Can Cansağlar
Yeni Üye
İşletme, sahada yalın üretim prensibi ile çalışmaya başlayıp, topladığı verileri bilgiye dönüştürdükten hemen sonra bir verimsizlik haritası çıkarmalıdır. Endüstri 4.0’ın ilk olarak verimsizlik yaşanan noktalara ve süreçlere uygulanması işletme genelinde motivasyon sağlarken, sonraki yatırımlar için finansal kaynak yaratacaktır.
Tanımlanan ve belirlenen verimsiz süreçler için Endüstri 4.0 dönüşümünün başlangıcı sahadan amaca uygun veri toplamaktır. Makinenin başlaması veya durması gibi dijital verilerin yaratacağı katma değer sınırlı olurken, basınç, sıcaklık, vibrasyon gibi analog verilerden elde edilebilecek çıktılar çok daha anlamlı olacaktır.
Büyük Veriye (Big Data) ulaşmak için her yere bir sensör koyup ne amaçla kullanılacağı belli olmayan verileri toplamak, bunları bulut veya benzer yapılarda depolayıp yüksek veri tutma maliyetine katlanmak anlamsızdır. Bugünün teknolojisi ile bu veri yığını içinden işe yarar bilgi üretmek ise çok yoğun bir işlem gücü ve uzun zaman gerektirir. Big Data ancak dijitalleşme, veri işleme ve tutma maliyetlerinin azalması ile amaçlanabilir.
Veri toplama işinde temel noktalardan biri de verinin hangi sıklıkla toplanacağıdır. Doğru veri seçilse bile örnekleme sıklığı yetersiz ise yanlış sonuca ulaşmak kaçınılmaz olacaktır. Örnekleme sıklığı depolanan veri yığınını, maliyeti ve analiz zamanını da etkileyeceğinden bu bir optimizasyon sorunudur. Kesinlikle veri toplama işleminin bir araç olduğu göz ardı edilmemelidir. Toplanan veri anlamlandırılmadan yani bilgi haline getirilmeden bir işe yaramaz. Bu nedenle odaklanılması gereken yer “Veri Analizi”dir.
Veri analizi için çok farklı yöntemler, matematiksel modeller ve algoritmalar üretilmektedir. Veri tipine uygun yöntemlerin kullanılmasının yanında işlenen verinin ne olduğunu fiziksel olarak anlayan, uzman kişilerinde analize destek vermesi gerekir. Veri analizi işi sadece veri işleme uzmanlarına bırakılırsa anlamlı bir sonuç alınamaz. Açıkçası makine ve üretim süreçlerinde uzmanlaşmış, fiziksel sebep-sonuç ilişkilerini iyi bilen teknik personelin de bu süreçte yer alması, veriyi bilgiye dönüştürme çalışmalarının doğru sonuca ulaşmasında etkendir.
İnsan zekâsı ve desteğiyle elde edilen sonuçların yapay zekâya öğretilmesi ve örnekleme sayısının yükseltilmesi benzer önermelerin yapay sinir ağları ile üretilmesine olanak sağlayacaktır. Ancak yapay zekânın etkinliğini arttırmak için yüksek örneklem sayısı gerektiğinden bu sonuca kısa sürede ulaşmak mümkün olmayacaktır.
PILZ Türkiye Genel Müdürü Yavuz ÇOPUR
Tanımlanan ve belirlenen verimsiz süreçler için Endüstri 4.0 dönüşümünün başlangıcı sahadan amaca uygun veri toplamaktır. Makinenin başlaması veya durması gibi dijital verilerin yaratacağı katma değer sınırlı olurken, basınç, sıcaklık, vibrasyon gibi analog verilerden elde edilebilecek çıktılar çok daha anlamlı olacaktır.
Büyük Veriye (Big Data) ulaşmak için her yere bir sensör koyup ne amaçla kullanılacağı belli olmayan verileri toplamak, bunları bulut veya benzer yapılarda depolayıp yüksek veri tutma maliyetine katlanmak anlamsızdır. Bugünün teknolojisi ile bu veri yığını içinden işe yarar bilgi üretmek ise çok yoğun bir işlem gücü ve uzun zaman gerektirir. Big Data ancak dijitalleşme, veri işleme ve tutma maliyetlerinin azalması ile amaçlanabilir.
Veri toplama işinde temel noktalardan biri de verinin hangi sıklıkla toplanacağıdır. Doğru veri seçilse bile örnekleme sıklığı yetersiz ise yanlış sonuca ulaşmak kaçınılmaz olacaktır. Örnekleme sıklığı depolanan veri yığınını, maliyeti ve analiz zamanını da etkileyeceğinden bu bir optimizasyon sorunudur. Kesinlikle veri toplama işleminin bir araç olduğu göz ardı edilmemelidir. Toplanan veri anlamlandırılmadan yani bilgi haline getirilmeden bir işe yaramaz. Bu nedenle odaklanılması gereken yer “Veri Analizi”dir.
Veri analizi için çok farklı yöntemler, matematiksel modeller ve algoritmalar üretilmektedir. Veri tipine uygun yöntemlerin kullanılmasının yanında işlenen verinin ne olduğunu fiziksel olarak anlayan, uzman kişilerinde analize destek vermesi gerekir. Veri analizi işi sadece veri işleme uzmanlarına bırakılırsa anlamlı bir sonuç alınamaz. Açıkçası makine ve üretim süreçlerinde uzmanlaşmış, fiziksel sebep-sonuç ilişkilerini iyi bilen teknik personelin de bu süreçte yer alması, veriyi bilgiye dönüştürme çalışmalarının doğru sonuca ulaşmasında etkendir.
İnsan zekâsı ve desteğiyle elde edilen sonuçların yapay zekâya öğretilmesi ve örnekleme sayısının yükseltilmesi benzer önermelerin yapay sinir ağları ile üretilmesine olanak sağlayacaktır. Ancak yapay zekânın etkinliğini arttırmak için yüksek örneklem sayısı gerektiğinden bu sonuca kısa sürede ulaşmak mümkün olmayacaktır.
PILZ Türkiye Genel Müdürü Yavuz ÇOPUR