Locus Robotics’ten Hamid Montazeri, Yazılım ve Yapay Zeka Başkan Yardımcısı – Röportaj Serisi

Locus Robotics’te Yazılım ve Yapay Zeka Başkan Yardımcısı olarak görev yapan Hamid Montazeri, küresel olarak dağıtılmış ekiplere liderlik etmek ve ölçeklemek konusunda 30 yılı aşkın deneyim sahiptir. Modüler ve ölçeklenebilir yazılım mimarisi ve bulut, IoT, büyük veri ve AI/ML gibi dönüşümsel teknolojilerin uygulanması konusunda uzmanlaşmıştır. Kariyeri boyunca, Hamid, startup’lardan çok uluslu şirketlere kadar çeşitli şirketler için farklılaştırılmış çözümler ve ürünler sunmuştur ve otonom robotik, akıllı depo otomasyonu ve dünya çapındaki endüstrilere hizmet veren tedarik zinciri sistemleri gibi uygulamaları güçlendirerek hizmet vermiştir.

Locus Robotics, otonom mobil robotları akıllı yazılımla birleştirerek AI destekli depo otomasyonu çözümleri tasarlar ve sunar. LocusONE platformu, robot filolarını görevleri yönetmek için düzenler – seçim, yerleştirme, taşıma ve mezzanine operasyonları gibi – ve verimliliği iki ila üç kat artırırken işgücü maliyetlerini azaltır. Sistem, mevcut depo ortamlarına sorunsuz bir şekilde entegre olur ve esnek bir şekilde ölçeklenebilir, böylece operasyonlar birkaç robot veya binlerce robotu kolayca dağıtabilir.

CNN’den Stanley Black & Decker (SWK ), Dematic, KION Group ve şimdi Locus Robotics’e kadar çeşitli organizasyonlarda liderlik rolleri üstlendiniz. Bu çeşitli yolculuk, AI ve robotiklerin en büyük etkiye sahip olabileceği yerler hakkında bakış açınızı nasıl şekillendirdi?

Teknik rollerde AI ve yazılım ile yakın çalışarak 30 yılı aşkın bir süredir endüstrinin nasıl evrimleştiğini şahsen gördüm.

İlk başladığım zamanlarda, endüstri, yazılım geliştirme çabalarının yapılandırılmış paradigmadan nesne yönelimli paradigmaya geçtiği ve tek bir işlem monolitik yazılımdan farklı işletim sistemi süreçlerinde çalışan yazılım bileşenlerine ve süreçler arası iletişim teknolojilerini kullanarak hedeflere ulaşmak için geçtiği bir döneme şahit olmuştum. Yazılımın belirli bir makine üzerinde çalıştırılmasından, dağıtılmış iletişim ve/veya ağ iletişim teknolojilerini kullanarak dağıtılmış bir şekilde çalıştırılmasına doğru bir değişim yaşanıyordu. Zaman içinde, bu odak farklı alanlara kaydı, yeni gelişmelerden programlama dillerinin altındaki sistemleri kullanmaya, ağ ve İnternet yeteneklerini kullanarak sistemlerin ölçeklenebilirliğini artırmaya ve veri depolamaya kadar birçok alanda ilerlemeler kaydedildi ve sonunda bulut gelişimi gerçekleşti.

Bu değişiklikler endüstri için çok önemliydi, çünkü yavaş yavaş hesaplama ve depolama esnekliği getirdiler ve AI ve robotik için yeni fırsatlar sundular. Kariyerim boyunca, AI ve robotiklerin özellikle tedarik zinciri ve lojistik endüstrilerinde getirebileceği etkiye şahsen tanıklık ettim. Şimdi, robotların büyük, yüksek yoğunluklu ortamlarda, karmaşık geometrilerle, depolarda doğru bir şekilde navigasyon yapma ve işletme kabiliyetine sahip olduğu bir noktadayız ve önemli iş sonuçları sağlayabiliyorlar, bunlar arasında maliyet azaltma, verimlilik artışı, esneklik ve işgücü performansı artırma gibi faydalar yer alıyor.

Fiziksel AI, depo otomasyonu bağlamında ne anlama geliyor ve geleneksel robotik veya genel AI modellerinden nasıl farklıdır?

Fiziksel AI, lojistik ve depo otomasyonunun geleceğidir. Gerçek zamanlı algı, karar verme ve sürekli öğrenme kombinasyonu yoluyla otonom operasyonları sağlayan bir temel olarak görev yapar ve robotların her kararını anında optimize etmesini sağlar.

Fiziksel AI ile donatılmış robotlar, sadece yüksek yapılandırılmış ve sabit konfigürasyonlu ortamlarda mal taşıma yeteneğine sahip değildir. Ayrıca, belirli bir depo düzenini hafızalarına kaydetmek ve A noktasından B noktasına bir şey getirmekle sınırlı değildir. Çevrelerinde bir değişiklik olursa, planı otomatik olarak uyarlayabilir ve mevcut koşullara göre en iyi kararı verebilirler.

Fiziksel AI kullanmayan robotik, uygulanabilirliği giderek daha fazla sınırlı olacaktır. İlginç bir şekilde, modern genel temel modellerin, uygulama alanı ihtiyaçlarını karşılayan fiziksel AI türünü oluşturmak için çok etkili olmadığı da görülmektedir. Depo otomasyonu açısından, hedef, işlemlerin mümkün olduğunca verimli olmasıdır ve genel modeller bunu gerçekten sağlayamaz. Genel modeller, depo ortamındaki özel endişeleri, yani verimli navigasyon ve işçilerle etkileşimi, etkili bir şekilde ele alamaz. Fiziksel AI, özellikle geliştirilmiş bir depo temel modeli ile donatıldığında, amaçlanan bir yaklaşım sağlar ve robotların her zaman mümkün olan en verimli şekilde çalışmasını sağlar.

AI destekli robotik sistemler, yeni SKU’lar, değişen düzenler veya talepte ani artışlar gibi sürekli değişen ortamlara nasıl uyum sağlar?

Bu alanlar, fiziksel AI’nin, özellikle de altta yatan bir alan temel modeli ile donatıldığında, gerçekten excelledığı alanlardır. Talep artışı, düzen değişikliği veya yeni SKU’ların tanıtılması gibi durumlarda, fiziksel AI ile donatılmış robotlar sürekli değişime sorunsuz bir şekilde uyum sağlayabilir.

Bu, lojistik için fiziksel AI’nin optimal olduğu nedenidir. Bu amaçlanan yaklaşım, endüstrinin genellikle karşılaştığı sürekli değişimi takip edebilir.

Neden tedarik zinciri ve lojistik açısından domain-spesifik AI, geniş temel modelleri takip etmekten daha etkili?

Tedarik zinciri ve lojistik genelinde, özellikle de depo otomasyonu açısından, domain-spesifik AI en etkili olandır.

Depo otomasyonu söz konusu olduğunda, domain-spesifik modellere sahip olmak, otomasyonu bir sonraki seviyeye taşıyan şeydir. Genel bir temel model, depo ortamlarının genellikle karşılaştığı zorlukları, yani güvenlik ve karmaşık düzenlerin navigasyonunu, ele alamaz – bu da operatörlerin bu engellerin yükünü taşımaya devam edecekleri anlamına gelir.

Öte yandan, domain-spesifik modeller, bu zorlukları gerçekten çözmek için gerekli endüstri uzmanlığına sahiptir. Domain-spesifik modeller, operatörlerden bu zorluklara karşı koymak için gerekli uzmanlığı sağlar ve bu zorluklar ortaya çıktığında çözümler sunar.

Depolarda fiziksel AI’yi dağıtmadan elde edilen ölçülebilir sonuçlar nelerdir, bunlar arasında verimlilik artışı, down-time azaltma veya hata oranlarında azalma gibi sonuçlar var mı? 

Locus Robotics’te, amaçlanan fiziksel AI ile güçlendirilmiş çözümlerimiz, müşterilerimizin depolarında önemli sonuçlar elde etti:

• Emir doğruluğunu %99 seviyesine çıkardı
• Hata oranlarını %0.04’ten %0.01 seviyesine düşürdü
• Down-time’ı, siteleri sadece haftalar içinde canlı olarak getirerek azalttı – aylar değil
• Verimliliği, operasyonel verimliliği ikiye veya üçe katlayarak artırdı

Yüksek hacimli operasyonlarda otonom sistemleri dağıtırken, güvenlik, güvenilirlik ve insan denetimi nasıl yaklaşılır?

Yüksek hacimli operasyonları, depoları gibi otomatikleştirdiğinizde, güvenlik, güvenilirlik ve insan denetimi, seçtiğiniz çözümlerle başlar.

Bu alanlar, tasarım sürecinde kritiktir ve neden otomatikleştirmek isteyenlerin, karar verme sürecinde öncelikle amaçlanan çözümleri tercih etmeleri gerektiğini vurgular.

Locus Robotics’te, otonom mobil robotlarımız (AMR’ler), endüstri standartlarını karşılar ve aşar. LocusBots, çarpışmaları ve engelleri önlemek için çok sensörlü güvenlik sistemleri, kameralar ve ışık algılama ve aralığa (LiDAR) sahiptir ve depo operasyonlarını ve işçilerimizi güvende tutar.

Güvenilirlik, yaptığımız her şeyin merkezinde yer alır. Depo operatörleri için, talebi sürekli olarak karşılamak bir gerçekliktir, ancak bunu bir ağrı noktası olarak görmeleri gerekmez. Locus Robotics’te, robotlar-as-a-service (RaaS) modelimiz, operatörlerin depo ortamlarını otomatikleştirmelerine, genellikle otomatikleştirmenin gerektirdiği ön maliyet veya zaman yatırımı olmadan olanak tanır. Bunun yerine, çözümlerimiz operatörlerin talebe bağlı olarak otomatik olarak ölçeklenmelerine ve talepteki dalgalanmalara her zaman uyum sağlamalarına olanak tanır.

Yüksek hacimli operasyonlarda, insan denetimi her zaman gerekecektir, ancak başarılı otomasyonun anahtarı, daha büyük sorumluluklar alabilen çözümleri kullanmaktır. Locus’un AMR’lerinin bir farklılaştırıcı özelliği, Discrete Event Simulation (DES) tekniklerini ayrıntılı robot otonomi modelleriyle birleştirmesidir, bu da operatörlerin operasyon konseptlerini tasarlamalarına ve robotların en verimli şekilde kullanılmasını simüle etmelerine olanak tanır – bu, siparişlerin zamanında gönderilmesini sağlamak için kritik olan pick zamanını optimize etmeye ve akışı sağlamaya yardımcı olur.

AI destekli robotikleri mevcut depo yönetim ve ERP sistemleriyle entegre etme konusunda ortaya çıkan zorluklar nelerdir ve bunları nasıl ele alırsınız?

Entegrasyon uygulaması zamanı, genellikle otomasyonun en büyük zorluğu olarak görülür. Operatörler, mevcut teknoloji yığınlarını incelemeli ve eski miras sistemlerinden uzaklaşmayı düşünmelidir. AI, büyük miktarda veri kullandığı için, altyapilerinin AI modellerini destekleyip destekleyemeyeceğini de değerlendirmelidir.

Seçtikleri çözümlere bağlı olarak, operatörler, büyük bir zaman taahhüdü ile karşı karşıya kalabilirler, çünkü sistemleri göç ettirmeleri ve personellerini kapsamlı bir şekilde eğitmeleri gerekebilir.

Locus Robotics, operatörlerin zaman challenge’ini ortadan kaldırmayı hedefler. AMR’lerimiz, bu sistemlerle sorunsuz bir şekilde entegre olmak üzere tasarlanmıştır, bu da müşterilerimizin diğer çözümler için gereken pahalı ön zaman yatırımını ve eğitimini ortadan kaldırır.

Bu çözümler farklı depolar ve coğrafyalarda ne kadar ölçeklenebilir ve genellikle ne kadar özelleştirme gerekir?

Esnek otomasyonun depo ortamları için ideal olmasının nedeni, kolay ölçeklenebilirliğidir. Geleneksel otomasyon sistemleri, önemli ön maliyet ve uzun süreli zaman taahhüdü gerektirir.

RaaS modeli kullanan otomasyon, Locus Robotics gibi, depoların talebe bağlı olarak filo boyutlarını dağıtmalarına ve ayarlamalarına olanak tanır. Talep dalgalanırken, operatörler operasyonlarını buna göre ölçekleyebilir.

Küresel bir lider olarak, çözümlerimiz, müşterilerimiz için tüm coğrafyalarda ölçeklenebilir. Panellerimiz, birim ve seçimler saat başı gibi ana depo performans metric’lerine gerçek zamanlı içgörüler sunar. Bu birleşik görünürlük, operatörlerin kolayca çözümleri, belirli depo gereksinimlerine göre operasyonel ihtiyaçlarına göre ölçeklendirmelerine olanak tanır.

Locus Robotics çözümleri ile özelleştirme, müşteriler için hiçbir çaba gerektirmez; her müşteri, benzersiz ihtiyaçlarına göre ölçeklenmeye yönelik olarak tasarlanır. 

Bu teknolojiler, depolardaki insan işçilerinin rolünü nasıl değiştirir ve hangi tür bir yetenek kazandırma veya değişiklik yönetimi gerekir?

AMR’ler, depolardaki insan işçilerinin standart pozisyonlarını, daha güvenli çalışma ortamları yaratarak ve yeni fırsatlar sunarak tamamen yeniden tanımlamaktadır.

Locus Robotics, AMR-associate etkileşimi için benzersiz bir şekilde sezgisel bir yaklaşım sunar ve operatörler için robotik otomasyonu dağıtmak ve işletmek için personel eğitimi ve değişiklik yönetimi çok az bir çaba gerektirir. Örneğin, LocusBots’u sahada dağıtmak, personelin 10 dakikadan kısa bir süre içinde robotlarla çalışmaya başlamasını sağlayabilir – bu da operatörlerin ve çalışanların, stresli, zaman alıcı ve pahalı eğitimden endişe etmesine gerek kalmadığını gösterir.

AMR’ler, fiziksel olarak yoğun görevlerin yükünü azaltabilir, yaralanma riskini ve insan işgücü yorgunluğunu minimize edebilir. Ağır nesneleri kaldırma ve depo içinde uzun mesafeleri seyahat etme gibi görevleri üstlenerek, AMR’ler, insan işgücünün koşullarını iyileştirir ve daha fazla fiziksel çaba gerektiren görevlerden kurtarır. Ayrıca, insan işgücünü tekrarlayan görevlerden kurtarabilir ve daha karmaşık görevlere odaklanma fırsatı sunabilir.

Depolara AMR’leri tanıtma, insan işgücünün rollerini geliştirme fırsatıdır. Otomasyon yapmak isteyenler, ayrıca, insan işgücünün daha yüksek sorumluluklar almasına ve tamamen yeni rollerin tanıtılmasına olanak tanıyan yetenek kazandırma fırsatlarını da tanımlamalıdır – botlarla doğrudan çalışan analistler gibi pozisyonlar da dahil olmak üzere.

Bu sistemleri güçlendirerek kullanılan AI modelleri ve yaklaşımlar nelerdir ve bunlar daha çok kenarında mı yoksa bulutta mı çalışır? 

Locus Robotics’te, AI çözümlerimiz üç özelliğe odaklanır: fiziksel (depo ortamına uyarlanmış ve uyarlayabilen AI), güvenilir (kararlarını açıklamak için yeterli AI) ve bütüncül (depo sistemini bir bütün olarak düzenleyen AI). Bizim için, gerçekten depoyu anlayan ve müşterilerimizin ortamları için gerçek sonuçlar sunabilen AI inşa etmek önemlidir.

Veri, herhangi bir modelin temelidir ve Locus’un derin endüstri uzmanlığı, neredeyse 6 milyar birim seçilen gerçek dünya verisi ile birleşerek, depo-öncelikli, alan-spesifik modeller oluşturmamızı ve sistemler geliştirmemizi sağlar.

Locus Robotics’te, AI’yi hem kenarda hem de bulutta kullanıyoruz: AMR’lerimiz, fiziksel ve güvenilir AI’nin gerektirdiği şeyi başarmak için kenar AI’sini kullanırken, “depo geneli sistem kayıtları – sistem eylemleri” stratejilerimiz ve depo temel modelimiz, bulutun sağladığı ölçeklenebilir hesaplama gücünden yararlanmaktadır.

Önümüzdeki beş yıl içinde, lojistik ve tedarik zinciri için AI destekli robotikte hangi büyük ilerlemeleri veya değişiklikleri bekliyorsunuz?

En büyük değişim, fiziksel AI’nin hakim olacağıdır. İşletmeler, AI yatırımlarından elde ettikleri getirileri değerlendirmeye devam ettikçe, operatörler, otomasyonun getirilerini yakından değerlendireceklerdir.

Beklenebilir ki, amaçlanan çözümlerle otomasyon yapmayanların, depolarında arzu ettikleri getirileri göremeyeceklerdir. Fiziksel AI ile güçlendirilmeyen çözümler, bu ortamlarda excellede bulunma yeteneğinden yoksundur. Bu, operatörlerin, fiziksel AI çözümlerine bütçe ayırmaya öncelik vermelerine yol açacaktır – bu çözümler, her kararı gerçek zamanlı olarak optimize edebilir ve arzu ettikleri sonuçları sunabilir.

Fiziksel AI’nin yükselişiyle birlikte, lojistik ve tedarik zinciri robotiğinin, genel/genel temel modellerden uzaklaşarak alan-spesifik modeller geliştirmeye odaklanacağını da göreceğiz. Operatörler, ROI’lerini artırmak için yollar arayacaklar ve alan-spesifik modeller kullanan çözümler, bu konuda kritik bir parçadır.

AI’nin başarılı olabilmesi için, endüstrinin, neden真正 domain uzmanlığından yararlanarak ve entegre ederek AI’ye yatırım yapması gerektiğini daha iyi anlaması gerekecektir. Buna göre, tedarik zinciri ve lojistik ortamlarında gelişen AI’ye kaynak ve geliştirme ayırmaya odaklanacağız.

Harika röportaj için teşekkür ederiz, daha fazla bilgi öğrenmek isteyen okuyucular Locus Robotics ziyaret edebilir.