Dökümhane Yapay Zekâsında Model Kayması: Ne Zaman Yeniden Eğitilmeli, Ne Zaman Öneri Vermemeli?

Serdar Perçin
17 Ağu
4 dakikada okunur

Kısa cevap: Dökümhane yapay zekâsı takvim günü geldiği için değil, doğrulanmış proses veya veri kayması karar kalitesinde kalıcı bozulma yarattığında yeniden eğitilmelidir. Kritik girdiler eksikse, çalışma durumu doğrulanmış kapsamın dışındaysa veya belirsizlik onaylı sınırı aşıyorsa model parametre değişikliği önermeyi reddetmelidir.

Üretimdeki bir model, geliştirildiği koşulların anlık fotoğrafıdır. Dökümhane ise sabit kalmaz. Kalıp insertü onarılır, soğutma kanalı temizlenir, alaşım tedarikçisi değişir, termokupl yenilenir, yeni muayene kuralı uygulanır veya makine farklı bir aşınma durumuna gelir. Aynı sensör deseni artık farklı bir metalurjik anlam taşıyabilir.

Bu değişime çoğu zaman model kayması veya kavram kayması denir. Bu, yapay zekânın kötü olduğunun kanıtı değildir. Veri, proses fiziği ve kalite arasındaki ilişkinin yeniden sınanması gerektiğini gösterir.

Dökümhanede model kayması ne demektir?

Birbirine karıştırılan dört değişim türü vardır:

Girdi veya veri kayması: Ölçülen girdilerin dağılımı değişir. Yeni kalıp sıcaklık aralığı, farklı vakum seviyeleri veya kayan çevrim süresi profili buna örnektir.
Kavram kayması: Girdilerle hedef arasındaki ilişki değişir. Yolluk onarımı veya soğutma değişikliği sonrasında aynı hızlı faz hızı ve kalıp sıcaklığı artık aynı porozite riskini göstermeyebilir.
Ölçüm kayması: Sinyal fiziksel prosesten değil; kalibrasyon, sensör konumu, emisivite, örnekleme mantığı veya muayene ölçütünden dolayı değişir.
Etiket kayması: Hata kodları, CT kabul bölgeleri, kaçak testi eşikleri veya operatör sınıflandırması değişir.

Bu durumların yanıtı aynı değildir. Arızalı sıcaklık sinyaliyle yeniden eğitim yapmak, modele arızaya güvenmeyi öğretebilir. Sensörü değiştirip olayı kaydetmemek ise sağlıklı prosesi anormal gösterebilir. İlk soru “Yeniden eğitelim mi?” değil, “Proseste, ölçüm sisteminde veya kalite tanımında ne değişti?” olmalıdır.

Dökümhane yapay zekâsı ne sıklıkla yeniden eğitilmelidir?

Savunulabilir tek bir evrensel süre yoktur. Haftalık veya aylık otomatik eğitim bakım görüntüsü yaratabilir; ancak doğrulanmamış etiketleri, geçici anormallikleri veya proses arızalarını sessizce öğrenebilir.

Daha güvenli yaklaşım kanıtla tetiklenen yeniden eğitimdir. Şu koşullardan biri kalıcıysa değerlendirme başlatılmalıdır:

Girdi dağılımı doğrulanmış çalışma zarfının dışına çıkıyorsa.
Yeni etiketli üretimde tahmin artıkları veya hata sıralama performansı bozuluyorsa.
Kararlı bir çalışma durumunda belirsizlik ya da öneriden kaçınma oranı yükseliyorsa.
Nedensel zinciri etkileyen kontrollü değişiklik yapıldıysa: kalıp, yolluk, soğutma, alaşım, makine, sensör, muayene yöntemi veya kontrol yazılımı.
Model, doğrulamada bulunmayan parça, alaşım, kalıp veya makine konfigürasyonu görüyorsa.

NIST Yapay Zekâ Risk Yönetimi Çerçevesi; belgelenmiş test, değerlendirme, doğrulama ve geçerlemeyi, düzenli güvenlik incelemesini, gerçek zamanlı izlemeyi ve bilgi sınırlarının ötesinde güvenli davranışı vurgular. Üretim araştırmaları da statik eğitim verisinin gelecekteki koşulların yalnızca bir bölümünü kapsadığını; çevre, ekipman ve çalışma değişikliklerinin model performansını düşürebildiğini gösterir.

Kayma tespiti hata tespiti değildir

Kayma alarmı parçaların mutlaka hatalı olduğu anlamına gelmez. Mevcut verinin artık modelin doğrulanmış referansına benzemediğini veya aynı davranışı göstermediğini söyler.

Örneğin soğutma kanalı temizliğinden sonra düşen kalıp sıcaklık dağılımı istenen bir iyileşme olabilir. Kayma izleyicisi bunu işaretlemelidir; çünkü model kapsamı değişmiştir. Mühendis değişimi beklenen durum olarak sınıflandırmalı, yeni termal dengeyi doğrulamalı ve eski modelin geçerliliğine karar vermelidir.

HPDC ve LPDC için altı adımlı kayma kontrolü

1. Proses değişiklik kaydı tutun

Kalıp bakımını, soğutma ve sprey değişikliklerini, alaşım partilerini, ocak uygulamasını, makine yazılımını, sensör değişimini, kalibrasyonu ve muayene kuralı revizyonlarını kaydedin. Her olayı shot veya parti verisiyle zaman hizalı tutun. Bu tarihçe olmadan kayma teşhisi tahmine döner.

2. Çalışma durumuna göre izleyin

Başlangıç, kararlı üretim, duruş sonrası toparlanma, bakım deneyi ve bilinen anormal çevrimleri ayırın. Benzeri benzerle karşılaştırın. Tek bir genel referans, normal durum geçişlerini zararlı kaymayla karıştırabilir.

3. Üç kanıt hattı kullanın

Şunları birlikte izleyin:

veri: dağılım, eksiklik, sensör sağlığı ve kapsam;
model: belirsizlik, güven kalibrasyonu, artıklar ve öneriden kaçınma;
proses sonucu: doğrulanmış hata, kaçak, boyut veya metalurjik sonuç.

Hatlar aynı yönü gösterdiğinde veya sert güvenlik/veri kuralı ihlal edildiğinde alarm eyleme dönüşür.

4. Uyum sağlamadan önce teşhis edin

Değişimin fiziksel, ölçümsel veya idari olup olmadığını sorun. Sensör kalibrasyonu ve veri soyunu doğrulayın. Modeli uyarlamadan önce HPDC ve LPDC minimum veri modelini ve güvenli HPDC proses penceresi yöntemini inceleyin.

5. Aday modeli gölge modunda doğrulayın

Üretim modelini dondurun. Adayı yalnızca incelenmiş veriyle eğitin; ardından zaman bakımından ayrılmış üretim dönemlerinde ve ilgili çalışma durumlarında mevcut modelle karşılaştırın. Hedef metriği karşı metrikler ve hata biçimleriyle birlikte inceleyin. Bu değerlendirmede aday makine ayarlarını etkilememelidir.

6. Onaylayın, kademeli yayımlayın ve geri dönüşü koruyun

Proses mühendisi kapsamı, değişim limitlerini ve reddetme koşullarını onaylar. Adayı sınırlı parça/makine kapsamına alın, izleyin ve önceki modeli veri sözleşmesiyle birlikte geri dönüş için saklayın. Model sürümünü özellik tanımları, eğitim dönemi, doğrulama kanıtı ve sorumlu onaylayanla birlikte kaydedin.

Yapay zekâ ne zaman öneri vermemelidir?

Güvenilir sistemin açık bir öneri yok durumu olmalıdır. Şu durumlarda kaçınmalıdır:

kritik sensör eksik, bayat veya fiziksel olarak mantıksızsa;
parça, alaşım, kalıp veya makine kimliği bilinmiyorsa;
çalışma durumu doğrulanmış proses penceresinin dışındaysa;
girdi kombinasyonu eğitim kapsamının belirgin biçimde dışındaysa;
belirsizlik veya çelişen kanıt onaylı sınırı aşıyorsa;
muayene etiketleri gecikmiş, değişmiş veya güvenilmezse;
yakın tarihli mühendislik değişikliği henüz yeniden doğrulanmadıysa.

Öneriden kaçınma model arızası değildir. Güvenlik ve kalite açısından önemli proseste kontrollü davranıştır.

Modellenmiş dökümhane örneği

Bir HPDC porozite modelinin kalıp insertü onarımından önce doğrulandığını varsayalım. Onarımdan sonra kavite biraz farklı yerel akışla dolar. Genel hızlı faz hızı ve yoğunlaştırma basıncı geçmiş aralıklarında kalır; fakat vakum zamanlaması, geçiş noktası ve porozite arasındaki ilişki değişir.

Basit sistem eski pencere içinde öneriye devam eder. Kayma farkındalığı olan sistem, onarılan kavite bölgesinde artan artıkları görür, zamanı bakım kaydıyla eşleştirir, bu kalıp durumu için otomatik parametre önerisini durdurur ve kontrollü doğrulama seti ister. Öneri zarfı yeniden açılmadan önce aday model gölge modunda sınanır.

Bu modellenmiş bir senaryodur; evrensel parametre reçetesi değildir.

Serdar Perçin ve dökümhane ekibi neyi şart koşmalı?

Her öneri model sürümünü, doğrulanmış kapsamı, belirsizliği, geçerli çalışma durumunu ve durdurma koşulunu göstermeli; yeniden eğitim denetlenebilir bir karşılaştırma bırakmalıdır. Castella, ekibin anlamlı değişimi yakalamasına ve metalurjik muhakemeyi kaybetmeden karar desteğini güncellemesine yardım eder.

Sık sorulan sorular

Girdi kayması her zaman yeniden eğitim gerektirir mi?

Hayır. İnceleme gerektirir. Kasıtlı ve anlaşılmış proses iyileştirmesi yalnızca yeniden doğrulama veya yeni çalışma durumu referansı gerektirebilir. Yeniden eğitim, modelin karar ilişkisi ya da doğrulanmış kapsamı anlamlı biçimde değiştiğinde gerekçelendirilir.

Yapay zekâ kendini otomatik yeniden eğitebilir mi?

Teknik olarak evet; ancak üretime alma veri kalitesi kontrolleri, zamansal olarak ayrılmış doğrulama, mühendis incelemesi ve geri dönüşle sınırlandırılmalıdır. Doğrulanmamış üretim etiketlerinin otomatik öğrenilmesi arızaları pekiştirebilir.

Kayma ile normal proses değişkenliği arasındaki fark nedir?

Normal değişkenlik doğrulanmış durum içinde kalır ve girdilerle sonuçlar arasındaki beklenen ilişkiyi korur. Kayma, dağılımı, ilişkiyi veya ölçüm sistemini doğrulamayı sorgulatacak kadar değiştirir.

Kayma belirsizse en güvenli aksiyon nedir?

Mevcut doğrulanmış modeli dondurun, etkilenen durum için önerileri sınırlayın veya askıya alın, proses ve ölçüm sistemini inceleyin, gözden geçirilmiş sonuç verisi toplayın.