Endüstriyel üretim bantlarında anomali tespiti için yapay zekâ kullanımı

Endüstriyel otomasyon sistemlerinde gerçek ortam verilerinin toplanması, değişken çevresel koşullar, sensörlerin doğruluğu, yüksek maliyet ve sistemlerin karmaşıklığı gibi faktörler nedeniyle zorlayıcı olabilmektedir. Bu zorluklar, veri toplama sürecinin etkinliğini ve güvenilirliğini etkilemektedir. Bu nedenle, veri toplama ve işleme tekniklerinin sürekli olarak geliştirilmesi gerekir. Büyük veri hacmi ve bu verilerin analizi, veri işleme ve depolama kapasitesine ihtiyaç duyar. Bu zorlukların üstesinden gelmek, veriye dayalı karar verme süreçlerini güçlendirerek endüstriyel otomasyon sistemlerinin gelişmesinde önemli bir aşamadır. Yapay zekâ, günümüzde birçok sektörde devrim yaratmakta ve iş süreçlerini, karar verme mekanizmalarını, kullanıcı deneyimlerini dönüştürmektedir. Sağlıktan eğitime, finanstan otomotiv endüstrisine kadar geniş bir yelpazede uygulama alanları bulan yapay zekâ, verimliliği artırma, karar alma süreçlerini optimize etme ve karmaşık problemleri çözme konusunda kritik öneme sahiptir. Bu hızlı ilerleme, toplumda ve endüstride sürekli bir inovasyon ve gelişme dalgası yaratmaktadır. Bu çalışmada, gerçek ortam verilerinin toplanması için gerekli olan sensör kurulumlarının maliyetini düşürmek amacıyla bir simülatör geliştirilmiştir. Gerçek ortamdan alınan ses, titreşim, sıcaklık verileri ve önerilen simülasyon mimarisi ile elde edilen veriler 19 denetimsiz derin öğrenme algoritmasıyla karşılaştırılmıştır. Hem önerilen simülasyon mimarisinin doğrulanması hem de ses, titreşim ve sıcaklık verilerine ilişkin analizler incelenerek sonuçlar değerlendirilmiştir.