endüstri-4-0--37

kesme işlemlerini optimize etmek için gerçek proses ve
ölçüm verilerini kullanarak sistemi “eğiten” bir yöntem
geliştirdiler.
Pratikte şu şekilde çalışmaktadır: Kesici takımların aşınma
durumunu tahmin etmek için öncelikle prosesle ilgili
parametrelerin tanımlanması gerekir. Bunlar arasında
farklı işleme kuvvetleri, makinenin titreşimleri ve makine
eksenlerinin güç gereksinimleri yer alır. Takım ve iş
parçasının sürekli ölçümlerinden alınan veriler toplanır.
Bu durumda karşılaşılan en büyük zorluk, toplanan
verilerdeki korelasyonları tespit etmektir.
Örüntüleri araştırmak
Bunu başarmak için araştırmacılar yapay zeka destekli
sistemi eğitiyor. Bu, olası kalıpları tespit etmek ve
aşınma durumu hakkında sonuçlar çıkarmak için makine
öğrenimi yöntemlerini kullanır. Ayrıca, belirli bir hizmet
ömrü boyunca takımı güvenilir bir şekilde kullanımda
tutmak için şirketlerin belirli kesme işlemlerinde
hangi işlem parametrelerini kullanmaları gerektiğini
tahmin edebilmelidir. Sistemin öğrenmesi gereken
veriler, hem küresel oyuncular hem de küçük ve orta
ölçekli işletmeler dahil olmak üzere beş ortak şirketten
toplanmaktadır. Örneğin takım ve malzeme tipleri veya
proses parametreleri açısından farklı varyasyonlar
denenmektedir. Böylece, takımın arızalanmasına kadar
tüm hizmet ömrü boyunca geniş bir veri tabanı toplanır.
Yapay zeka zaten oldukça akıllı, ancak hala mükemmel
olmaktan uzak. Bireysel kullanım durumlarında
süreçler çok farklıdır. Bu nedenle makine öğrenimi,
takım değiştirme kararını destekler. Amaç, transfer
öğrenme denilen yöntemle sistemi daha iyi ve daha
iyi hale getirmektir. Burada, daha önce öğrenilen ilgili
görevlerden elde edilen bilgiler, makine öğrenimi
modellerini yeni (ancak ilgili) görevler için daha hızlı
eğitmek için kullanılır.
Düşük eşikli erişim için IIP-Ecosphere
Bununla birlikte, endüstriyel üretim söz konusu
olduğunda, özellikle küçük şirketler için yapay zekanın
faydaları her zaman açık değildir. Birçoğu, üretim
verilerini bilgisayarlar tarafından derinlemesine analiz
edilmek üzere teslim etmekten endişe duyuyor.
Fraunhofer Yazılım ve Sistem Mühendisliği Enstitüsü’nün
(Fraunhofer ISST) işbirliği yaptığı IIP-Ecosphere projesi,
Dijital Dönüşüm
yapay zekanın katma değeri konusunda hala emin
olmayan üretim şirketleri için, karmaşık üretim sorunları
için satıcıdan bağımsız yapay zeka çözümlerine düşük
eşikli erişim sağlamayı amaçlıyor. Projenin amacı, yeni bir
ekosistem türü oluşturmak ve üniversiteler ve araştırma
kurumları, endüstriyel şirketler ve yapay zeka çözüm
sağlayıcıları da dahil olmak üzere tüm farklı oyuncuların
üretimde yapay zeka kullanımını teşvik etmektir. Yapay
zeka, bilgi ağıyla gelişir. Sonuç, “Akıllı Endüstriyel Üretim
için Ekosfer” veya kısaca IIP-Ekosfer oluşturmaktır.
Keşif için bir platform
Fraunhofer Yazılım ve Sistem Mühendisliği Enstitüsü
ISST’de Veri Ekonomisi Bölümü Başkanı Markus
Spiekermann şöyle açıklıyor: “Örneğin YZ çözüm
kataloğu, IIP-Ecosphere projesinin bir parçası olarak
geliştiriliyor. Bu, üretimle ilgili sorunlara yönelik mevcut
YZ çözümlerini keşfetmeye ve analiz etmeye yönelik
bir platformdur.” Katalog, mevcut çözümler hakkındaki
bilgilere erişimi kolaylaştırmanın yanı sıra, kullanım
durumlarına göre hedeflenmiş filtreler sunuyor ve
çözümlerin katma değerini gösteriyor. Spiekermann,
“Bireysel YZ uygulamaları daha sonra projede geliştirilen
açık kaynaklı IIoT platformu kullanılarak doğrudan
uygulanabilir” diyor.
Şiddetli uluslararası rekabette ayakta kalma
mücadelesinde bilgi gücü temsil ediyor - ancak veri de
öyle. ABD ve Japonya’daki rakiplerine kıyasla Almanya,
endüstriyel üretim teknolojisinde yapay zekanın
geliştirilmesi ve kullanılmasında oyunun ilerisinde mi? Bu
konuda jüri hala kararını vermiş değil. Fraunhofer uzmanı
Spiekermann, “Anladığım kadarıyla şu anda rakiplerimiz
karşısında rehavete kapılmamızı sağlayacak bir gelişme
üstünlüğüne sahip değiliz,” diyor. Spiekermann, “Aslında,
yapay zeka açısından, endüstriyel üretim teknolojisi de
dahil olmak üzere uluslararası sağlayıcıların gerisinde
kalıyoruz” diyor.
Buna karşılık Fraunhofer uzmanı şunu da belirtiyor:
Bununla birlikte, alana özgü süreçleri optimize etme
açısından hala oyunun ilerisindeyiz. Belirli kullanım
durumları için hangi veriler mevcut ve gerekli? Tuzaklar
nelerdir ve hangi istisnaların dikkate alınması gerekir?
Profesyonel ve teknolojik yapay zeka uzmanlığımızı hızla
geliştirebilirsek, bu alan bilgisiyle Almanya’da kendimize
önemli bir liderlik alanı yaratabiliriz.”
Yazar: Daniel Schauber, uzman gazeteci, Mannheim
Endüstri 4.0 Dergisi - Sayı 37 - 2023 23