Baran Endüstri 4.0 ile karanlık fabrikaların arasındaki ilişkiyi masaya yatırıyor ve şu açıklamalarda bulunuyor:
“Endüstri 4.0 ve yapay zeka ile birlikte tüm üretim sürecinin sadece robotlar tarafından yapıldığı karanlık fabrikalar olacak. Normalde tüm fabrikalarda aydınlatma / ısınma ya da soğutma gibi ek maliyetler var. Ancak üretim süreci tamamen robotlar tarafından yapılıyorsa örneğin Norveç gibi ülkelerde ısıtma için harcanan yüksek maliyetler artık olmayacak. Herhangi bir görüntü kaydı ya da görüntü işleme gibi işlemler yapılmıyorsa ışıksız bir ortamda da robotlar çalışabilecek. Bu da maliyetleri çok büyük bir miktarda düşürecek. Üretim hızını ve kalitesini artıracak. Bu tabii birkaç teknolojinin paralel gelişimi ile mümkün oluyor. Birbirinden farklı ünitelerde çalışan robot manipulatörler arası yüksek veri yoğunluklu iletişimin hızlı ve kayıpsız bir şekilde sağlanması işin bir ucu.
Burada hızla yayılan 5G benzeri iletişim teknolojilerinin varlığı temel teşkil ediyor. Bir diğer unsur şu: yere sabitlenmiş robot manipulatörlerin işledikleri ürünlerin transferi için yüksek doğrulukta çalışan gezgin robotların görev yapması gerekiyor. Bu durum da asgari yarı otonom, mümkünse tam otonom robot davranışını gerekli kılıyor. Yani başlangıç aşamasında bir operatör uzakta bir ofisten bu gezgin robotu kumanda edebilir belki, ancak esas hedef, robotun ara ürünleri transferi aşamasında herhangi bir insan yönlendirmesi olmaksızın kendi kararlarıyla yol alabilmesi. Bu döngünün son etabında ise, üretimin daha yüksek verimli planlanması için robotların arasındaki iş dağılımının koordine edilmesi var. Bu da yine uzun yıllardır robot bilimcilerin çalıştığı sürü davranışı, sürü zekası (swarm intelligence) gibi başlıklar altında ele alınan araştırmaların sonucunda varılan çıktılarla mümkün olabilir. Özetlemek gerekirse, en başta ana hatları çizilen “karanlık fabrikalar” konsepti gerek iletişim teknolojilerindeki güncel gelişmelerle, gerek yapay zeka’nın son yıllarda artan robotik uygulamalarıyla artık yavaş yavaş gün yüzüne çıkıyor.
Bu işin elbette çok boyutlu düşünülmesi gereken sosyal yansımaları olacaktır ve hatta belki olmaya başladı bile. Avrupalı birçok şirket, robotize üretim planları çerçevesinde önümüzdeki yıllarda personel sayısında azalmaya gideceği yönünde projeksiyonlar ortaya koyuyor. Bu durum sonucunda bilhassa üretim sürecinde görev alan kişilerin işsiz kalma ihtimalleri bir hayli yükseliyor. Sosyal neticelerin bir ucunda işsizlikteki artış ihtimali yatarken bir diğer tarafında da uluslararası ekonomik dengelerin zaman içerisinde değişime uğraması yatıyor. Ucuz iş gücü nedeniyle uzun yıllardır birçok şirket üretim hatlarını Çin ve Hindistan gibi uzakdoğu ülkelerine kaydırmış durumdaydı. Ancak bahsi geçen süreçler tamamlanıp insanın imalat sürecine “iş gücü” ile katılımının ortadan kalktığı durumda uzakdoğu’da üretim yaptırmak birçok küresel firma için aslında yüksek maliyetli üretim anlamına gelecek. Nihayetinde robotların harcadığı toplam enerjinin ve bakım süreçlerinin maliyeti, lojistik maliyetler de eklendiği zaman ucuz iş gücü avantajıyla yapılan üretimin maliyetinden çok daha avantajlı oluyor. Bu durumun da ciddi makroekonomik yansımalarının olacağı aşikar.
Üretim tesislerindeki arızaların önlenmesi için hataların önden tespit edilmesi: Fabrikalarda / üretim tesislerinde makinelerin arızalanması firmaları ciddi zarara uğratıyor. Ancak makinelere yerleştirilecek sensörlerden alınan sürekli veriler ve yapay zeka yardımıyla arızalar önceden tahmin edilebilecek. Makinelere yerleştirilecek ısı / titreşim algılayıcı sensörler ile çok küçük düzeydeki değişiklikler bile fark edilecek. Bu sayede hiçbir aksama olmadan arızalar çok önceden tespit edilebilecek. Aslında bu, bir bakıma hasta olmaya başlayan birinin vücudundaki ilk semptomları görüp önlem alması gibi birşey. Grip olduğunuzda, hastalık tam etkin dönemine girmeden hafif bir yorgunluk hissedersiniz, boğazınızda bir kaşıntı ve yanma hissi başgösterir. Zaman geçtikçe, öksürük ve ateş gibi daha ciddi emareler de ortaya çıkar. Makineler de buna benzer aslında. Bir üretim hattında, sürekli işler durumdaki bir makinenin bileşenlerinin de belli ömürleri var ve bu bileşenler ömürlerini doldurup arıza verdiği zaman makine yedek parçası gelene kadar beklemek zorunda kalıyor. Daha detaylı bir örnek verelim, üretim hattındaki bir talaş kaldırma makinesini düşünün.
Bu cihaz sürekli aynı tip parçaları işleyen bir yapıda ve sabit devirde işlem gören bir motoru var. Zamanla kullanım ömrünü doldurduğu için bu motorun bilyalarında aşınmalar olacak. Benzer bi şekilde galvanik etkiler nedeniyle sarımda kullanılan bakırların direnci değişiyor olacak. Bu küçük değişimler makinenin günlük işler durumunu aksatmayacaktır. Ancak aşınmalar artıp bilyalar tamamen kırılınca ya da direnç değişimi sonucu ısınan bobin “yanma” dediğimiz şekilde kopunca motor ve dolayısıyla makinenin tamamı üretim hattındaki görevini yerine getiremez oluyor.
Bu durum için önerilen çözüm şu: Özellikle endüstri 4.0’ın temel niteliklerinin yaygınlaşması ve 5G benzeri yüksek hızlı ve veri yoğunluklu iletişim imkanları ile makinelerin ve makine bileşenlerinin muhtelif sensör ağlarıyla donatılması ve bu sensörlerden toplanan verilerin büyük veritabanlarında biriktirilmesi artık mümkün. Bu sensörler cihazına göre, sıcak ölçümü, devir ölçümü, titreşim ölçümü ya da kuvvet ölçümü gibi muhtelif niteliklerde olabilir. Onlarca makineden oluşan bir üretim hattında, her bir makineden alınan birkaç sensör verisinden bahsediyoruz. Bu sensörlerin de her saniye 10 adet veri aldığını düşünürseniz bir günde milyonlarca veri toplamış oluyorsunuz. Veri akışının sürekli olduğu düşünüldüğünde de artık elinizde bir büyük veri (big-data) problemi oluşuyor. İşin kalbinde de zaten gelişen yapay zeka teknolojileri var. Bir önceki örnekten devam edersek, bilyaları aşınmaya başlayan makinenin yarattığı titreşimler, “sağlıklı” makineninkinden farklı olacaktır. Ya da bobin direnci değişen motorun yüzey ısısı, “sağlıklı” motordakinden farklıdır. İşte yapay zeka toplanan bu büyük veriyi işleyerek yüksek doğruluklu tahmin yapıyor olacak. Esasında buna “kestirim” (estimation) diyoruz. Yani elinizdeki sensörlerden alınan veri sürekli işleniyor ve kullandığınız yapay zeka algoritması size diyor ki falanca makinada 20 gün içerisinde %90 olasılıkla bir motor arızası meydana gelecek.
Bu durumun üretim yapan tesise katkısı ne diye düşünebiliriz. Olası arızaları öngörmek ve bunları gidermeye yönelik erken pozisyon almak en başta üretim verimliliğini etkileyen bir durum. Düşünün ki piston arızası veren bir pres makinanız var. Arıza tespitini yapmanız (çoğu durumda üreticinin yetkili servisini çağırıyorsunuz), akabinde yedek parça siparişi geçmeniz, hele bir de makina üreticisi yurt dışındaysa yedek parçanın elinize ulaşma sürecini aylarla ifade edilebilecek sürelere yayabiliyor. Bu sürede yüzbinlerce dolarlık makine üretim hattında görev yapamıyor. Yani yatırımınız var ancak değerlenmiyor. Bütün bu süreçlerde alınan makinenin işgöremez halde durduğu zamanı ne kadar azaltırsanız üretim verimliliğiniz ve yatırımınızın paraya dönüşümü o kadar hızlanıyor.
Özetlemek gerekirse, hızlı iletişim ve veri toplama teknolojileri ve yapay zeka entegrasyonu ile mevcut tesisinizde yaptığınız küçük birkaç ekleme (örn. sensörler) size çok ciddi verimlilik artışı sunuyor olacak. Bu da milyon dolarlık kayıpların önüne geçecek.”
