Yapay zeka ve makine öğrenimi, heyecan verici bir konsept olmaktan çıkıp ofis ve fabrikalarda gerçeğe dönüşüyor. Almanya'daki şirketlerin %57'si, verimliliğini artırmak ve gittikçe artan uluslararası rekabete ayak uydurmak için şimdiden bu teknolojileri kullanıyor. Yakın zamanda gerçekleştirilen IDG araştırması Machine Learning - Deep Learning 2019 bu sonuçları ortaya koyuyor. Ayrıca, Amerika, Çin gibi ülkeler, yapay zeka söz konusu olduğunda Alman şirketlerinden daha ileride ve Almanya'daki strateji, veri uzmanı ve gerekli teknoloji eksikliği nedeniyle bazı durumlarda çok daha cesur hareket etme şansına sahip oluyorlar. Endüstriyel şirketler ipuçlarını inceleyerek akıllı yapay zeka teknolojilerini kullandıklarında elde edecekleri avantajları öğrenebilir. Bu da firmaların uluslararası rakiplerinden geride kalmamaları için önemli adımlar atmalarını sağlayabilir.
ARKA PLAN: YAPAY ZEKA, VERİ TOPLANAN TÜM ALANLARI DESTEKLİYOR
Almanya hükümetinin hedefi 2025 yılına kadar yapay zeka araştırmaları ve uygulamaları için üç milyar Euro yatırım desteği sağlamak. Bu araştırmalara ayrıca hem bilim çevresi hem endüstri dünyası hem de eyaletler yatırım gerçekleştirecek. Yapay zeka, verilerin toplanıp yorumlanabildiği tüm sektörlerde kullanılıyor. Yapay zeka üzerine inşa edilen teknolojilerin yardımıyla işletmeler, komponent veya makine kusurlarını gerçek zamanlı olarak tespit edebiliyor. Yapay zekanın fabrikalarda kullanılması tartışması, özellikle yükselen bilgi işlem gücünün ve sensör kullanımındaki artışla büyümesi hızlanan veri miktarlarının kullanılabilirliğinin sonucu olarak günden güne hız kazanıyor. Adaptif algoritmalar, Endüstri 4.0 çerçevesinde gerekli olan kestirimci bakım ve ağa bağlı, verimli üretim gibi diğer gelişmeler için muazzam bir potansiyel sunuyor. Bu bağlamda üretim şirketleri, yapay zekanın kendilerine genel sistem verimliliğini (OEE) artırmak ve dolayısıyla maliyetleri azaltıp verimliliği artırmak için fırsat tanıdığını günden güne daha iyi fark ediyor.
SORUN: HARCANAN ÇABA - KAZANIM
Pazarda tanıtılan ve genellikle bulut tabanlı olan yapay zeka çözümlerinin büyük bölümü, altyapı ve IT'ye hatırı sayılır ölçüde iş yükü ekliyor. Ayrıca bu çözümler, hazırlanıp işlenmesi zahmetli olan ve zaman alan büyük miktarda verilerle çalışıyor. Yapay zekaya yapacağı yatırımın karşılığını alıp almayacağını, alacaksa da nasıl alacağını net biçimde tespit edemeyen şirketler, katma değer sorusunu yanıtlamakta genellikle zorlanıyor. Ayrıca, makine mühendisliğinin sistem konseptleri genellikle çok karmaşık bir yapıya sahip ve özel gereksinimlere uygun olarak hazırlanıyor. Tipik yapay zeka algoritmalarının güvenilir bir şekilde çalışması için kapsamlı testler ve sürekli optimizasyon gerekiyor. Bu da yoğun çaba isteyen bir süreç olduğu için şirketlerin gözü korkuyor.
ÇÖZÜM: YAPAY ZEKA KULLANIMINI ZAMAN İÇİNDE GENİŞLETİN
Ayrıca piyasa makine öğrenimini temel alan açık kaynaklı yazılımlar ve uygulamalar bulunuyor. Bunlar endüstriyel kullanıma uygun olmakla birlikte yapay zeka çözümleri sunuyor. Bunun öncüleri arasında Google ve Amazon gibi büyük teknoloji şirketleri var. Küçük ve ortak ölçekli şirketler için yapay zekanın pratik bir şekilde kullanılması için yapay zeka entegratörleri geliştiriliyor. Bu sistemleri daha çok robotik sistem ve otomasyon tedarikçileri geliştiriyor. Yapay zeka algoritmalarının önemli bir bölümü onlarca yıl öncesine dayanıyor. Diğer taraftan yapay zekanın gerçek sonuçlarla popülarite kazanmasına katkı sağlayan asıl faktörler; her zamankinden hızlı gelişen yonga tasarımı, bant genişliği ve yazılım tabanlı veri işlemedir. Durdurulması imkansız görünen bu görkemli ilerleyişin ışığında, şirketlerin fırsatlarına odaklanması ve yetkin oldukları alanları genişletmesi gerekiyor.
YAPAY ZEKAYI KULLANMAYA NASIL BAŞLAMALISINIZ?
1. Veri yönetim olanaklarını yükseltin: Üretim şirketleri, en az 20 yıl çalışması gereken makinelerle çalıştıkları için yeni teknolojilere çekimser yaklaşır. Ne var ki bu durum, yapay zeka alanında geride kalmaları gerektiği anlamına gelmiyor. Tedirginliklerini bir yana bırakarak bu teknolojilere yatırım yapılması ve yapay zekayla makine öğreniminin endüstriyel ortama sağlanacağı faydaların araştırılması gerekiyor. Şirketler, yapay zekanın iki temel taşı olarak kabul edilen yüksek miktarda veri ve gelişmiş algoritmalarla çalışabilir duruma gelmeleri gerekiyor. Yöneticilerin ve çalışanların bu alanda kendilerini eğitmek gibi bir görevleri bulunuyor.
2. Temel proje sorularını ve yaklaşımları ana hatlarıyla belirleyin: Bir yapay zeka projesinin başında sorulacak önemli sorulardan bazıları şunlardır: Hangi sorunların ve zorlukların çözülmesi gerekiyor? Bu işe en uygun strateji ve teknoloji nedir? Bunlar çeşitli projeler ve kullanım senaryoları için adapte edilip genişletilebilir mi? Hangi yöneticilere ve çalışanlara görev verilmesi gerekiyor? Gerekli uzmanlık şirket içinde mevcut mu, yoksa dış uzmanlardan yardım almak mı gerekiyor?
3. Net ve ölçülebilir hedefler belirleyin: Yapay zeka dağıtımının birincil hedefi, örneğin ekipman duruş süresini önlemek amacıyla geliştirilmiş kestirimci bakım aracılığıyla kaliteyi ve süreç verimliliğini artırmaktır. Bu yüzden yapay zeka tabanlı çözüm, ölçülebilir ve fark edilebilir OEE iyileştirmelerini hedeflemelidir. Optimizasyon açısından yüzde düzeyinde yalnızca birkaç puanlık değişimin bile önemli verimlilik artışları ve maliyet azalmaları sağlayacağını bilmek önemlidir. Örneğin, makine bakımında yapay zeka, sorunların erken tespit edilmesi, hızlı çözüm sağlanması gibi konulara çözüm sağlanmasına yardımcı oluyor. Ekipman hasarı ve duruş süresi riskini azaltmaya yardımcı olabiliyor. Otomasyon bulunmadığı durumlarda makine tasarımcıları kendi analiz çözümleri oluşturması ya da maliyetli bulut çözümlerini tercih etmesi gerekiyor.
4. "Uç bileşende" yapay zekadan yararlanın: Şirketlerin yüksek miktarda veri arasında modeller bulmaya çaba harcamak yerine farklı yaklaşımlar getiren bir teknoloji bulması gerekiyor: Gerekli algoritmaların makine kontrolüne entegre edilmesi ve böylece "uç bileşen" adı verilen makine düzeyinde gerçek zamanlı optimizasyon çerçevesinin oluşturulması tercih edilmesi gereken çözümdür. Bu bakış açısıyla üretim hatları ile makinelerin verileri hızlı şekilde toplanarak anormalliklere karşı gerçek zamanlı sensörler aracılığıyla izlenebiliyor. IoT protokolleri güvenilir biçimde entegre ediliyor. Bu sebeple internet bağlantısının olması gerekmiyor. Bu da yapay zekanın potansiyelini ticari avantajları için kullanılmasına olanak sağlıyor. Örneğin; sınırlı bilgi işlem gücüne sahip bağımsız üretim hatları veya konumların analiz edildiği uç bileşende bilgi işleme kıyasla SYSMAC platformuna entegre edilmiş yapay zeka kontrollü OMRON Yapay Zeka Kontrolörü, harekete daha yakın olan ve bağımsız makineler için normal modelleri anormal modellerden ayırt etmeyi öğrenen bir adaptif zeka sunar. Yapay Zekanın büyüklüğü ve endüstrisi fark etmeksizin her şirkete uygun kontrol, hareket ve robotik sistem çözümü sunuyor, görsel denetim ve makine emniyeti modülleriyle eksiksiz bir fabrika otomasyonun kurulmasını sağlıyor.
5. Gerçek zamanlı veri işlemeye odaklanın: Ayrıca, yapay zeka çözümünün kolayca ve nispeten hızlı bir şekilde uygulanabilir olmasını öneriyoruz. Bulut tabanlı yapay zeka çözümlerinin altyapı ve IT'ye hatırı sayılır ölçüde iş yükü eklediği ve veri bölümlerini işlemenin zahmetli, zaman alan bir süreç olduğu düşünüldüğünde, makine düzeyinde yapay zekanın kestirimci bakım ve makinelerin kontrolü için ideal olduğu görülebilir. Hat kontrol işlevlerini gerçek zamanlı yapay zeka temelli veri işlemeyle birleştiren bu yaklaşımın şirketlere sunduğu önemli bir avantaj, öngörülmeyen durumları güvenilir bir şekilde tespit edip hızla yanıt verme, kaliteyi artırma, bakım döngülerini ve makine yaşam döngülerini iyileştirme ve gereken şekilde ölçekleme yapmaktır.
