Page 71 - st-otomasyon-2024-agustos

OTOMASYON ÜRÜN VE UYGULAMALARI

ARAŞTIRMA

tim hattındaki verileri anlık olarak izleyerek
operatörlere gerçek zamanlı raporlar sunar.

GÜVENLİK VE İŞ SAĞLIĞI
◆ İş Gücü Güvenliği: AI destekli sistemler,
iş yerinde tehlikeleri tespit edebilir ve önleyici
tedbirler alabilir. Bu, iş güvenliğini artırır.
◆ Otomatik Güvenlik Protokolleri: AI,
güvenlik protokollerini otomatik olarak
yönetebilir ve acil durumlarda hızlı bir şe-
kilde müdahale edebilir.
MALİYET TASARRUFU
◆ Enerji Yönetimi: AI, enerji tüketimini
optimize ederek maliyet tasarrufu sağlar.
Bu, enerji verimliliğini artırır.
◆ Hammadde Yönetimi: ML, hammadde
kullanımını izleyerek israfı azaltabilir ve
maliyetleri düşürebilir.

SICK TÜRKİYE’NİN YAKLAŞIMI
Yapay zeka ve makina öğrenmesinin endüst-
riyel otomasyona etkileri hakkında görüş-
lerine başvurduğumuz SICK Genel Müdür
Yardımcısı Bergman Gülsün şöyle aktarıyor:
“Yapay Zeka (YZ), günümüzün en sıcak
teknolojik tartışma konularının başında gel- SICK Genel Müdür Yardımcısı Bergman Gülsün
mektedir. Yirminci yüzyılın ortalarında, bir
matematik dehası olan Alan Mathison Tu-
ring tarafından sorulan bir soru ve akabinde ÜRETKEN YAPAY ZEKA NEDİR? yüksek kalite standartlarını korumayı ve
yürüttüğü çalışmalar, sadece İkinci Dünya Üretken YZ, mevcut verilere benzer yeni israfı azaltmayı mümkün kılmaktadır.
Savaşı’nın önemli dönüm noktalarını oluş- veriler üretebilen bir YZ biçimidir. Buna Otomotiv: Tasarım süreçlerini iyileştirmek
turmakla kalmamış, aynı zamanda günümüz metin, resim, müzik ve hatta videolar dahil ve üretimi optimize etmek için kullanılma-
bilgisayar teknolojisi ve YZ’nin temellerini olabilir. Üretken YZ, müşteri hizmetleri ya başlanmış olup, prototipleri daha hızlı
oluşturmaya da fayda sağlamıştır. 1950’ler- sorgularını otomatikleştirmekten yaratı- geliştirmek ve üretim süreçlerini otomatik-
de bilgisayarlara öğrenmeyi öğretmeye yö- cı içerik oluşturmaya ve yeni ürünler ge- leştirmek için de faydalanılmaktadır.
nelik ilk girişimlerde, verilerdeki örüntüleri liştirmeye kadar birçok alanda uygulan- Yapay zeka ve makina öğreniminin kulla-
tanımak için basit istatistiksel modeller kul- maktadır. Bu yapay zekanın büyük veri nımı endüstriyel otomasyonun geleceğini
landı. 1980’lerde ve 1990’larda daha güçlü kümelerindeki kalıpları tanıma ve bunlara şekillendirmektedir. Tedarik zinciri opti-
bilgisayarların ve yeni algoritmaların ortaya dayalı yeni, değerli bilgiler üretme yetene- mizasyonundan, sağlık hizmetlerine, ticari
çıkmasıyla bu modeller giderek daha karma- ği özellikle heyecan vericidir. YZ’nin en- faaliyetlerin optimizasyonundan, taşımacı-
şık hale geldi. Ancak dikkat çekici büyük atı- düstriyel alanda yansımaları ise makinala- lık alanlarına kadar pek çok hizmet alanını
lım, ancak son on yılda, çok büyük veri kü- rın öğrenebileceğine yönelik çalışmalar ile geliştirmeyi sağlayacaktır. Ancak, bu tek-
melerinin verimli bir şekilde işlenmesini ve ortaya çıkmıştır. Birden fazla veri setinde nolojilerin tam potansiyelini gerçekleştir-
son derece karmaşık modellerin eğitilmesini bulunan bilgiyi bir araya getirerek, bunlar mek için, sürekli araştırma ve geliştirme,
sağlayan derin öğrenme algoritmalarının ve içindeki örüntüleri bulmak ve yeni aksiyon uygun eğitim ve özellikle de hukuki ve etik
sinir ağlarının geliştirilmesiyle geldi. yönleri belirlemek şeklinde özetlenebilir. kuralların uygulanması gerekecektir. Üret-
Örnek olarak önlenebilir bakım uygula- ken YZ, kesin ve alakalı sonuçlar sunmak
NEDİR BU YAPAY ZEKA? maları verilebilir. YZ, makina öğrenmesi için yüksek kaliteli verilere ihtiyaç duyar.
İnsanlar tarafından yapıldığında zeka ge- algoritmalarını kullanarak ekipman arıza- Veri yetkinliği (diğer adıyla veri okurya-
rektirdiği düşünülen şeyleri makinalara ve larını önceden tahmin edebilir. Bu, bek- zarlığı) bu nedenle yalnızca BT uzmanları
bilgisayarlara yaptıran bir dizi teknoloji lenmedik duruş sürelerini önlemeye ve için değil aynı zamanda bir şirketin tüm
için kullanılan genel bir terimdir. Mesela, bakım maliyetlerini azaltmaya yardımcı çalışanları için de önemlidir. Gündelik
cisimleri ve yüzleri tanımayı, konuşmala- olacaktır. Büyük ölçüde fayda sağlayan bir yaşamda, her e-postayla, her ürün açıkla-
rı anlamayı, araba sürmeyi, yazı yazmayı, başka uygulama alanı ise, kalite kontrol masıyla, her kampanyayla, web sitelerinde
soruları yanıtlamayı, resim oluşturmayı süreçlerinde karşımıza çıkacaktır. Geliş- gezinmeyle veri üretiyoruz. Veri yetkinli-
v.b. düşünün. Ancak bu tanımlar bile çok miş görüntü işleme ve makina öğrenmesi ğine sahip olmak üretken YZ kullanımıyla
sayıda unsur içerdiği için açıklamayı de- teknikleri, üretim hatlarında hatalı ürünleri ilişkili fırsatları ve riskleri daha iyi anla-
rinleştirmek adına yeterli gelmemektedir. otomatik olarak tespit edebilir. Bu, daha mamızı ve kontrol etmemizi sağlayacaktır.
ST OTOMASYON AĞUSTOS 2024 69