Hat üstü kalite kontrolde saniye, fire ve müşteri iadesi demektir. Klasik bulut vision “fotoğraf at → cevap bekle” modeli çoğu hatta çok yavaş ve çok risklidir: ağ kesilirse hat kör kalır, parça görüntüsü dışarı çıkar, gecikme çevrim süresini bozar. Edge AI’nin vaadi nettir: model fabrikada çalışır, karar ~1 saniye içinde (çoğu zaman milisaniyelerde) verilir, ham görüntü dışarı çıkmak zorunda değildir.
Neden edge?
| Kriter | Edge | Bulut |
|---|---|---|
| Gecikme | Düşük, öngörülebilir | Ağ + kuyruk |
| Veri | Yerel kalabilir | Çıkış riski |
| Bağlantı | Çevrimdışı çalışabilir | Ağa bağımlı |
| Model boyutu | Küçük / quantize | Büyük model serbest |
| Güncelleme | OT disiplini ister | Merkezi kolay |
Kalite istasyonunda “kusurlu / sağlam / belirsiz” kararı, robot tutucuyu veya ayırıcıyı besler. 300 ms ile 3 sn fark, hat hızında birikir.
1 saniyelik karar nasıl kurulur?
- Sabit optik: dağınık ışık, trigger, ROI
- Ön işleme edge’de: crop, normalize
- Küçük CNN / detector (veya distill edilmiş model)
- Eşik + belirsizlik bandı: düşük güven → insan veya ikinci kamera
- PLC sinyali: reject / pass / hold
“1 sn” pazarlama tavanıdır; iyi sistemler çoğu zaman daha hızlıdır. Asıl KPI: false positive (iyi parçayı fire) ve false negative (kötü parçayı geçirme) maliyeti.
False positive fabrikayı bitirir
Model %99 “doğru” görünürken günde 50 iyi parçayı reddediyorsa operatör sistemi kapatır. Bu yüzden:
- Sınıf dengesizliği ve hard-negative mining şarttır
- Işık değişimi ve ürün varyantı için domain shift testi yapılır
- Belirsiz sınıf “otomatik fire” yerine “hold” olmalıdır
- İnsan etiket döngüsü (aktif öğrenme) bütçelenir
Güncelleme ve güvenlik
Model dosyası bir firmware gibidir. OT ağına rastgele “yeni weights” atmak yasaktır. İyi pratik: imzalı paket, staging hattı, A/B veya canary, geri alma (rollback). Siber güvenlik: kamera ve edge kutu saldırı yüzeyi; VLAN ve sertleştirme şarttır.
Özet: Edge AI hat üstü kalitede hız ve veri yerelliği sağlar. Başarı model boyutu değil; optik, metrik (FP/FN), PLC entegrasyonu ve sürüm disiplinidir. Bulut arşiv, yeniden eğitim ve rapor için yedek kanal kalabilir — canlı karar edge’de kalmalıdır.
Sık sorulan sorular
Neden bulut vision yetmez?
Ağ gecikmesi, bağlantı kesintisi ve veri çıkışı riski çevrim süresini ve regülasyonu bozar. Canlı karar edge’de kalmalıdır.
False positive neden kritik?
İyi parçayı fire etmek operatörün sistemi kapatmasına yol açar. Belirsiz sınıf hold edilmeli; metrik yalnızca accuracy olmamalı.
Hangi model boyutu gerekir?
Edge bellek/güç sınırında küçük veya quantize modeller; gerekirse distillation. Büyük model arşiv ve yeniden eğitim için bulutta kalabilir.
Güncelleme nasıl yapılır?
İmzalı paket, staging, canary ve rollback. Model dosyası firmware gibi yönetilir.
Edge ile bulut birlikte mi kullanılır?
Evet: canlı karar edge, arşiv/yeniden eğitim bulut. Hibrit en yaygın üretim tarifidir.
İlgili analizler
Edge’de Çalışan Bir Model ile Bulutta Çalışan Arasındaki Gizli Fark Ne?
Fabrikalarda AI Dönemi: Makineler Arızayı Saatler Önce Haber Veriyor
Quantization: Bir Modeli 4-Bit’e Sıkıştırınca Ne Kaybediyoruz?
