Artificial Intelligence (Yapay Zeka), Machine Learning (Makine Öğrenmesi) ve Deep Learning (Derin Öğrenme).

Makine Öğrenmesi, Derin Öğrenme ve Kestirimci Bakım

Hayatın bir çok alanında olduğu gibi üretim alanında da teknoloji, trend belirlemede -gayet normal olarak- uzun zamandır öncü rol oynuyor. Yalnız bir süredir dikkat çekici biçimde bu başat rol yazılım teknolojileri özelinde ilerliyor. Cloud (Bulut), Big Data (Büyük Veri), Data Mining (Veri Madenciliği), Internet Of Things (Nesnelerin İnterneti), Augmented Reality (Arttırılmış Gerçeklik) ve nihayet Endüstri 4.0 gibi yakın dönem kavramlarının her biri yazılım teknolojileri üzerine inşa edilmiş trend yapı ve terimler. Son dönem trendi ise üçlü blok halinde hayatımıza girdi; Artificial Intelligence (Yapay Zeka), Machine Learning (Makine Öğrenmesi) ve Deep Learning (Derin Öğrenme).

Yapay zeka kavram olarak her ne kadar çok uzun süredir bizimle olsa da gerçek manada kendi kendine öğrenme yetisine sahip bir yapay zekanın programlanabilme ihtimali asıl olarak Makine Öğrenmesi ile birlikte ortaya çıktı. İhtimalin gerçeğe dönüştürülmesi aşamasında ise insan müdahalesi ihtiyacını ortadan kaldırarak tamamen otonom öğrenmeyi sağlamak için de insan beyninden ilham alınarak yapay sinir ağları oluşturuldu ve bu sayede de Deep Learning ile tanışmış olduk. Burada Makine Öğrenmesi, Yapay Zekayı gerçekleştirme amacı taşıyan bir süreç iken, Derin Öğrenme ise Makine Öğrenmesini otonomlaştırmak için oluşturulan bir alt metottur diyebiliriz.

Yakın dönem trendleri ile ilgili bir diğer dikkat çekici nokta da tüm bu teknolojilerin üretim sistemlerine açık şekilde uygulanabilir olması. Hatta üretim ve teknoloji trend kavramları arasındaki mantıksal bağ o kadar sıkı ki bu kavramlar doğrudan üretim metodolojisine aitmiş izlenimi verebiliyor, makine öğrenmesi örneğinde olduğu gibi. Üretim ve yazılım teknolojilerindeki bu iç içelik üretim sahasında sürekli iyileştirme çalışmalarının güncel teknolojilere adaptasyonunu da uygulanabilir hale getiriyor.

Üretim ve makine öğrenmesi kavramları birlikte düşünüldüğünde hemen herkesin aklına ilk gelen inovasyon çalışması kestirimci bakımdır. Bilindiği gibi kestirimci bakım, anahtar veri durumundaki anlık makine operasyon verilerinin (titreşim) izlenmesi ve analiz edilmesi ve ardından da bu anahtar verilerde bir uyumsuzluk tespit edildiğinde arıza henüz gerçekleşmeden uyumsuzluğun kaynak bileşeninin tespit edilip bakım-onarım işleminin gerçekleştirilmesi mantığına dayanan bir uygulamadır. Geleneksel Makine Öğrenmesi ve Derin Öğrenme arasındaki farkı daha iyi ifade edebilmek için kestirimci bakım ile ilgili şu örnek de verilebilir:

Bu tanımda geçen anahtar veri kavramı geleneksel Makine Öğrenmesi ve Derin Öğrenme arasındaki farkı daha iyi ifade edebilmek için iyi bir örnek olacaktır. Daha önce bahsedildiği gibi Makine Öğrenmesi ve Derin Öğrenme arasındaki fark insan müdahalesi ihtiyacıdır. Burada ise insan müdahalesinden kasıt, makine için anahtar verinin belirlenmesi işlemidir. Geleneksel Makine Öğrenmesinde izlenecek titreşim, sıcaklık, yağ değerleri gibi anahtar veriler bizim tarafımızdan belirlenir ve algoritmalar buna göre kurgulanır. Derin Öğrenme mantığında ise makine operasyon verilerine bir dış etken tarafından anahtar veri statüsü ve üst bir anlam kazandırılmaz. Tüm operasyon verisi yapay sinir ağlarına dağıtılır ve bu veriler arasındaki ilişki-desen Derin Öğrenme algoritması tarafından kendiliğinden öğrenilerek ortaya çıkartılır. Bu şekilde normal şartlarda aralarında ilişkisellik mevcut değil sanılan bileşen ve veriler arasında bağlantı kurulur ve gözlem esnasında yapay ağlar arasındaki bu ve benzeri ilişkisellikler de göz önünde bulundurulur. Böylece dış etken olarak insanın normal şartlarda anahtar bir önem vermeyeceği, önemsiz gibi görünen bir operasyon verisinde gerçekleşecek herhangi bir uyumsuzluk dahi uyarı mekanizmasını harekete geçirebilir ve kestirimci bakım gerçekleştirilebilir.

Yapay zeka metotlarının üretim sahasına uyarlanması konusunda, kestirimci bakım haricinde daha bir çok inovasyon çalışmaları gerçekleştirmek de elbette mümkündür. Özellikle görüntü işleme teknolojilerinin ve otonom araçların üretim sahasında kullanımı odaklı süreç geliştirme fikirlerinin, sürekli iyileştirmeye önem veren ekipler içerisinde sıkça dile getirilmeye başlandığına şahit oluyoruz. Makine Öğrenmesi temeline dayanan bu tip teknolojiler çeşitlendikçe ve geliştikçe, karanlık fabrika kavramı ile aramızdaki mesafe giderek azalacak gibi görünüyor.

Selçuk SÖZERİ
trexDCAS - Yazılım ve Entegrasyon Uzmanı