Yapay zekâ (AI), makinelerin sergilediği zekâ olarak tanımlanabilir. Diğer bir deyişle makinelerin yapay bir işletim sistemiyle insan zekâsına özgü yüksek bilişsel fonksiyonları ve otonom davranışları sergilemesine yapay zekâ denir. Yapay zekâ ile makineler; algılar, öğrenir, düşünür, fikir yürütür, problem çözer, iletişim kurar, kavramsal bağlantı kurar ve karar verir.
Zekâ, operasyonel alanda toplanan verilerin işlenip analiz edilerek bilgiye dönüştürülmesi ve kararla sonuçlanması olarak düşünülebilir. Bu noktada yapay zekâ, Entegre Lojistik Destek (ELD) alanında kendisine oldukça önemli bir yer bulmaktadır.
Savunma Tedarik Üniversitesi (Defense Acquisition Unıversity-DAU) 2011 yılında bir sistemin, tedarik maliyetinin o sisteme ait ömür devri maliyetinin %30’unu oluştururken; idame ve işletme maliyetinin ise %70’ini oluşturduğunu söylemiştir (Bkz. Şekil-1).
Savunma sanayiindeki sistemlerin ömür devri maliyet dağılımlarına bakıldığında da Işın (2009) benzer bir sonuca ulaşmıştır (Bkz. Tablo-1)
Buna göre; bir sistem için kullanıcının yüklendiği maliyeti azaltması, özellikle işletme ve idame dönemindeki maliyetleri düşürmesi ile mümkündür. Sistemlere ait verilerin sensörler ve/ veya yazılım uygulamaları ile toplanması ve yapay zekânın kullanımı, sistemlerin idame ve işletme maliyetlerinin azaltılması hususunda kullanıcıya oldukça büyük bir fayda sağlamaktadır.
Bir sistemin idame ve işletme dönemi maliyetlerini oluşturan kalemlerden en önemlisi bakım/onarım faaliyetleridir. Bu bağlamda, ELD alanında yapay zekânın kullanıldığı kestirimci bakım konsepti sistemlerin idame ve işletme dönemi maliyetlerini düşürücü rol oynamaktadır.
Kestirimci bakımın amacı operasyonlardaki aksaklıkları en aza indirgemek için sistem bileşenlerinin bakımlarının önceden tahmin edilmesini sağlamaktır. Bu sayede sadece bileşenlerin ihtiyaç duyulduğunda faal olması (hazır bulunuşluk) sağlandığı gibi aynı zamanda bakım harcamalarının da optimizasyonu sağlanmaktadır.
Bu noktada yapılan, operasyonel sahada toplanan verinin analiz edilerek bilgiye dönüştürülmesi ve karar verme aşamasında bu bilginin kullanılmasıdır. Bu amaçla sisteme ait bileşenlere ait sensörlerden gelen veriler analiz edilip değerlendirilerek arızalanma olasılığına bakılmak suretiyle arızalanmadan ya da periyodik bakım zamanını beklemeden ilgili bileşen bakıma tabi tutulur.
HAVELSAN Komuta Kontrol ve Savunma Teknolojileri (KKST) Genel Müdür Yardımcılığı, AR-GE ve Mühendislik Direktörlüğü bünyesinde görev alan Entegre Lojistik Destek Grup Liderliği olarak gerek garantiye giren gerekse garanti sonrası ister bakım onarım sözleşmeli ister de sözleşme olmaksızın sistemlerimizin satış sonrası destek faaliyetleri yürütülmektedir. Bu noktada verilen yardım masası hizmeti ile sahadan gelen operasyonel veriler ELD Grup Liderliği’nde toplanmaktadır.
Toplanan veriler bileşen bazında analiz edilmekte ve hazır bulunuşluğu maksimize edecek şekilde bakımlar planlanmaktadır. Bu yaklaşım özellikle Uzun Ufuk gibi performansa dayalı lojistik projelerinde HAVELSAN’ın ödüllendirilmesi noktasında çeşitli avantajlar sağlamaktadır.
Ekibin bundan sonraki hedefi, bu verilerin sahadan toplanma şeklini otomatize etmek yönündedir. Şu anda projelendirmek üzere çalışmaları sürdürülen bir programda KKST olarak üreti yapılacak veri toplama cihazı ile sisteme ait bileşenlerin sensörlerinden veriler otomatik olarak alınarak merkezi veri tabanında toplanacaktır.
Toplanan bu veriler yapay zekâ kullanılarak analiz edilmek suretiyle kestirimci bakım uygulaması yapılacaktır. Bu sayede veri toplama cihazının olduğu platformlara ait sistem bileşenlerinin hazır bulunuşluk seviyesi maksimize edilmiş olacaktır. Dolayısıyla söz konusu platformun idame işletme dönemi maliyetleri de minimize edilecektir.
Kaynak: HAVELSAN Dergi 7. sayı / Satış Sonrası Destek Takım Lideri Aslı Burcu Parlakgümüş
