinainen kombinaatio.

Jotta roolien ja termien sekasotkussa ei olisi tarpeeksi, niin valitettavan usein dataa hallitsee kuitenkin teknisen puolen osasto ja johtaja, eli IT, tietohallinto tai vastaava taho, jonka vastuulla on tietoturvallisuudesta ja teknisestä yhtenäisyydestä vastaaminen, mutta ei välttämättä datan hyötykäytön edistäminen. Heillä saattaa olla jonkinlainen datapäällikön titteli, mutta analyysi tai tilastotiede ei välttämättä ole tehtävän alla. Organisaatioissa pitäisikin terävöittää kenen omistuksessa datan käyttö ja hallinta on ja kuka ja miten sitä hyödynnetään hyvien kysymysten esittämiseksi tai vastausten saamiseksi.

Sairaalan Six Sigma

Henkilökohtaisesti päivän mielenkiintoisin puheenvuoro oli Maryam El-Bakryn ja Beth Englishin (Children’s Hospital Colorado) tarina heidän edustamansa sairaalan Six Sigma -matkasta. Toki jokaisen organisaation kulkema kehityspolku on omanlaisensa, mutta jos vertaillaan tyypilliseen tekemiseen, oli siinä muutamia mielenkiintoisia yksityiskohtia. Ensimmäinen, joka tulee esiin kaikessa asiaa käsittelevässä kirjallisuudessa on tietenkin resurssit, resurssit ja resurssit. Tällä sairaalalla oli oma (kokenut) Master Black Belt, jonka tehtävänä oli toimia juuri tässä roolissa ja johdon tuki laajamittaiselle toiminnalle, jossa tietoisuutta ja koulutusta toteutettiin johtamisroolin, eikä vapaaehtoisuuden perusteella. 

Eli käytännössä henkilöt, jotka toimivat johtamisrooleissa (virallisissa tai ei-virallisissa) nimitettiin Belt-koulutuksiin ja ohjelmaan. Tämä on mielenkiintoinen ero, koska voisi kuvitella että näin osaaminen ja ajatus parannusprojekteista ohjautuu sinne minne sitä tarvitaan ja missä on sitä myös valtaa toteuttaa! Tilastollisten menetelmien ja datan käytön soveltaminen ei tämänkään organisaation tapauksessa ole ollut helppoa, mutta systemaattinen ”Minitabin syöttäminen” on tuonut tulosta. Tämä näkyy vaatimuksissa soveltaa Minitab työkaluja kaikissa projektin vaiheissa (kuva alla).

Toinen mielenkiintoinen seikka Six Sigma -lähestymisessä on ollut perinteinen laatukustannusten lähestyminen (COPQ, cost of poor quality). Lean on toiminnassa ollut pienessä roolissa ja sen perustietämys sisältyy kaikkiin koulutusohjelmiin, mutta laatukustannukset ovat olleet organisaation prosessien parantamisen keskiössä. 

Tämä voi osittain selittyä sillä, että paikalliset viranomaiset eivät seuraa tai sakota hoitojonoista vaan tärkein mittari on 30 päivän hoitoon paluu (readmissio), jonka tapahtuessa hoitava sairaala menettää saamansa vakuutuskorvauksen hoidon suorittamisesta, koska on tapahtunut jonkinlainen virhe toiminnassa. 

Esityksen ulkopuolisena nippelitietona mainittakoon, että tästä syystä Minitabin Healthcare -moduulin KPI-mittaristoissa on oma osio juuri 30 päivän hoitoon palautumisesta (päivän voi muuttaa miksi haluaa itse valikoista), koska se on Yhdysvalloissa ollut merkittävä mittari, jota seurataan. Mielenkiintoinen yksityiskohta on myös että noin 30% paikallisista sairaaloista käyttää Minitabia!

Split-plot -suunnitelmat

Päivän viimeinen asialuento oli split-splot -suunnitelmista ja hieman teknisestä ongelmasta, jossa Minitab laitettiin tekemään jotain mitä ohjelma ei osaa tehdä, eli sisällyttää split-splot -suunnitelmiiin keskipisteitä. Tämän teknisen yksityiskohdan lisäksi, Minitabin Scott Kowalskin esitys oli hyvä muistutus hyvin arkiseen kokeiden suunnittelun ongelmasta, eri vaikeasti muutettavien tekijöiden vaikutuksesta suunnitelman suorittamiseen. Jos halutaan pitää kiinni ajojen satunnaistamisesta, on split-splot -kokeet yleinen ongelma, hankaluutena on toki varsinaisen vaikeasti vaihdettavan tekijän (HTC, hard-to-change) vaikutuksen lähes mahdoton todentaminen.

Casinon opit

Pitkän päivän päätti tilastotieteiden alkulähteistä muistuttava Casino. Selvennettäköön, että vaikka pelimerkit ja pelit olivat aitoja, ostettiin pelimerkit leikkirahalla, jonka pystyi illan lopussa vaihtamaan arpalipukkeisiin, joilla sai osallistua haluamiensa arpajaisvoittojen arvontaan. Peruslainalaisuudet tuntuivat olevan suhteellisen kohdillaan siinä mielin, että talo voitti pidemmän päälle. Casino-illan kulku allekirjoittaneen osalta esitetty kuvassa alla.

Kuten kuvan 2 pylväistä nähdään, tuplaantui 1000 leikkidollaria, vaikka välissä hävisi alun pääoma puolitoistakertaisesti. Tämä on ilmeisesti sitä pankkiirien tai ekonomien matematiikkaa. Arpajaisvoitot menivät kuitenkin kovemmille pelaajille!

Päivä 2 – Datanlukutaidosta takavaloihin

Toinen konferenssipäivä oli yhtä aurinkoinen kuin aavikolta voi odottaa ja lämpötila pahimmillaan yli 30 astetta celsiusta jo aamulla. Ananas oli aamupalalla edelleen maukasta, mutta mielellään varjon alla nautittuna.

Toisen päivän avauspuheessa Valerie Logan nosti esiin datalukutaidon ja sen kehittämisen merkityksen yleisenä taitona niin kotona kuin työssä. Jos dataa halutaan käyttää, tulisi ihmisillä olla kykyjä lukea, kirjoittaa ja kommunikoida datan kontekstissa niin töissä kun arjessa.

Yleisenä ongelmana datan käytön ja datalukutaidon kehittämisessä Valerie nosti esiin kyvyn viestiä datalla ja datasta huomioiden vastaanottajan ymmärryksen, koska se mikä on selvää asiantuntijoille, lähinnä ahdistaa ja hävettää sitä, joka ei ymmärrä mistä puhutaan. Datanlukutaidon kehittämisessä on havaittu olevan hyödyksi erilaiset soveltavat käytännön harjoitukset ja demonstraatiot. Tämä oli sinänsä oivallinen huomio, että tätä on QKK:lla yritetty soveltaa jo jonkin aikaa!

Gage R&R – Autoliv

Toisen päivän toinen sessio koetteli jälleen Minitabin perusominaisuuksien rajoja. Esittelijänä oli luotettavuusinsinööri Abigail Malinosky yrityksestä nimeltä Autoliv. Aiheena oli otsikkotasolla Gage R&R, mutta esittelyssä sovellutus, jossa useaa kymmentä mittauspistettä (noin 30) voitiin analysoida yhdellä analyysillä soveltaen MANOVA-menettelyä ja mittausten vektoreita. 

Käytännön ongelmana, jota oli lähdetty ratkomaan, oli se että samalla laitteella suoritettavien mittauksien mittausvirheen vähäisyys pitäisi pystyä todentamaan perinteistä yksinkertaisemmin. Näillä mitoilla on tyypillisesti myös erilaiset speksit, joten sen sijaan, että olisi tehty useita rinnakkaisia analyyseja, oli mittaukset yleistetty vektorimatematiikan avulla (erillinen Minitab macro) eräänlaiseksi pilveksi, josta pystyttiin arvioimaan mittauksen kyvykkyys kaikille pisteille yhdellä analyysillä (MANOVA). Täytyy nostaa hattua soveltamisen kyvylle mitä insinööreillä on välillä esittää!

Ford – Taguchi ja F150 takavalo

Päivän kolmas puhuja oli Ford Motor Companyn Scott Sterbenz, jonka koesuunnittelun esimerkki oli lähes perinteistä Taguchia. Esityksen casessa oli tuotannollinen ongelma, jossa Ford F150 avolavan takavalon ulkomitat saatiin osumaan paikalleen runkoon tuotannossa. Merkittävä henkilöautomalli ja myyntimenestys, toki veroteknisesti taitaa olla Yhdysvalloissa ”kuorma-auto”.

Kyse oli siis takavalon valmistuksen prosessista, johon liittyi muovinvaluprosessin parametrien tutkimista. Signaali-kohinasuhde oli sovellettu niin, että mittauspisteet oli jaettu kiertämään tuotteen ulkolaitoja, jolloin vaihtelua aiheuttavat tekijät saatiin selville kätevästi. Mielenkiintoisena yksityiskohtana mainittakoon, että vaikka konferenssin esimerkki oli toteutettu Taguchilla, Fordilla koesuunnittelun menetelmiä sovelletaan tarpeen mukaan, eikä minkäänlaista esivalintaa eri lähestymisten tai matriisien välillä ole tehty.

Perulainen kalajuttu

Päivän yksi mielenkiintoisimmista esityksistä tuli Perusta. Miguel Varvarde esitteli tilastollisten menetelmien käyttöä QC-storyn apuna kalanjalostamoon saapuvien kalastusalusten aikavälivaihtelun parantamisessa oli oivallinen esimerkki miten analyyttinen tutkimus voi olla parhaimmillaan hyvin yksinkertaista, kun esitetyt kysymykset ovat oivallisia ja tulkitsija ymmärtää datansa kontekstin. Esimerkki oli muista poikkeuksellinen niin QC-lähestymisen, kun kalastuslaivaston varsin dynaamisen luonteen takia.

Monte Carlo onnettomuuden mallintamisessa

Vakavahenkisin esitelty tapaus koko konferenssista keräsi suuren yleisön toisen päivän päätteeksi, kun komisario Dustin Smietana esitteli Monte Carlo -mallintamista osana tieliikenneonnettomuuden poliisitutkintaa. Tutkinnassa mallinnettu tapaus oli auton ja polkupyöräilijän yhteentörmäys, jossa auton kuljettajaa epäiltiin holtittomasta ajosta ja kuolemantuottamuksesta. Osana poliisitutkintaa ja näytön keräämistä tapauksessa sovellettiin Monte Carlo -mallinnusta arvioimaan epäilyn kuljettaman auton vähimmäisnopeutta törmäyshetkellä. 

Keskeinen mallinnuksella todistettu argumentti oli, että törmäyspaikkaa edeltänyt mutka oli mahdollista ajaa yli kolminkertaista ylinopeutta pysyen vielä omalla ajokaistalla, toisin kuin epäilty ja hänen puolustuksensa väitti. Mallinnuksen keskeinen palanen kyseisessä ja vastaavissa tapauksissa oli hyväksytty primäärimalli ja siihen tapauspaikalta saadut oleelliset tiedot, kuten alustan kitkakerroin, sekä tienpinnan kaltevuus. Mallinnus oli osa hankittua todistusaineistoa epäiltyä vastaan ja mahdollistu mm. kotietsintäluvan onnettomuusauton ajotietokoneeseen, josta simuloinnin ennustama ajonopeus pystyttiin vahvistamaan. Tapaus on sittemmin poikinut lisäkiinnostusta liikenneonnettomuuksien mallintamiseen käyttäen Monte Carlo -simulointia. 

Päivä 3 – Todennäköisestä ohittamattomaan tarjoukseen

Kolmas päivä oli muita lyhyempi, mutta yhtä lailla mielenkiintoinen. Ananas oli edelleen hyvää ja aurinko suhteellisen kuuma, vaikka lämpötila oli jo tipahtanut noin 28 celsiukseen. Mutta tämä ei ole kuulemma paha, koska ilma on niin kuivaa. Uskoo ken tahtoo. 

Eric Maass – deterministisestä tilastolliseen (probalistiseen) mallinnukseen

Yksi DFSS:n ja Six Sigman pitkäaikaisia ja kuuluisimpia nimiä, Eric Maass, esitteli tilastollisten mallintamisen ja tutkimisen menetelmiä kolmen tuotteen suunnittelun esimerkin kautta. Tämä olisi ollut mielenkiintoinen esitys suomalaisillekin insinööreille, mutta valitettavasti yleisössä niitä ei ollut yhtään!

Esityksen ydinviesti oli, että deterministisestä mallintamisesta tilastolliseen (probalistiseen) mallintamiseen mahdollistaa nopeamman tuotteiden kehityssyklin ja paremman onnistumisen, kun tuotekehitykseen liitetään empiirisiä kokeita ja mallintamista tärkeimpien ominaisuuksien kehittämiseksi tarpeeksi aikaisessa vaiheessa. Perus DFSS-lähestyminen siis kannattaa, vaikkakin se voi olla ristiriidassa perinteiseen suunnitteluun.

Vaikuttavin esitetyistä tapauksista lienee sydämen sisään vietävän tahdistimen kehitysprosessi, jossa tuotteen ominaisuuksista tehdyllä mallinnuksella (malli kokeista sian sydämillä, simulointi Monte Carlolla) pystyttiin vakuuttamaan liittovaltion ylin hyväksymisviranomainen niin, että myyntilupaan ja hyväksymiseen tarvittavan kokeen näytemäärä pystyttiin puolittamaan tavallisesta. Lopputuloksena tuote markkinoille nopeammin ja huomattavasti edullisemmin! 

DMAIC yhdessä asiakkaalle – rullan optimointi 

Konferenssin viimeinen sessio, jota pääsin katsomaan, oli tarina aivan tavanomaisesta Six Sigma DMAIC -lähestymisestä soijaöljyn saannon parantamiseen itse öljyä tuottavalle yritykselle. Mutta mikä teki Rich Tituksen ja Matthew Harrisin esityksestä kysymyksiä herättävän oli, että itse projekti oli erilaisia rullia ja niiden kunnostuspalveluja tarjoavan yrityksen (Precision Roll Grinders) tapa tarjota asetusten optimointi osana omaa palveluaan. Ja mikä ilmeisesti osalle yleisöä täysin käsittämätöntä oli, että he eivät erikseen laskuttaneet optimoinnista tai tarjonneet sitä ylimääräisenä lisäpalveluna vaan se kuului palveluun, jos uuden rullan tai vanhan entisöinnin osti heiltä. 

Oli yllättävää, että yksi pisimmistä lounaskeskusteluista tuli juuri tästä kysymyksestä, miksi tätä ei myyty erikseen laskutettavana palveluna vaan se kuului osana toimitukseen. Minun tulkintani oli, että lisäpalveluna optimointi olisi voinut jäädä toteutumatta, jolloin ei toimitus olisi ollut kilpailijoita kummempi, jolloin olisi kilpailtu hinnalla, eikä arvolla. Tapaus oli oiva esimerkki arvon tuottamisesta tiedon luomisen ja kokeellisen lähestymisen avulla. Kun asiakas saa konkreettisen mitattavan hyödyn optimoinnista tulee palvelusta ”tarjous, josta ei voi kieltäytyä”. Varmasti tässä olisi opittavaa monelle toimittajalle siitä, miten maksimoit arvosi?

Lopuksi

Kokonaisuutena konferenssin anti oli erittäin mielenkiintoinen niin esityspuheenvuorojen, kun niiden välissä käytyjen keskustelujen takia. Nyt oli kerrankin mahdollisuus mennä kysymään asiansa parhaimmilta asiantuntijoilta lisätietoja ja niitä kyllä sai!

Yleisesti voidaan sanoa, että ongelmat asioiden syyn ja seurauksen ympärillä ovat aika samanlaisia, kuin meillä Suomessa. Oikeanlaisten kysymysten ja kokeiden tekeminen on edelleen oleellista kausaliteetin selvittämiseksi niin tuotannossa, palveluprosesseissa kuin tuotteiden suunnittelussakin.

Eri alojen huippujen esityksen omien organisaatioidensa sovellutuksista tilastollisten menetelmien ja Minitab-ratkaisujen käytöstä olivat mielenkiintoista nähtävää, samoin kuin Minitabin omien tutkijoiden ja velhojen esitykset mm. viimeisen sukupolven ennustavien (predictive) menetelmien käytöstä, joissa voi nähdä oikein sovellettuna olevan tietynlaisen murroksen mahdollisuuden, mitä tulee datan analysointiin ja päätöksentekoon. Monimutkaisten (isojen datajoukkojen) analyysien tekemisen näennäinen helppous on hämmästyttävää.

Kuten niin usein muuallakin, on konferenssien teknisemmissä tapauksissa tapana lipsahtaa hieman erityisiin ja soveltaviin ongelmiin, koska ”tavallinen” on jo nähty, joten kaikesta ei liene suoraa soveltamiskohtaa välttämättä minnekään. Näiden erityisten ongelmien ratkaisussa voi yhdistävänä tekijänä nähdä halun tutkia ja soveltaa olemassa olevaa teoriaa toiminnan parantamiseen ja työntää tiedon aluetta hieman eteenpäin. Uteliaisuus yhdistettynä hyvään teoriaan ja menetelmiin on erittäin hyvä yhdistelmä ja tälle uuden tutkimisen uteliaisuudelle ja kekseliäisyydelle on nostettava hattua!

Suosittelen matkaamista omalta reviiriltä hieman kauemmaksi uusia tuulia haistelemaan kaikille, joille se on mahdollista. Ei sen takia että ananas on makeampaa, mutta koska uudet ideat tulevat usein ulkoa!