Yapay Zekâ Üretimde Nasıl Kullanılıyor?

Sanayide Yapay Zekânın Ortaya Çıkışı

Yapay zekâ, yirmi birinci yüzyılın en çok konuşulan kavramlarından biri oldu; bunun büyük kısmı son on yıldaki ivmeden kaynaklanıyor. Yapay zekânın görece yakın dönemdeki atılımına rağmen kökenleri yirminci yüzyılın ortalarına uzanır.

Turing Testi

1950’de Alan Turing, yapay zekâ kavramını insanlığın bilincine taşıdı. Düşünceleri doğrultusunda, makinelerin insanlıkla benzer düzeyde ya da daha ötesinde düşünüp düşünemeyeceğini belirlemek için Turing testini geliştirdi. Ne yazık ki 60’ların sonlarına doğru pek bir atılım yaşanmadı; bu dönem, yapay zekâ araştırma ve geliştirmelerine yeterli fon ayrılmaması nedeniyle ilk “yapay zekâ kışı” olarak anılır.

Robotlar üretime giriyor

Bununla birlikte, arka planda sessizce, bu dönemde büyüme az olmasına rağmen yapay zekânın unsurları üretime entegre edilmeye başlandı. Örneğin, SCARA adlı montaj hattı robot kolu 1978’de geliştirildi ve üretimde kullanıldı. Ancak bir sonraki yapay zekâ Ar-Ge patlamasını 1980’lerde gördük ve satranç bu süreçte önemli bir rol oynadı.

Yapay zekâ için şah mat

Dönemin satranç dünya şampiyonu Garry Kasparov oyuna hükmediyordu. Satranç, yenilmesi gereken en zor oyun olarak kabul ediliyordu; çünkü bunun aşılması, yapay zekânın Turing’in bir insan kapasitesinde düşünebilen bir makine inşa etme ölçütünü karşıladığı anlamına gelecekti.

Kasparov, alanındaki yapay zekâ ilerlemesinden ikna olmamıştı ve yapay zekâ destekli satranç motorlarının büyükustaların seviyesini aşamayacağını ilan etti. Bu inancı, 1996’da IBM’in Deep Blue’sunu ve 1989’da selefi IBM Deep Thought’u yenmesiyle daha da pekişti.

Ancak 1997’de IBM’in Deep Blue’su rövanşta onu yendiğinde sözlerini geri almak zorunda kaldı; bu anın, 1988’de başlayan ikinci “yapay zekâ kışını” sona erdirdiği söylenir.

Yapay zekânın geleceği

O zamandan beri yapay zekâ istikrarlı gelişmeler kaydetti. Ancak bir sonraki büyük sıçrama, derin öğrenme devriminin ardından 2012’de ve daha yakın zamanda GPT-4’ün lansmanıyla geldi.

Her bir ilerleme, yapay zekânın büyümesinde önemli bir rol oynadı ve bu birikim kademeli olarak üretim sektörüne de taştı. Günümüzde üreticilerin yapay zekâdan yararlanarak üretimi optimize etmesi sıradan bir durum.

Üretimde Yapay Zekâ Örnekleri

Yapay zekâyı, “insanlar veya diğer hayvanlar tarafından sergilenen zekânın aksine, makineler tarafından gösterilen; bilgiyi algılama, sentezleme ve çıkarım yapma yeteneği” olarak tanımlayabiliriz.

Özellikle makine öğrenimi olarak bilinen bir yapay zekâ dalı, sektörün dayandığı büyük veri miktarları sayesinde üretim alanında çığır açan ilerlemeler kaydediyor.

Makine öğrenimi, makinelerin veriden öğrendiği örüntülere dayanarak insan girdisi olmadan kararlar almasını sağlar. İnsanların büyük miktardaki veriyi ayıklaması genellikle zorken, bu makineler için basittir.

Robot işçilerle dolu bir fabrika bir zamanlar bilim kurguya ait uzak bir hayal gibi görünse de, bugün üreticilerin yapay zekâdan yararlandığı gerçek dünya senaryolarından biridir.

Ancak üreticiler yapay zekâdan çeşitli şekillerde faydalanabilir; birkaçına bakalım.

Kestirimci bakım

Tüm endüstriyel ekipmanların bir ömrü vardır. Zamanında bakım yapılmaması ciddi para ve zaman kayıplarına yol açabilir. Ekipmanı çok erken servise almak da zaman ve para kaybı demektir; bu nedenle asıl zorluk, ekipmanı servis etmek veya değiştirmek için ideal zamanı belirlemektir. Yapay zekâ tabanlı kestirimci bakım, bu ihtiyacı karşılamak üzere giderek daha fazla uygulanmaktadır.

Kalite kontrol ve denetim

Üretilen ürünler genellikle tüketicilere sunulmadan önce iyi bir standartta olduklarından emin olmak için belirli bir kalite kontrol düzeyini korur. Geleneksel olarak kalite kontrol, kusurları aramak için insanların görsel denetimler yapması anlamına geliyordu. İnsan kaynaklı görsel denetimlerde iki temel sorun vardır: 1) insanlar genellikle hataya açıktır ve 2) denetimler uzun sürebilir.

Görsel denetim sorumluluğunun makine görüş kameraları gibi yapay zekâ destekli denetim ekipmanlarına devredilmesi, genellikle daha hızlı ve daha doğru kusur tespiti ve denetimler sağlar; böylece şirketler, ürünlerinin tüketicilerin eline geçmeden önce istenen kaliteyi karşıladığından daha emin olabilir.

Süreç optimizasyonu ve otomasyon

Robotik süreç otomasyonu (RPA) gibi teknolojiler, yazılım robotlarının dijital sistemler ve yazılımlarla etkileşime giren insan eylemlerini taklit eden şekilde inşa edilmesi, dağıtılması ve yönetilmesine yönelik gereksinimleri basitleştirir.

Bu tür yazılımlar, tekrarlayan ve yüksek hacimli süreçleri insanlara kıyasla daha yüksek doğrulukla yönetebilir. RPA’nin örnek kullanım alanları arasında sistemler arası veri transferi, aramalar, hesaplamalar ve kayıt bakımı sayılabilir.

Tedarik zinciri yönetimi

Üretimde yapay zekâya iyi bir örnek tedarik zinciri yönetiminde görülebilir. Üreticiler genellikle milyonlarca siparişi, satın almayı, malzemeyi, bileşeni vb. işlemek zorundadır. Bu süreçlerin manuel olarak yürütülmesi insanların zamanını ve kaynaklarını ciddi biçimde etkiler; bu nedenle daha fazla şirket tedarik zinciri süreçlerini güçlendirmek için yapay zekâya yöneliyor.

Kobotlar

İşbirlikçi robotlar, kısaca Kobotlar, insanları tamamen ikame etmek yerine onlarla birlikte daha büyük destekleyici sorumluluklar üstleniyor.

Tek bir görevi tekrarlı şekilde yerine getirmek üzere programlanan otomatik robotların aksine, Kobotlar çeşitli görevleri nasıl yapacaklarını öğrenebilir ve çoğunlukla ağır kaldırma (ör. ağır otomobil parçalarını kaldırma) veya fabrika montaj hatlarında çalışma gibi görevleri yerine getirmek üzere kullanılır. Kobotlar için bir diğer kullanım alanı da büyük depolarda öğeleri bulma ve getirmedir.

Üretimde Yapay Zekânın Etik Sonuçları

Üretimde yapay zekâ sayesinde elde edebileceğimiz tüm olumlu sonuçlar ve potansiyel atılımların ortasında, bazı gruplar arasında etik sonuçlara ilişkin endişeler de ortaya çıktı.

İşte dile getirdikleri bazı kaygılar.

İşsizlik ve artan eşitsizlik

En bariz endişe, insanlığın güvenliğine yönelik tehdittir. Kimilerine göre bu tehdit varoluşsaldır; kimilerine göreyse emek talebiyle ilgilidir.

Geleneksel olarak teknolojik ilerleme, yüksek vasıflı emeğe olan talebi artırır; daha az eğitimli ve daha az becerili işçilere olan talep ise azalır.

Ancak IBM’in yönetim kurulu başkanı ve CEO’su Arvind Krishna’nın Ocak 2023’te Davos’ta öngördüğü üzere, yapay zekâ devrimiyle bunun tersi bir tablo görebiliriz:

Makineler daha akıllı hale geldikçe, işyerinde birçok insanın yerini almaya hazırlanıyor; bu da 4IR’ın gerektirdiği becerilere sahip olmayan pek çok kişiyi işsiz bırakabilir.

Siber güvenlik tehditleri

Siber suçlular, sistemlere sızmanın yeni yollarını sürekli geliştiriyor; bu da siber saldırılara daha açık olmaları nedeniyle yapay zekâ hakkında birçok endişeyi artırıyor. Dünya Ekonomik Forumu, üretim sektörünün başlıca tehditlerini şöyle sıralıyor:

• Oltalama (phishing) saldırıları
• Fidye yazılımları
• Fikri mülkiyet hırsızlığı
• Tedarik zinciri saldırıları
• Nesnelerin İnterneti (IoT) saldırıları

İnsanlar, ürünler ve ekipmanlar IoT aracılığıyla daha fazla bağlandıkça, sistemdeki küçük bir ihlal bile tüm bir üretim hattını bozmak ve en kötü senaryoda bir üretim işletmesini tamamen durdurmak için yeterli olabilir.

Önyargı

Yapay zekânın büyük veri günlüklerini hızla işlemesine güvenildiğinde ortaya çıkan ödünlerden biri, doğuştan gelen önyargıları öğrenme olasılığıdır. Yapay zekâ her zaman adil ve tarafsız olmayabilir.

Örneğin, gelecekteki suçluları tahmin etmek üzere eğitilmiş bir yapay zekâ sistemi, siyahlara karşı güçlü bir önyargı gösterdi. Sistemleri geliştiren insanların da hesaba katılması gerekir. Bu yapay zekâ sistemlerini insanlar oluşturur ve insanlar kendi önyargılarına sahiptir; bunları sisteme yansıtabilirler.

Üretime gelince, yapay zekâdaki önyargı çeşitli sorunlara yol açabilir.

Örneğin kestirimci bakımda, önyargılı veri kümeleriyle eğitilen yapay zekâ modelleri ekipman arızalarını doğru şekilde tahmin edemeyebilir; bu da beklenmedik duruşlara, artan maliyetlere ve düşen verimliliğe neden olabilir.

Önyargı, otomatik kalite kontrol süreçlerini de çarpıtabilir; hatalı verilere dayanarak bazı ürünlerin veya parçaların diğerlerine göre kayrılmasına yol açabilir.

Ayrıca, yapay zekâ güdümlü tedarik zinciri yönetiminde önyargılar, adaletsiz tedarikçi seçimine, kaynakların verimsiz tahsisine ve pazar talebinin yanlış değerlendirilmesine neden olabilir. Bu etkiler yalnızca operasyonel verimliliği etkilemekle kalmaz; aynı zamanda itibar riskleri doğurabilir ve düzenleyici uyum sorunları yaratabilir.

Özet

Hiç kuşkusuz yapay zekâ devrim niteliğinde bir teknolojidir; giderek daha fazla işletme uygulamalarını iyileştirmek, daha iyi kararlar almak ve daha iyi ürünler geliştirmek için onu benimsiyor.

Bu sistemler akıllandıkça, üretim uygulamalarının da bu süreçte iyileşmesi muhtemeldir; dolayısıyla yapay zekâ temellerine sağlam şekilde hâkim olan şirketler, muhtemelen rakiplerine karşı önemli bir avantaj elde edecektir.

Bir demo talep edin; DataCamp’in tüm ekibinizi yetkinleştirme ve veri-olumlu bir kültür inşa etme sürecinde sizi nasıl yönlendirebileceğini görün.