Büyük Yapay Zeka (AI) Hayal Kırıklığı

Modern üretim dünyasında çok sık rastlanan şu tanıdık senaryoya bir bakalım: Yönetim kurulu, şirketin acilen "Yapay Zeka (AI) odaklı" hale gelmesini emreder. Milyonlarca dolar harcanır, harika Veri Bilimciler (Data Scientist) ve Bulut (Cloud) IT Mühendisleri işe alınır.

Veri Bilimci, bilgisayarını açar ve şirketin Veri Gölüne (Data Lake) bağlanır. Karşısında mükemmel, temiz, yapılandırılmış veri setleri bulmayı beklemektedir. Ancak ekranda gördüğü şey şudur:

• Tag ID: 49021. Value: 43. Timestamp: 12:00:01
• Tag ID: DB4.DBX2.1. Value: TRUE. Timestamp: 12:00:02
• Tag ID: VIB_01A. Value: ERR_COMM. Timestamp: 12:00:03

49021 numaralı etiket (tag) ne anlama geliyor? 43 değeri Santigrat mı, Fahrenheit mı yoksa yavaşlayan bir motorun devri mi? Zaman damgası (timestamp) hangi saat dilimine (UTC) ait?

Endüstri 4.0'ın acımasız gerçeği şudur: Makine verileri çirkindir, gürültülüdür ve bağlamdan (context) tamamen yoksundur. Sonuç olarak, yüksek maaşlı Veri Bilimcileri; tek bir satır Makine Öğrenimi (Machine Learning) kodu yazamadan önce, zamanlarının %80'ini o gizemli PLC etiketlerini Excel tablolarındaki isimlerle eşleştirmeye çalışan "veri temizlikçileri" olarak harcarlar.

İşte bu devasa darboğaz, OT DataOps disiplininin tam olarak çözmek için doğduğu sorundur.

OT DataOps Nedir?

DataOps (Data Operations - Veri Operasyonları), aslında IT (Bilgi İşlem) dünyasında doğmuş bir kavramdır. Analitik ekiplerinin daha hızlı çalışabilmesi için verinin akışını, kalitesini ve teslimatını otomatize etmeye odaklanır.

OT DataOps (Operasyonel Teknoloji DataOps) ise aynı prensipleri alır ve fabrika zemininin o kaotik, benzersiz zorluklarına uygular. Endüstriyel varlıklardan (PLC'ler, SCADA, CNC makineleri) gelen ham veriyi çekme, bu veriyi temizleme, gereksiz gürültüyü filtreleme, üzerine "iş bağlamı" (anlam) ekleme ve onu güvenli bir kalıpta IT sistemlerine teslim etme disiplinidir.

Kısacası: OT DataOps, verileriniz için kurulan bir montaj hattıdır. Hammaddeyi (voltaj sinyalleri) alır ve onu bitmiş, değerli bir ürüne (Yapay Zeka (AI) için hazır işgörülere) dönüştürür.

OT DataOps Boru Hattının (Pipeline) 4 Aşaması

Proxus gibi IIoT Platformları tarafından desteklenen olgun bir OT DataOps stratejisi, veri mühendisliğinin şu 4 kritik aşamasını otomatikleştirir:

1. Veri Çekimi (Connectivity)

Bağlanamadığınız bir şeyi analiz edemezsiniz. Bir fabrikada yepyeni bir Siemens S7-1500 cihazıyla, 25 yıllık seri portlu bir Modbus RTU kontrolörü yan yana duruyor olabilir. OT DataOps; makinenin birincil kontrol döngüsünü (üretimi) hiç yavaşlatmadan yüzlerce eski endüstriyel protokolü aynı anda konuşabilen sağlam bir Edge Computing (Uç Bilişim) ağ geçidiyle (gateway) başlar.

2. Normalleştirme ve Bağlamsallaştırma (Contextualization)

En kritik adım budur. Ham veri, fabrikayı terk edip IT dünyasına geçmeden önce insanların (ve algoritmaların) okuyabileceği bir "anlama" çevrilmelidir. OT DataOps motoru, buluta anlamsız bir DB4.DBX2.1 = 120 göndermek yerine paketi şu şekilde dönüştürür (normalleştirir):

{
  "asset": "Ekstruder_A",
  "location": "Fabrika_Bursa",
  "metric": "Sicaklik",
  "value": 120,
  "unit": "Celsius",
  "status": "Uyari"
}

Artık bu veri paketi Buluta veya ERP'ye ulaştığında, karşıdaki Veri Bilimci (Veya Yapay Zeka (AI) Asistanı) tam olarak neye baktığını anında anlayabilir.

3. Akıllı Filtreleme (Smart Filtering) ve Deadbanding

Bulut hizmet sağlayıcılar (AWS, Azure vb.), Buluta yüklediğiniz (Ingress) her bir Gigabayt veri için size fatura keser. Eğer bir sıcaklık sensörü her 10 milisaniyede bir aynen 22.1°C değerini iletiyorsa, bu birbirinin kopyası milyonlarca veriyi Buluta göndermek muazzam bir para israfıdır. OT DataOps; Edge (Uç) seviyesinde "Deadbanding" (sadece değer %1 veya %5 değiştiğinde veriyi gönder) veya "Zaman Bazlı Kümeleme" (60.000 adet milisaniyelik ham veri yerine, 1 dakikalık temiz bir 'ortalama' gönder) gibi Akıllı Filtreleme teknolojilerini kullanarak devasa "veri fırtınalarını" dindirir.

4. İstikrarlı Teslimat: Birleşik İsim Alanı (UNS)

Son olarak; temizlenmiş, filtrelenmiş ve etiketlenmiş o güzel veri, gidip de aranması imkansız eski tip tekil parça (silo) veritabanlarına çöplük gibi atılmaz. Merkezi bir Birleşik İsim Alanı'na (Unified Namespace - UNS) yayınlanır. UNS, tüm fabrika için düzenli bir klasör dizini (örneğin bilgisayarınızdaki dosya sistemi) gibi davranır. Maliyet hesaplayan ERP sistemi de olsa, Model Context Protocol (MCP) üzerinden sorgu çeken bir LLM modeli de olsa; tüm IT ekosistemi aynı tertemiz veri kaynağından (Single Source of Truth) beslenir.

OT DataOps'in İşletmelere Sağladığı Devrim (ROI)

• Daha Hızlı AI ve Analitik: Veri bilimciler verileri temizlemek yerine 1. Günden itibaren makinenizin ne zaman kırılacağını öngören (Kestirimci Bakım) yüksek değerli modeller inşa etmeye başlarlar.
• Küçülen Bulut Faturaları: Veriyi daha Buluta ulaşmadan Edge seviyesinde (kaynağında) akıllıca filtreleyen şirketler, AWS/Azure faturalarını rutin olarak %60 ile %90 arasında düşürürler.
• Verinin Demokratikleşmesi: Bir Fabrika Müdürü, basit bir rapor çekmek için IT departmanına yalvarmak zorunda kalmaz. UNS (Unified Namespace) içerisindeki veriler halihazırda anlamlandırılmış (Fabrika/Hat1/OEE) olduğundan, müdür kendi ekranındaki grafiklere bu değerleri sürükleyip bırakarak (drag-and-drop) kendi anlık analizini yapabilir.

Sonuç

Spagetti gibi birbirine dolanmış, isimsiz ve düzensiz Tag_001 formatlı PLC etiketlerinin üzerine modern, veriye dayalı bir teknoloji imparatorluğu kuramazsınız.

OT DataOps, Endüstri 4.0 yatırımları için zorunlu (atlayamayacağınız) bir ön koşuldur. Veri mühendisliğinin ağır yükünü ta aşağıya, Edge (Uç) noktasına iterek; verileri kaynağında temizleyip organize ederseniz, milyonlarca dolarlık Bulut analitiği (Cloud Analytics) ve Yapay Zeka (AI) altyapınızın gerçek potansiyelini nihayet ortaya çıkarabilirsiniz.

Proxus'un IT/OT Köprüsünün, OT DataOps Süreçlerinizi Nasıl Otomatikleştirdiğini İnceleyin →