Arçelik, AWS’nin analitik, bilgi işlem, veritabanı hizmetleri, Nesnelerin İnterneti (IoT), makine öğrenimi (ML) ve depolama hizmetlerini kullanıyor. Bu sayede kuruluşu genelinde daha derin görünürlük kazanıyor. Böylece üretim ve kalite kontrol ile ilgili süreçleri optimize etmesinin yanı sıra müşteri hizmetlerinden üretime kadar tüm iş segmentlerinde verimliliği artırıyor.
Arçelik, AWS desteği ile, şirket genelinde bir analitik ve makine öğrenimi hareketi başlatıyor. Bu hareket kapsamında tedarik zinciri, bakım, üretim, kalite kontrol ve satış operasyonlarından veriler toplanıp inceleniyor. Bu sayede müşteri memnuniyeti oranlarını değerlendirmek, büyümeyi tahmin etmek ve envanteri yönetmek amacıyla öngörüsel bilgiler elde ediliyor. Arçelik, AWS Lake Formation yardımıyla, Amazon Simple Storage Service (Amazon S3)’e verisini hızlıca koymak, katalogunu çıkarmak, gerektiğinde temizlemek ve korumak için AWS Glue’yu kullandı, diğer bir deyişle programına bir Data Lake oluşturarak başladı. Arçelik’teki bütün iş birimlerinin; Amazon SageMaker’in – yani veri bilimcileri ve geliştiricilerin ML modellerini süratle oluşturmalarını, eğitmelerini ve dağıtmalarını sağlayan AWS servisinin – güç verdiği yeni ML çözümlerini besleyen bu Data Lake’e erişimi var. Şirket, milyonlarca çağrı merkezi sorusunu ve servis taleplerindeki anonim verileri incelemek için ML’den yararlanarak, saha teknisyenlerinin envanterlerini daha iyi yönetmelerine ve bakım sırasında gerekli araç ve parçaları önceden tahmin edebilmelerine olanak tanıyor.
Arçelik, bulut-bağlantılı cihazların geliştirilmeye başlandığı bir projeden temel alarak, AWS analitik, IoT ve ML hizmetlerini fabrikalarına ve ürün gruplarına uygulanacak şekilde genişletiyor. Şirket şu anda, kullanımda olan 1 milyondan fazla akıllı cihazdan veri topluyor. Bu cihazları buluta ve diğer cihazlara kolayca ve güvenli bir şekilde bağlamak için de AWS IoT Core’u kullanıyor. Arçelik ayrıca, makine tarafından üretilen bu verilerden içgörü elde etmek için Amazon Elasticsearch Service’i kullanıyor. Böylece tüketici kullanım modellerini analiz edebiliyor ve potansiyel performans sorunlarını uzaktan teşhis edebiliyor.
Arçelik, Amazon SageMaker ile oluşturulan makine öğrenimi modellerini kullanarak üretim hatlarında bir dizi çözümü hayata geçiriyor, bu sayede süreçleri iyileştirmeyi ve kalite kontrolü geliştirmeyi hedefliyor. Örneğin, Arçelik’in ‘Denetim için Akıllı Numune Belirleme çözümü, hangi tamamlanmış cihazların kalite kontrol testi için en uygun olduğunu tahmin etmek üzere üretim ve satış verilerini inceliyor, böylece Arçelik’in denetim sürecindeki bu adımı otomatikleştirmesini sağlıyor.
İlk yorum yapan olun