KURUMSAL HİZMET
Üretimde Yapay Zekâ
Hat, bakım ve kalite süreçlerinde operasyon teknolojisi kısıtlarını gözeten yapay zekâ kurulumları.
Problem
Üretim sahasında veri var ama kullanılabilir değil: sensör kayıtları yerel sistemlerde tutuluyor, arıza kayıtları serbest metin olarak yazılıyor ve hat ile ofis ağı birbirinden ayrılmış durumda. Bulut tabanlı bir çözüm önerisi bu ayrımı bozduğu için güvenlik tarafından reddediliyor; proje veri erişimi aşamasında duruyor.
Çözüm
Mimariyi saha kısıtlarına göre kuruyoruz: çıkarım kenar tarafta, model eğitimi ayrı bir ortamda, ağlar arası veri akışı tek yönlü ve denetimli. Arıza kayıtları gibi serbest metin veriler yapılandırılmış hale getirilir ve sensör verisiyle eşleştirilir. Çıktı yeni bir panoya değil mevcut operasyon akışına bağlanır; operatörün baktığı ekranda görünmeyen sinyal kullanılmıyor sayılır.
Kullanım alanları
- Görsel kalite kontrol ve hat üzerinde hata tespiti
- Kestirimci bakım ve kalan faydalı ömür tahmini
- Arıza kayıtlarının yapılandırılması ve kök neden analizi
- Üretim planlama ve hat dengeleme desteği
- Bakım ekipleri için prosedür ve şema asistanı
- İş güvenliği ihlallerinin tespiti ve raporlanması
Referans mimari
Katmanlar sabit değildir; kurumun veri ve uyum kısıtlarına göre şekillenir.
- Veri toplama: sensör, üretim yürütme sistemi, bakım kayıtları, kalite kayıtları
- Ağ ayrımı: operasyon teknolojisi ve bilgi teknolojisi arasında tek yönlü, denetimli akış
- Kenar çıkarım: hat üzerinde düşük gecikmeli çalışma, bağlantı kesilse de devam
- Model eğitimi: ayrı ortamda, temsili veri setiyle
- Serbest metin yapılandırma: arıza ve bakım kayıtlarının kodlanması
- Operasyona bağlama: uyarının mevcut ekran ve iş emri akışına girmesi
- Geri besleme: operatör düzeltmelerinin ölçüm kümesine akması
Güvenlik ve uyum
Operasyon teknolojisi ağına dışarıdan erişim açılmaması; akışın tek yönlü tutulması
Kenar cihazların güncelleme ve kimlik yönetiminin merkezî olması
Kamera kurulumlarında çalışan görüntüsünün amaç sınırlaması ve bilgilendirmeyle yönetilmesi
Hat duruşuna yol açabilecek otomatik müdahalelerin insan onayına bağlanması
Yaklaşımımız
- 01
Discovery
Senaryo, veri ve kısıtların çıkarılması.
- 02
Assessment
Olgunluk ve uygulanabilirlik değerlendirmesi.
- 03
Prototype
En kısa yoldan çalışan ilk sürüm.
- 04
PoC
Tanımlı başarı ölçütüyle kanıt çalışması.
- 05
Production
Güvenlik, ölçek ve operasyon devri.
- 06
Monitoring
Kalite, maliyet ve kayma izleme.
Sık sorulan sorular
Neden kenar tarafta çalışıyor?
İki nedenle: gecikme ve bağımsızlık. Hat üzerinde karar milisaniyeler içinde verilmek zorunda ve internet bağlantısı kesildiğinde üretimin durmaması gerekiyor. Ayrıca kenarda işleme, operasyon ağının dışarıya açılmasını gerektirmediği için güvenlik tarafındaki asıl itirazı da ortadan kaldırır.
Kestirimci bakım için ne kadar arıza verisi gerekir?
Kritik kısıt veri miktarı değil, arıza örneği sayısı. Çoğu tesiste ekipman nadiren bozulduğu için yıllarca veri olsa bile öğrenilecek arıza örneği azdır. Bu durumda anomali tespiti ve fizik tabanlı eşikler daha dürüst bir başlangıçtır; sınıflandırma modeli yeterli örnek birikince devreye alınır.
Serbest metin arıza kayıtları neden bu kadar önemli?
Çünkü ekipmanın gerçekte ne olduğu orada yazıyor: sensör verisi bir sapmayı gösterir, sebebi teknisyenin notunda durur. Bu notlar kodlanmadığında sensör verisi etiketsiz kalır ve model öğrenecek hedefi bulamaz. Dil modellerinin bu alandaki en yüksek getirili kullanımı da budur.
İLETİŞİM
Üretimde Yapay Zekâ için değerlendirme oturumu
İlk görüşmede kullanım senaryonuzu, veri durumunuzu ve kısıtlarınızı birlikte çıkarıyoruz.