MakinaTek dergisi, Türkiye makina imalat sektörünün gelişimine ve büyümesine katkı sağlamayı ana misyonu olarak görmekte ve sektörün gelişen profilini sergilemeyi amaçlamaktadır.

VERİ VE AKILLI Makine Devrimi

İlk olarak Omron’un masa tenisi oynayan robotu Forpheus’a bakalım! Bu robot Omron’un makinelere yönelik “3i” konseptini [(integrated (entegre), interactive (interaktif), intelligent (akıllı)] sembolize eder. Forpheus gibi bir makine nasıl spor yapabilir? İnsan ve makine iletişimine sahip bir robot olan Forpheus yaratılırken birçok teknoloji kullanılmasına karşın, tüm “daha akıllı” makinelerin yapımındaki temel bileşen veridir. Veri toplama, veri odaklı modelleme, modelleri uygulama ve son olarak makinenin kendi davranışını otomatik olarak düzenleyebilmesi yani makine öğrenmesi için makineyi kullanma ve modelleri değerlendirme.

[kutusol=9501] İlk adım, tekil makinelerden veya tercihen tüm üretim hattından veri toplamaktır. Bu yaklaşım bizim büyük veri adını verdiğimiz şekilde büyük miktarda veri ortaya çıkarır. Tüm bu verilerin işlenmesi günümüzün işleme gücü ve bulut depolama sayesinde nispeten daha verimli ve ekonomik şekilde gerçekleştirilebilir. Daha verimli işleme ve en iyi sonuçları almak için temiz veri temel teşkil eder. Bu toplanan verileri bir ekranda, kolay anlaşılabilir şekilde görüntüleyebilmek, operatörlerin süreçteki anormal durumları belirlemesine yardımcı olabilir.
VERİ ANALİZİ OPERATÖRLERE YARDIMCI OLUR
Süreç operasyonu verilerini bu şekilde görüntüleyerek, halihazırda %20 ila %30 arasında verimlilik artışı sağlanabiliyor. Ancak veri miktarının artmasıyla insanlar bu verilerin yorumlanması veya tekrarlanan örneklerin anlaşılmasında yetersiz kalmaktadır. Büyük veri analizi yazılımını kullanan bilgisayarlar, insanlara göre daha hassas ve yorulmak bilmeyen araçlardır. Bu araçlar, performans verilerindeki düzensizlikleri tanımlayabilir ve potansiyel sorunları operatöre bildirebilir. Daha fazla veri ve daha gelişmiş ya da “daha akıllı” analiz sayesinde, yorumlar ve sonuçlar daha kapsamlı ve doğru hale gelir. Örneğin, sistem yalnızca sorunları belirlemek yerine sorunun hat içindeki konumunu ve sorunu gidermek için yapılması gerekenleri tam olarak belirleyebilir. Operatörün görevi basitleşir ve hat verimliliğinde optimize edilmiş olur.

Veri miktarının artması veri yönetimini de önemli hale getirmiştir. Toplanan veriler genellikle gelişmiş işleme ve tekrarlanan örnekleri belirleme için çevrimdışı ortama alınır. Ardından, ortaya çıkan tekrarlanan örnekler fabrikaya geri aktarılarak makine tarafından gerçek zamanlı olarak uygulanır.
OTOMASYONU ARTIRMAK İÇİN VERİ KULLANIMI
Bu otomasyonu daha ileri bir aşamaya taşıyabiliriz. Akıllı sistemler sorunu veya potansiyel sorunu belirleyebilir, işaretleyebilir ve ardından sorunun giderilmesi sırasında tüm eksiklikleri dengelemek için üretim hattı parçalarını otomatik olarak uyarlayabilir. Tüm bu işlemler elbette ki güvenli parametrelerle uygulanır ve yine daha yüksek üretim verimliliği ortaya çıkarır.

Şimdi bu durumu tekil bir makine seviyesinde ele alalım. Veri analiz becerisine sahip olan akıllı makineler nasıl normal çalışmaları gerektiğini “bilmeleri” sayesinde davranışlarını tüm mevcut durumlara optimize edebilir. Kendi performanslarını izler ve beklenen davranışla uyumlu olduğundan emin olurlar. Standart şablona göre bir kusur veya sapma algıladığında makine sorunu tüm sisteme bildirir ve mümkünse çalışma biçimini düzelterek sorunu telafi eder. Sistem bakış açısından, makineler arasında tutarlı çalışma sağlamak için hat genelindeki tüm sapmalar dengelenmelidir.

GERÇEK AKILLI FABRİKA OTOMASYONU
Veri karmaşıklığı, akıllı fabrikaya geçişi büyük bir zorluk haline getiren öğelerden biridir.
Bu nedenle Omron, bu daha akıllı sistemleri kendi süreçlerine uygulayarak, şirketin gereksinimlere yatırım yapmasına ve en iyi uygulamaları geliştirmesine olanak sağlar. Öğrenilmesi gereken çok şey var. İki yıl önce kendi süreçlerini incelemeye başladıklarında, şirketin ilk veri analisti zamanının %80’ini sadece verileri temizlemek için harcıyordu.

Şimdi akıllı otomasyonun avantajlarını müşterilerimize ulaştırmak için öğrendiklerini sistemlerine ve ürünlerine uyguluyorlar. Birçok seçkin müşteriyle akıllı otomasyon deneyleri gerçekleştirerek zayıf halkaların nerede ortaya çıkacağını öğreniyorlar. Sonuç olarak, yalnızca bu araştırmanın gerçek fabrikalarda uygulanması ile gerçek değeri ortaya çıkabiliyor.[kutusag=9502] 

İNSAN MAKİNE ETKİLEŞİMİ
Veri toplama ve analizi üzerine inşa edilen akıllı otomasyon, insan ve makine etkileşimi eksenine taşınabilir. Omron’un gelişimini sürdüren masa tenisi şampiyonuna dönecek olursak, Forpheus topun hareketini izleyen kameraların yanı sıra masanın karşı tarafındaki rakibinin hareketlerini gözlemleme kapasitesine de sahiptir. Sensörden gelen verileri analiz eden robot, hareketi çok hassas ve hızlı bir şekilde hesaplayarak rakibin topa nasıl vuracağını ve topun nasıl bir yörünge izleyeceğini öngörebilir. Forpheus daha sonra topa ulaşmak için raketini hareket ettirir ve topu karşı sahaya gönderir.

Topu ne kadar zor veya kolay karşıladığını incelemek, bu akıllı makinenin genel olarak yarar sağlamak için kullanılabileceğini görmek mümkündür.
Rakibinin nasıl oynadığını değerlendirme becerisine sahip bu robot, rakiplerinin beceri seviyesini saptayabilir. Forpheus böylece oyun düzeyini belirleyerek rakibiyle en keyifli şekilde oynayabilir. Rakibine göre bir miktar daha üstün bir seviye belirlediğinde, rakip moral bozukluğu olmadan çekişmeli bir maç deneyimi yaşayabilir. Bu bilgiler ışığında, akıllı makinelerin aynı zamanda insanlara eğitim sağlamak için kullanılabileceğini söyleyebiliriz.

GÖREV BAŞINDA EĞİTİM
Bu eğitim unsuru tüm makine uygulama türlerine uyarlanabilir ve üretim endüstrisi için idealdir. Akıllı robotlar, ağırlığın robot tarafından kaldırıldığı ancak konumlandırmaya yönelik ince ayarların operatör tarafından yapıldığı ağır yük kaldırma gibi robot yardımlı sistemlerle veya diğer robotlarla iletişim kurduklarında operatörün uzmanlık seviyesini değerlendirebilir. Bu durumda, robot operatör eğitimine yardımcı olmak veya daha fazla rehberlik sunarak görevlerini daha kolay hale getirmek için kendi değerlendirmesini kullanır.

Akıllı otomasyon, verimlilik artışı gibi bir kazanımlar sağlamanın yanı sıra çalışmayı daha eğlenceli hale getirebilir. Üstelik sadece robotlarla değil, tüm makinelerle. Robotlar montaj hattındaki çalışanı tanıyarak, görevleri hakkında faydalı ipuçları ve püf noktaları sunabilir ve çalışanla kişisel iletişim kurabilir.

Geleneksel mühendislik olmasaydı günümüzün entegre ve interaktif makinelerinden söz edemezdik. Bu makineleri daha akıllı hale getirmek için yapmamız gereken veri bilimi mühendisliğinin dokunuşunu katmak.