Kategori : Yönetim Sistemleri

Nesnelerin İnterneti ve Yapay Zeka

Yapay zeka (AI) ve Nesnelerin İnternet'i (IoT), bütün 2017 teknoloji tahmin listelerinde yer alan iki teknoloji. Her iki sektör için önümüzdeki yılda ve sonrasında büyük bir büyüme bekleniyor. AI hemen her yerde görülüyor ve açıkçası iş uygulamalarının ve tüketim ürünlerinin geleceği. Geçtiğimiz yıl, Amazon, Google, IBM, Microsoft ve Facebook da dahil olmak üzere kurumsal rakiplerin, AI'nın bu konudaki en iyi uygulamalarını geliştirmek ve teşvik etmek için ortaklık kurdukları bilinen önemli bir konu. IoT'un büyümesi AI'ye göre çok daha somut. Analist firma Gartner, 2020 yılına kadar yaklaşık 21 milyar bağlı cihaz bulunacağını ve IDC ise 2018 yılında 22 milyar IoT cihazının kurulacağını öngörüyor. Zekice işler ve hamleler oluşturmak için bu iki hızla gelişen teknolojiyi birleştirmek, işletmeler için kaçınılmaz bir değişim gerekliliği aslında. Bu bağlı akıllı aygıtların kullanışlı ve yönetilebilir bir ekosistem yaratmalarının sağlanması, potansiyel olarak veri siloları veya uygulama sorunları yaratan herhangi bir bağlantı boşluğu olmamasıyla beraber, kısa vadede işletmeler için odak noktası olacaktır. Ek olarak, makine öğrenme yetenekleri, bu ekosistemler tarafından yaratılacak muazzam veri fazlalığını analiz etmek için hayati ve sistemlerin tahmin edebilir olmasında ziyade uyarlanabilir hale gelmesini sağlayan katalizör olacaktır.

Şirketler gittikçe artan bir şekilde akıllı, internete bağlı cihazları iş süreçlerine uygulamaya başlamaya ihtiyaç duymakta ve doğal olarak satışçılar avantaj kazanmaktadır. Çoğu, IoT pazarının halen ciddi bir şekilde kullanılmadığını ve kazanılacak bol para olduğunu düşünüyor; bu nedenle, bu akıllı nesnelerin tamamı için sensörler, platformlar ve yönetim sistemleri üreten çok sayıda satıcı var. İşletmelerin seçenekleri vardır, ancak kullanmayı seçtikleri genel ekosistemin yönetilebilirliği konusunda ihtiyatlı olmak zorundadırlar. Kesintisiz bağlantı, karar verme sürecinin önceliği olmalı; isterse bir firmadan gelen tüm bir ekosistemi kullanıyor veya ihtiyaçlarını karşılamak için farklı firmaların ürünlerini kullanıyor olsun. Ekosistem içerisinde bölümler varsa ya da belirli akıllı nesneler birbirleriyle uyumlu değilse, ölçeklemenin imkansız görünmesine ve nihai olarak gerekli verileri yalıtmasına neden olabilir. Bu veri siloları hızlı bir şekilde değerleniyor ve makine öğrenmenin can damarı olan veri, akıllı nesnelerin bir bütün olarak tüketilmemesi için hayati önem taşıyor. Daha basit bir düzeyde, birleştirilmiş bir platformda yönetilemeyen bir sistemi görevlendirmek, kontrol edilmesi çok zor olabilir. Sektöre özgü platformlar ve akıllı nesnelerin dikey ağları, işin meyvelerini alırken bu problemi önlemeye yardımcı olur. Bu özellik satıcılar ve uygulayıcılar tarafından 2017'de muhtemelen vurgulanacak.

Uyarlanabilir Teknoloji Potansiyeli

Akıllı nesneleri uygulayan şirketler için bir başka odak noktası, öngörülebilir ekosistemlerin uyarlanabilir sistemlere kayması olacaktır. Bu kayma, veriye, IoT cihazlarının patlamasının en büyük yan etkisine ve bu IoT cihazlarını akıllı cihazlara dönüştürme gücünün kaynağına dayanıyor. IoT sistemleri tarafından oluşturulan verilerin hacmi, analiz yapmayı en yetenekli veri uzmanları için bile zorlaştırır, ancak bu makine öğrenme algoritmaları için daha iyi analiz edilecek daha fazla veri demektir. Bir makine ya da derin öğrenme algoritması böyle büyük bir veri deposuna erişebildiğinde, daha fazla bilgi üretebilir. Üretilen veri setlerinden eyleme geçirilebilir bilgiler elde etmek, işletmeleri bu çözümleri uygulamak için etkileyen en iyi değerlerden biridir ve bir AI'nin sizin için bu dataları çekmesine izin vermek problemleri çözmek için son derece yardımcı olacaktır. Bir adım daha ileri giderseniz, makine öğrenimi, akıllı nesneler hakkında size uygulanabilir bilgiler verirken, sizi tüm ekosisteminizi tahminsel durumdan uyarlanabilir hale getirir.

Akıllı nesnelerin sağladığı öngörülebilir durumdan uyarlanabilir duruma geçişi gösteren pratik bir örnek olarak otomobilleri gösterebiliriz. Otomobillerin üzerindeki kasnakları bir montaj hattına koymak için kullanılan makine parçasına bakalım. Bağlı sensörler bu makineye takıldığında, öngörme yeteneği verilir. Bu sensörler, aracın ne zaman bozulup uyarılacağı konusunda fikir verebilir ve böylece sonuçta çalışma süresini optimize eder. Çalışma süresini artırarak işletme para tasarrufu sağlar. Bununla birlikte, makine öğrenimi aygıta yerleştirildiğinde, sonuç olarak şirkete para tasarrufu için aynı istenen çıktıyı verebilmek adına büyük veriyi analiz edebilir. Makine öğrenme işlevselliği ile sadece bozulma ya da arıza meydana geldiğinde uyarmaz,  aynı zamanda, örneğin, montaj hattında bir sonraki otomobilini beklerken, kendisini 30 saniyeliğine kapatarak gerekli bakım aralığındaki süreye günler veya haftalar ekleyebileceğini öğrenebilir. Bu durum, öngörülebilir ve uyarlanabilir akıllı nesneler arasındaki farkı ve işletmeler için veri analizi yapan makine öğrenmenin neden zorunlu olacağını gösterir.

Bağlantı endişeleri ve arttırılmış makine öğrenme yetenekleri önümüzdeki yılın akıllı nesneleriyle alakalı iş kararları etkenlerinden sadece birkaçı. IoT büyümesi ve AI alanında devam eden atılımlarla bu odaklanmalar 2017'de gerçekleşmiş, ya da meyve vermeye başlamış olabilir. Şu bir gerçek ki; hem satıcılar hem de işletmeler tarafından yatırılacak para ile kesinlikle uzun süredir yürürlükte olan uygulamaları ve süreçleri değiştirebilecek kapasiteye sahip akıllı nesnelerin dönüm noktasındayız.