Krank muayene istasyonu kurmak isteyen bir işletme için ilk soru “hangi yapay zekâyı kullanalım?” değil, “hangi özellikleri hangi yöntemle kontrol edeceğiz?” olmalı. Bir kontrolün kapsamını tanımlamadan otomasyon tasarlamak, çalışan bir uygulamayla güvenilir bir muayene sürecini birbirine karıştırabilir.
Krank muayene istasyonu üzerine çalıştım. Bu yazıda müşteri veya tesis bilgisi paylaşmadan, bu problem alanına nasıl yaklaşılabileceğini anlatıyorum. Aşağıdaki olası kontrol türleri ve akışlar genel tasarım açıklamalarıdır; geçmiş istasyonda bunların tamamını kullandığım anlamına gelmez.
Bir istasyon, birden fazla kontrol ihtiyacı barındırabilir
“Krank kontrolü” ifadesi tek başına yeterince açık değil. İşletmenin beklediği şey; görünür bir yüzey özelliğinin incelenmesi, belirli bir unsurun varlığının kontrolü, parçanın doğru tanınması veya bir ölçümün değerlendirilmesi olabilir. Hangi ihtiyacın gerçekten mevcut olduğu uzmanlarla netleştirilmelidir.
Bir kontrolün görüntüyle desteklenebilmesi, tüm muayenenin kamera ile yapılabileceği anlamına gelmez. Boyutsal veya görüntüde görünmeyen kusurlar için uygun ölçüm/muayene yöntemleri ayrıca belirlenmelidir. Yapay zekâ, teknik kabul ölçütünün yerine geçmez.
İlk proje çıktısı olarak şöyle bir kapsam tablosu hazırlanabilir:
| Soru | Yazılacak karşılık |
|---|---|
| Ne kontrol edilecek? | Özellik veya kusurun açık tanımı |
| Kabul kararı nasıl veriliyor? | Mevcut uzman/ölçüm referansı |
| Görüntüyle görülebiliyor mu? | Uygun çekim koşulu ve kapsam sınırı |
| Sonuç belirsizse ne yapılacak? | Yeniden kontrol veya insan incelemesi |
| Kayıt neye bağlanacak? | Parça/iş emri/olay eşleştirmesinin sınırları |
Bu tabloyu doldurmak, henüz teknoloji seçmeden projenin hangi kısmının otomasyona uygun olduğunu görünür kılar.
Parçanın sunuluş biçimi kontrolün bir parçası
Görüntü kullanılacaksa görüş alanı, parçanın konumu ve ilgili bölgenin görünür olması değerlendirilmelidir. Yansıma, gölge veya konum değişimi; kontrol edilecek özelliğin görüntüsünü değiştirebilir. Bu durumda “daha güçlü model” sorusundan önce görüntü ediniminin tekrarlanabilirliği araştırılmalıdır.
Basler'in aydınlatma rehberi farklı tekniklerin farklı yüzey özelliklerini görünür kılmasını açıklıyor. Bu kaynak, belirli bir krank istasyonunda hangi ışığın veya kameranın kullanılması gerektiğini tek başına belirlemez. Makine görüşünde aydınlatma
Görsel kontrolün başlangıç yaklaşımını üretimde görüntü işleme ile kalite kontrol rehberinde, diğer kullanım alanlarını üretimde yapay zekâ rehberinde bulabilirsiniz.
Doğru sonuç kadar, sonucun ne anlama geldiği de önemli
İstasyon “uygun değil” sonucu verdiğinde, operatör bu kararın hangi kontrole ait olduğunu anlayabilmeli. Kontrol gerçekleşmediğinde veya görüntü yeterli olmadığında da bunu bilmelidir. “Kontrol yapılamadı” durumunu, “kontrol edildi ve uygun bulundu” durumuyla aynı göstermemeliyiz.
Genel bir sonuç kaydı; kontrol türü, değerlendirme, belirsizlik durumu ve mevcutsa ilgili parça kimliğini içerebilir. Hangi verinin gerçekten tutulabileceği ve kimlerin erişeceği işletmenin veri politikasıyla birlikte belirlenir. Her şeyi kaydetmek otomatik olarak daha iyi izlenebilirlik sağlamaz; kayıtların doğru ilişkilendirilmesi gerekir.
Muayene akışını yalnızca model çıktısı yönetmemeli
Kontrol sonucu bir ekran, rapor veya başka bir uygulamaya gidebilir. İşletmenin ihtiyacı gerçekten neyse, entegrasyon o karara göre tasarlanmalı. “Sonucu bir endpoint'ten döndürmek” ile istasyondaki kontrol sürecini tamamlamak farklı şeylerdir.
Temsili bir akış şöyle düşünülebilir:
Parçanın sunulması → gerekli verinin alınması → kontrolün çalışması → sonuç/kapsam bilgisinin kaydı → ilgili kişinin veya uygulamanın değerlendirmesi.
Bu akış, belirli bir tesiste uyguladığım mimarinin açıklaması değildir. Veri eksikliği, tekrar kontrol ve belirsiz sonuç gibi durumları konuşmak için kullanılabilecek bir başlangıçtır.
Başarı ölçütünü istasyonun kararıyla eşleştirmek
Bir kontrolün kaç kez sonuç ürettiği, ne kadar doğru karar verdiğini anlatmaz. Pilot değerlendirmesinde referans kontrolle karşılaştırılabilecek ve işletme için anlamı olan ölçütler seçilmelidir.
- Hangi kusur veya özelliklerde karar tutarlı?
- Hangi durumlar kaçırılıyor?
- Kaç uygun parça gereksiz incelemeye gidiyor?
- Kaç örnekte kontrol gerçekleştirilemiyor?
- Yeniden kontrolün iş yükü ne?
- Sonuç gerekli zamanda kullanılabilir mi?
NIST'in yapay zekâ risk çerçevesi, sistem değerlendirmesinde bağlam ve izlemeyi ele alıyor. Ancak bu belge mekanik parçaya ait kabul standardını veya gerekli muayene yöntemini belirleyen bir kaynak değildir. NIST AI RMF
Bu ölçütlerin projeye nasıl bağlandığını KPI ve başarı ölçümü yazısında anlatıyorum.
Muayene istasyonu pilotu için teslim kontrol listesi
Bu liste genel bir pilot hazırlığı önerisidir; geçmiş bir istasyonun teslim tutanağı veya uygunluk belgesi değildir. Her madde için sorumlu rol, doğrulama kaydı ve açık kalan konu yazılabilir.
- Kontrol edilecek özellikler ile başka muayene yöntemi gerektiren alanlar ayrıldı mı?
- Referans kabul/red kararları ve anlaşmazlıkları çözecek uzman belirlendi mi?
- Görüntü yetersizliği, kontrol yokluğu ve belirsizlik ayrı sonuçlar olarak gösteriliyor mu?
- Sonuç doğru parça veya kayıtla ilişkilendirilebiliyor mu; eşleşme sınırları açık mı?
- Yeniden kontrolün, sonuç gecikmesinin ve insan incelemesinin akışı yazıldı mı?
- Aynı kapsamdaki mevcut yöntemle karşılaştırma ve işletmenin kabul ölçütleri belirlendi mi?
- Ürün veya çekim koşulu değişince kapsamı kim yeniden onaylayacak?
Bir maddeyi işaretlemek için yalnızca uygulamada bir ekran bulunması yeterli değildir; ilgili akışın pilotta doğrulanması gerekir. Ölçüm kayıtlarını KPI ve başarı ölçümü rehberiyle, kayıt eşleştirmesini veri yönetişimi matrisiyle birlikte ele alabilirsiniz. İhtiyaç muayene kararı değil, olağandışı davranış uyarısıysa pres hattında anomali tespiti yaklaşımını ayrıca değerlendirin.
Bir üründe çalışan kontrol, diğerinde yeniden değerlendirilmeli
Parça ailesi, kabul ölçütü veya çekim koşulu değiştiğinde önceki kontrol kapsamı yeterli olmayabilir. Yeni koşulu mevcut sonuçlarla karşılaştırmadan “aynı sistem her parçada çalışır” iddiasında bulunmamak gerekir.
Bu yüzden ilk pilotun sınırlı olması bir eksiklik değildir. Bir kontrol ihtiyacını açıkça tanımlayıp, referans kararlarla değerlendirmek; kapsamı belirsiz büyük bir istasyon hedefinden daha yönetilebilir bir başlangıç sağlayabilir.
İşletmeniz için ilk adım
Krank veya başka bir işlenmiş parçanın muayenesini otomatikleştirmek istiyorsanız, mevcut kontrolü anlatan küçük bir dosyayla başlayabilirsiniz: ne inceleniyor, hangi örnekler kabul/red alıyor, karar nasıl kaydediliyor ve hangi durumlarda uzman görüşü gerekiyor?
Buradan görüntüyle desteklenebilecek kontrolü, başka ölçüm gerektiren alanı ve uygulama entegrasyonunu ayırabiliriz. Verinin nasıl hazırlanacağı için veri yönetişimi yazısına bakabilir; işletmenizdeki muayene ihtiyacını benimle konuşabilirsiniz.