benlong 
Üretimde Fiziksel AI Nedir? FANUC, Nvidia, BMW ve Hyundai’den Dersler
Nvidia’nın 2026 Mart ayında düzenlenen GTC konferansında Jensen Huang, beş yıl önce garip karşılanacak bir açıklama yaptı: “Fiziksel AI burada – er ya da geç, her endüstriyel şirket bir robotik şirketine dönüşecek.” Bunu takiben, FANUC Nvidia’nın simülasyon ve edge-AI teknolojilerini robotlarına entegre etme planlarını duyurdu. BMW, Spartanburg tesisinde on aylık kullanım sonrası bir humanoid robot tarafından gerçekleştirilen çalışmaların sonuçlarını açıklıyordu. Hyundai ise 2028’den itibaren Georgia’daki tesisinde Boston Dynamics’in Atlas robotunu kullanmayı vaat etmişti.
Humanoidlerin yeteneklerini gösteren videolar gerçekten etkileyici. Bir humanoid bir rafa yaklaşıyor, sac metal parçasını alıyor ve fikstüre yerleştiriyor. Geleceğin fabrikalarının humanoid robotlarla dolu olacağını düşünebilirsiniz.
Ancak minyatür devre kesiciler üreten bir fabrikaya girerseniz, tablo değişir. Bir santimetreden küçük gümüş kontak iki saniyeden kısa sürede kaynaklanır, perçinleme yüzlerce newton basınç altında birkaç yüzdelik milimetre hassasiyetle yapılır ve her kesici izin verilenin 5 ila 10 katı akımla ve milisaniyeler içinde anahtarlanır. Hiçbir humanoid bu işlemi özel ekipmandan daha hızlı yapamaz.
Bu makale bu boşluğa ayrılmıştır. Üretimde Fiziksel AI zaten kullanılıyor ve çok hızlı gelişiyor, ancak çoğu fabrikada potansiyeli humanoidlerde değil, kapalı döngüde operasyonlarını görebilen, hissedebilen ve kontrol edebilen makinelerde olacaktır. Makalede fiziksel AI’nın ne olduğu, FANUC, Nvidia, BMW ve Hyundai’nin bu alanda neler yaptığı ve üretimde nasıl faydalı hale geldiği açıklanacaktır. Bu, kesici üretiminden üç örnekle gösterilecektir: perçinleme, kontak kaynağı ve manyetik trip testi.
Bu makale, üretimde ajan tabanlı AIkonusunu tartışan makaleler dizimizi sürdürüyor, ajan tabanlı AI plan yapan ve operasyonları gerçekleştiren yazılım ajanlarıyla ilgilenirken, fiziksel AI gerçek hayatta görevleri yapan robotları ve cihazları tanımlar. Pratikte her ikisi birbirine sıkı sıkıya entegredir.
Hızlı cevap: Üretimde Fiziksel AI dünya, çevresinden kameralar, sensörler ve diğer sinyaller aracılığıyla duyusal veri alan, işlediklerini analiz eden ve buna göre robotlar veya makineler kullanarak eylemler gerçekleştiren AI sistemlerini ifade eder. NVIDIA bu sistemler için birincil işletim sistemini sağlar; FANUC, ABB, KUKA ve Yaskawa bu sistemleri robotlara entegre eder; BMW ve Hyundai lojistik ve parça taşıma için humanoid robotları test etmektedir. Perçinleme, kaynak ve elektrik testleri gibi hassasiyet gerektiren işler için fiziksel AI’nın uygulanma örneği, humanoid robot yerine özel cihazlarda kapalı döngüde görsel-kuvvet kullanımıdır.
Üretimde Fiziksel AI Nedir?
Fiziksel AI, sadece ekranlarda değil, fiziksel dünyada işlev gören yapay zekayı ifade eder. FANUC America'ya göre, AI'yı robotik ile birleştirerek makinelerin değişen bir ortamda algılama, akıl yürütme ve hareket etme yeteneğine sahip olmasını sağlar. Bir dil modeli metin üretirken, fiziksel bir AI sistemi bir nesneyi tutmak için ne kadar basınç uygulanacağını, kaynak aracının nerede konumlandırılacağını veya yeni ölçülen kuvvet profilinin perçinin iyi olduğunu gösterip göstermediğini belirler.
Robotlar fabrikalarda onlarca yıldır var, bu yüzden bu özel robotun daha önce mümkün olmayan ne yapabildiğini anlamak önemlidir. Standart bir endüstriyel robot, bir insan mühendisin sağladığı bir yörüngeyi takip ederek çalışır. Bir parça hafifçe yanlış yerleştirilirse, ya robot başarısız olur ya da bir sensör tarafından tespit edilir ve birisi tarafından tamir edilmesi gerekir. Fiziksel bir AI sistemi, tüm bunları doğrudan ve otonom olarak yapabilmelidir: parçanın nerede olduğunu bulmak, davranışını değiştirmek, sonucu gözden geçirmek ve bundan öğrenmek.
Geleneksel Otomasyon vs Agentik AI vs Fiziksel AI
| Geleneksel otomasyon | Ajan Temelli Yapay Zeka | Fiziksel AI | |
|---|---|---|---|
| Nerede çalışır | Makineler ve PLC'ler | MES, ERP ve bakım araçları gibi yazılım sistemleri | Gerçek dünyadaki robotlar ve makineler |
| Nasıl karar verir | Sabit kurallar ve öğretilmiş yollar | Veri ve yazılım araçları kullanarak bir hedefe yönelik adımlar planlar | Algıladığı ile hareketini bağlayan öğrenilmiş modeller |
| Ana girdiler | Sensör eşikleri, limit anahtarları | Siparişler, test kayıtları, alarmlar, e-postalar | Kamera görüntüleri, kuvvet ve tork, pozisyon, akım, ses |
| Tipik çıkış | Bir parçayı kabul et veya reddet, sabit bir döngüyü çalıştır | Bir iş emri, yeni bir program, bir öneri | Ayarlanmış bir hareket, düzeltilmiş bir kuvvet, bir alma veya yerleştirme |
| Örnek | Bir pres, kuvvet sınırının üzerindeki bir parçayı reddeder | Bir ajan, tedarikçi gecikmesinden sonra işleri yeniden planlar | Bir robot, görüş ile bir parçanın gerçek konumunu bulur ve kavramasını ayarlar |
Fiziksel AI'nın Yapı Taşları
Süslemeler çıkarıldığında, çoğu AI sistemi aynı dört bileşenden oluşur:
Algılama. Kameralar, 3D görüş, kuvvet sensörleri ve akım ve zaman gibi elektrik sinyallerinin kullanımı dahil, zengin algılama süreçleri AI sistemlerinin öğrenmesini sağlar.
Dünya modelleri ve simülasyonlar. Robotların gerçek zamanlı çalışmak yerine simülasyonlar yoluyla öğrenmesi daha güvenli ve hızlıdır. Nvidia'nın Isaac Sim ve Omniverse dünya modelleri ile Newton fizik motoru, bu özel ihtiyaç için oluşturuldu—gerçekçi eğitim verilerinin üretilmesi ve robotun faaliyetinin test edilmesi.
Uç bilişim. Bir hareket kararı, makinenin yanında milisaniyeler içinde verilmelidir. Bu, FANUC ve ABB tarafından robotlara giderek daha fazla entegre edilen Nvidia'nın Jetson serisi gibi uç bilişim modülleri kullanılarak yapılır.
Robot veya makine teknolojisi. AI teknolojisi, altı eksenli bir robot kolu, mobil bir robot veya bir kaynak başlığı şeklinde olabilir.
Nvidia, AI teknolojisi için üç bilgisayara ihtiyaç duyulduğunu söylüyor: bir bilgisayar veri merkezinde, diğeri sanal simülasyondaki dünyada ve sonuncusu robotta olmalı. Bu bakış açısı, AI'nın bir ürün değil, bir sistem olduğunu hatırlatıyor.
Fiziksel AI, Ajan AI ve Dijital İkizlerin Birlikte Nasıl Uyum Sağladığı
BMW, bu fikirlerin nasıl uyum sağladığını Eylül 2026'da Leipzig tesisinde insansı robotları tanıtırken netleştirdi. Daha kesin olarak, AI ajanları robotları karar verip kontrol ederken, robotlar bu zekanın fiziksel harekete geçirilmesini sağlıyor. Pratikte, bu üç unsur rolleri şu şekilde paylaşıyor:
- A üretim hattının dijital ikizi herhangi bir somut ekipmana dokunulmadan önce sanal seviyede değişiklikleri test etmek için bir tesisi simüle eder.
- Ajan AI, sonraki adımlarla ilgili kararlar verir, örneğin: hangi görev yapılmalı, hangi bileşen kontrol edilmeli, hangi sorun çözülmeli vb.
Fiziksel AI, yapılması gerekenleri uygular ve süreç boyunca uygun şekilde davranır.FANUC, Nvidia ve Hyundai projelerini benzer şekilde tanımlıyor. Eğitim aşaması ve doğrulama simülasyon seviyesinde gerçekleşirken, görevin uygulanması bir robot tarafından yapılır.
Fiziksel AI Ekosistemi: FANUC, Nvidia, BMW ve Hyundai'nin Yaptıkları
Fiziksel AI, fiziksel AI alanında faaliyet gösteren birkaç firmanın çalışmaları sayesinde ivme ve heyecan kazanıyor; bunlardan biri temel platformun yaratılmasından sorumlu, bazıları robotik teknolojiler geliştiriyor ve birkaç otomobil üreticisi insansı robotları üretim sürecinin gerçek koşullarında test ediyor. Her biri konuyla ilgili yaptıklarını raporluyor.
Nvidia: Platform Katmanı
Nvidia doğrudan endüstriyel robotların yaratımıyla ilgilenmiyor, ancak fiziksel AI operasyonları için ilgili yazılım ve donanımın çoğunu sağlıyor. Böylece Mart 2026'da GTC'de Nvidia şunlardan bahsetti:
Listenin ilk maddesi Cosmos 3 – sentetik eğitim verisi elde etmek ve sahnelerdeki gelecekteki değişiklikleri tahmin etmek için kullanılan genel amaçlı bir dünya modeli.
İkincisi, robotik simülasyon ve pekiştirmeli öğrenme süreci ile ilgili Isaac Sim ve Isaac Lab 3.0.
Üçüncü konu, şirketin insansı robotlar için Isaac GR00T açık modellerini geliştirmesi. Buradaki önemli ilerleme, GR00T N2'nin bugün görsel ve metinsel veriler kullanılarak oluşturulan en modern modellere kıyasla amacını gerçekleştirmede ve yeni teknolojileri uygulamada iki katından fazla etkili olmasıdır.
Dördüncü olarak, Nvidia dijital ikizlerin oluşturulması için Omniverse kütüphanelerini sundu.
Son olarak, Jetson Thor, AI ile donatılmış bir robotun sürücü CPU'sudur. Ayrıca Nvidia, Foxconn'un Blackwell üretim tesislerinin hassas montajında Skild AI ile iş birliği yaptığını duyurdu; ayrıca Samsung, simülasyon yoluyla robotları kablolama işlemlerini gerçekleştirmek üzere eğitiyor.
Adres: Santa Clara, California, ABD.
FANUC: Endüstriyel Robotlara Fiziksel AI Getiriyor
FANUC, zaten kullanımınızda olan robotlara sahip olduğu için takip edilmesi gereken markadır. Japon şirket, endüstriyel robotlar, CNC sistemleri ve servo motorlar üretmekte olup, dünyanın önde gelen ışık kapalı fabrika örneklerinden biridir.
2026 Mart ayında, FANUC America şirketin üretiminde Nvidia teknolojilerini uyguladığını duyurdu:
Dijital ikizler. FANUC ROBOGUIDE simülasyon aracı, üreticilerin hücrenin veya tüm üretim hattının fotogerçekçi modellerini oluşturmasına ve ekipmanı kurmadan önce modeli test etmesine olanak tanıyan Isaac Sim ve Omniverse yazılımı ile uygulanabilir. Birçok FANUC robotu simülasyon için şablon olarak bulunabilir.
Edge AI. Jetsonlar sayesinde robotlar, parçaların ve diğer işlemlerin değişikliklerine gerçek zamanlı tepki verebilmektedir.
Açık kurulum. FANUC, resmi olarak ROS 2 sürücüsünü yayınladı ve 3 kg ile 2,3 ton arasında ağırlığa sahip robotlar için Python desteği sunmaktadır.
Doğal dil programlama. FANUC, çalışanlardan gelen doğal konuşmayı anlamak ve Python kodunu otomatik olarak oluşturmak için Nvidia AI kullanarak, uzman olmayan personelin programlama yapabilmesini sağlamaktadır.
“Fiziksel AI, endüstriyel otomasyonda bir sonraki adımdır,” dedi FANUC Başkanı Mike Cicco. Temmuz 2026'da Fujitsu, FANUC, Yaskawa Electric ve Kawasaki Heavy Industries ile birlikte Nvidia’nın Cosmos, Omniverse, Isaac ve Newton teknolojilerini kullanarak işbirlikçi kontrol arayüzü oluşturma yoluyla fiziksel yapay zeka geliştirme planını açıkladı. Duyurulan platformun özel bir özelliği, Fujitsu'nun görüşüne göre daha iyi veri güvenliği, duruş riski ve veri sızıntısı risklerine katkıda bulunan veri egemenliğinin garanti edilmesidir. Üretim hatlarını dış yapay zeka uygulamalarına bağlamaktan endişe duyan fabrika sahipleri nedenini anlayacaktır.
Merkez: 3580 Shibokusa, Oshino-mura, Minamitsuru-gun, Yamanashi 401-0597, Japonya. Telefon numarası: +81-555-84-5555. FANUC America, Rochester Hills, Michigan, ABD'de bulunmaktadır.
Geri bildirim gönder
BMW: Gerçek Üretimde Çalışan İnsan Benzeri Robotlar
BMW, dünyadaki diğer herhangi bir otomobil üreticisinden daha fazla insan benzeri robotla ilgili rakamlar açıklamış olup, bu deneyimi incelemek için çok ilginç kılmaktadır.
Güney Carolina, Spartanburg Fabrikası'nda, Figure AI tarafından üretilen Figure 02 humanoid, beş günlük çalışma haftası ve on saatlik vardiya süresiyle gövde atölyesinde on ay çalıştı. BMW, bu robotun 1.250 saatlik çalışma süresi boyunca 90.000'den fazla parçayı işlediğini, parçaları milimetrik doğrulukla kaynak için düzenlediğini ve 30.000'den fazla BMW X3 aracının üretimine katıldığını iddia ediyor. Pilot proje, BMW'nin işyerine ek bariyerler ve bölmelerin tanıtılması ve atölyedeki 5G ağ kapsamının iyileştirilmesi dahil olmak üzere güvenlik hakkında beklenmedik daha fazla şey öğrenmesini sağladı. Devasa konteynerlerden çeşitli parçaları çıkarır ve bunları sipariş işleme arabalarına taşır, bu arabalar nihai olarak uygun sırayla üretim hattına gönderilir.
BMW, Hexagon Robotics tarafından üretilen humanoid robot AEON'un tanıtımını yaptı. Şu anda AEON, 1,65 metre boyunda, 60 kilogram ağırlığında ve kavrama değiştirme yeteneğine sahip. Çok sayıda hareket gerektiren tekrarlayan görevleri üstlenerek yüksek voltajlı bataryaların ve bileşenlerin üretimine başlıyor. Ayrıca, BMW, partner şirketleri değerlendirmek ve projeleri laboratuvardan fabrikalara aktarmak için Üretimde Fiziksel AI Yetkinlik Merkezi'ni açtı.
Önemli olan, BMW tarafından yaratılan humanoidlerin bileşen taşıma, uygulama ve işleme görevlerinden sorumlu olmasıdır. Bu robotlar sadece insan odaklı lojistik operasyonların yerini alıyor ve teknik ve üretim içindeki daha karmaşık süreçlerin önemini azaltıyor.. Bu davranış her işletme tarafından dikkate alınmalıdır.
Konum: Petuelring 130, Münih, Almanya. Ayrıca, Spartanburg fabrikası ABD, Güney Carolina, Greer'de bulunmaktadır.
Geri bildirim gönder
Hyundai ve Boston Dynamics: Endüstriyel Ölçekte Humanoidler
Hyundai Motor Group, Boston Dynamics'i satın aldı ve endüstriyel alanda humanoid robotlara benzeri görülmemiş yatırımlar yaptı.
Ocak 2026'da CES'te şirket, Atlas'ın hızlı üretimini tanıttı. Humanoid tamamen elektriklidir, 56 eksene sahiptir ve 50 kilograma kadar kavrayabilir. Ayrıca, makinenin herhangi bir dış enerji kaynağına ihtiyacı yoktur. Hyundai Motor Group, Atlas'ı ABD'deki ortak fabrikasında kullanmayı planlıyor ve muhtemelen Amerika Birleşik Devletleri'nde humanoid üretimini başlatacak.
Nvidia ile ortaklık aracılığıyla Hyundai, fabrikanın işletmesini kurmasını sağlayacak yazılım üzerinde çalışıyor. Ayrıca, Kore'nin Fiziksel AI teknolojisinin geliştirilmesine yaklaşık $3 milyar yatırım yapmayı planlıyorlar.
Hyundai Motor Group'un fabrikalarının konumları ABD, Georgia, Bryan County, Ellabell'de bulunmaktadır. Boston Dynamics ise Massachusetts, Waltham'da yer almaktadır.
ABB, KUKA, Yaskawa ve Diğer Şirketler
Ayrıca, diğer robot üreticileri de humanoid alanına ilgi gösteriyor. ABB Şirketi, robotların verimliliğini artırmak ve operasyonlarını kontrol etmek için Omniverse ve Isaac simülasyon programlarını geliştiriyor. KUKA ve Yaskawa gibi şirketler de bu simülasyonları uyguluyor. Universal Robots, cobotlarının temel görevleri yerine getirebilmesi için Skild AI ile ortaklık kurdu.
Fiziksel AI Şirketlerine Genel Bakış
| Şirket | Merkez Ofis | Fiziksel AI’daki Rolü | Öncü Çalışma |
|---|---|---|---|
| Nvidia | Santa Clara, ABD | Platform: simülasyon, dünya modelleri, robot bilgisayarları | Isaac Sim, Omniverse, Cosmos 3, GR00T, Jetson Thor |
| FANUC | Oshino, Yamanashi, Japonya | Endüstriyel robotlar ve CNC | ROBOGUIDE ile Isaac Sim, ROS 2 sürücüsü, doğal dil programlama |
| ABB Robotik | Zürih, İsviçre | Endüstriyel robotlar | Omniverse ile sanal devreye alma, kontrolörlerde Jetson |
| KUKA | Augsburg, Almanya | Endüstriyel robotlar | Sanal devreye almada Omniverse ve Isaac |
| Yaskawa | Kitakyushu, Japonya | Endüstriyel robotlar ve sürücüler | Simülasyon entegrasyonu; Fujitsu fiziksel AI platformu |
| BMW Grubu | Münih, Almanya | Üretici ve pilot kullanıcı | Spartanburg’daki Figure 02 ve 03, Leipzig’de Hexagon AEON |
| Hyundai / Boston Dynamics | Seul, Kore / Waltham, ABD | Üretici ve humanoid yapımcısı | 2028’den itibaren Metaplant America’da Atlas; Nvidia AI fabrikası |
| Figure AI | Kaliforniya, ABD | Humanoid yapımcısı | BMW’de Figure 02 ve 03 |
| Hexagon Robotics | Stockholm, İsveç (Hexagon) | Humanoid yapımcısı | BMW Leipzig’de AEON |
Günümüz Fabrika Sahasındaki Fiziksel AI Örnekleri
Konsept videolarının yanı sıra, önceki paragraflar halihazırda faaliyette olan veya test aşamasında olan fiziksel AI uygulamalarının kapsamlı bir özetini sunmaktadır:
Kaynak için parça yükleme. Şekil 2’de gösterildiği gibi, BMW’nin otomobil üretim operasyonları için kaynak yapılan parçalar on aydan fazla süredir kullanılmaktadır.
Parça sıralaması. Şekil 3’te gösterildiği gibi, Spartanburg tesislerinde ve 2028’den itibaren Hyundai sahasında Atlas, üretim için bileşenlerin sıralanması ve ayrıştırılmasını göstermek üzere kullanılacaktır.
Batarya ve bileşen üretimi. BMW Leipzig tarafından üretilen yüksek voltajlı bataryalar Hexagon’un AEON programını kullanmaktadır.
Sanal devreye alma başlatması. Omniverse ve Isaac Sim, ABB, FANUC, KUKA ve Yaskawa robotlarının simülasyonunu ve programlamasını gerçek kullanıma uygulanmadan önce mümkün kılacaktır.
Doğal dil tabanlı programlama. FANUC’un robotlarının programlaması, konuşulan komutları Python programlama diline çevirir.
Yüksek hassasiyetli elektronik montaj. Skild AI tarafından geliştirilen teknolojiyi kullanan Foxconn’un yüksek hacimli tesisi, Nvidia’nın Blackwell tesisinin kullanımını ve üretim prensiplerini göstermiştir.
Kablo ve tel işleme. Samsung, geleneksel robot teknolojisi kullanarak esnek tellerle çalışmanın zorlu görevini simüle eden tesislerinde robotları telleri manipüle etmeleri için eğitmeye devam etmektedir.
Genel olarak, eğilim çeşitliliğe yöneliktir. İnsan benzeri robotlar, parçaların sıralanmadan geldiği ve çalışma ortamının insan işçiye yönelik olduğu yerlerde kullanılır. AI donanımlı robot kollar, parçaların her zaman hareket halinde olan esnek elemanlarla temsil edildiği durumlarda uygulanacaktır. Kararlı süreçler açısından, AI geleneksel yöntemlerin yerini almak yerine büyük veri hacimleriyle çalışmada yardımcı olur.
Gerçeklik Kontrolü: Neden İnsan Benzeri Robotlar Devre Kesicilerinizi Montajlamayacak
Açık olmak gerekirse, birkaç fabrika yöneticisine insan benzeri robot videoları gösteriliyor ve bir robot stratejileri olup olmadığı soruluyor.
Üretimde insan benzeri robotlar İş insan şeklindeyse mantıklıdır: kendi vücudunu bina içinde hareket ettirmek, raflara uzanmak ve çeşitli boyutlarda parçaları insan benzeri bir alanda teslim etmek. Buna karşılık, küçük ve hızlı görevler için işe yaramazlar. Devre kesici montajı örneği bunu çok iyi gösterir.
| Gereksinim | Tipik MCB üretim ihtiyacı | Genel amaçlı insan benzeri robot | Görüntü ve kuvvet kontrolü ile özel makine |
|---|---|---|---|
| Döngü süresi | Operasyon başına yaklaşık 1,5–3,5 saniye | Saniye düzeyinde çevrim süreleri yerine esneklik için tasarlanmıştır | Hedef takt süresi etrafında tasarlanmıştır |
| Konumlandırma | Yüzde bir milimetre | BMW, parçaların konumlandırılmasında milimetre hassasiyeti bildiriyor | Benlong makinelerinde ±0,02–0,05 mm görsel hizalama |
| İşlem kuvveti | Yüzlerce newton ile birkaç kN arasında, birkaç yüzde kontrolünde | Pres veya kaynak başlığı olarak tasarlanmamıştır | Örneğin ±3%’de 100–1.000 N servo kuvvet kontrolü |
| Birim başına veri | Kuvvet eğrisi, kaynak enerjisi veya her seri numarası için trip süresi | Entegrasyona bağlıdır | Birim başına kaydedilir ve MES’e gönderilir |
| En iyi kullanım | — | Lojistik, sıralama, makine bakımı, malzeme taşıma | Perçinleme, kaynak, test, montaj |
Bu, insan benzeri robotların elektrikli ekipman üretiminde rolü olmadığı anlamına gelmez. BMW ve Hyundai, makara taşıma, dergi yükleme veya tam karton taşıma gibi görevleri gerçekleştirmek için robotları test ediyor. Ancak, devre kesici üretimiyle ilişkili gerçek katma değerli işlemler, kapalı döngü koşullarında çalışan algılama ve kontrol sistemleriyle donatılmış özel amaçlı makineler tarafından gerçekleştirilebilir..
Fiziksel AI’nın Çalıştığı Yer: Kapalı Döngüde Algılama ve Eylem
Hassas üretimden bahsederken, çoğu temelde tüm çevrimler boyunca döngüde devam eden bir işlemdir. Bu dört adımdan oluşur:
Algıla – bir kamera parçayı tanımlar, ardından kuvvet sensörü veya servo motor kullanılarak harekete karşı kuvvet ölçülür, invertör kaynak için kullanılan enerjiyi gösterir ve test sinyali trip zamanını belirler.
Karar Ver – kontrolör alınan sinyali bilinen “altın” desenle karşılaştırır ve mühendisler tarafından belirlenen belirli sınırlarla kıyaslar. Ayrıca, AI algoritması kural tabanlı sistemin yapamayacağı bir şeyi yapabilir: sadece bir değerin sınırın üzerinde olduğunu görmek yerine hatalı eğrilerin başlangıcını tespit etmek.
Hareket Et – makine, parçanın birleştirilmeden önce konumunu düzeltebilir, anormal sinyalde durabilir veya parçayı reddedebilir ya da en azından belirli bir trende dikkat çekebilir.
Öğren – her sinyal, model/algoritma eğitimi için kullanılan belirli bir seri numarası altında kaydedilecektir.
Miniatür devre kesici üretimi için aşağıda açıklanan üç süreç bu süreci göstermektedir. Veri algılama ve veri kaydı için kullanılan donanımın, günümüzde mevcut makinelerde var olduğu kanıtlanmıştır..
Perçinleme: Kuvvet-Konum Eğrisinin Okunması
Perçinleme, kesici kutuplarını çoklu kutup içeren birimlere birleştirme ve gümüş kontaklar yardımıyla bağlantılar yapma yöntemidir. Bir perçin dışarıdan iyi görünebilir, ancak hala gevşek, çatlak veya çok kısa olabilir.
Bir MCB çok kutuplu otomatik montaj makinesi, bir parçanın yan duvarı önce kamera ile ±0,05 mm hassasiyetle hizalanır ve seviyelendirilir. Hizalanmayan herhangi bir parça, daha fazla işleme alınmaz. Daha sonra perçinleme sistemi uygulanır, 500 N ile 5 kN arasında bir kuvvet kullanılır ve operasyon parametreleri sürekli izlenir, anormallik durumunda müdahale edilir. Makine ayrıca perçin sayısı ve derinliği ile ilgili diğer parametreleri de ölçer.
Kontak perçinleme daha yüksek etkinlik sunar. gümüş kontak otomatik perçinleme makinesi kamera ve 100-1.000 N kuvvet aralığı kullanan, kullanılan perçin türüne bağlı kuvvet-konum karakteristik eğrisi elde etmek mümkündür.
İşte fiziksel AI devreye girer. Bir limit, gereken maksimum değerin aşıldığını gösterebilir. Ancak, sürecin başarısızlığının eksik bir kontak, kırık bir perçin başı, aşınmış bir zımba veya işleme sırasında kullanılan malzemenin önceki partilerden farklı olması nedeniyle olabileceğini açıklaması pek olası değildir.
Kontak Kaynağı: Kaynak Enerjisi ve Konumdan Öğrenme
Bağlayıcılar, kaynak yöntemleri kullanılarak yapılır; bakır bağlayıcılarda gümüş noktalar, hareketler için bimetal şeritler ve bakır örgü, manyetik trip montajı. Soğuk kaynak görsel muayeneden geçebilir ancak sahada başarısız olabilir.
Bir gümüş nokta ve kontak otomatik kaynak makinesi, direnç kaynağı 1–4 kHz aralığında orta frekanslı DC invertör tarafından beslenir, ±5%’de 50–500 N servo kontrollü elektrot kuvveti ile. Kaynak enerjisi her kaynak için profil ile karşılaştırılabilir, konum ve kuvvet sensörleri doğru ayarlanmayan parçaları tespit eder, kaynak enerjisini ve döngü sayısını kaydeder ve MES’e gönderir.
Aynı prensip bimetal, hareketli kontak ve bakır örgü kaynak makinesi, için geçerlidir, saatte 1.200–1.320 parça çalıştırır ve enerji ve konum eğrilerinin dışına çıkan herhangi bir eklemi reddeder. manyetik trip set otomatik kaynak makinesi her kaynaktan sonra görsel rehberli hizalama ve satır içi direnç testi ekler, önceden belirlenmiş limitin üzerinde olan eklemleri reddeder, genellikle 0,1 mΩ.
Fiziksel AI, bu sinyali faydalı bir şeye dönüştürecektir. Elektrot aşınması, enerji ve yer değiştirme grafiklerindeki değişikliklerle kademeli olarak kendini gösterir. Şu anda, bu makineler her elektrot için kaynak sayısını sayar ve değiştirilmesi gerektiğinde uyarır; bu verilere dayalı model, herhangi bir kusur ortaya çıkmadan önce kaynak kalitesindeki düşüşün tahmin edilmesini sağlayacaktır.
Manyetik Trip Testi: İstasyonlar Arasında Kaymayı Yakalamak
IEC 60898-1'e göre, voltaj devre kesiciler karakteristik eğrilerine göre çalışır. Bu devre kesicilerin anlık tripi, bu eğrilerle belirtilen sınırlar içindedir: B eğrileri için yaklaşık 3-5 kat nominal akım, C eğrileri için 5-10 kat ve D eğrileri için 10-20 kat. Kesiciler 0,1 saniyeden kısa sürede trip yapmamalıdır, ancak belirtilen sınırları aşamazlar.
Bir MCB otomatik manyetik trip ve yüksek voltaj test makinesi B, C ve D eğrileri için sırasıyla 5x, 7,5x ve 10x nominal akımda programlanabilir test akımları uygular. Cihaz, trip süresini ±1 ms hassasiyetle test eder, temas direncini 0,5 mΩ altında ölçer ve 4000V seviyesinde yüksek voltaj direncini test eder. Trip süresi, olaylar (açma/kapatma), kaçak akım, geçme/kalma ve zaman damgası gibi ölçümler OPC UA protokolü kullanılarak MES sisteminde saklanır.
İşte fiziksel ve ajan AI arasındaki farkların bulanıklaşmaya başladığı yer burasıdır. Gerçekten de, yavaş belirlenen bir trip sonucu genellikle geçmişteki bir süreçle bağlantılıdır, örneğin bobin kaynağı, yeni bir tedarikçiden alınan bir boyunduruk veya perçin değişikliği. Veri sistemine bağlı olan bir model, incelenen MCB için kalite sonucunu kaynak ve perçin sinyallerine kadar izleyebilir. Bizim ajan AI rehberimiz tam olarak bu tür bir kaymayı nasıl araştırabileceğini gösterir MCB otomatik test hattı ve bir mühendisin onaylaması için eylem önerir.
AI ne olursa olsun, trip ayarlarının sınırlarını genişletmemeli veya belirtilen test hedeflerini kendi başına değiştirmemelidir. IEC standartlarına uyum için geçme/kalma kararları, test sisteminin onaylanmış modeline aittir.
Kapalı Döngüye Genel Bakış
| İstasyon | Algıla | Karar Ver | Hareket Et | Birim başına saklanan veriler |
|---|---|---|---|---|
| Çok kutuplu perçinleme | CCD görüşü, servo kuvveti ve derinliği | Hizalama kontrolü; kuvvet ve derinlik sınırlarla karşılaştırılır | Perçinlemeden önce reddet; anormal kuvvette durdur | Perçinleme kuvveti, görüş sonucu, zaman damgası, bağlı seri numaraları |
| Perçinleme ile ilgili iletişim | Görüş ±0,02 mm, kuvvet–yer değiştirme eğrisi | Eğri altın profil ile karşılaştırılır | Kötü perçinleri reddet | Kuvvet–yer değiştirme eğrisi |
| Temas kaynağı | Kaynak enerjisi, elektrot kuvveti, yer değiştirme | Enerji ve yer değiştirme saklanan eğrilerle karşılaştırılır | Profil dışı eklemleri reddet; elektrot aşınma uyarısı | Kaynak enerjisi, kuvvet, çevrim sayısı |
| Manyetik trip set kaynağı | Görüş hizalaması, satır içi direnç | Direnç sınırla karşılaştırılır (örneğin 0,1 mΩ) | Otomatik reddetme | Kaynak sonucu, elektrot sayısı |
| Manyetik trip testi | Test akımı, trip süresi ±1 ms, kaçak | IEC eğri bandına karşı | Geçme/kalma sıralaması | Trip süresi, temas direnci, kaçak, seri numarası |
Orta Ölçekli Bir Tesiste Fiziksel AI ile Başlama Yöntemi
Üreticilerin büyük çoğunluğu, faydalı hale gelmek için ya bir humanoid pilotuna ya da Nvidia’nın tüm sistemine ihtiyaç duymaz. Elektrikli makine üretimi yapan orta ölçekli şirketler için somut bir adım şu şekildedir:
Başlamak için iyi kaliteli sinyaller sağlayan faaliyet türünü seçin. Servo perçinleme, kaynak ve makine elektrik testleri, fiziksel AI’nın öğrenmesi gereken kuvvet eğrileri, kaynak enerjisi ve trip süresi gibi özelliklere sahip oldukları için mükemmeldir.
Her sinyali ve birimi dijitalleştirin. Sadece geçme/kalma raporları değil, tam bir eğri üretmek ve bunları seri numarası, reçete ve malzeme partisi ile ilişkilendirmek çok önemlidir.
İyi ve kötü örneklerden oluşan bir veritabanı oluşturun. Veritabanında eksik detaylar, perçin çatlağı, soğuk kaynak ve top elektrot gibi reddedilenleri etiketleme sistemi yardımıyla her zaman işaretleyin. İyi bir model elde etmek için iyi etiketlere sahip olmak önemlidir.
- Üretim hattında herhangi bir değişiklik yapmadan önce süreçleri simüle edin. FANUC ROBOGUIDE veya Isaac Sim gibi robot tedarikçinizin sağladığı simülasyon yazılımını veya hattın dijital ikizini, kullanarak yeni düzenleri, robot yollarını veya çevrim sürelerini test edin. 5. Gölge moduyla başlayın. AI’nın eğrileri sınıflandırmasına ve trendleri işaretlemesine izin verin ve tespitini birkaç ay boyunca mühendislerin tespitiyle karşılaştırın.
PLC sisteminde sınırları ve güvenliği koruyun. AI size yaklaşan sorun hakkında bilgi verebilir.
Humanoidler ve mobil robotları yalnızca lojistik amaçlar için kullanmayı düşünün. Hammadde sağlama, dergileri yükleme ve kutu taşıma, robotların tasarlandığı tek alan olmalıdır.
Dünya Ekonomik Forumu’nun Küresel Deniz Feneri Ağı’ndaki en iyi şirketler yukarıda açıklanan benzer bir yaklaşımı kullandı: önce stabil süreçler ve tam veri, sonra üstüne AI. Siemens, Schneider Electric ve Eaton’ın oraya nasıl ulaştığını fabrika deniz feneri örnekleri.
rehberimizde ele aldık. Fiziksel AI robotik hâlâ gençtir ve bugün duyurulan bazı şeyler gerçek bir üretim hattıyla temas ettiğinde ayakta kalamayacaktır. Bir fabrika için şu anda en güvenli yatırım, her süreci, her çevrimi ölçen ve verileri tutan ekipmandır.. Bu veriler, gelecekteki herhangi bir AI’nın, fiziksel veya ajan tabanlı olsun, ihtiyaç duyacağı şeydir.
Sıkça Sorulan Sorular
Üretimde fiziksel AI nedir?
Fiziksel AI, kameralar, basınç ölçerler ve diğer cihazlar kullanarak fiziksel dünyayı gözlemleyen, bu bilgiyi yorumlayan ve belirli eylemleri gerçekleştiren mekanizmaları kontrol eden yapay zeka sistemlerini ifade eder. Belirlenmiş yörüngeler boyunca çalışacak şekilde eğitilen geleneksel robotların aksine, fiziksel AI sistemleri nesnelerde ve diğer koşullarda meydana gelen değişikliklere tepki verebilir. Kullanıma alınmadan önce, bu tür sistemler genellikle bir simülasyonda eğitilir.
Hangi şirketler fiziksel AI üretiyor?
Nvidia, Isaac Sim'den GR00T humanoid modellere, ayrıca Jetson robot bilgisayarları ve Omniverse Cosmos dünya modellerine kadar platformun büyük bir kısmını sağlar. Robot üreticileri FANUC, ABB, KUKA ve Yaskawa bu araçları simülasyon yazılımlarına ve robotlarına entegre etmektedir. Humanoid robotik şirketleri arasında Boston Dynamics, Figure AI, Hexagon Robotics, Agility Robotics, 1X ve NEURA Robotics bulunmaktadır. BMW ve Hyundai, şu anda üretim tesislerinde kullanılan fiziksel AI'lar üretmektedir.
Fiziksel AI örnekleri nelerdir?
Bazı örnekler arasında BMW tarafından üretilen ve Spartanburg'da parça montajı ve sıralaması yapan Figure humanoidleri, Hexagon tarafından desteklenen ve BMW Leipzig'de pil montajını destekleyen AEON ve Boston Dynamics'in 2028'de Georgia'da parça sıralaması için Hyundai tarafından kullanılacak Atlas modeli bulunmaktadır. Endüstriyel alanda, FANUC robotları artık konuşma diliyle programlanabilir ve Nvidia simülasyonu ile test edilebilir. Hassas üretimde, görsel rehberli servo perçinleme ve kaynak makineleri ile fiziksel AI'nın uygulamalarını görmek mümkündür.
AI tarafından hangi 5 iş hayatta kalacak?
Güvenle hayatta kalacak beş iş unvanı belirlemek imkansızdır, ancak 2025 İşlerin Geleceği Raporu, 2030'a kadar en hızlı büyüme gösterecek işlere dair bir içgörü sunar. Rapora göre, en büyük büyümeyi tarım işçileri, teslimat sürücüleri, yazılım geliştiriciler, inşaat işçileri ve satış elemanları yaşayacak, hemşirelik ve diğer bakım işleri de önemli bir hızda büyüyecektir. Fabrikalarda, yapay zeka birçok işi tamamen ortadan kaldırmak yerine değiştirir; bu da bakım uzmanları, robot programcıları, kalite mühendisleri ve süreç uzmanlarının daha önemli roller üstleneceği anlamına gelir.
AI üretim endüstrisinde nasıl kullanılıyor?
Yapay zeka, görüntü tabanlı muayene, öngörücü bakım, üretim süreçlerinin planlanması, robotik programlama, dijital ikiz simülasyonu, enerji yönetimi ve tedarik zinciri planlamasında rol oynar. Pratik kullanımda, fiziksel AI değişikliklere uyum sağlayabilen robotlar ve makinelerin kullanımını içerirken, ajan tabanlı AI MES ve ERP sistemlerinin eylemlerini koordine eder. 2026 itibarıyla en gelişmiş uygulamalar hâlâ veri tabanlı kalite güvencesi ve bakım hizmetleri ile humanoid robotların lojistik ve parça yönetimi için kullanımıyla ilgili deneyleri kapsamaktadır.
Sonuç: Fiziksel AI İnsan Vücudunu Kopyalamak Değil, Döngüyü Kapatmakla İlgilidir
FANUC, BMW, Nvidia ve Hyundai gibi şirketler sadece fiziksel AI üzerine çalışmalar yapmakla kalmayıp, bunu fabrikalarda da teşvik etmektedir. Nvidia simülasyon modelleri ve robotik bilgisayarlar geliştirirken, FANUC ve diğer üreticiler bunları milyonlarca saat çalışan işleyen robotlara entegre etmektedir. Son olarak, BMW ve Hyundai operasyon hatlarında humanoid robotları incelemektedir.
Ancak, bu humanoidlerin fabrika sahalarında gerçekte ne yaptıklarını incelediğimizde, yükleme, taşıma, sıralama ve dizilim gibi süreçlerde yer aldıklarını görebiliyoruz. Bu nedenle, en karmaşık sızıntılar onların sebebi olmuyor. Çoğu durumda, üretimde uygulanan fiziksel yapay zeka sadece bir parçanın yakın olup olmadığını gören, bir yapının nasıl oluştuğunu hisseden, bir şeyin nasıl davrandığını anlayan ve buna göre hareket eden makinelerde temsil edilir.
Bu, gelecekte bu teknolojiye yatırım yapmak isteyen üreticilerin takip edeceği yaklaşımdır.
Kaynakça
- Nvidia – NVIDIA ve Küresel Robotik Liderleri Fiziksel Yapay Zekayı Gerçek Dünyaya Taşıyor (Mart 2026) – Cosmos 3, Isaac, GR00T, Jetson Thor ve FANUC, ABB, KUKA ile Yaskawa entegrasyonları.
- FANUC America – FANUC, NVIDIA Teknolojilerini Kullanarak Endüstriyel Robotikte Fiziksel Yapay Zekayı Hızlandırıyor (Mart 2026) – ROBOGUIDE, Isaac Sim, ROS 2 ve doğal dil programlama.
- Fujitsu – FANUC, Yaskawa Electric ve Kawasaki Heavy Industries ile Fiziksel Yapay Zeka Geliştirme (Temmuz 2026) – egemen fiziksel yapay zeka kontrol platformu.
- BMW Group – Leipzig Tesisi’nde İlk Humanoid Robot Tanıtıldı (Eylül 2026) – Hexagon AEON, Spartanburg’daki Figure 02 sonuçları ve BMW’nin fiziksel yapay zeka stratejisi.
- Boston Dynamics – Boston Dynamics Yeni Atlas Robotunu Tanıttı (Ocak 2026) – Atlas özellikleri, Hyundai dağıtım planları ve robot üretim kapasitesi.
- Hyundai Motor Group – NVIDIA Blackwell AI Fabrikası (Ekim 2025) – 50.000 GPU, fabrika dijital ikizleri ve Isaac Sim’de robot doğrulaması.
- Dünya Ekonomik Forumu – 2025 İşlerin Geleceği Raporu: geleceğin işleri – 2030’a kadar en hızlı büyüyen ve azalan işler.
Kesici Hattınızda Görüş ve Kuvvet Kontrolü mü İstiyorsunuz?
Fiziksel yapay zeka, her perçin, her kaynak ve her trip testini ölçen makinelerle başlar. MCB, MCCB, RCCB, kontaktör veya anahtar üretiyorsanız ve görüş rehberli perçinleme, enerji izlemeli kontak kaynağı ve tamamen izlenebilir manyetik trip testi istiyorsanız, ürün örneklerinizi, hedef çıktınızı ve mevcut sürecinizin kısa bir açıklamasını bize gönderin. Mühendislerimiz, kapalı döngü kontrolünün kusur oranınızı ilk nerede azaltacağını ve her istasyonun verisini MES’inize nasıl bağlayacağınızı önerecektir.
