İş üzerinde optimizasyon

Günümüzde öğrenme algoritmalarıyla yüklü herhangi bir sistem, bakım maliyetlerini en aza indirecek ve çıktısını kendi kendine artıracak şekilde tasarlanabilir.

1.04.2012 00:00:000
Paylaş Tweet Paylaş
İş üzerinde optimizasyon

Örnekleri arasında gelişmiş tıbbi cihazları, enerji nakil sistemlerini, gaz türbinlerini ve rüzgar parklarını saymak mümkün. Hollywood zeki robotlar fikri üzerinden iş yapmaya bayılır. "Transformers" filmindeki kontrolden çıkmış ve tahribat verici makineleri gözünüzün önüne getirin. Oysa gerçek hayat çok farklı. Araştırmacılar günümüzde makinelere öğrenme yeteneği ve bu öğrendiklerini her zaman insanoğlunun yararına kullanma özelliği kazandırmak konusunda önemli bir ilerleme kaydetmiş durumda. Büyük ihtimalle sinema severlerin çoğu bu ilerlemelerden habersiz. New Jersey, Princeton'daki Siemens Kurumsal Teknolojiler (CT) tam da bu konu üzerinde çalışıyor. Bilgi Karar Sistemleri Programı Yöneticisi Amit Chakraborty ile birlikte çalışan bir ekip, enerji şirketleri için yeni tür bir yazılım geliştiriyor. Bu yazılım milyonlarca veri kaydını analiz ederek elektrik müşterilerinin alışkanlıklarını öğrenebilecek. Sistem nihai aşamasına geldiğinde kendi kendine enerji talebi tahminleri yapabilecek. Geleceğin "akıllı şebekeleri"nde temel hedef, enerji tüketimi ile güneş ve rüzgar tesisleri gibi öngörülemez kaynakların çıktılarını eşitlemek. Chakraborty, "Sürdürülebilir enerji sistemleri işte o zaman mevcut tüketici yükünün akımını, sürdürülebilirenerji kaynakları tarafından üretilen inişli çıkışlı akım ile dengeleyebilecek. Biz işte bu yüzden enerji şirketlerinin kusursuz planlar yapmasına olanak sağlayacak yöntemler geliştirmek zorundayız" diyor. Bu yazılım 2011 yılı bitmeden gerçek dünyadan gelen enerji tüketimi verilerini kullanan pilot bir projede test edildi. Burada temel hedef, her şeyden önce tüketicilerin enerji kullanımı profillerini ortaya çıkarmak. Bu amaçla akıllı elektrik sayaçları kullanan milyonlarca müşteriden veriler toplandı. Bu veriler ise tüketilen enerji miktarları ile ne zaman kullanıldıkları hakkında bilgiler sundu. Siemens araştırmacıları bu pilot projeden öğrendiklerini, meteorolojik veriler ve beyzbol finalleri gibi özel etkinlikler hakkındaki bilgilerle birleştirecek. Bu ham veri hazinesinden kendi yazılımları için eğitici veriler geliştirmek için faydalanacaklar. Ardından bu yazılımın algoritmaları da kısa vadeli yük tahminleri yapabilir hale gelecek. Yük tahmini yapmak yeni bir icat değil. Milyonlarca hindinin elektrikli fırınlarda kızartıldığı tatil günlerinde oluşan aşırı yüklenmelerden herkesin haberi vardır. Ancak bu basit alışkanlıklarla sürdürülebilir bir enerji sisteminin gereksinimlerini karşılamak mümkün değildir. ABD'de enerji şirketleri yük yönetiminde yıllardır piyasa prensiplerine bel bağlıyor. Eğer mevcut enerji miktarı çoksa o zaman maliyet düşürülüyor. Aksi durumda tersi geçerli ancak tüketiciler arzın az ve fiyatın yüksek olduğu dönemlerde bu yüksek bedele katlanmak istemiyorsa sözleşmeye dayanan taahhütlere girebiliyorlar. Ancak bu tür "talep tepkili" sistemler her zaman mükemmel çalışmıyor. Şayet tüketiciler kendilerinden beklendiği gibi davranmazlarsa enerji şirketlerinin derhal ekstra enerji üretmesi veya satınalması gerekiyor ki bu durum sıklıkla verimsizlik anlamına geliyor ve sera gazı salımının da artmasına neden oluyor. Chakraborty, "Böylesi durumlardan kaçınmak için tüketicilerin herhangi bir zamanda oluşacak koşullarda nasıl davranacaklarını önceden tahmin edebilecek durumda olmalıyız" diyor. Öğrenen makineler ayrıca elektrik şebekesinin genişletilmesinin maliyetinin düşürülmesine de yardımcı olabilir. Örneğin Münih Siemens'de, gelişmiş bir "akıllı şebeke" projesi için enerji şebekelerinin otomasyonu üzerine araştırmalar yapan Dr. Michael Metzger, sensörlerle yapılan ölçümler sayesinde bir şebekenin yapısını hesaplayabilen, öğrenen bir algoritma geliştirdi.

İLGİNİZİ ÇEKEBİLİR

Yorum Yaz