🏭 ChatGPT Fabrikanızı Yönetemez: Endüstriyel Yapay Zeka İçin Gerçek İhtiyaçlar Neler?

[Cengiz Özemli]

🤔 Üreticilerin Ortak Sorusu: Fabrikada Yapay Zeka Nasıl Kullanılır?​

Günümüzde her üretici aynı soruyu soruyor: Fabrika ortamında yapay zekayı nasıl kullanabiliriz? Bu oldukça geçerli bir soru ve birçok işletme, e-posta yazmanın ötesinde, günlük işlerinde yapay zekayı (veri dışa aktarma, soru sorma, kod yazma vb.) kullanmaya başladı bile.

Ancak bir sınır var ve fabrikalar bu sınıra beklenenden daha hızlı ulaşıyor. Sorun yapay zekada değil, teknolojinin çalışması için mevcut olan verilerde.

📉 Mevcut Yaklaşımın Sınırlılıkları​

En iyi senaryoyu ele alalım: Şirketinizin bir kurumsal anlaşması var, bu sayede verileriniz herkese açık bir modele beslenmiyor. Bu güvenlik sorununu çözse de her şeyi halletmiyor.

Bir mühendis, süreç verilerini analiz etmek için ChatGPT veya Copilot kullandığında, hala dışa aktarılan verilerle çalışıyor. Verileri bir e-tabloya çekiyor, araca yapıştırıyor ve verim düşüşünün nedenini soruyor. Araç makul, hatta belki de faydalı bir cevap veriyor.

Ancak aynı soruyu iki gün sonra sorduğunuzda, her şeye baştan başlıyorsunuz. Fabrikanız, süreciniz, etiketleriniz veya önceki konuşmadan herhangi bir bağlam hakkında hiçbir hafıza yok. Her oturum boş bir sayfa, aynı süreç baştan tekrarlanıyor.

Veri güncelliği de başka bir sorun. Veriyi dışa aktarıp, temizleyip yapıştırdığınızda, bir anlık görüntüyle çalışıyorsunuz. Bu size ne olduğunu söyleyebilir, ancak şu anda ne olduğunu söyleyemez.

Üstelik birçok şirketin böyle bir kurumsal anlaşması yok. Ücretsiz veya kişisel hesaplar kullanan mühendisler, tüketici sürümleri aracılığıyla gönderilen verilerin model eğitimi için kullanılabileceğini ve sağlayıcı tarafından incelenebileceğini genellikle fark etmiyor.

Tescilli süreç verileri veya düzenleyici hassasiyeti olan herhangi bir veriyi işleyen bir fabrika için bu ciddi bir risktir ve uyumluluk ekipleri genellikle çok geç fark eder.

Bunların hiçbiri bu araçların yeri olmadığı anlamına gelmez. Onlar, yapıldıkları işi yapıyorlar. Sadece bu iş için yapılmadılar.

💡 Fabrika Ortamının Yapay Zekadan Beklentisi​

Endüstriyel yapay zekadan gerçek sonuçlar alan fabrikalar, daha iyi komutlar kullanmıyor. Onların tamamen farklı bir kurulumu var.

• Canlı Veri Bağlantıları: Başarılı kullanım senaryolarını mümkün kılan şey, dışa aktarımlar değil, tarihçiye canlı bağlantılardır. Yapay zeka güncel verileri okur, bu da iki saat önce veya geçen Salı yerine şu anda ne olduğu hakkında soruları yanıtlayabileceği anlamına gelir.
  
• Fabrika Bilgisi: Bu kurulumlar, etiket adlarından birimlere ve varlık çerçevesine kadar fabrikalarını tanır. Bu bağlam bir kez yüklenir ve her soruda geçerliliğini korur. Sürecinizi tekrar tekrar açıklamak yerine sadece sorular sormaya başlarsınız.
  
• Doğrulanabilir Yanıtlar: Her yanıt, geldiği gerçek veriye veya belgeye atıfta bulunur. Bir fabrika ortamında, üzerinde işlem yaptığınız şeyi doğrulayabilmeniz gerekir. Kendine güvenli görünen ancak çalışmasını gösteremeyen bir yapay zekanın bir operatörün ekranının yakınında yeri yoktur.
  

Buna ulaşmak, tüm bunları mümkün kılan veri altyapısına sahip olmakla ilgilidir.

🚧 Çoğu Fabrikanın Mevcut Durumu​

Ne yazık ki, şu anda yapay zekayı aktif olarak uygulamaya çalışan birçok üretici henüz buna tam olarak hazır değil.

Üretimde dijital olgunluğu düşünmek için yaygın olarak kullanılan bir çerçeve, hazırlığı beş aşamaya ayırır:

• Aşama 1: Esasen anlamlı bir veri toplama yok.
  
• Aşama 5: Veri siloları olmayan, tamamen birleşik bir platform ve kuruluş genelinde proaktif, gerçek zamanlı karar verme.
  

Yapay zekanın güvenilir bir şekilde çalışması için minimum eşik Aşama 4'tür. Bu, verilerin geniş ölçüde erişilebilir olduğu, insanların günlük olarak karar vermek için kullandığı ve kuruluşun veriyi ara sıra bir referans noktası olarak değil, operasyonların bir parçası olarak ele alma konusunda gerçek alışkanlıklar geliştirdiği noktadır.

Şu anda yapay zeka projelerini takip eden çoğu fabrika Aşama 3'te bulunuyor. Bir tarihçileri var. Mühendisler geçmiş performansı inceleyebilir. Ancak silolar hala mevcut, etiket adlandırması tutarsız ve kuruluşun yarısı bir şeyler ters gitmedikçe verilere bakmıyor.

Aşama 3 temeli üzerinde yapay zeka çalıştırmaya çalışmak, güvenilmez çıktılar, düşük benimseme ve teknolojinin işe yaramadığı genel bir his üretme eğilimindedir. Aslında işe yarıyor. Sadece daha iyi bir başlangıç noktasına ihtiyacı vardı.

✅ Yapay Zekaya Hazır Olmak Ne Anlama Geliyor?​

Aşama 4'e ulaşmak bir yapay zeka girişimi gerektirmez. Beş temel şeyi doğru yapmayı gerektirir:

1. Performanslı Bir Tarihçi: Yüksek hızlı veri toplama, boşluksuz, ağ kesintilerinde hiçbir şeyin kaybolmaması için depolama ve iletme. dataPARC veya diğer Endüstriyel Tarihçiler gibi platformlar, doğru yapılandırılır ve bakımı yapılırsa size ihtiyacınız olanı verebilir.
   
2. Verilerin Tek Bir Yerde Olması: Laboratuvar verileri bir LIMS'de, üretim verileri bir MES'de, süreç verileri tarihçide; bunların hiçbiri birbirine bağlı değil. Bu birçok fabrikada normdur ve birleşik yapay zeka analizini imkansız kılar. Bu kaynakların bir araya geldiği tek bir ortam, durumu değiştirir.
   
3. Etiket Kalitesi: Bu genellikle atlanan bir konudur. Tutarlı adlandırma, faydalı meta veriler ve fabrikanızın nasıl organize edildiğiyle eşleşen bir varlık hiyerarşisi. Bu katman olmadan yapay zeka verileri çekebilir ancak ne anlama geldiğini yorumlayamaz.
   
4. Yönetişim: Kim neye erişebilir ve verilerin nasıl kullanıldığına dair bir kayıt var mı? Rol tabanlı erişim ve denetim izleri sadece BT endişeleri değildir. Yapay zeka yanıtlarını savunabileceğiniz ve üzerinde işlem yapabileceğiniz şeyler haline getiren bunlardır.
   
5. Açık Entegrasyon: OPC UA, REST API'leri ve SQL konektörleri etrafında inşa edilmiş fabrikalar, her seferinde aylarca süren bir entegrasyon projesi olmadan yeni araçları takabilir. Tescilli, kapalı sistemler bunu yapamaz.
   

Bu beşini doğru yapın ve yapay zekaya hazır olmak ayrı bir hedef değil, bir yan ürün olacaktır.

❓ Veri Temelinizi Belirlemek İçin Birkaç Soru​

Endüstriyel bir yapay zeka aracına bakmadan önce veri temelinizin hazır olduğundan emin olmak için sorulacak birkaç soru:

• Ekibiniz süreç verilerini kendi başına çekebiliyor mu, yoksa bir dışa aktarma için mi bekliyor? Eğer bekliyorlarsa, çözülmesi gereken ilk sorun budur.
  
• Yeni biri, bir açıklama olmadan etiket adlarınızı anlar mıydı? Tutarsız etiketleme, kimsenin güvenmediği çıktılara giden en hızlı yoldur.
  
• Veri sistemleriniz birbiriyle konuşuyor mu, yoksa her biri kendi dünyasında mı yaşıyor? Kısmi veriler, kısmi cevaplar demektir.
  
• İnsanlarınız zaten karar vermek için veri kullanıyor mu, yoksa çoğunlukla bir şeyler ters gittikten sonra mı bakılıyor? Yapay zeka, mevcut kültürü güçlendirir. Sıfırdan bir kültür inşa etmez.
  

💪 Veri, İşin Zor Kısmı​

Üretimde yapay zeka sohbetinin bir versiyonu, teknolojinin kendisini bir atılım olarak ele alır. Doğru aracı alın ve her şeyi iyileştirin. Bu çerçeve birçok satıcıyı iş başında tutar ve birçok hayal kırıklığına uğramış fabrika yöneticisine yol açar.

Endüstriyel yapay zekadan değer elde eden fabrikalar, daha iyi yazılım buldukları için özel değiller. Verileri temiz olduğu, sistemleri bağlı olduğu ve insanları zaten karar vermek için veri kullanma alışkanlığına sahip olduğu için oraya ulaştılar.

Yapay zeka, buna hazır bir ortama adım attı.

Bu temeli inşa etmek, bir yazılım satın almaktan daha uzun sürer. Ancak yazılımı satın almaya değer kılan tek şey budur. Oradan başlayın ve yapay zeka sorusu çok daha kolay yanıtlanacaktır.