Yapay zeka fabrikalarda büyüyecek

Mitsubishi Electric ve Japonya İleri Endüstriyel Bilim ve Teknoloji Enstitüsü (AIST), otomatik üretim süreçlerindeki değişiklikleri öngörerek fabrika otomasyon ekipmanlarında hareket hızı gibi gerçek zamanlı ayarlamalar yapan bir yapay zekâ teknolojisi geliştirdi. Zaman alıcı manuel ayarlamalara duyulan ihtiyacı ortadan kaldıran bu teknoloji; makine hatası gibi faktörlere ilişkin çıkarım için güven aralığını tahmin ediyor ve uygun güven aralığına bağlı olarak ekipmanlarda gerekli ayarlamaları yapıyor. Bu teknolojinin başta çevik üretim (agile manufacturing) olmak üzere daha stabil, güvenilir ve verimli üretim süreçleri sağlaması bekleniyor. Bu yapının öne çıkan özellikleri de şunlar:

1) Hızlı: Yapay Zekâ, fabrika otomasyon ekipmanlarının dinamik kontrolü için yüksek hızda çıkarımlar yapıyor
2) Esnek: Süreç içinde öğrenerek sürekli değişen iş faktörlerine adapte oluyor
3) Güvenilir: Yapay zekâ, ayarlamaları çıkarım güven aralığına göre yapıyor

Mitsubishi Electric ve AIST, her iş parçası işlenirken şekillerdeki değişiklikler gibi üretim süreçlerindeki birçok değişikliği öngörerek FA ekipmanının çalışmasını gerçek zamanlı otomatik olarak ayarlayan yapay zekâ teknolojisi geliştirdi. Ek olarak, yapay zekâ çıkarımlarının güven aralığı endeksleniyor ve FA ekipmanı buna göre kontrol edilerek yüksek güvenilirlik ve üretkenlik sağlanıyor.
Bu iki kuruluşun yapay zekâ inovasyon iş birliğine başladıkları 2017 yılından beri AIST yapay zekâ teknolojisinin Mitsubishi Electric fabrika otomasyon ekipmanlarındaki en son uygulaması. Bundan sonrasında Mitsubishi Electric, üretim verimliliğini önemli ölçüde artırmak için MAISART® yapay zekâ teknolojisinin çeşitli biçimlerini fabrika otomasyon ekipman ve sistemlerine daha fazla dahil etmeyi umuyor. Yapay zekâ kontrol teknolojisi uygulama örnekleri şöyle:
1. Hızlı çıkarımlar: Mitsubishi Electric yapay zekâ kontrol teknolojisinin yüksek hızlı çıkarımına bir örnek olarak, şirket robot kollarındaki yükleri tahmin etmek için bir çözüm geliştirdi. Hızlanma ve yavaşlama hızlarını hesaplamak için çeşitli yük parametreleri kullanılır; bunun için yapay zekâ fonksiyonu, robota ilişkin motor akımı, mafsal açısı gibi bilgileri kullanarak yük değerlerinin hızlı bir çıkarımını yapar. Eş zamanlı olarak çıkarım güven düzeyleri hesaplanır. Sonrasında, elde edilen tahmini değerler ve güven aralıklarına göre hızlanma ve yavaşlama değerleri ayarlanır. Bu teknolojinin etkinliğini değerlendirmek için yük çıkarımları kullanıldığında ve kullanılmadığında robot hareketinde hesaplanan farkları karşılaştırmak için bir doğrulama testi gerçekleştirildi. Şekil 1-2’de gösterildiği gibi, çıkarımlar kullanıldığında robotun çalışma süresinin yüzde 20 azaldığı belirlendi. Üstelik robot hareketlerinin yalnızca güven aralığı yüksek olduğunda ayarlanmasıyla daha stabil bir operasyon elde edildi.

2. Değişen koşullara uyum: Mitsubishi Electric yapay zekâ teknolojisinin değişen üretim koşullarına adaptasyon açısından bir uygulama örneği olarak şirket, elektro erozyon makinesini (EDM) otomatik ayarlayan bir çözüm geliştirdi. EDM, iş parçasına doğrulttuğu bir elektrottan çıkan kıvılcımlar ile iş parçasının üzerinde izler oluşturuyor. Ancak üretim sırasında oluşan talaşların elektrotla birlikte dışa atılması gerekiyor ve imalat süreci devam ettikçe talaş miktarı da artıyor. Sonuç olarak talaşların daha sık uzaklaştırılması gerekiyor. Yapay zekâ, üretilen talaşların uzaklaştırılma durumunu öğrenerek uzaklaştırma sıklığını otomatik olarak ayarlıyor. Testler, işleme süresinin yapay zekâ ayarlaması olmadan işlemeye kıyasla yüzde 23’e kadar azaldığını teyit etti.

3. Güvenilirlik: Mitsubishi Electric yapay zekâ kontrol teknolojisinin güvenilirliğine bir örnek olarak, şirket CNC kesim tezgâhları için bir yapay zekâlı hata düzeltme çözümü geliştirdi. Yapay zekâ, dinamik üretim sırasında bile düzeltmeyi sağlamak için sürekli değişen işleme hataları veya kesim tezgâhının mevcut konumuyla komut değeri arasındaki farkı tahmin ediyor. Ayrıca yapay zekânın hata çıkarımlarının güven aralıkları da endekslenerek hata düzeltmenin yalnızca güven aralığı yüksek olduğunda yapılması sağlanıyor. Testler, yapay zekâ ile desteklenmeyen hata düzeltmeye göre işleme doğruluğunun yüzde 51 artış sağladığını teyit etti.Üstelik yeniden öğrenmeyle düşük güven aralıkları da artırılabiliyor.