Kulağa hoş hayaller gibi gelen bu örnekler, aslında fabrikalarda yapay zeka uygulamaları olarak bugün mevcut. Bir araştırma disiplini olarak yapay zekanın geçmişi birkaç on yıl öncesine uzanıyor. Bununla birlikte, kaydedilen büyük teknolojik gelişim ve verinin gitgide odak noktasına oturmasıyla birlikte dördüncü endüstriyel devrimin en gelecek vaat eden teknolojilerinden biri haline geldi.
Üretimde yapay zekayı merkeze konumlandıran tartışmalar hız kazanıyor. Yapay zekayı şimdiden kullanan birçok şirket, Ar-Ge ve tesis yönetim süreçlerini iyileştirmek amacıyla yüksek miktarda veri analiz ederken bu teknolojiden yardım alıyor. Bununla birlikte, yapay zeka makine düzeyinde paketleme uygulamalarında da önemli avantajlar sunuyor. Üreticiler, bu teknoloji sayesinde süreçlerini daha esnek ve potansiyel değişikliklere daha iyi uyarlanabilir hale getiriyor.
Operasyonel mükemmelliğin önemi
Operasyonel mükemmellik, sermaye harcamalarından maksimum fayda sağlamak için gereklidir. Bununla birlikte üreticiler günümüzde üretimle doğrudan ilişkili talepler doğrultusunda geleneksel yüksek hacimli, çeşitliliği az üretimden daha karmaşık, çeşitliliği yüksek, düşük hacimli üretime geçiş yapma zorluğuyla karşı karşıyadır.
Buna ek olarak, yiyecek ve içecek gibi sektörlerdeki mevzuat ve perakendeci gereksinimleri, okunabilir barkodlar dahil olmak üzere basılan etiketlerin doğru olduğundan ve tüm gerekli verileri içerdiğinden emin olması gereken üreticilerin üzerindeki yükü artırıyor. İleri seviye özelleştirme, önceden basılan etiketlere veya paketlere değişken veriler ekleme gibi süreçleri içeriyor. Bu yaklaşım, üreticinin her bir olası ürün için ayrı paketleme malzemeleri stoklamak zorunda kalmadan ürün etiketlerini belirli pazarlar, müşteriler veya ürünler için özelleştirmesine imkan tanıyor. Ayrıca küçük partilerin esnek şekilde üretilmesi, otomatik ve hızlı değiştirmelere yönelik yeni gereksinimler ortaya çıkarıyor.
Üreticiler operasyonel mükemmelliğe "uç bileşende yapay zeka" yaklaşımını uygulayarak ulaşabilir. Bununla birlikte, üreticiler esnek ve otonom üretim desteğinin yanı sıra IT ve OT dünyalarının kusursuz entegrasyonuna yönelik veri toplamadan akıllı üretime uzanan IoT otomasyon çözümlerine ihtiyaç duymaktadır. Kestirimci bakım ve ağa bağlı, verimli üretim gibi Endüstri 4.0 için gerekli gelişmeler söz konusu olduğunda, adaptif algoritmaların kullanılması muazzam bir potansiyel sunuyor. Birçok şirket, yapay zekanın sadece genel ekipman verimliliğini (OEE) artırmak suretiyle düşük maliyetler ve yüksek verimlilik gibi avantajlar sağlamadığını, aynı zamanda veri analizini geliştirerek atıkları veya süreç operasyonlarının çeşitliliğini azaltmak gibi sürekli gelişim programlarını destekleyen faydalar sunduğunu fark ediyor.
Aberdeen Group[i] gerçekleştirilen bir araştırma, endüstri liderleri arasında OEE değerlerine ulaşma oranı %89 olduğu halde kullanımda olan geleneksel sistemlerin büyük bölümünde bu değerin %74'te kaldığını gösteriyor. Peki bunun ötesine geçip otomasyon için yapay zeka çözümleri eklenmesi nasıl bir etki ortaya çıkaracaktır? Kalitenin artırılması ve makine duruş süresini önlemek için kestirimci bakım kullanılması çok daha önemli verimlilik kazançları ortaya çıkarabilir. Her durumda, tüm süreç boyunca OEE bilgilerinin toplanmasındaki en önemli unsur, bu verilerle ne yapacağınız ve tespit edilen sorun noktalarını nasıl aşacağınızdır.
Üretimde uç bileşen ve bulut
Uç bileşende yapay zeka ile neyi kastediyoruz? Küçük veri makine öğrenmesini, "omurga refleksli yapay zeka" olarak tarif edebilirsiniz. Bu düzeyde hatlar ve cihazlar gerçek zamanlı sensörlerle izlenir ve anormallikleri hızla tespit etmek için veriler yüksek hızda toplanıp işlenir. Bilgiyi eyleme dönüştürebilmek için üreticilerin teknolojiyi lojik, hareket, görsel denetim, emniyet ve görselleştirme de dahil olmak üzere otomasyonun tüm alanlarını bir araya getirecek şekilde uygulayarak, operatör ile makine arasında daha doğal, proaktif bir ilişkiyi kurmak için verimli kontrole ve izlemeye ihtiyacı vardır. Bu yaklaşım, şirketlerin verimliliği çok esnek bir şekilde artırmasını sağlar.
Bulutta büyük veriyi işlemek "beyinsel yapay zeka" olarak tarif edilebilir. Bunun için MQTT protokolü ve OPC UA haberleşme standardı gibi makine ve sistem verilerini yüksek değerli bilgilere güvenli ve kolay bir şekilde dönüştürecek, açık ve güvenli standartlar gerekir.
Pazarda tanıtılan ve genellikle bulut tabanlı olan yapay zeka çözümlerinin birçoğu, altyapı ve IT açısından ciddi gereksinimlere sahip. Ayrıca bu çözümler, hazırlanıp işlenmesi zahmetli olan ve zaman alan yüksek miktarda veriyle çalışıyor. Yapay zekaya yatırım yapmanın getiri sağlayıp sağlamayacağını, sağlayacaksa da nasıl sağlayacağını tespit edemeyen tedarikçiler, katma değer sorusunu yanıtlamakta zorlanıyor. Üretim endüstrisindeki sistem tasarımlarının genellikle hem karmaşık hem benzersiz olması da aranan yanıtı bulmayı zorlaştırıyor.
Bu koşullar altında, üretim sürecinde somut katma değer sağlayan yapay zeka nasıl tasarlanmalı ve entegre edilmelidir? Büyük veriyi işlemek ve uzun vadeli büyük analizleri yönetmek için bulut ideal olsa da, gerçek zamanlı uygulamalar için uç bileşende yapay zeka büyük önem taşıyor. Daha fazla esneklik ve daha kısa yanıt süreleri sunan bu yaklaşım, üretim ortamlarının bulut bilgi işleme güvenmek yerine uç bileşende veri analizini daha iyi kullanabilmesini sağlıyor. Sürmekte olan işlemlerin yanı sıra, büyük hacimli veriler içerisinde zahmetli bir şekilde model aramak yerine, sorunlara farklı bir yönden yaklaşmak önem kazanıyor. Gerekli yapay zeka algoritmalarının makine kontrol sistemine entegre edildiği ve uç bileşende, yani makinede ve makine için gerçek zamanlı optimizasyonun çerçevesinin oluşturulduğu noktada teknolojiye ihtiyaç duyuluyor.
 
 
Uç bileşende yapay zeka ne sunuyor?