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

Dr. Metzger, "Son kullanıcılara enerji sunmak için 10 yıllar önce döşenmiş bakır kabloların miktarı veya konumları hakkında genellikle hiçbir bilgi yoktur" diyor. Elektrik şebekesinin bu gizli kısımları hakkında bu türden temel bilgiler edinmek için kablo ağlarının içine sensörler yerleştirilebilir. Bunlar kendi bölgelerindeki elektrik akımı ve voltajıyla ilgili veriler sunar. Bu bilgilerle donanmış olarak şebekenin yapısı hakkında bir fikir sahibi olunabilir. Metzger, "Bu bilgiler sayesinde bir şebeke işleticisi kendi ağında ne kadar voltaj olduğunu ve bu voltajın nerelerde saklı bulunduğunu öğrenebilir" diyor. Siemens şu anda Güney Almanya Kempten'deki Allgauer Überlandwerke isimli enerji şirketinin elektrik şebekesinin bir kısmında kendi tahmin algoritmasını test ediyor.

Arıza sinyallerini farketmek.
Hizmet sektöründe, öğrenen makinelerde yapılacak değişiklikler devrimci nitelikte olabilir. Siemens araştırmacıları tıbbi teşhis sistemleri gibi pahalı cihazların arızaya geçmelerini beklemek yerine ileriye yönelik devasa bir adım atıyor. Siemens'in Princeton'daki araştırma üssünde karar ve bilgi sistemleri alanında öğrenen sistemler geliştiren Dr. Fabian Mörchen, "Bir manyetik rezonans görüntüleme cihazının (MRI) veya nükleer bir tıp sisteminin ne zaman arızaya geçeceğini önceden güvenilir bir şekilde tahmin edebilen bir program geliştirdik" diyor. Bu yaklaşım aslında, makinelerin çoğunda bir arızanın eli kulağında olduğunu gösteren işaretler verdiği gerçeğinden yola çıkıyor. Mörchen, "Burada ustalık o sinyalleri tanımlamakta ve onları gözle görülür hale getirmekte yatıyor" diyor. Bu gibi sinyallerin içinde elektrik akımları, voltajlar, sesler, titreşimler, basınçlar ve sıcaklıklarda görülebilecek değişiklikler bulunuyor. Bu makinelerin normal işleyişlerinden sapmalar kendi içlerindeki sensörler aracılığylaölçülüyor. Araştırmacılar ve onların öğrenme sistemleri, bir makine için nelerin normal sayıldığına dair bilgilere dayanarak, anormallikleri yakalamak için veri madenciliğine başvuruyor. Arızayla ilişkili bir dizi şablon yaratıldıktan sonra da Mörchen'le birlikte çalışan bu ekip, daha önce hiç görmediği verileri işlerken bu şablonları tanımlayan bir bilgisayar programı için algoritmalar geliştirebiliyor. Mesela bir MRI tarayıcısı kriyojenik helyum gazı kaçırmaya başladığında onun sıcaklığında ve basıncında hissedilmeyecek kadar küçük değişiklikler olur. Önceden ikaz eden algoritmalar sayesinde Siemens Sağlık sektörüne hizmet veren teknisyenler bütün gayretlerini bu soruna odaklayıp makine arızaya geçmeden önce soğutma sistemini onarabilir. Bugün Siemens servis ekipleri bu yazılımı sadece 3 bin 500 tane MRI tarayıcısını gözlemlemekte kullanmakla kalmıyor, aynı zamanda önleyici bakım amacıyla da ondan faydalanıyor. Bu strateji sayesinde üç yılı aşkın bir dönemde bakım ve onarım maliyetlerinde 5,8 milyon dolarlık tasarruf yapılabildi. Bu araştırma projelerinin ilklerinden biri de köprüleri izlemek için tasarlanmış ve Princeton'daki CT Araştırmacısı Ciprian Raileanu liderliğinde geliştirilmiş bir program. O zamanlar ABD Ulaştırma Bakanlığı, ABD'deki yaklaşık 650 bin adet köprünün bakım ve onarımını optimumlaştırmanın bir yolunu arıyordu. Raileanu'nun ekibi derhal kolları sıvadı ve Princeton yakınlarındaki Rutgers Üniversitesi'nin Gelişmiş Altyapılar Merkezi'yle işbirliği yaparak kısa sürede bir çözümle ortaya çıktı. Railelanu, "Bu sistem köprülerdeki sensörler, teftiş raporları, hava durumu verileri, inşaat planlarındaki geçmişe ait veriler, polis tutanaklarındaki kaza sıklıkları ve fotoğraflardan edindiği verilerden faydalanarak kendi kendine köprünün durumu hakkında bir sonuç çıkarıyor. Biz bu heterojen verileri şablonların çıkarılmasında kullandık" diye konuşuyor. Algoritmalar ise bu şablonlardan birtakım faktörlerin bir araya gelmesinin ne gibi sonuçları olabileceğini öğreniyor. Örneğin şayet bir köprü 1974 yılında çok yoğun yağış alan bir bölgede inşa edilmiş ve kirişleri de demirden yapılmışsa, 30 yıl sonra ayaklarında çatlaklaroluşması çok büyük bir ihtimal. ABD Ulaştırma Bakanlığı bu köprü takip programını 2008yılından buyana sürekli kullanıyor. Bu program ayrıca İngiltere ile Rusya'da kendi tren filolarını gözlemleyen demiryolu şirketleri için baştan aşağıya yeni bir sistem kurulmasında örnek bir model olma işlevi görmüş.

İLGİNİZİ ÇEKEBİLİR

Yorum Yaz