İmalat Sanayi için Yapay Zeka

TWEET THIS

Yapay Zeka; ulaşım, sağlık, eğitim ve tarım gibi bir çok endüstride karmaşık problemlerin bazılarını çözebileceğini, yarattığı üretkenlik, gelişmiş güvenlik ve bakım, iş zekası gibi yetkinlikleriyle kanıtlamıştır. Özellikle yapay zekanın öngörücü, tanımlayıcı ve kuralcı yaklaşımları bu yetkinliklerinin kullanılmasında önemli rol almaktadır. Böyle bir ortamda yapay zekanın imalat sanayi için neler yapabileceğini düşünmek gerekir.

Endüstri 4.0 kavramı ve yapay zeka bazı zamanlarda, uçtan uca ve tamamı otonom sistemler önererek, birçok üreticiyi yanıltmaktadır. Gerçek dünyada yapay zeka daha çok doğal dil işleme, konuşma tanımlama, sohbet robotları, destekleyici karar sistemleri, iş zekası ve otomasyon gibi her biri kendi güçlü yanları olan teknolojilere sahiptir.

Yenilikçi teknolojileri her zaman benimsemiş imalat sanayi için, endüstriyel robotlar ve drone'lar 1960'lardan beri imalat sektörünün önemli bir parçasıdır. Bununla birlikte yapay zeka destekli makine denetimi ve teşhisinden, üretim planlamasına kadar, çalışan verimliliği, ürün kalitesi ve güvenliğinde iyileştirme gibi hususlarda yapay zeka önemli fırsatlar barındırmaktadır.

Fırsatlar ve Öngörüler

  • İmalat sanayi Amerika ekonomisine yıllık 2.3 trilyon doların üzerinde katkı yapmaktadır.
  • IFS'in  16 ülke ve 750 şirket üzerinde yaptığı bir araştırmaya göre, üreticilerin %81'i iş süreçlerinin dijitalleştirmek için bir dönüşüm projesi başlatmıştır.
  • 2018 Forbes Yapay Zeka araştırması anketinde, otomativ ve imalat sektörlerinden katılımcıların %44'ü yapay zekayı önümüzdeki 5 yıl içerisinde "üretim işlevi" için çok önemli olarak sınıflandırırken, neredeyse yarısı %49 "başarı için kritik" olarak tanımlıyor.
  • İmalat sanayisindeki yapay zeka yatırımlarının 2025 yılında 15.2 milyar dolara çıkması bekleniyor. Bu rakam henüz 1 milyar dolar düzeyinde.

Öngürücü Bakım (Predictive Maintenance)

Planlanmamış kesintilerin, üreticilere yıllık 50 milyar dolara mal olduğu ve bu kesintilerin %42'sinin varlık arızından kaynaklandığı görülüyor yapılan çeşitli çalışmalarda. Sensörler, nesnelerin interneti ve bağlı cihazlar bize tüm operasyonel verileri getirebilirken, makine öğrenmesi ve sinir ağları şeklindeki yapay zeka algoritmaları, makineye ait bir parçanın ve sistemin bir sonraki hatasını tahmin etmemize yardımcı olabilir. 

McKensey tarafından hazırlanan bir rapor, AI tabanlı önleyici bakımının, varlıkların üretkenliğini %20'ye kadar arttırabildiğini ve bakım maliyetini %10'a kadar azaltabileceğini söylüyor. Bu sayede şirketler, tahmine dayalı ve taahhüt edilmiş bakım maliyetlerinden tasarruf edecektir. 

Bu teknoloji esasen teşhis araç kiti şeklinde çalışıyor. Yüksek hacimli verilere göre hareket ederek, verimi arttırarak, harcamaları azaltırken toplam yatırım getirisini arttırılması için günlük olarak eyleme geçirilebilir bilgiler sağlıyor. Bakımın kaçınılmaz olduğu durumlarda saha teknisyenleri ve işletim ekiplerine neyin düzeltilmesi ve ne zaman yapılması gerektiği konusunda özel talimatlar veriyor. Bu da tamamen odaklı onarımlara sebep oluyor. 

Dijital İkizler (Digital Twins)

Dijital ikiz, bir varlığın (ürün, işlem veya hizmet) "dijital kopyası" sanal modelidir. Yapay zeka teknolojisi teorik ve gerçek dünya verilerini dahil etmek için CAD ve AI araçlarını kullanarak doğru modelleri oluşturabilir. Bu veri kombinasyonu dijital ikizleri daha doğru bir şekilde oluşturmamızı sağlar. 

Dijital ikiz, nesnelerin internetinden faydalanarak yapay zeka ve makine öğrenmesi becerisiyle dijital bir modele sahip olmamızı bu sayede diğer cihazlardaki aşınma, hareket ve etkileşimleri tahmin etmemizi sağlar. Ayrıca imalat ürünlerinin pazara sunulması süresini hızlandırmak için sınırlamaları, darboğazları ve hata parametreleri görebilmemizi sağlar. 

Sanal ve dijital dünyaların eşleştirilmesi, mühendislerin tüm parçaları, makineleri hatta üretim hatlarını dijital olarak görmesini ve test etmesini sağlar. 

Forbes'daki büyük veri yazarı Bernard Marr, " Fiziksel dünyada işinizi dönüştürmek için sanal dünyadaki fırsatları ortaya çıkarır" diyor dijital ikiz yaklaşımına atfen.

Dijital ikiz yaklaşımı ile tasarım mühendisleri, tasarımdaki değişimlerden, üretim hattı, tedarik zinciri ve bakımın nasıl etkileneceğini öğrenebilir.

İşçi ve İşyeri Güvenliği İzleme (Worker, Work-place Safety Monitoring)

Çalışanların ve işyeri sahasının izlenmesi, artan iş gücü verimliliğini sağlayarak, kaza riskini azaltmaya yardımcı olur. Güvenlik tertibatı uyumluluğu ve insan takibi ile birlikte yapay zeka destekli bilgisayarları görme çözümleri, güvenlik tertibatı uyumluluğunu sağlamak için kullanılabilir. Human Activity Recognation, (İnsan Aktivitesi Tanıma) mekansal ve zamansal analiz (video analitik) yoluyla, yetkisiz erişimleri ve kazaları önlemek için çalışanları izlemek ve böylece güvenliği sağlamak için kullanılabilir.

Kullanım Örnekleri

  • Güvenlik Donanımı Doğrulaması; çalışanların, güvenlik kaskları, yelekler, gözlükler, ayakkabılar ve şantiyeye uygun diğer güvenlik donanımlarını giyip giymediklerini kontrol edebilir. 
  • Çevre koruması; yetkisiz erişimi izleyerek, yetkisiz kişilerin üretim tesisi içerisinde tehlikeli alanlara girmesini engelleyebilir. 
  • SOP uyumluluğu; depo veya üretim tesislerindeki standart işletim prosedürlerini izleyerek, güvenlik tehlikelerine yol açabilecek her türlü anormal faaliyet gerçek zamanlı olarak raporlanarak uyarılabilir. 
  • Güvenlik gözetimi; yere düşen çalışanı, tesisteki araç arızasını, yetkisiz kalabalıklaşmayı, kamera hatalarını tanımlayabilir.
  • Diğer analizler; depo ve üretim tesislerindeki hırsızlık ve diğer anomalileri tespit edebilir. 

Kalite Kontrol (Quality Control)

Hızlı ve teknoloji odaklı dünyada üreticilerin yüksek kalite seviyelerini sürdürmeleri ve piyasaya hızlı sunma sürelerini karşılamak için kalite düzenlemelerine ve standartlarına uymaları son derece önemlidir. Yapay zeka, işlemci tasarımında fazla zaman tüketen ürün doğrulama süreçlerini optimize edebilir. Bu yapay zeka uygulaması tasarım sürecinin başlarında gizli hataları keşfetmeye yardımcı olur. AI bir makine öğrenmesi algoritmasını kullanarak insan görüşünün ötesindeki çözünürlükte devre kartları gibi ürünlerdeki mikroskobik kusurları bulmak için kullanılabilir. AI, üretim ekiplerine, ürün kalitesi sorunlarına yol açması muhtemel ortaya çıkan üretim hatalarını bildirmede yardımcı olur. 

Yaratıcı Tasarım (Generative Design)

Bu yöntem tasarımcılar ve mühendisler tarafından tanımlanan parametrelerin "Generatif Tasarım Yazılımı" adı verilen bir AI algoritmasına girilmesini kapsar. Maliyet ve zaman kısıtlamaları, malzeme türleri, mevcut üretim yöntemleri ve benzeri parametreler içerir. Algoritmalar tüm olası yapılandırmaları araştırır ve tasarım alternatiflerini üretir. Önerin alternatifler makine öğrenmesi algoritmaları ile test edilebilir, en uygun ve en iyi çözüm bulunana kadar süreç tüm alternatiflerde tekrarlanacaktır. Bu yaklaşımdaki en büyük avantaj insan ön yargısı faktörünün olmamasıdır. Bu da varsayımların dikkate alınmadığı ve mantıklı bir başlangıç noktası olmadığı anlamına gelir.

İş / Çalışan Takibi (Work/Employee Tracking)

Belirli bir zaman aralığında sadece belirli sayıda çalışkanı takip edebiliriz. Video analizinin yardımıyla yapay zeka çalışanların izlenmesi, başarısızlıklarının işaretlenmesi, verimliliğin artmasına yol açarak daha iyi meslektaşlarından öğrenmesini sağlayabilir. Çalışanların molalarını ve verimli saatleri işaretleyebiliriz. Bir üretim tesisindeki montaj hattında, montajcıların her bir adımını, zamanlamaları ve hataları kontrol etmeyi içeren çalışmalarını yapay zeka ile takip edebiliriz. Üretim tesisindeki veya depodaki çalışanların etkinlik analizi, işin / görevin akıllıca atanmasını sağlayabilir.

Gelecek (Future)

Bahsettiğimiz tüm bu örnekler ve kullanım durumlarının yanı sıra yapay zeka çok daha fazlasını vaadediyor ve bu sayede rekabet avantajı yaratıyor. Yapay zeka ile çalışan otonom makineler, üretim tesisindeki malzemelerin hareketlerini otomatikleştirmek için kullanılabilir. Sesle çalışan cihazlar ücrete tabi olabilir. AI ve RPA akıllı depolara çok daha gelişmiş çözümler sağlayabilir. Üretim tesislerindeki insanlarından, makineleri eğitmek için yeterli veriyi toplayabiliriz. Sadece robotik çözümler ile yönetilen süreçler, yapay zeka ve robotik ile birlikte iş süreçlerini yeniden şekillendiren şirketlere göre çok daha az tasarruf ettiğini gösteriyor. Gelecek insanı ve gelecek otonom fabrikaları, yarattıkları iş birliği ile yüksek verimli imalat sanayisini yaratacaklar.

"Eski yollara yapışıp kalır, üretim süreçlerini dijital hale getirme kapasiteniz yoksa, maliyetleriniz muhtemelen artacaktır. Ürünleriniz pazara geç gireceği ve farklı katma değer sağlama yeteneğiniz olmayacağı için müşterileriniz tarafından kabul görmeyeceksiniz" diyor Bilgi Teknolojileri ve İnovasyon Vakfı'nda küresel inovasyon politikası uzmanı Stephen Ezell.

Rekabet denizinde yapay zeka dalgasını kaçırmak geminizin karaya oturması anlamına gelebilir. Yapay Zeka sadece rekabet avantajı anlamına gelmez. Aynı zamanda bir çok endüstride hayatta kalabilmek için asgari şarttır. Yapay zekayı erişilmez bir dağ görmek yerine kendimize küçük tepe hedefleri koymak ve adımları atmak gerekiyor. Hala veri üretmeyen veya ürettiği verileri paylaşmayan ekipmanlara sahip bir çok şirket için yapay zekanın benimsenmesi açısından yavaşlatıcı etki yapacaktır. 

Yapay zeka birşeyleri yaratmak, iyileştirmek, otonomlaştırmak ve daha ucuz hale getitmek için kullanılabilir ancak zevk ve taleplerde beklenmedik değişikliklere sebep olacak yaratıcılıkta insan kadar iyi durumda değil. Bu sebeple başarı bu iki yetkinliği bir arada kullanabilmekte yatıyor.