MAKİNE ÖĞRENİMİ (ML) İÇİN BAŞLANGIÇ REHBERİ

Susan ile tanışın. Susan son 30 yıldır çelik fabrikasında çalışıyor. İşi, kalite sorunlarını azaltmak, ürün toleranslarını artırmak ve maliyetleri en aza indirmektir. 80'lerden bu yana çok şey değişmiştir, fabrika artık tamamen dijital ekipman tarafından kontrol ediliyor ve Susan, zamanının çoğunu bilgisayar önünde harcayarak, üretilen tüm verileri anlamlandırmaya çalışmaktadır. Fero Labs, 28-29 Kasım tarihleri ​​arasında Santa Clara, CA'daki IoT Tech Expo Kuzey Amerika'da sergilenecektir. Onları 352 nolu stantta ziyaret edebilirsiniz. Susan, süreç iyileştirme teknikleri konusunda uzmandır. Geçmişte birden fazla Altı Sigma projesi yürüttü, her durumda, yalnızca kalite ölçütlerinin ve parametrelerinin elle seçilmiş alt kümelerine odaklanmıştır. Makine Öğrenimi (ML), karmaşık veri kümelerinden gelen ilişki kalıplarını keşfetmeye yardımcı olan bir hesaplama tekniğidir. Susan'ın tüm sürecini analiz etmesine yardımcı olabilecek bir Makine Öğrenimi (ML) modeli hayal etmeye çalışalım... Susan, üretim sürecinde kullanabileceği yüzlerce veri ve parametreye sahiptir. Bu model ile Susan'ın meslektaşlarına önerdiği en uygun ayarları öngörmesini sağlayabilirsiniz. Buna “kara kutu” modeli denir. Kara kutu modelleri tahmin için mükemmel araçlardır. Bu kara kutu modelleri, teknoloji sektöründe yaygın bir şekilde benimsenerek, Google ve Facebook gibi şirketlerin belgeleri tercüme etmelerine, kendi arabalarını kullanabilmelerine ve daha sonra satın almanız için öğeleri önermelerine olanak tanımaktadır. Kara kutu modeli Amazon’un ürün önerileri için işe yarayabilir, ancak Susan'a bazı problemler yaşatmaktadır. Susan'ın ihtiyacı olan, içgörülere sahip bir Makine Öğrenimi (ML) modelidir. İşi daha iyi yapabilmesi için tahminleri nasıl yaptığını anlamalısınız. Yorumlanabilir Makine Öğrenimi (ML), girdiler ve çıktılar arasındaki ilişkileri ortaya çıkarır. Sonuç sadece tahminleri üretmekle kalmayıp aynı zamanda bunları açıklayan bir “beyaz kutu” modelidir. Amerikan Kalite Derneği, ürün geri çağırma gibi kalite sorunlarının, toplam operasyonların % 40'ında maliyetlere neden olabileceğini tahmin etmektedir. Beyaz kutu modelleri, bunu gerçeğe dönüştürmek için bir adım daha yaklaştırıyor. Beyaz kutu modeliyle Susan, çelik fabrikasından halihazırda üretilen tüm verileri kaldırabilir. Her ayarın kalite metriklerini nasıl etkilediğini belirleyebilir. En önemli ortamlar arasındaki etkileşimleri keşfedebilir ve sürecini etkileyen şeyleri daha iyi anlayabilir. Daha da önemlisi, Susan, hangi ayar kombinasyonunun spesifikasyon üretimine yol açtığını kolayca teşhis edebilir ve gelecekte bu gibi durumları önlemeyi planlayabilir.

 

Kaynak: Tıklayınız