İçten yanmalı, hibrit veya elektrikli sürüş destek sistemlerine sahip veya değil; mavi, beyaz ya da metalik gümüş renkte… Modeli ne olursa olsun Daimler, Factory 56’da müşteri taleplerine göre özelleştirilmiş lüks sedanlar üretiyor. Aynı şey Rittal için de geçerli: Farklı ölçü ve şekillerden malzemelere, aktif veya pasif soğutma sistemlerine kadar her detayı müşteri gereksinimlerine göre şekillendiren aile şirketi, yüksek otomasyonla kabinler üretiyor. Trumpf ise benzer bir yaklaşım benimseyerek az sayıda ve farklı versiyonlarda sac metal parçalar sunuyor ve her zaman müşteri ihtiyaçlarına tam uyum sağlıyor.
Bireysel, seri ve titizlikle hassas üretim yapmak, günümüzde Endüstri 4.0’ın ne anlama geldiğini gösteren örnekler. Bu dönüşümden önce, eşi benzeri görülmemiş bir ekipman renovasyonu gerçekleşti ve modüler üretim hücreleri, katı ve tek parçalı üretim hatlarının yerini alarak doğrusal süreç zincirlerini daha esnek ve otomasyona uygun sistemlere dönüştürdü. Amaç ise tek tip üretim yapmak yerine her geçen gün daha spesifik üretim gerçekleştirmek oldu.
Yapay Zeka, Otomasyon ve Veri: CIO’ların Yüzde 80’i İş Modellerini Dönüştürmek İstiyor
31 Mart – 4 Nisan tarihleri arasında gerçekleşecek olan Hannover Messe, sanayinin dönüşüm yolculuğunda ne kadar ilerlediğini göstermekle kalmayacak; karşılaştığı engelleri de gözler önüne serecek. Geçmişte sınırlayıcı faktör analog makine parklarıyken, günümüzde dijital altyapıların kendisi bu rolü üstleniyor. Bunun nedenini IDC’nin yaptığı bir anket ortaya koyuyor: Eğer dünya genelinde CIO’ların yüzde 80’i 2028 yılına kadar yapay zeka ve otomasyonu kullanarak çevik ve veri odaklı iş modellerini hayata geçirmeyi planlıyorsa, bu ancak BT sistemlerinin de aynı derecede akıllı ve otonom çalışabilmesiyle mümkün olabilir. Bulutlardan yazılım uygulamalarına ve ağlara kadar tüm sistemler bu dönüşüme ayak uydurmalı.
Bu gereklilik, endüstriyel değer ağlarında açıkça görülüyor. Geleneksel olarak, dağıtık sistemlerde uygulama çalıştırmak için farklı sağlayıcılardan gelen bileşenleri manuel olarak birleştirmek ve yönetmek gerekiyordu ve bu süreç hem zaman alıcı hem de maliyetliydi. Alternatif bir yaklaşımı ise Tellus şöyle ortaya koydu: Dağıtılmış bulut ortamlarında hassas, gerçek zamanlı kritik uygulamalar için ağları sanal olarak sağlamak amacıyla De-Cix liderliğindeki araştırma projesi, prototip bir birbirine bağlantı altyapısı geliştirdi. Yazılım tanımlı yapısıyla bu bağlantı altyapısı, farklı sağlayıcılardan gelen hizmetlerin sorunsuz entegrasyonunu sağlıyor ve belirli bağlantı gereksinimlerine tam uyum sunuyor. Tüm birbirine bağlantı tedarik zinciri boyunca tam otomasyonla çalışan bu sistem, Gaia-X standartlarına dayanıyor.
Birbirine Bağlantı Hizmetlerinin Otomatikleştirilmesi
Fabrikalarda otonom süreçlerin gerçekleşmesi için daha fazla dijital esneklik gerekiyor: Bir yandan standartlar, yazılım tanımları ve açık mimariler temel oluştururken, diğer yandan iş birliği anahtar rol oynuyor. Bu iş birliğine bir örnek olarak IX-API gösterilebilir. AMS-IX ve LINX gibi diğer İnternet Değişim Noktalarıyla ortaklığa giderek De-Cix, birbirine bağlantı hizmetlerinin sağlanmasını otomatikleştirmek için bir API – uygulama programı arabirimi geliştiriyor. Katılımcı hizmet sağlayıcılar, bu paylaşımlı API’yi kendi self-servis çözümlerine entegre ediyor. Kendi BT’lerini bu endüstri standardı arayüzle uyumlu hale getiren şirketler, yalnızca tek bir İnternet Değişim Noktasıyla sınırlı kalmadan birden fazla noktaya erişim elde ediyor. Bu yaklaşım operatörler için de avantaj sunuyor, çünkü uzmanlıklarını, bilgilerini ve maliyetleri paylaşırken daha geniş bir pazara erişim elde ediyorlar.
Yapay Zekanın Bağlantı İhtiyaçları: Ağları Bekleyen Algoritmalar
Yazılım tanımlı ağlardan hizmet olarak ağ (NaaS) ve kod olarak altyapıya (IaC) kadar, yapay zekanın ürünlere, süreçlere ve iş modellerine entegre hale gelmesiyle birlikte birbirine bağlantı hizmetleri giderek daha kritik bir rol oynuyor. Yapay zekanın ivmelendirdiği bağlantı gereksinimleri bunun nedenini ortaya koyuyor: Algoritmaların veri odaklı süreçlerin temelini oluşturduğu her yerde, akıllı uygulamaların başarısı öncelikle iki aşamaya bağlıdır. Eğitim sırasında yapay zeka, belirli görevleri yerine getirmeyi öğrenmek için büyük miktarda veriyi yerel olarak işler. Çıkarım aşamasında ise modeller, edindikleri bilgileri uygular, tahminler üretir ve genellikle merkezi olmayan uygulamalar üzerinden gerçek zamanlı olarak problemleri çözer. Ancak Meta’nın yaptığı araştırmalar, yapay zeka modellerinin çalışma süresinin yüzde 33’ünü ağları bekleyerek geçirdiğini gösteriyor. Dijital uygulama ve hizmetlerin en yüksek performansla çalışmasını sağlamak için De-Cix gibi dijital altyapı operatörleri, verileri, uygulamaları, algoritmaları ve kullanıcıları fiziksel olarak birbirine yaklaştırırken gecikmeyi en aza indirmenin yeni yollarını araştırıp geliştiriyor.
Dijital Altyapılar ve Üretim İçin Daha Fazla Yapay Zeka ve Otomasyon
Yapay zeka çıkarımının uç noktalarda bulut bilişimle gerçek zamanlı olarak birleşmesini sağlamak için yüksek bant genişliği ve düşük gecikme süresi ya da hassas veri akışlarını yönetmek için kararlı, dayanıklı ve optimize edilmiş ağ bağlantısı… Akıllı ve esnek üretim yapan işletmelerin, aynı derecede akıllı ve uyarlanabilir bir dijital altyapıya ihtiyacı var. Bu altyapı, güvenli, korumalı, egemen ve uyumlu veri aktarımını sağlarken işlem sürelerini de en aza indirmeli. Bunu başarmak için sanayi süreçleri ile dijital BT tedarik zincirlerinin akıllı, otonom ve esnek bir şekilde senkronize halde çalışması gerekiyor. Bu uyum, yalnızca belirli operatörlerin tek bir API üzerinde anlaşmasıyla sınırlı kalmamalı, çeşitli uygulamalar, akıllı fabrika platformları ve üretim sistemlerini kapsayan son aşamaya kadar genişlemeli.
Dijital altyapılar ve üretim sektörünün bizzat kendisi için daha fazla yapay zeka ve otomasyon ihtiyacı, IDC’nin 2024 infobrief trend raporunda da doğrulanıyor. Avrupa’daki şirketlerin yüzde 23’ü halihazırda yapay zekaya yatırım yaparken, yüzde 53’ü iş süreçleri için kullanım senaryolarını araştırıyor. Ancak bulut tabanlı yapay zeka söz konusu olduğunda, özellikle gerçek zamanlı, veri odaklı uygulamalar bağlamında, katılımcıların yüzde 22’si için performans ve gecikme süresi en büyük endişe kaynağı olmaya devam ediyor.
Kaynak : 