🤖 Robot Gelmeden Önce: Yapay Zeka Ajanları Üretimde Neleri Test Edebilir? 🤖

[Hasan S. Cemkan]

Otomatik bir bağlama hücresi, demoda çok basit görünür. Bir robot aleti alır, deliği bulur, bağlantı elemanını takar ve torku kaydeder. Her şey tekrarlanabilir, döngü süresi umut vericidir. Ancak üretim aşamasına geçildiğinde işler karışır. Farklı bir ürün varyantı için başka bir fikstür gerekir, bileşenler robotun ulaşamayacağı tepsilerde gelir. Kalite ekibi hem tork hem de açı kanıtı ister. Ortak bir operatör artık iki istasyonu beslemek zorundadır ve yeni hücre vardiyanın bir kısmını bekleyerek geçirir.

Robot görevini mükemmel yapsa bile, üretim kararı yanlış çıkabilir. İşte tam da bu noktada yapay zeka ajanlarının endüstriyel otomasyonda pratik bir rolü olduğunu düşünüyorum: Bir mühendislik kararını satın alma siparişi haline gelmeden önce hazırlamak ve sorgulamak. Fabrikayı kontrol etmek değil, güvenliği onaylamak değil. Küçük bir mühendislik ekibinin sonuçları daha erken keşfetmesine yardımcı olmak.

🤔 Ekipmandan Önce Gelen Soru 🤔​

Endüstriyel muhafazalar monte eden varsayımsal bir üretici düşünelim. Manuel vida bağlamayı robotik bir hücreyle değiştirmeyi düşünüyor. Asıl amaç robot kurmak değil; kabul edilebilir kalite veya güvenlik riski oluşturmadan kabul edilen çıktıyı artırmak.

Bir ajan, mevcut iş talimatları, ürün revizyonları, bağlama gereksinimleri, kat planı, üretim kayıtları ve ekipman bilgileriyle başlayabilir. Girdileri düzenleyebilir ve cevapsız soruların bir listesini döndürebilir: Bağlantı elemanları tutarlı bir yönde mi sunuluyor? Hangi ürün varyantları aynı fikstürü paylaşıyor? Muayene nerede yapılıyor? Bir bileşen eksik olduğunda ne olur?

Bu liste tamamlanmış bir analiz değildir, bir başlangıçtır. Gerekli bir girdi eksikse, ajan bunu söylemeli, boşluğu mantıklı bir sayıyla doldurmamalıdır.

💡 Sonuç Değil, Alternatifler Üret 💡​

Bir sonraki faydalı görev, seçenekleri hazırlamaktır. Biri manuel fikstürü ve sunum yöntemini yeniden tasarlayabilir. Diğeri dijital izlenebilirliğe sahip destekli bir bağlama aracı tanıtabilir. Üçüncüsü robotik bir hücre kullanabilir.

Her seçenek için bir ajan, ön süreç adımlarını bir araya getirmeye, değişikliğin etkilediği arayüzleri belirlemeye, eksik tedarikçi spesifikasyonlarını talep etmeye ve ekipman, personel, zemin alanı, muayene ve beklenen işletme kısıtlamalarının bir karşılaştırmasını hazırlamaya yardımcı olabilir. Uygun araçlar bağlandığında, mühendis incelemesi için CAD ile ilgili girdiler, süreç dokümantasyonu veya simülasyon yapılandırma dosyaları da hazırlayabilir.

Önemli olan bundan sonra ne olduğudur. Geometrik boşluk bir geometrik kontrol gerektirir. Robot erişimi ve döngü süresi mühendislik modelleri gerektirir. Malzeme akışı ve kuyruk davranışı uygun bir süreç simülasyonu gerektirir. Güvenlik fonksiyonları nitelikli bir risk değerlendirmesi gerektirir. Bir dil modelinin kendinden emin açıklaması bunların hiçbirinin yerini tutamaz.

🚧 Sınır Koşullarını Test Et 🚧​

En yanıltıcı sonuç genellikle en temiz görünenidir. Sanal bir robot hızla hareket eder ve model gelişmiş çıktı gösterir. Ancak senaryo ideal parça teslimatı, yeniden işleme olmaması, sabit ürün karışımı ve her zaman hazır bir operatör varsayabilir.

Fabrika her zaman böyle çalışmaz. Güvenilir bir değerlendirme, gözlemlenen döngü süresi varyasyonunu, ekipman duruşlarını, yeniden işlemeyi, malzeme mevcudiyetini ve paylaşılan kaynak kısıtlamalarını gerektirir. Önerilen model, desteklemesi istenen karar için mevcut sürecin ilgili davranışını yeterince yakından yeniden üretmelidir.

Yapay zeka ajanları burada da faydalı olabilir. Varsayımların bir kaydını tutabilir, ölçülen değerleri tahminlerden ayırabilir, hassasiyet testi planları oluşturabilir ve bir girdi değiştiğinde bir önerinin nasıl değiştiğini karşılaştırabilirler. Eğer robotik bir hücre yalnızca parçalar kesintisiz geldiğinde faydalıysa, bu bağımlılık kimse yatırımı onaylamadan önce görünür olmalıdır.

NIST'in gelişmiş üretim için dijital ikizler üzerine yaptığı çalışma, güvenilir karar desteğinin gerekli parçaları olarak doğrulama, geçerlilik ve belirsizlik nicelemesini vurgulamaktadır. Dijital ikiz güvenilirliği üzerine yaptığı araştırma aynı noktayı vurgular: bir modelin çıktıları, model çalıştığı için kabul edilmek yerine, amaçlanan kullanımları için değerlendirilmelidir.

🤝 Devri Açıkça Belirt 🤝​

Hazırlık ve onay arasındaki sınır, bir slayt destesinden çok bir fabrikada daha önemlidir. Bir ajan alternatif bir süreç planı hazırlayabilir, çelişkili girdileri işaretleyebilir veya bir tedarikçi sorusu taslağı hazırlayabilir. Ancak bağımsız olarak bir robot programı yayınlamamalı, güvenlik dereceli bir işletim prosedürünü değiştirmemeli, bir makine satın alımını onaylamamalı veya bir kurulumu üretime hazır ilan etmemelidir.

Faydalı bir karar paketi birkaç basit soruyu yanıtlamalıdır: Hangi değişiklik öneriliyor? Hangi girdiler gözlemleniyor ve hangileri varsayılıyor? Hangi model veya hesaplama kullanıldı? Öneriyi ne yanlış yapabilir? Kontrol etmekten kim sorumlu? Sonucu hangi fiziksel deneme doğrulayacak?

Uygulamadan sonra ekip, olanları tahmin edilenlerle karşılaştırmalıdır. Aksi takdirde bir sonraki simülasyon aynı kör noktalarla başlar.

🌱 Öğrenmek İçin Yeterince Küçük Başla 🌱​

Üreticilerin bu yaklaşımı test etmek için her makinenin ve koridorun dijital bir kopyasına ihtiyacı yoktur. Sınırlı bir üretim kararıyla başlayın. Gerçek verileri toplayın, alternatifler hazırlayın, mühendislik varsayımlarını test edin ve sorumlu kişilerin bir denemenin haklı olup olmadığına karar vermesine izin verin.

Yapay zeka destekli fabrika modelleri, CAD üretimi ve simülasyon iş akışlarıyla denemeler yapıyorum. Daha hızlı hale gelen kısım, ilk senaryoyu bir araya getirmek. Zor kısım, bunu bir üretim operasyonunun gerçek kısıtlamalarına bağlamak olmaya devam ediyor.

Bu yüzden yakın vadeli atılımın, bir fabrikayı kendi başına çalıştıran bir yapay zeka ajanı olduğunu düşünmüyorum.

Bu, mühendislerin kötü bir otomasyon kararını, değiştirmesi hala ucuzken keşfetmelerine yardımcı olan bir iş akışıdır.