Saha çalışanları için yapay zekâ (frontline AI), masa başında değil, montaj hattında, depoda, rampada ve bakım sahasında çalışan insanlara yardım eden yapay zekâdır. İşi kamera, ses ve hareket üzerinden algılar, doğru mu yanlış mı olduğuna saniyeler içinde karar verir, çalışana bir sonraki adımı söyler ve sonucu SAP, MES ya da WMS gibi sistemlere kaydeder. Üretim ve lojistikte en çok doğrulama, yönlendirme ve iş güvenliği için kullanılır.
Son yıllarda konuştuğumuz yapay zekânın neredeyse tamamı ekranın içinde yaşadı: sohbet asistanları, ofis yazılımlarındaki yardımcılar, raporlama panoları. Oysa fabrikalarda ve depolarda çalışanların çoğu bir ekranın önünde oturmuyor. Elleri dolu, çoğu zaman eldivenli, ortam gürültülü ve ihtiyaç duydukları bilgi her görevde değişiyor. Frontline AI, yapay zekâyı bu insanlara işin akışını bozmadan ulaştırma çabasının adı.
Ekrandaki yapay zekâ ile sahadaki yapay zekâ arasındaki fark
Ekrandaki yapay zekâ bir soruya cevap verir; sahadaki yapay zekâ bir işin sonucunu değiştirir. Arada dört önemli fark var:
- Girdi: Ofiste girdi yazıdır. Sahada girdi bir görüntü, bir ses komutu ya da bir harekettir.
- Zaman: Ofiste birkaç saniyelik gecikme sorun değildir. Hatta parça bir sonraki istasyona geçmeden karar verilmezse uyarı önleme değil, rapor olur.
- Çıktı: Ofiste çıktı bir metindir. Sahada çıktı, çalışanın kulağına gelen bir yönlendirme, elinde hissettiği bir titreşim ve sisteme düşen bir kayıttır.
- Ortam: Ofis sessiz ve aydınlıktır. Sahada gürültü, toz, soğuk, değişken ışık ve eldivenli eller vardır; cihaz da yazılım da bu koşullara göre tasarlanmalıdır.
Terimin bir de ikinci kullanımı var: Bazı yazılımlar, saha çalışanlarının vardiya planı, iletişim ya da eğitim ihtiyaçlarını telefonda karşılayan araçları da "frontline AI" diye tanıtıyor. Bu yazıda kastettiğimiz, işin kendisine katılan yapay zekâ.
Saha çalışanları için yapay zekâ nasıl çalışır?
Her uygulamanın arkasında aynı dört adımlı döngü bulunur:
- Algıla: Sabit ya da giyilebilir kamera, barkod okuyucu, mikrofon ve hareket sensörleriyle sahada olanı yakala.
- Karar ver: Yakalananı beklenenle karşılaştır: bu araca bu parça mı takılmalı, bu siparişte bu etiket mi olmalı, sıradaki adım bu mu?
- Yönlendir: Çalışana ne yapması gerektiğini sesle, küçük bir ekranda ya da titreşimle söyle; terminale yürümesine gerek kalmasın.
- Kaydet: Sonucu, gerekiyorsa fotoğrafla birlikte, kayıt sistemlerine yaz; kalite, izlenebilirlik ve planlama ekipleri aynı gerçeği görsün.
Pek çok görüntü işleme ürünü ikinci adımda durur: Hatayı tespit eder ama düzeltilmesini sağlamaz. Frontline AI'ın değeri döngüyü kapatmasından gelir.
Üretimde kullanım alanları
Montajda parça ve varyant doğrulama
Doğru parçanın, doğru etiketin ya da doğru varyantın doğru ürüne takıldığını, ürün istasyondan çıkmadan doğrular. Ayrıntı için montajda parça doğrulama sayfasına bakabilirsiniz.
Sesli son kalite kontrol
Kontrolör kontrol listesini sesle ilerletir, iki eli de araçta ya da üründe kalır, bulduğu hatayı fotoğrafla kaydeder. Bkz. sesli son kalite kontrol.
Adım sırası ve bağlantı kontrolleri
Atlanmış ya da sırası değişmiş montaj adımlarını yakalar; hızlı bağlantıların tam oturduğunu, segman ve tapa gibi küçük parçaların yerinde olduğunu görsel olarak kontrol eder.
İstendiğinde iş talimatı
Operatörün nadiren monte ettiği bir varyantta bir sonraki adımı ekranda gösterir ya da sesle söyler; böylece hafızaya ya da kâğıt klasöre bağımlılık azalır, yeni başlayan çalışanların öğrenme süresi kısalır.
Lojistik ve depoda kullanım alanları
Yönlendirmeli toplama ve ayrıştırma
Çalışanı bir sonraki adrese yönlendirir, her ürünü okutma ya da görüntü kontrolüyle teyit eder.
Sevkiyat ve palet doğrulama
Koli ve palet etiketlerini okuyup sevkiyat listesiyle karşılaştırır, araç yola çıkmadan uyumsuzluğu bildirir.
Son kullanma tarihi, parti ve hasar kontrolü
Basılı tarihleri ve parti kodlarını okur, hasarlı koli ve paletleri mal kabulde ve sevkiyatta fotoğrafla belgeler.
Forklift ve yaya güvenliği
Kamera görüntülerinden riskli karşılaşmaları analiz eder ve ilgili kişileri uyarır. Bkz. forklift-yaya güvenliği.
Başlamadan önce düşünülmesi gereken beş konu
- Entegrasyon baştan planlanmalı. Karar, işin planlandığı ve izlendiği sisteme ulaşmıyorsa değeri sınırlıdır. SAP, MES, WMS ya da PLC bağlantısını ilk fazın parçası yapın.
- Hız, işin temposuna uymalı. Kararın süresi istasyonun çevrim süresine ya da toplamanın hızına göre değerlendirilmeli.
- Donanım işe göre seçilmeli. Sabit kamera, işin kameraya geldiği yerleri görür. Çalışanın hareket ettiği yerlerde (araç içinde, raf aralarında, büyük parçaların etrafında) giyilebilir cihaz gerekir. Çoğu tesiste ikisi birlikte kullanılır.
- Güven ve veri gizliliği konuşulmalı. Hangi verinin toplandığı, nerede işlendiği ve kimin gördüğü en başta çalışanlarla paylaşılmalı.
- Dar başlanmalı. Sık görülen ve pahalıya mal olan tek bir hatayla başlayın, öncesini ve sonrasını ölçün, sonra genişletin.
TIM'in yaklaşımı: AXION ve INSPECT
TIM AXION, saha işi için geliştirdiğimiz fiziksel yapay zekâ cihazı. Elde ya da belde taşınır; görüntü, ses ve hareket algılamayı cihaz üzerinde çalışan yapay zekâyla birleştirir. Bir bakışta okunacak bilgiler için ekranı, titreşim, ses ve ışık geri bildirimi vardır; SAP, ERP ve WMS gibi kurumsal sistemlere bağlanır. Operasyonel görüntü işleme platformumuz TIM INSPECT ise tesisin kendi kameralarıyla ya da AXION ve VEGA-X ile çalışır, doğru ve yanlışa karar verir ve sonucu SAP, MES, PLC ya da WMS'e yazar. INSPECT, AXION üzerinde işlem başına yaklaşık 1,5 saniyede karar verir; tek bir saha uygulamasında 12,8 milyonu aşkın montaj kontrolü yapılmıştır.
Sık sorulan sorular
Frontline AI ile endüstriyel otomasyon arasındaki fark nedir?
Otomasyon, el ile yapılan bir adımı makineye devreder. Frontline AI ise o adımı yapmaya devam eden insana destek olur: İşini kontrol eder, yönlendirir ve kaydeder. Otomasyona uygun olmayacak kadar değişken ya da maliyetli işler için idealdir.
Saha için yapay zekâ her yere yeni kamera kurmayı gerektirir mi?
Hayır. Pek çok uygulama mevcut kameraları kullanır; sabit kameranın göremediği alanları giyilebilir cihazlar kapatır.
Bir üretici frontline AI'a nereden başlamalı?
Yanlış parça varyantı ya da atlanan bir kontrol adımı gibi sık ve pahalı bir hatası olan süreci seçin, mevcut hata oranını ölçün ve pilotu orada yapın.
Sadece büyük şirketler için mi?
Hayır. Projeler tek bir istasyon ya da süreçle başlayabildiği için orta ölçekli fabrikalar ve depolar da küçük başlayıp sonuç alındıkça büyüyebilir.
Sonraki adım
Hataların geç fark edildiği bir süreciniz varsa demo talep edin, döngünün orada nasıl kapatılabileceğine birlikte bakalım.