Bilgisayarli Görü ile Anomali Tespiti ve Endüstriyel Uygulamalar

Anomali Nedir?

Genel olarak anomalinin anlamı, herhangi bir şeyin beklenenin dışında olduğunun gözlemlendiği durumlardır. Anomali birçok durumda ilgi çekici olsa da üretimin ve kalitenin yüksek olması gereken yerlerde maliyet ve müşteri memnuniyetsizliği anlamına gelmektedir. Günümüz Dünya’sında artan arz için, bu arzı karşılamak adına endüstriyel otomasyonlar daha da önem kazanmıştır. Bu durumda hat boyunca veya sonunda elde edilen ürünlerinde aynı hızda kontrol edilmesi, hatalı ürünlerin maliyet kaybına sebep olmasının önüne geçilmesi, müşteri memnuniyetini ve devamlılığının sağlanması için anomali tespit sistemleri önem kazanmaya başlamıştır. İnsanlar tarafından gerçekleştirilen kalite kontrol süreçlerinde, çalışanların yorulması, dikkat dağınıklığı gibi insana özgü durumlardan dolayı yine hatalı ürünler hattan çıkabilir. Özellikle vardiya sistemi ile çalışılan sektörlerde vardiya değişimleri bu aralıktaki kalite kontrol performanslarının düşmesine neden olabilir. Bu sebeple 7/24 yorulmadan aynı performansla çalışabilen yapay zeka destekli çözümler bu durumun stabil kalmasını sağlar. Yapay zekanın hesaplama gücünün artması ile birlikte önceden sensörler ile yapılmaya çalışılan bu işlemler artık özellikle bilgisayarlı görüden güç alan yapay zeka destekli endüstriyel kameralar kullanılarak yapılabilmektedir.

Bilgisayarlı görü temelli yapay zeka sistemleri hasarı mümkün olan en erken veya en azından banttan çıkmadan tespitin sağlaması hem üretim aşamasında hem de sonrasındaki zaman ve maliyetin daha optimize kullanılmasını sağlar. Örnek olarak hasarlı bir ürünün lojistiği bir maliyet gerektirirken bu hasarlı ürünün sahada fark edilmesi durumunda iade edilmesi gibi durumlarda ekstra parçanın geri alınması ve tekrar lojistik sürecine girmesini gerektirecektir.

Anomali Tespiti Kullanım Alanları

Bilgisayarlı görü ile anomali tespiti imalat sanayisi, sağlık sektörü ve ilaç üretimi, gıda kalitesi ve paketleme, çip üretimi vb. bant ile üretim yapılan her alanda uygulanabilir. Örnekleri daha da çoğaltmak mümkündür. Hızlı akan bantlardaki parçaların yüzey kontrolleri, varlık-yokluk kontrolü, eksik parça kontrollerinde kullanılabilir. Genel olarak nesne tespit modelleri gibi yapay zeka modellerinin eğitiminde etiketli veriler kullanılır. Burada tespit edilmek istenen bütün durumlar önceden tahmin edilebilir ve öngörülebilir. Fakat anomali tespiti gibi durumlarda ürünle birlikte, her bir üründe meydan gelebilecek anomali durumlarının öngörülebilir belli bir sayıda olduğunu söylemek ve bu durumların hepsini tespit etmek oldukça zordur. Bu sebeple hatayı tespit etmek yerine, doğru ürünün nasıl olması gerektiğini öğrenmek ve o anda bantta üzerinde kontrol edilen ürünün olması gerekende ne kadar farklı olduğunu ölçen yöntemler ile anomali tespiti yapılabilir. Teknik olarak bu yöntem denetimsiz öğrenme olarak isimlendirilir.

Gıda Ambalaj ve Paketleme

İlaç Üretim Sektörü

Yüzey Kontrolü (Ahşap)

Elektronik Komponent

Yapay zekanın öneminin arttığı günümüzde, üretim hatlarında küresel ölçekte anomali tespiti için yaklaşık olarak %30 oranında bilgisayarlı görü temelli çözümler aktif olarak tercih edilmektedir.

Bilgisayarlı Görü Yöntemlerinin Gelişiminin Kısa Tarihi

Her gün yapay zeka ile yeni bir gelişme ve haber karşımıza çıkmasından dolayı yeni gelişen bir alanmış gibi düşünülmesine rağmen yapay zeka 1950’li yıllarda bilgisayar biliminin babası olarak kabul edilen Alan Turing’in “Makineler Düşünebilir mi?” sorusuna cevap aramasıyla başlayan bir serüven. Hatta ünlü Türk matematikçi Cahit Arf’ta ait bir makale de kaleme almıştır. Bu tarihten itibaren yapay zeka hep üzerine çalışılan bir alan olmuştur. Bilgisayarların hesaplama kapasitesinin arttığı dönemlerde ivme kazanmış ve yine böyle bir zamanda 1989’da Fransız bilgisayar bilimci Yann LeCun ve diğer araştırmacılar elle yazılmış posta kodlarını görüntülerden tanıyabilen ve sınıflandırabilen bir uygulama geliştirmişlerdir. Bu tarihlerden itibaren genel olarak kabul gören verisetleri üzerinde sınıflandırma gibi çözümler üzerinde farklı yarışmalar düzenlenerek bilgisayarlı görü alanı gelişmeye devam etmiştir. Geoffrey Hinton ve diğer araştırmacılar yarışma için oluşturulan 1000 farklı sınıftan oluşan sınıflandırma veri seti olan ImageNet üzerinde 2012 yılında artan hesaplama gücünü kullanarak daha derin yapay zeka ağları kullanarak önceki yıllara göre oldukça başarı göstererek aslında tekrardan araştırmacıların bu alanda çalışmalar yapmasına öncü olmuştur. NVIDIA’nın 2010’lı yıllar ve günümüzde grafik ekran kartları kullanılarak elde edilen hesaplama gücündeki artış doğal dilleri anlamak ve üretmek gibi zorlu problemlere bile çözüm sunabilir hale gelmiştir. Bu sayede görüntüler gibi üzerinde analitik yapmaya imkan veren nesne tespiti, segmentasyon vb. bilgisayarlı görü yöntemleri daha da gelişmiş ve farklılaşmıştır.

Anomali Tespitinde Bilgisayarlı Görü

Bilgisayarlı görü denince akla ilk olarak resimlerin sınıflandırılması, resim ve videolardaki nesnelerin tespiti gibi yöntemler akla gelebilir. Hatta sağlık alanında elde edilen görsel ve taramalar ile aslında anomali olan hastalık tespiti bile kullanım alanı bulmaktadır. Üretim hatlarındaki yüksek çözünürlüklü kameralardan elde edilen görüntüler kullanılarak hasar tespiti, eksik parça, deformasyon gibi anomaliler tespit edilerek maliyet ve zaman kaybının önüne geçilebilir.

Üretim bantlarında kalite kontrol süreçlerini daha efektif hale getirmek ve bu süreçteki performansı arttırmak için bilgisayarlı görü tabanlı yapay zeka sistemleri endüstri 4.0 ile birlikte daha fazla tercih edilmeye başlanmıştır. Üretim hattına entegre edilen anomali tespit çözümlerinin kendilerinden bekleneni yapabilmesi içinde doğru komponentlerin doğru yazılım ile kullanılması önem kazanmaktadır. Kampüs içi güvenliği sağlamak amacıyla CCTV kameralar yeterli olurken üretim hatlarında daha yüksek çözünürlüğe sahip kameralar tercih edilmelidir. Aynı zamanda böyle kameralar karelerde kaymaları engelleyecek hızlarda ve endüstriyel çalışma ortamı ve sıcaklarında uzun süreler çalışmak için daha uygun olmaktadır. Bu kameralardan gelen görüntüler üzerinde en uygun yapay zeka modelleri kullanılarak çıkarım yapılır ve karar verilir.

Yapay zeka çözümleri bulut servisler veya uç cihazlar üzerinde çalışarak bir sonuç üretebilir. Bunun tercihi anomali tespitini üretim hattına entegre etmek isteyen firmaların politikalarına göre değişiklik gösterebilir. Uygulamanın gerçek zamanlı veya gecikmeli olarak kullanılabilmesi gibi durumlar göz önünde bulundurularak başarım ve maliyet açısından en uygun yöntemler seçilebilir. Bulut servisler ile hattan elde edilen görseller için daha hızlı sunucularda çıkarım yapıp karar verme imkanı sağlayabilirken aynı zamanda görsellerin açık ağa gönderilmesi gibi bir durumu gerektirir. Genel olarak bu istenen bir durum değildir. Uç cihazlar ise firma içi kapalı olarak kullanılabilen ve hesaplama gücü için optimize edilmiş kompakt bilgisayarlardır. Bu uç cihazlar büyük üretim hatlarındaki SCADA gibi otomasyon sistemleri için sinyal üretebilmektedir. Bu sebeple hesaplama gücü yüksek uygun maliyetli uç cihazlar tercih sebebi olmaktadır. Anomali tespiti genel olarak görev spesifik çözümler gerektirmesinden dolayı müşteriye özel yapılması gerekmektedir.

#anomali #IsıHaritası #BilgisayarlıGörü #EndüstriyelUygulamalar #YapayZeka #ÜretimHattı #KaliteKontrol #DenetimsizÖğrenme #Görüntüİşleme #NesneTespiti #YapayZekaTarihçesi