SSI Schaefer, şirket içi malzeme akışı ve atık mühendisliği alanında dünyanın önde gelen ürün ve sistem tedarikçisi olarak faaliyet gösteriyor. Yaklaşık 75 ülkede faaliyet gösteren bu ülkelerin 56’sında yüzde 100 kendi iştirakleriyle var olan ve dünya genelinde 10'dan fazla üretim tesisinde, müşterilerinin işletmeleri için 1937 yılından bu yana yenilikçi anlayış ve çözümler geliştiriyor.
Klasik IT ve modern AI sistemleri hangi noktalarda ayrılıyor?
Klasik IT sistemleri kural tabanlıdır ve buna paralel olarak statiktir. Yani burada makina tarafından hayata geçirilen fonksiyonlar ve karar ağaçlarından bahsediyoruz. Ancak sonuçta müşteri daha fazlasını istiyor. Örneğin mağazadan tedarik ve eş zamanlı olarak e-ticaret gibi, satış kanallarından türeyen çok çeşitli sipariş yapıları; çok yönlü, paralel ve firmaya özel iş akışlarına sahip olmalıdır. Burada optimizasyona katkıda bulunan ilk adım algoritmalardır. Desigual adlı müşterimizde bunları kullanıyoruz ve daha az transfer maliyeti için sipariş yönetimini tekrar tekrar adapte ediyoruz. Buna rağmen o dönemde IT tarafından oluşturulan lojistik sistemler bugün bizi aslında kısıtlıyor. SSI Schäfer olarak ilerici düşünüyoruz: AI bizim sloganımız. İşletme içi süreçler; müşterilerin değişen ve dönüşen ön koşullarına kendi kendine ve dinamik bir şekilde adapte olabilmelidir. Bu sırada tarafsız IT sistemi sebep-sonuç mantığıyla düşünen insanlardan gizli kalmış; örneğin geleneksel sipariş davranışlarını inceliyoruz. Bu paradigma değişimi, süreçleri daha dinamik ve duruma özgü bir şekilde tasarlayabilmeyi sağlıyor. Avantajı önceden tahmin edilebilen müşteri siparişleri, ürün henüz sipariş girilmeden tedarik için hazırlanılabiliyor ve sonuçta teslimatlar, çok daha hızlı gerçekleşiyor. Mevcut müşteri verileri ideal bir şekilde kullanılıyor.
Yapay zeka (AI) nedir? Zeka nedir? Bir sistem ne zamandan itibaren bir AI sistemi haline gelir?
“AI” kavramından, bir bilgisayar sistemine belirli bir zeka katmayı denemek anlaşılır. Uzmanlar “zeka” kavramının kesin tanımında birleşebilmiş değiller. Bu konuda sinir ağları bir örnek sunmaktadır. Yani girilmiş verilerle sonuçlar arasındaki genel anlamda bilinmeyen fonksiyonel bir ilişkiye uyum kazandırmak amacıyla bilişsel yapıların IT tarafından simülasyonu diyebiliriz. Sistemler mümkün görünen bağlantıları analiz ediyorlar ve böylece elde bulunan verileri insanlar açısından mümkün olamayacak kadar tarafsız bir şekilde kullanıyorlar. Kısacası insanlar problem odaklı düşünürken makinalar bağlantıları keşfeder ve muhtemelen hiç sormamış olacağımız sorulara cevaplar bulur.
Gelecek nasıl görünüyor?
Geleceğe uygun, eğitilmiş AI sistemler; depodaki çalışanlara yardım edeceklerdir. Bu sistemler akıllı tahminlere dayalı olarak tavsiyeler verir ve böylece süreçlerin verimini artırır. Örneğin Öngörücü Bakım, makinaların (kalan) ömrünün erken tahmin edilebilmesini sağlar: Problemler önceden teşhis edilir böylece tesis performansını hissedilir ölçüde, aksiyonu kesinlikle kısıtlamadan, bakımlara tam zamanında ve proaktif bir şekilde depo iş akışlarına adapte edilerek tepki verilebilir. Öngörücü bakımın hedefi, zekayı donanım ve yazılım düzlemiyle bir araya getirmektir.
Bu kavram yeni değil ancak konuya ilgi artıyor. Bu konu neden şimdi gündeme geldi?
1990’lı yıllarda bu tarz veriler azdı, bilgisayarların performansı çok daha düşüktü ve bu nedenle ihtiyaçlarımız için gerekli olan bu türden maliyetli öğrenme sürecini hayata geçirmek mümkün değildi. Modern donanım ve yüksek işlemci performansı, bunları bugün mümkün hale getirmektedir. Büyük Veri (Big Data), sistemleri yapay bilgiyle besleme ve kesintisiz öğrenmeye devam etmeleri konusunda bize konfor sağlar. Sinir ağlarının hiyerarşik bir şekilde makinaların öğrenmesine adapte edilmesi olan Derin Öğrenme (Deep Learning), olgunlaştı. Sonuçta bugün daha iyi ve daha esnek bir yolda ilerliyoruz. Artık teoriden çıkıp teknolojileri günlük işlere aktarabilmekteyiz. Kalıcı ilerlemeler ve optimizasyonlar bu entegrasyonu perçinlemekte ve AI seçeneklerimizi doğal olarak artırmaktadır.
Bu durumun SSI Schäfer intralojistik çözümleri üzerindeki etkileri nelerdir? Ekibinizde AI hangi rolü alıyor?
SSI Schäfer IT Solutions GmbH içinde IT ve yazılım uzmanlıklarımızı geliştirerek kendimize yeni, konu odaklı seçenekler oluşturduk. Yakında müşteri projelerinde en azından geçmiş verilere dayalı olarak AI sistemlerini uygulayabileceğiz. Bu durum gelecekte daha az programlama yapmamıza ve sistemleri daha fazla eğitebilmemize yol açacaktır. Artan proje başarısı bu gelişimin açık hedefidir. Buna rağmen sistem üzerindeki kontrol kaybedilmemelidir: Ne kadar ileri gideceğiz? Acil durum (fallback strategy) stratejileriyle müşterilerdeki öngörülemeyen değişikliklere hazırlıklı olmalıyız. Ancak bu şekilde, müşterilerimizin depolarının kalıcı olarak işlerliğini güvence altına alabiliriz. Sonuç olarak müşteriye teknik olarak sadece donanım tarafından sınırlanmış bir depo çözümü gerçekleştirmek istiyoruz. Müşterilerin ihtiyaçlarına uyum sağlamak açısından esneklik, yazılım desteğindeki merkezi unsur olmaktadır. Etki alanı uzmanlığı sorumluluğu altındaki veri bilimi/simülasyon ile gerçekleştirme arasındaki iletişim, AI uygulamasındaki anahtarlardan biridir.
