(Endüstriyel Uygulamalarda Makine Öğrenmesi)
Dördüncü sanayi devrimi olarak kabul edilen dijital dönüşüm çağımızda tüm sektörler için hayati önemdedir. Dijitalleşme ise ancak IoT gibi teknolojilerin gelişimi ve erişilebilir hale gelmesiyle gerçek anlamda mümkün hale gelmektedir.
Dijital dönüşümü besleyen hammaddeler bulut bilişim ve buradan ortaya çıkan büyük veri. Bulut bilişimin bize sunduğu hız, esneklik, sürdürülebilirlik, ölçeklendirilebilirlik ve tüm bunlara uygun maliyetlerde erişim olanakları; düşük güçlü haberleşme ve yeni işlemci teknolojileriyle birleşince hızla sahada uygulanmaya başlanmış ve dünya çapında toplanan veri miktarı ciddi anlamda büyümeye başlamıştır. Bunlara eşlik eden ve dijital dönüşüm için bir diğer olmazsa olmaz ve çığır açıcı teknoloji de yapay zekâ olarak karşımıza çıkmaktadır.
Geleneksel olarak bilgisayar bilimleri mantık tabanlı algoritmalar üzerinden gelişmiş ve uygulanır olmuştur. Fakat geleneksel yaklaşımın çözmesinin zor, verimsiz, hatta mümkün olmadığı durumlar da vardır. Burada ise devreye yapay zekâ girmektedir. Kuralların ve girdinin verilip sonucun alındığı geleneksel yaklaşımın aksine yapay zekâda sisteme öncelikle sonuçları içeren (genellikle etiketlenmiş) birçok örnek verilmekte ve bu örnekler üzerinden belli başlı örüntü ve ilişkileri yakalaması hedeflenmektedir.
Yapay zekânın alt başlıklarından biri olan yapay öğrenme, denetimli (supervised) ve denetimsiz (unsupervised) olmak üzere ikiye ayrılır. Denetimli öğrenmede ise çoğunlukla sınıflandırma (classification) ve regresyon (regression) teknikleri kullanılır.
EMPA, uçta yapay zekânın konunun uzmanı olmayanlar dahil herkes için erişilebilir olmasını hedefleyen “tiremo” sistemini tasarlamıştır. Sistem mevcut haliyle kestirimci bakım (PdM, predictive maintenance) amaçlı anomali sınıflandırması yapmakta ve 3 bölümden oluşmaktadır:
Tiremo; platforma otomatik olarak bağlanabilen veri kartı üzerinden ya da hazır dosya şeklinde veri girişi kabul etmekte, bunları ön-tanımlı ve seçilebilir bir ön-işlemeden (pre-process) geçirmekte, yine ön-tanımlı ve seçilebilir AI modellerini bu veriyle eğitmekte ve çıktı olarak STM32 serisi bir Arm Cortex®-M mikrodenetleyicide koşacak boyut ve formatta verebilmektedir.
Daha fazla bilgi için ai@empa.com