Blog

Endüstriyel sektörlerdeki CEO’ların tümü, yapay zekanın en önemli önceliklerinin bir parçası olduğunu belirtiyor. Ancak gerçek uygulama söz konusu olduğunda, yapay zeka projeleri çok çekici değildir. Geçmişteki demo çalışmaları ve veri bilim ekiplerinin işe alınması, genellikle CEO’ların dilediği ve merakla beklenen dijital dönüşüme dair gözlemlenebilir sonuçlar çıkaramaz.

Veri olmadan dijital dönüşüm olmaz

Günümüz rekabet ortamının, üreticilerin çizdiği vizyonların ve konuşma endüstrisinin yarattığı yapay zeka heyecanı, beklenen hızlı kazanımlara ulaşmada aldatıcı olabilir. Yapılan projeler genelde kısıtlı bir kapsamda, ölçeklendirilemeyen sınırlı bir iyileşme gösterir.

Bu kısa projeler, sınırlı operasyonel çevrelerin dönüştürülmesine yönelik metodolojiyi göstermeyi amaçlamaktadır. Genellikle yeni teknolojilerden yararlanma yaklaşımlarıyla bir sorunu çözmeyi içerirler. %100 dijital olan bu teknolojilerin çalışması için yakıta ihtiyacı var ve bu yakıt da veriler. Dolayısıyla ilk adım, verilerin mevcut olduğundan emin olmaktır.

Bu hızlı kazanımları oluşturmaya yardımcı olmak için işe alınan firmalar, departmanlar arasında dolaşacaktır. Çözümlerini uygulamak için yeterli bilgiye sahip olana kadar değişik noktalardan veri kümeleri toplayacaklar.

Veriler iyi tanımlanıp kuruluş genelinde dağıtılmazsa bu adım bazen zaman alabilir. Ancak veri olmadan hiçbir dijital dönüşüm olmayacağı için izlenmesi zorunlu bir yoldur.

Büyük veri olmadan Yapay Zeka olmaz

Dönüşümü başlatmak için yapılan basit hızlı kazanımların ardından, daha iddialı projelerin masaya getirildiği bir zaman gelir ve işte o zaman AI (Yapay Zeka) sohbete girer. Yapay zeka etrafında oluşturulan vaatler ve illüzyon o kadar güçlü ki, Yapay zeka ve ML (Makine Öğrenimi) etrafındaki projeler ihmal edilemez.

Mevcut vaatler ile ilgili sorun şu ki, çok az insan yapay zekanın gerçekte ne anlama geldiğini gerçekten anlıyor. Birçoğu için, bir dijital aboneliği satın aldığınız gibi bir yapay zeka satın alıyorsunuz, bu doğru değil. Yapay zeka’nın vaadi, karar sürecine yardımcı olmak veya hatta tamamen üstlenmek için verileri kullanmanın yeni, otomatik yollarını getirmektir. Bu söz ancak, model olarak adlandırılan gerçek yapay zekanın gerçekten kendi kuruluşunuzdaki veriler üzerinde eğitilmesi durumunda yerine getirilebilir ve bu, bir kez daha aynı dijital dönüşüm yakıtı olan verileri gerektirir. Fark şu ki, bu sefer daha fazlasına ihtiyacınız var.

Bir modeli eğitmek gerçekten de modelin odaklanmasını istediğiniz iş operasyonlarınızın çeşitli yönlerini kapsayan çok fazla veri gerektirir ve aynı zamanda trend ve mevsimselliğin modellenebilmesi için uzun bir süreyi kapsar.

Bunun çeşitli etkileri vardır

• Birincisi, gerçekten yeterince anlamlı veri toplayana kadar bir model eğitmeyi ve yapay zekayı operasyonlarınıza verimli bir şekilde dahil etmeyi bekleyemezsiniz. Ve kuruluşunuz şimdiye kadar yapmamışsa, bir an önce başlamanız gerekir.
• İkinci etki, bu veri toplama sürecinin tek seferlik bir iş olmamasıdır. Bir modeli eğitmek için yeterli veriye sahip olduğunuzda durmaz. Devam etmesi gerekiyor, bu nedenle gelecekte performansları düşmeye başlarsa modellerinizi yeniden eğitmek için işletmenizin nasıl çalıştığına dair sinyaller toplamaya devam edersiniz. Bu,  yapay zeka yolculuğunuzdan önce, büyük verilerin toplanmasını, depolanmasını ve kuruluşunuzdaki ekiplerin kullanımına sunulmasını planlamanız gerektiği anlamına gelir, böylece ekipler verilere bakmaya başlayabilir ve olası kullanımları ve modelleri hayal edebilir.

Dijital İkizler olmadan endüstriyel yapay zeka olmaz

Dikeyler arasında, endüstriyel kuruluşlar en zor veri toplama sorunlarıyla karşı karşıyadır. Verileri esas olarak hizmetlerini kullanan kullanıcılarla ilgili olan sektörler daha şanslıdır. Sonunda, verileri o kadar büyük değil. Elbette hepimiz bankaların veya perakendecilerin veri yığınları biriktirdiğine dair hikayeler duyduk. Ancak kullanıcı başına yılda birkaç bin etkileşimden bahsediyoruz. Pek çok bankanın veya perakendecinin sahip olmadığı bir milyar kullanıcıyla bile yılda birkaç trilyon olaydan bahsediyoruz.

Endüstriyel dünyada işler farklı, veri üreten varlıklar ne yemek yiyor ne de uyuyor. Gece gündüz çalışırlar ve bazen saniyede binlerce ölçüm üretirler.

Yapay zekanın bu dikeylerde kullanılması, bu gerçekten büyük verilerin toplanmasını ve organize edilmesini gerektirir. Fiziksel varlıklarla ilgili veriler olduklarından, bu varlıkları dijital biçimde taklit eden bir yaklaşım kullanmak akıllıca olacaktır, bu yaklaşıma Dijital İkizler denir.

Dijital İkizler nedir?
Bir varlığın Dijital İkizi, sensörlerinden ve aktüatörlerinden gelen sinyaller kümesidir. Varlık operasyonlarının dinamiklerini yakalamak için bu sinyallerin zamanında izlenmesi gerekir. Ve bunu yapmak için tercih edilen teknoloji, bir Zaman Serisi Veritabanıdır. Gerçekten de, Dijital İkizler zaman serilerinden başka bir şey değildir, bazıları sensörler için, bazıları da durumlarıyla aktüatörler için.

Varlıklarınızdan verileri bir Zaman Serisi Veritabanında toplamaya başladığınızda, herhangi bir zamanda bu varlıkların durumuna kolayca erişebilirsiniz. Daha da önemlisi, anormallikleri algılamak ve kestirimci bakım gerçekleştirmek üzere modelleri eğitmek için özellikleri çıkarmaya başlayabilirsiniz.

Makine Öğrenmesi ve Derin Öğrenme gibi Yapay Zeka teknikleri sayesinde, raporlama, alarm oluşturma ve geçmişe yönelik analizlerin üzerine, operasyonel ve iş sistemlerinden öngörüler oluşturularak iş ve operasyonel durumlar için karar destek uygulamaları oluşturulur. Böylece operasyonel ve iş anlamında gelecekte oluşabilecek durumlar kestirilir ve gerekli önlemlerin alınması ve ya süreci en iyi şekilde uyarlama imkanı ortaya çıkar.

Kaliteli Verinin oluşması ve bu veriyi işlemek için gerekli altyapının gerek bulut gerek şirket içi ortamlarda sağlanabilmesi ile birlikte veriyi kullanarak Makine Öğrenmesi ve Derin Öğrenme yoluyla sahip olunan varlıklar ve ya süreçler modellenir ve Empirik Dijital İkizleri yaratılır.

Bilişsel Analitik sayesinde tıpkı insan düşünme süreçlerinde olduğu gibi, bilgiyi işleyebilir, veri hakkında sonuçlara varabilir hatta süreç hakkındaki tecrübelerimizi öğrenme sistemine aktarabiliriz.

Dijital İkizler ve Bilişsel Analitik ile gelecekte ve ya belirli durumlarda sistemin/sürecin tepkisi önceden kestirilebilir ve buna göre bakım ve ya optimizasyon adımları uygulanabilir.

Önceden tespit edilen anomaliler ve kök nedenler sayesinde kestirimci bakım kolaylıkla yapılabilir; Dijital İkiz kullanılarak sistem ve ya cihazın optimum çalışma değeri bulunabilir, verimi artırılır ve ya maliyetlerin azalması sağlanır.

SONUÇ

Yapay zeka her işletmenin gündemindedir, ancak verilerin önemi çoğu zaman göz ardı edilir. Endüstriyel yapay zeka söz konusu olduğunda, başarılı bir uygulamaya yönelik ilk adım, ilgili fiziksel varlıkların Dijital İkizlerini oluşturmak için tüm sensör verilerinin toplanmasıdır. Bu yaklaşımın, Cerrus Analytics Platform ile sunduğumuz türden bir veritabanı olan bir Zaman Serisi Veritabanından yararlanması gerekir.

Daha fazlası için: hello@cerrus.io

https://www.cerrus.io