On yıl önce kendi fabrikamızdaki makinelerin ne kadar akıllı olduğu konusunda bir hayli gururluydum. Şimdi, "akıllı" kavramına dair bugünkü algımı göz önünde bulundurduğumda aslında bir hayli aptal olduklarını fark ediyorum.
Neden? Çünkü yapmak üzere tasarlandıkları şeyi yapmalarına rağmen, beklenmedik ya da sıra dışı bir durumla karşılaştıkları anda afallıyorlardı. Operatöre "Benim sorunum ne?" sorusunu sormak durumunda kalıyorlardı.
Sorun giderme ve makinelerin onarılıp çalıştırılması, akıllı bireyleri gerektiriyordu. Son derece yetenekli operatörleri... Deneyimli yazılım ve donanım mühendislerini...
Sorun şu ki son on yılda bu kişilerin bulunması gittikçe daha da zorlaştı. Sektöre giren yeni yeteneklerin sayısı, emeklilik yaşına ulaşan çalışanların sayısını dengeleyecek kadar yeterli değil. İşten ayrılan emekliler yılların tecrübesinin doruk noktası olan, iş başında emek vererek kazandıkları bilgileri yanlarında götürürler. Ayrılan her bir çalışanla birlikte işletmeler daha az verimli ve daha az yetenekli bir iş gücü olasılığıyla karşı karşıya kalır.
Artık aptalca sorular yok…
Bunun en açık çözümü; makinelerin daha akıllı hale gelmesiyle artık aptalca sorular sormalarının gerekmemesi ve makine üreticilerinin, durmalarının veya sorunun nedenini kendi kendilerine anlayabilen sistemler tasarlamasıdır.
Bu zaten bir dereceye kadar gerçekleşmektedir. Karton kutu makinesinin operatöre işlenmemiş kartonların bittiğini söyleyebilmesi için sensörlerin kullanılması buna bir örnektir.
Fakat sadece sensörlerle ancak belli bir noktaya kadar ilerleyebilirsiniz. Sistemin otonomluğunu bir üst düzeye çıkarmak için Yapay Zeka (AI) gerekir; bu sayede makineler insan beyin devresine daha fazla benzeyen, karmaşık analizleri gerçekleştirebilen akıllı algoritmalar kullanabilir.
Endüstriyel uygulamalarda insan düşünce süreçlerini taklit etmek için yapay zeka kullanımı hakkında çok konuşulmaktadır ancak yapay zekanın değerini başarıyla açığa çıkaran işletmelerin gerçek hayattaki örnekleri çok nadir görülür.
Yaygın yapay zeka tuzakları
Bunun iki temel nedeni vardır: Öncelikle şirketler genellikle yapay zeka uygulamalarında fazla genel olma tuzağına düşmektedir ve ikinci olarak bu yüzeysel yaklaşımın oluşturduğu veri patlamasıyla nasıl başa çıkacaklarını bilmezler.
Yapay zekanın fabrikanızda nasıl uygulanabileceğine bakacaksanız öncelikle hangi sorunu çözmek istediğinizi veya hangi iyileştirmeyi yapmak istediğinizi belirlemeniz gerekir. Çok spesifik bir sorunla küçük bir başlangıç yapın. Ardından ilgili verileri toplamanız gerekir ki bu kolay bir görev değildir. Yalnızca doğru verilere sahip olduğunuzdan değil, aynı zamanda bunların doğru zamanda depolandığından ve hiçbir veriyi kaçırmadığınızdan da emin olmanız gerekir. Üstelik bu verileri analiz etmeniz gerekir.
"Makine seviyesinde gerçek zamanlı" çalışma özelliğine sahip dünyanın ilk yapay zeka çözümü olan OMRON Yapay Zekalı Kontrolörü (Sysmac NY5 IPC ve NX7 CPU tabanlı donanımla) tüm bunları sizin için gerçekleştirir. Bu kontrolör, verileri mikro hızla kaydeder ve doğrudan üretim hattında toplanan süreç verilerine göre model tanıma kullanarak bunları analiz eder. Sysmac fabrika kontrol platformumuza entegre edilmiştir, yani verimlilik kayıplarını önlemek için makinede doğrudan kullanılabilir.
Yapay zeka iş başında
Bu yaklaşımın eylem halindeki bir örneği olarak, şu anda sızdırmazlık bütünlüğünü iyileştirmek amacıyla bir gıda endüstrisi müşterisiyle çalışmaktayız. Paketleme makinesi, sızdırmazlık başlığının gerektiği gibi çalışmadığı durumlarda operatöre güvenmek yerine tekrarlanabilir performansı korumak için yapay zeka kullanır. Sızdırmazlık işlemine yapay zeka yaklaşımını uygulayarak raf ömrünü birkaç gün uzatır ve hatalı sızdırmazlık işlemlerinin uygulanmasını en aza indirerek koca bir parti ürünün perakende müşteriler tarafından reddedilme riskini ortadan kaldırırız.
Makine öğrenimi: Deneyim boşluğunu kapatma
Şu ana dek yalnızca makineleri daha akıllı hale getirmek için yapay zekadan faydalanmak hakkında konuştum. Yapay zekanın diğer gelişim yolu ise insanların daha akıllı olmasını sağlamaktır. Veriler, fiziksel varlıklardan (bu durumda son derece deneyimli çalışanlardan) alınabilir ve model tanıma uygulanabilir. Basitçe söylemek gerekirse nitelikli operatör makineyi eğitirken makine ise vasıfsız operatörü eğitir
Şu anda laboratuvarımızda, operatörlerden ürünleri monte etmelerini ve bu görevi gerçekleştirmenin en akıllıca yolunu keşfederek bu tekniği diğer operatörlere öğretebilmek amacıyla bunu nasıl yaptıklarını kaydetmelerini isteyen, yapay zeka ile çalışan makineleri deniyoruz.
Makine öğrenimine yönelik bir diğer endüstriyel uygulama ise operatörün makine üzerinde yapması gereken işlemleri belirlemek için yapay zekanın kullanılması olabilir. Örneğin, operatörün elleri yanlış yönde hareket ederse bu bir uyarı oluşturur.
Sadece zekiler doğru yanıtı biliyor
Dijital dönüşüm yolculuklarında iyi ilerleme katetmiş kuruluşlar, en iyi uygulamaları tespit etmek ve eğitmek, hataları tahmin etmek veya çalışma koşullarını izlemek için yapay zekanın değerinden en iyi şekilde faydalanacak konumdadır. Ancak bu, yolculuklarının başındaki işletmeleri yapay zekayı keşfetmekten caydırmamalıdır. Yeni bir makine sipariş ederken makinenin yapay zeka amacıyla kullanım için veri oluşturma işlevine sahip olduğundan emin olun. Hangi verilere ihtiyacınız olduğunu bilmeniz gerekmez; makine üreticinize sormak üzere doğru soruları bilmeniz yeterlidir. Ayrıca küçük bir başlangıç yapın ve adım adım bir yaklaşım izleyin. İnsan DNA'sı milyonlarca yıl içinde evrim geçirmiştir ve bu nedenle makinelerin aylar içinde insan beynini taklit etmesini beklemek gerçekçi değildir.
