Yakın zamanda yayınlanan 2021-2026 Endüstriyel Yapay Zeka ve Yapay Zeka Pazarı Raporu'na göre, endüstriyel ortamlarda yapay zekanın benimsenme oranı iki yıldan biraz fazla bir sürede %19'dan %31'e yükseldi. Operasyonlarında yapay zekayı tamamen veya kısmen uygulamaya koyan katılımcıların %31'ine ek olarak, %39'u da şu anda teknolojiyi test ediyor veya pilot uygulama aşamasında bulunuyor.
Yapay zekâ, dünya çapındaki üreticiler ve enerji şirketleri için kilit bir teknoloji olarak ortaya çıkıyor ve Nesnelerin İnterneti (IoT) analizi, endüstriyel yapay zekâ çözümleri pazarının pandemi sonrası dönemde %35'lik güçlü bir yıllık bileşik büyüme oranı (CAGR) göstererek 2026 yılına kadar 102,17 milyar dolara ulaşacağını öngörüyor.
Dijital çağ, Nesnelerin İnterneti'ni doğurdu. Yapay zekanın ortaya çıkışının, Nesnelerin İnterneti'nin gelişim hızını artırdığı görülmektedir.
Endüstriyel yapay zeka ve yapay zeka destekli nesnelerin internetinin (AIoT) yükselişini tetikleyen bazı faktörlere göz atalım.
Faktör 1: Endüstriyel AIoT için giderek artan sayıda yazılım aracı
2019 yılında, IoT analitiği endüstriyel yapay zekayı kapsamaya başladığında, operasyonel teknoloji (OT) tedarikçilerinden çok az sayıda özel yapay zeka yazılım ürünü bulunuyordu. O zamandan beri, birçok OT tedarikçisi, fabrika ortamı için yapay zeka platformları şeklinde yapay zeka yazılım çözümleri geliştirerek ve sunarak yapay zeka pazarına girdi.
Verilere göre, yaklaşık 400 tedarikçi AIoT yazılımı sunuyor. Endüstriyel yapay zeka pazarına katılan yazılım tedarikçilerinin sayısı son iki yılda önemli ölçüde arttı. IoT Analytics'in yaptığı araştırmada, üreticilere/endüstriyel müşterilere yapay zeka teknolojisi sağlayan 634 tedarikçi tespit edildi. Bu şirketlerin 389'u (%61,4) yapay zeka yazılımı sunuyor.
Yeni yapay zeka yazılım platformu endüstriyel ortamlara odaklanıyor. Uptake, Braincube veya C3 AI'nin ötesinde, giderek artan sayıda operasyonel teknoloji (OT) tedarikçisi özel yapay zeka yazılım platformları sunuyor. Örnekler arasında ABB'nin Genix Endüstriyel analitik ve yapay zeka paketi, Rockwell Automation'ın FactoryTalk İnovasyon paketi, Schneider Electric'in kendi üretim danışmanlık platformu ve daha yakın zamanda özel eklentiler yer alıyor. Bu platformların bazıları geniş bir kullanım alanı yelpazesini hedefliyor. Örneğin, ABB'nin Genix platformu, operasyonel performans yönetimi, varlık bütünlüğü, sürdürülebilirlik ve tedarik zinciri verimliliği için önceden oluşturulmuş uygulamalar ve hizmetler de dahil olmak üzere gelişmiş analitikler sağlıyor.
Büyük şirketler yapay zeka yazılım araçlarını üretim hatlarına entegre ediyor.
Yapay zeka yazılım araçlarının kullanılabilirliği, AWS, Microsoft ve Google gibi büyük şirketler tarafından geliştirilen yeni, kullanım senaryosuna özel yazılım araçları sayesinde de artmaktadır. Örneğin, Aralık 2020'de AWS, Amazon SageMaker'ın bir özelliği olan Amazon SageMaker JumpStart'ı piyasaya sürdü. Bu özellik, PdM, bilgisayar görüşü ve otonom sürüş gibi en yaygın endüstriyel kullanım senaryoları için önceden oluşturulmuş ve özelleştirilebilir çözümler sunarak, birkaç tıklamayla dağıtım imkanı sağlıyor.
Kullanım senaryosuna özel yazılım çözümleri, kullanılabilirlik iyileştirmelerini yönlendiriyor.
Tahmine dayalı bakım gibi kullanım senaryosuna özel yazılım paketleri giderek yaygınlaşıyor. IoT Analytics, veri kaynaklarının çeşitliliğindeki artış, ön eğitim modellerinin kullanımı ve veri geliştirme teknolojilerinin yaygınlaşması nedeniyle yapay zeka tabanlı ürün veri yönetimi (PdM) yazılım çözümlerini kullanan sağlayıcı sayısının 2021 yılının başlarında 73'e yükseldiğini gözlemledi.
Faktör 2: Yapay zeka çözümlerinin geliştirilmesi ve bakımı basitleştiriliyor.
Otomatik makine öğrenimi (AutoML) standart bir ürün haline geliyor.
Makine öğrenimi (ML) ile ilgili görevlerin karmaşıklığı nedeniyle, makine öğrenimi uygulamalarının hızlı büyümesi, uzmanlık gerektirmeden kullanılabilen hazır makine öğrenimi yöntemlerine olan ihtiyacı doğurmuştur. Bunun sonucunda ortaya çıkan araştırma alanı, makine öğrenimi için aşamalı otomasyon olarak adlandırılan AutoML'dir. Çeşitli şirketler, müşterilerinin ML modelleri geliştirmelerine ve endüstriyel kullanım durumlarını daha hızlı uygulamalarına yardımcı olmak için bu teknolojiyi yapay zeka tekliflerinin bir parçası olarak kullanmaktadır. Örneğin, Kasım 2020'de SKF, maliyetleri düşürmek ve müşteriler için yeni iş modelleri sağlamak amacıyla makine işlem verilerini titreşim ve sıcaklık verileriyle birleştiren AutoML tabanlı bir ürün duyurdu.
Makine öğrenimi işlemleri (ML Ops), model yönetimini ve bakımını basitleştirir.
Makine öğrenimi operasyonları adı verilen yeni disiplin, üretim ortamlarında yapay zeka modellerinin bakımını basitleştirmeyi amaçlamaktadır. Bir yapay zeka modelinin performansı, tesis içindeki çeşitli faktörlerden (örneğin, veri dağıtımındaki değişiklikler ve kalite standartları) etkilenerek zamanla genellikle düşer. Sonuç olarak, endüstriyel ortamların yüksek kalite gereksinimlerini karşılamak için model bakımı ve makine öğrenimi operasyonları gerekli hale gelmiştir (örneğin, performansı %99'un altında olan modeller, işçi güvenliğini tehlikeye atan davranışları tespit edemeyebilir).
Son yıllarda, DataRobot, Grid.AI, Pinecone/Zilliz, Seldon ve Weights & Biases gibi birçok startup, makine öğrenimi operasyonları alanına katıldı. Köklü şirketler de mevcut yapay zeka yazılım tekliflerine makine öğrenimi operasyonlarını ekledi; bunlardan biri olan Microsoft, Azure ML Studio'da veri kayması tespiti özelliğini tanıttı. Bu yeni özellik, kullanıcıların model performansını düşüren girdi verilerinin dağılımındaki değişiklikleri tespit etmelerini sağlıyor.
Faktör 3: Mevcut uygulamalara ve kullanım durumlarına uygulanan yapay zeka
Geleneksel yazılım sağlayıcıları yapay zeka yetenekleri ekliyor.
MS Azure ML, AWS SageMaker ve Google Cloud Vertex AI gibi mevcut büyük yatay yapay zeka yazılım araçlarına ek olarak, Bilgisayarlı Bakım Yönetim Sistemleri (CAMMS), Üretim Yürütme Sistemleri (MES) veya kurumsal kaynak planlaması (ERP) gibi geleneksel yazılım paketleri de artık yapay zeka yetenekleri eklenerek önemli ölçüde geliştirilebiliyor. Örneğin, ERP sağlayıcısı Epicor Software, Epicor Sanal Asistanı (EVA) aracılığıyla mevcut ürünlerine yapay zeka yetenekleri ekliyor. Akıllı EVA ajanları, üretim operasyonlarını yeniden planlamak veya basit sorgular gerçekleştirmek (örneğin, ürün fiyatlandırması veya mevcut parça sayısı hakkında bilgi edinmek) gibi ERP süreçlerini otomatikleştirmek için kullanılıyor.
Endüstriyel kullanım alanları, AIoT kullanımıyla geliştiriliyor.
Yapay zekâ yeteneklerinin mevcut donanım/yazılım altyapısına eklenmesiyle birçok endüstriyel kullanım alanı geliştirilmektedir. Bunun canlı bir örneği, kalite kontrol uygulamalarındaki makine görüşüdür. Geleneksel makine görüş sistemleri, nesnelerin kusur gösterip göstermediğini belirlemek için önceden belirlenmiş parametreleri ve eşikleri (örneğin, yüksek kontrast) değerlendiren özel yazılımlarla donatılmış entegre veya ayrı bilgisayarlar aracılığıyla görüntüleri işler. Birçok durumda (örneğin, farklı kablolama şekillerine sahip elektronik bileşenler), yanlış pozitif sayısı çok yüksektir.
Ancak bu sistemler yapay zeka aracılığıyla yeniden canlandırılıyor. Örneğin, endüstriyel makine görüşü sağlayıcısı Cognex, Temmuz 2021'de yeni bir Derin Öğrenme aracı (Vision Pro Deep Learning 2.0) piyasaya sürdü. Yeni araçlar, geleneksel görüş sistemleriyle entegre olarak, son kullanıcıların çiziklerin, kirlenmenin ve diğer kusurların doğru ölçümünü gerektiren zorlu tıbbi ve elektronik ortamlara uygun olarak derin öğrenmeyi geleneksel görüş araçlarıyla aynı uygulamada birleştirmelerini sağlıyor.
Faktör 4: Endüstriyel AIoT donanımının geliştirilmesi
Yapay zekâ çipleri hızla gelişiyor.
Gömülü donanım yapay zeka çipleri hızla büyüyor ve yapay zeka modellerinin geliştirilmesi ve dağıtımını desteklemek için çeşitli seçenekler mevcut. Örnek olarak, Mart 2021'de tanıtılan ve öneri sistemleri ve bilgisayar görüş sistemleri gibi yapay zeka kullanım durumları için uygun olan NVIDIA'nın en yeni grafik işlem birimleri (GPU'lar) A30 ve A10 gösterilebilir. Bir diğer örnek ise Google'ın dördüncü nesil Tensor İşlem Birimleri (TPu'lar) olup, belirli yapay zeka iş yükleri (örneğin, nesne tespiti, görüntü sınıflandırması ve öneri kıyaslamaları) için model geliştirme ve dağıtımında 1000 kata kadar daha fazla verimlilik ve hız sağlayabilen güçlü özel amaçlı entegre devrelerdir (ASIC'ler). Özel yapay zeka donanımı kullanmak, model hesaplama süresini günlerden dakikalara indiriyor ve birçok durumda oyun değiştirici bir unsur olduğunu kanıtladı.
Güçlü yapay zeka donanımı, kullanım başına ödeme modeliyle anında kullanıma sunulmaktadır.
Büyük ölçekli işletmeler, son kullanıcıların endüstriyel yapay zeka uygulamalarını hayata geçirebilmeleri için bulutta bilgi işlem kaynakları sunmak amacıyla sunucularını sürekli olarak yükseltiyorlar. Örneğin, Kasım 2021'de AWS, bilgisayar görüşü ve öneri motorları da dahil olmak üzere çeşitli makine öğrenimi uygulamaları için NVIDIA A10G Tensor Core GPU tarafından desteklenen en yeni GPU tabanlı örnekleri olan Amazon EC2 G5'in resmi olarak piyasaya sürüldüğünü duyurdu. Örneğin, algılama sistemleri sağlayıcısı Nanotronics, mikroçip ve nanotüp üretiminde işlem hızını artırmak ve daha doğru algılama oranları elde etmek için yapay zeka tabanlı kalite kontrol çözümünün Amazon EC2 örneklerini kullanıyor.
Sonuç ve Gelecek Perspektifi
Yapay zekâ artık fabrikadan çıkıyor ve yapay zekâ tabanlı önleyici bakım (PdM) gibi yeni uygulamalarda ve mevcut yazılımlara ve kullanım durumlarına yönelik geliştirmelerde her yerde karşımıza çıkacak. Büyük işletmeler çeşitli yapay zekâ kullanım durumlarını hayata geçiriyor ve başarı raporları sunuyor; çoğu projenin yatırım getirisi yüksek. Genel olarak, bulut teknolojisinin, IoT platformlarının ve güçlü yapay zekâ çiplerinin yükselişi, yeni nesil yazılım ve optimizasyon için bir platform sağlıyor.
Yayın tarihi: 12 Ocak 2022