Geleneksel üretim ortamlarında, farklı makinelerin birbirleriyle iletişim kurabilmesi için karmaşık ve zaman alıcı çözümler gereklidir. Ancak, yeni bir teknoloji sayesinde bu sorun ortadan kalkıyor ve verimlilik önemli ölçüde artırılıyor. MIT Media Lab’in “The GenAI Divide: State of AI in Business 2025” raporuna göre, işletmelerin yapay zeka yatırımlarının sadece %5’i somut fayda sağlıyor. Bunun temel nedeni, makinelerin altındaki veri katmanının bir makinenin okuyabileceği şekilde tasarlanmamış olmasıdır. Bu durum, özellikle fabrika zemininde sıkça karşılaşılan bir sorundur.
Sorunun Özeti: Bir Fanuc CNC ve bir Siemens PLC, yaklaşık 20 metre arayla bulunmaktadır. Her iki cihaz da spindel yükünü raporlar. Ancak, Fanuc bu veriyi “SP_LOAD_PCT (%)” olarak, Siemens ise “SPINDEL_AUSLASTUNG (%)” olarak adlandırır. Aynı fiziksel ölçülen değer olmasına rağmen, farklı terminolojiler kullanılması nedeniyle makineler arasında doğrudan bir karşılaştırma yapmak zordur. Durum daha da karmaşık hale geldiğinde, örneğin Haas, SINUMERIK ve Fanuc gibi farklı üreticilerin makinelerinin aynı veriyi farklı adlarla raporlaması durumunda, entegrasyon maliyetleri önemli ölçüde artar.
Çözüm: Tek bir ortak terminoloji kullanılarak, her iki makine de aynı alandan veri alır ve spindel yükü aynı alan adı altında raporlanır. Bu sayede, farklı üreticilerin makineleri arasında karşılaştırma yapmak mümkün hale gelir ve potansiyel sorunlar önceden tespit edilebilir. Örneğin, Fanuc’un rulmanının değiştirilmesi gerektiği, üç hafta önce Siemens makinesindeki verilerle karşılaştırıldığında belirlenebilir.
Bu çözümün faydaları sadece iki makine arasındaki iletişimi değil, aynı zamanda tüm üretim sürecini dönüştürür. Farklı üreticilerin makinelerinin entegre edilmesi kolaylaşır, otonom çalışma hücreleri oluşturulabilir ve parametrik finansman gibi yenilikçi çözümler hayata geçirilebilir. Örneğin, bir KUKA robot kolu, bir Fanuc CNC ve bir ABB paletleyici, tek bir komutla koordine edilebilir hale gelir.
Gartner’ın tahminlerine göre, 2027 yılına kadar yapay zeka projelerinin %40’ı maliyetler, belirsiz faydalar veya yetersiz risk kontrolleri nedeniyle iptal edilecek. Ancak, bu sorunların temelinde genellikle yapay zekanın kendisi değil, verilerin doğru şekilde işlenememesi yatar. Ortak bir terminoloji kullanılarak, bu sorunlar çözülebilir ve yapay zeka projelerinin başarısı artırılabilir.
Gelecek için umut vadeden gelişmeler arasında, 366 ortak alan adı ve 16.908 farklı üreticiye ait veri eşleme içeren açık kaynaklı bir terminoloji kütüphanesi bulunmaktadır (github.com/FoundryNet/canonical-schema). Bu sayede, farklı makineler arasındaki iletişimin kolaylaştırılması ve yapay zeka projelerinin başarısının artırılması mümkün hale gelmektedir.
Ryan Gordon | Foundry Labs | foundrynet.io
Bu Gelişmeyi Toplulukta Değerlendirin
Haber hakkındaki düşüncelerinizi, donanım deneyimlerinizi ve teknik sorularınızı topluluk üyeleriyle anlık olarak tartışın.
Bir yanıt yazın