Skip to content

TEKNOLOJİ

TEMMUZ 2018 SAYI: 122

Dijital İkiz Ve Derin Öğrenme

“DİJİTAL İKİZ” VE “DERİN ÖĞRENME” KAVRAMLARINI, SON YILLARDA SIKÇA DUYUYORUZ. MAKİNE İMALAT SEKTÖRLERİNİ YAKINDAN İLGİLENDİREN BU İKİ KAVRAM, ENDÜSTRİ 4.0 VE NESNELERİN İNTERNETİ’NİN YAŞAMIMIZA DAHA FAZLA GİRMESİYLE BİRLİKTE, ÖNÜMÜZDEKİ DÖNEMDE DE EN SICAK KONU BAŞLIKLARINDAN İKİSİ OLMAYA DEVAM EDECEK.

Moment Expo’nun bu sayısından başlayarak, her sayımızda makine imalat sektörlerini yakından ilgilendiren teknoloji başlıklarını inceleyecek ve Türk makinecilerini teknoloji gündemi hakkında bilgilendirmeye gayret edeceğiz. Bu sayımızdaki iki konu başlığımız ise makine imalat sektörlerinde son yıllarda uygulama alanları hızla artan iki kavram olan Dijital İkizler ve Derin Öğrenme ya da Makine Öğrenmesi oldu.

DİJİTAL İKİZ TEKNOLOJİSİ NEDİR?

Dijital ikiz, gerçek zamanlı verileri kullanarak fiziksel bir nesnenin veya sistemin gerçek olarak davranacak şekilde modellenmiş sanal bir kopyasıdır. Bu teknoloji dijital nesneleri fiziksel nesnelerle eşleştiren dinamik ve öğrenen bir teknolojidir.

DİJİTAL İKİZ TEKNOLOJİSİ NEDEN GEREKLİ?

Dijital ikiz teknolojisi, karmaşık ürünler üzerinde tümleşik bir veri, model ve analiz aracı olarak ürün tasarımı, gerçek zamanlı simülasyonu, takibi ve optimizasyonu konularında üreticilerin ürünlerini daha iyi anlayabilmeleri ve bu doğrultuda analizler yapabilmelerini mümkün kılıyor. Gerçek hayatta test etmenin maliyetli ve zor olduğu kompleks ürünlerden elde edilen verilerle oluşturulmuş bir dijital ikiz üzerinde testler yapmak, ürünü fiziksel dünyaya sunmadan önce kolay yoldan denememizi sağlar.

DİJİTAL İKİZ TEKNOLOJİSİNİN KULLANIMI İÇİN NELER GEREKLİ?

2001 yılından beri gündemde olan “Dijital İkiz” kavramını ilk kullananların başında gelen “Ürün Yaşam Döngüsü Yönetimi” isimli kitabın yazarı olan Michael Grieves’e göre dijital ikiz modelli bir yapıyı kurgulamak için üç etmen bulunuyor:

• Dijital ikizi oluşturulacak ürünün gerçek ortamdaki hali,

• Gerçek ortamdaki ürünü sanal ortama taşımamızı sağlayacak gerçek ürün ile sanal ürün arasında köprü konumunda olacak veriler,

• Ürünün sanal ortamdaki hali.

NESNELERİN İNTERNETİ VE DİJİTAL İKİZ

Endüstri 4.0 ve Nesnelerin İnterneti (IoT), fiziksel nesnelerin üzerine yerleştirilmiş olan sensörler sayesinde sensörlerin izlediği tüm verileri alan ve işleyen bulut tabanlı bir sisteme bağlanması sonucunda, ürünün gerçek zamanlı verilerini almamızı mümkün kılıyor. Böylece dijital ikizini oluşturmak istediğimiz gerçek ürünün fiziksel özelliklerini bütünüyle yansıtabilmesi için gerekli verileri toplayabiliyoruz. Böylece, gerçek hayatta test etmenin maliyetli ve zor olduğu kompleks ürünlerden elde edilen verilerle oluşturulmuş bir dijital ikiz üzerinde testler yaparak, ürünü fiziksel dünyaya sunmadan önce kolay yoldan denemeler yapılabiliyor.

DERİN ÖĞRENME NEDİR?

Derin öğrenme, beyindeki dentrit ve aksonların birbirine bağlanarak oluşturduğu ağlardan ilham alınarak oluşturulmuş bir yapı ve bu yapının kullanılmasıyla mevcut verilerden yola çıkarak bilinmeyene dair tahminlerde bulunuluyor.

Derin öğrenme veya makine öğrenme metotlarının uygulanacağı sistem, başlangıçta yeni doğmuş bir birey olarak düşünülebilir. Dolayısıyla öğretilen materyallerin mantıksal açıdan doğru ve yanlışlığını anlamaktan çok, öğretilen diğer materyaller arasındaki ilişkinin anlaşılmasına çalışılır. Örneğin bir “c” harfinin tanınması istenildiğinde, rastgele bir harf ile geri dönüş yapılırsa, alınan geri bildirimlere göre o cevabın verilmesini sağlayan yapay sinir ağı kuvvetlendirilir veya zayıflatılır. Çok sayıda deneme ve yanılmanın ardından, “c” harfini doğru tanıyan bir model oluşmuş olur.

DERİN ÖĞRENME NEDEN GEREKLİ?

Günümüzde derin öğrenme metotlarının kullanılması ve bu yöndeki kullanım ihtiyacının artmasındaki temel sebeplerden biri, elimizdeki veri miktarının artmasıdır. Diğer bir sebep ise eskiden binlerce veriyi işleyebilecek donanımlar yetersiz ve çok pahalıyken, bugün grafik kartları ve paralel işlem yapabilen donanımlara ulaşımın hem çok kolay olması hem de bu donanımların çok ucuza mal olmasıdır. Endüstri 4.0 ve Nesnelerin İnterneti ile birlikte veri kullanımı giderek artıyor. İnsanoğlunun, zamanın başlangıcından 2005 yılına kadar üretmiş olduğu 130 exabayt verinin üstel olarak artması sebebiyle, 2020 yılında bu veri miktarın 40 bin exabayt boyuna ulaşacağı öngörülüyor. Dolayısıyla bu boyuttaki verileri işlemek için insanlar zamanla yetersiz kalacak. Bu verilerin makineler tarafından işlenmesi bile onlarla birlikte “makine öğrenmesi” veya “derin öğrenme” metotları kullanılmadan yetersizleşecek. Uzmanlar, daha fazla veri işlemenin, ancak ve ancak makine öğrenmesi ve derin öğrenme algoritmalarının potansiyeliyle gerçekleşebileceğini düşünüyor.

MAKİNE ÖĞRENMESİ VE DERİN ÖĞRENME

Makine öğrenmesi, programlamaya gerek duymadan makinelere öğrenme becerisi kazandırmak için kullanılan teknikleri ifade ediyor. Tek bir yapay sinir ağı, karmaşık problemleri çözmek için yetersizken, birbirine bağlı katmanlardan oluşan sinir ağlarının kullanımı gerekiyor. Bu tür çok katmanlı yapay sinir ağları oluşturmak için ise derin öğrenme gerekli. Makine öğrenmesi, yapay zekâ teriminin bir alt sınıfı, derin öğrenme ise makine öğrenmesinin bir alt sınıfı olarak düşünülebilir. Dolayısıyla sinir ağları da makine öğrenmesi altında bulunan bir alandır. Bütün yapay zekâ problemleri için sinir ağları kullanımına gerek kalmadan daha basit yöntemlerle doğru çözümlere ulaşılabilir.