- Anasayfa
- Capital Dergi
- Gelecek & Trendler
- Türbinler ve tomografi cihazları için erken uyarı sistemleri
Türbinler ve tomografi cihazları için erken uyarı sistemleri
Her ne kadar enerji ve ulaştırma sistemleri gibi modern altyapılar, hayatı daha da konforlu bir hale getiriyorsa da arıza yaptıklarında sonuçları bir hayli ağır olabiliyor. Bu gibi kesintileri önlemek için Siemens, teknik sorunların ortaya çıkmadan önce algılanmasına yardımcı olacak sensör verilerini değerlendirmek amacıyla çeşitli iş ortaklarıyla birlikte çalışıyor.
katından fazla olurdu. Toplam veri miktarı, büyük bir hızla artmaya devam ediyor. IDC'de-ki piyasa araştırmacılarınca yürütülen bir araştırmaya göre, sadece Batı Avrupa'da 2020 yılına kadartoplam veri hacminin 5 zet-tabyte'a ulaşması bekleniyor.
Bir exabyte aslında bir milyar gigabyte'a tekabül eder ve bu da metin belgeleriyle dolu 20 milyar evrak dolabına eşittir. Bir zettabyte ise 1.000 kat daha büyüktür. Bu hızlı artışın bir nedeni de aslında internetin artık daha mobilleştiği gerçeğidir.
Bilhassa akıllı telefon programlarınca bugün devasa miktarlarda bilgi üretilmektedir. Her gün yaklaşık 2,5 exabyte miktarında veri internet aracılığıyla gönderilmekte ve çeşitli platformlarda kaydedilmektedir.
Bugüne kadar bu devasa miktardaki verilerden büyük ölçüde faydalanılmıyordu. Ancak büyük miktarda formatsız veri hacimlerini analiz edebilen "büyük veri" teknolojisi sayesinde bu durum değişmeye başlıyor. Onlar bu işi insanoğluna sanal bir kaos gibi görünen umulmadık şablonları ve içsel ilişkileri keşfeden algoritmalarla başarabiliyorlar.
Şirketler bu gibi bilgileri, sadece iş süreçlerini, ürünlerini, fabrikalarını ve müşteri ilişkilerini optimumlaştırmak değil ama aynı zamanda karmaşık altyapıları kontrol etmek ve servis ile bakım onarım hizmetlerini optimumlaştırmak amacıyla da yeni iç görülere dönüştürebilir.
Burada temel hedef, makinelerin ve ekipmanların durumlarıyla ilgili sensör verilerini, hata mesajları ve kalite kontrol istatistikleri hakkındaki bilgilerle birleştirmektir. Bu gibi bir kombinasyon sayesinde akıllı gözetleme sistemlerinin bir arıza yaşanmadan önce kusurlu parçaları değiştirip sorunları çözebilecek şekilde olası hataları önceden algılayabilmeleri sağlanacak.~
Örneğin gazla çalışan enerji santrallerinde, hareket sensörleri aşınmayla ilgili türbin değerlerini ölçebilir ve ardından bu verileri bir bilgisayara gönderebilir. Bilgisayar, bu verileri analiz edebilir ve örneğin şayet yanma odasındaki sıcaklık izin verilebilir en yüksek değeri aşmışsa derhal alarm sinyalleri üretmeye başlayabilir.
Münih'teki Siemens Kurumsal Teknolojiler'in (CT) iş analitikleri ve izleme bölümünde çalışan bir uzman olan Dr. Steffen Lamparter, "Bu sistem daha şimdiden tıkır tıkır sorunsuz çalışıyor" diyor.
Gelecekte araştırmacılar, verileri ekstra bilgilerle birleştirmek ve onları gerçek zamanlı olarak değerlendirmek isteyecek. Bu bilgiler, içinde üretilen enerji miktarıyla bir motor içindeki elektrik akımı değişikliklerinin de olduğu çeşitli paramatrelerle ilişkilendirilebilecek.
En muhafazakar tahminlere göre bile böyle yapılarak teknisyenlerin gerekli verilere erişme süreleri en azından yüzde 25 oranında kısalacak. Lamparter, "Birteknisyenin işlem süresinin ortalama yüzde 80'i veri toplamaya harcandığından biz sadece türbin hizmetlerinde bile bu şekilde yılda 1 milyon Euro'dan fazlasının tasarruf edilebileceğini tahmin ediyoruz" diyor.
Bu gibi gerçek zamanlı analizler, zaten Siemens'in son model H-Class gaz türbinleri için daha şimdiden yapılıyor. Siemens'te görevli mühendisler, yeni teslim edilmiş bir türbinle ilgili verilere hiç gecikmeksizin istedikleri an ulaşabilir ve nerede kurulu olursa olsun anında hakkında bir sonuca varabilirler.
Her bir gaz türbininde, sıcaklık, basınç, gaz kompozisyonu, üretilen çıktı gibi kilit faaliyet değerlerini büyük bir hassaslıkla her saniyede bir ölçen 1.500 tane sensör vardır.
İster gazlı türbin olsun ister kombine çevrimli türbinler veya diğer sistemler olsun, Siemens müşterilerine hizmet verdiği çok sayıda tesiste edindiği tecrübesi sayesinde faaliyet verileriyle hata mesajları üzerinde akıllı araştırmalar yaparak ekstra içgörüler çıkarabiliyor.~
Bu içgörülerden daha sonra tek tek sistemlerin daha da optimumlaştırılmaları için faydalanılabiliyor. Bu şirket aslında birtesis-te ortaya çıkan hatalarla orada kurulu bileşenler arasındaki karşılıklı içsel ilişkileri inceleyen bilgisayar destekli uzman bir sistem yaratmayı planlıyor.
Lamparter, "Gelecekte tasarımcılar, yeni tesisler için bileşenler seçerken bu verilere erişebilecek. Bu bilgi, onlara seçtikleri bileşenlerin uygulamada nasıl çalıştıklarını söyleyecek" diyor. Bu şekilde tesisler, daha kuruldukları ilk andan itibaren çok daha güvenilir olacak.
Karmaşıklıkta şablonları belirlemek.
Bu gibi yöntemler ve teknikler, şu anda Optique adındaki bir Avrupa araştırma projesinde de geliştiriliyor. Bu projede, içinde Siemens ile Norveçli petrol şirketi Statoil'in yanı sıra Avrupa üniversitelerinden araştırmacıların da olduğu 10 ortak, karmaşık veritabanlarında daha verimli aramalar yapabilecek temel teknolojileri geliştiriyor.
Bu projenin hedefi, farklı veri kaynakları ile farklı veritabanlarını birbirine bağlamak ve onlara bir parça zeka katmak. Burada çok kısa bir zamana kadar tasavvur bile edilemeyecek bir hızda ve kalite seviyesinde beklenmedik şablonları ve karşılıklı ilişkileri keşfedecek son derece güçlü algoritmaların kullanılması planlanıyor.
Gelecekte bir şirketin çalışanları birbirleriyle bağdaştırılmış ve farklı formatlara sahip yüzlerce veritabanından arama yapmak için basit bir şekilde formüle edilmiş sorulardan en iyi şekilde faydalanabilecek. Çalışanların aldıkları bu cevaplar, onların karar almalarına yardımcı olacak. Bilgilerin dağınık doğası ve tek bir veri modelinin olmaması yüzünden bu çözüm bulunması çok önemli bir meydan okuma.
Statoil'in başlıca ilgi alanı yeni petrol sahalarının keşfedilmesi için veritabanı kullanımının iyileştirilmesi olduğundan, Optique projesinde Siemens'in uygulamasını temsil eden Dr. Mikhail Roshchin, enerji santrali türbinlerinin önleyici bakımına yönelik olarak veri kullanımının optimumlaştırılacağını ümit ediyor.
Onun hedefi, geleceğin enerji ağlarını arı-zalara karşı daha dirençli hale getirmek. Siemens daha şimdiden müşterilerine önleyici türbin bakımı hizmetleri sunuyor. Roshchin, "Enerji hizmetleri petrol ve gazın yanı sıra bizim enerji santrali işimiz de bunu özel yazılım platformlarının kullanılmasıyla başarabiliyor" diyor.~
Siemens şimdi kendi önleyici bakım hizmetlerini ekstra veri kaynaklarına bağlayarak onu optimumlaştırmak niyetinde. Lamparter, "Bu projenin bizimle ilgili kısmında, temel odağımız o kadar devasa miktarlarda verilerle uğraşmak değil. Türbin bakım hizmetleri günde sadece 30 gigabyte kadar veri üretir ve veri havuzunun toplam büyüklüğü 10 terrabyte civarındadır" diyor.
Burada açık ara farkla çok daha büyük olan meydan okuma ise farklı veritabanlarını birbirine entegre etmekte ve onları eş zamanlı olarak sürekli değişen ve büyüyen bir veri havuzuyla bağdaştırmakta yatıyor. Lamparter, "Sonuçta hesaplamalarımızı sürekli olarak güncellemek zorundayız. Özellikle de sonuçları gerçek zamanlı olarak almak zorundaysanız bu gerçekten fevkalade zahmetli bir iş" diyor.
Akıllı değerlendirme araçları.
Diğer yöntemler öyle bir şekilde kullanılmalı ki metin formundaki hata mesajları gibi formatsız veriler, makine değerleri gibi formatlı verilerle birleştirilebilsin. Mesela semantik metin algılama analizleriyle görüntü analiz prosedürleri, metin, ses, video ve resim dosyalarını analiz edilebilir verilere dönüştürebilir ve böylece onları ilk defa karar verme sürecinde kullanılabilir hale getirebilirler.
Ancak burada asıl meydan okuma, alabildiğine geniş bir veri kaynakları ve formatlar yelpazesinin, içinden hatalar ve arızaların nedenleriyle ilgili sonuçlar çıkarılabilecek bir şekilde, bir-birleriyle mantıksal olarak ilişkilendirilme-sinde yatıyor.
Lamparter'in meslektaşı Thomas Hubauer, bu araştırma projesinin hedeflerinden bir diğerini açıklarken, "Bu analizlerin çok daha verimli olabilmeleri için tek tek veritabanlarının bile akıllı değerlendirme araçlarıyla donatılmış olması gerekir" diyor.
Sonuçta, örneğin kilit istatistiksel rakamların hesaplanmasında artık veri havuzundaki bütün verilerden anlam çıkarılması gerekmeyebilir. Onun yerine, sadece söz konusu sorgulamaya uygun örnek alan yeterli olabilir. Bu örnek alan bize diğer şeylerin yanı sıra ortalama değer ve standart sapma verilerini sunabilir.~
Ancak şu anda uzmanlar, farklı veritabanlarındaki bilgilere erişebilmek için halen kendi BT meslektaşlarının yardımına ihtiyaç duyuyor. Çünkü aramaların yapılabilmesi için önce mevcut bilgilerin seçilmesi ve sonra özel veri alanlarına yüklenmesi gerekiyor.
Bunun için de BT'den çok iyi anlamayan birisinin kapasitelerini aşan özel bilgiler gerekir. Ancak bu durum da değişmeye başlıyor. Çünkü diyor Hubauer, "Sadece uzmanların kendileri gerçekten neden kazançlı çıkacaklarını bilebilir". Nitekim veritabanı aramaları Google gibi internet arama motorları kadar basitleştirilmek zorunda.
Optique araştırma projesi, halen ilk aşamalarında bulunuyor. 2012 Kasım'ında başlatılmıştı ve 2016 yılının sonuna kadar sürdürülecek. Siemens bu projeden çok ümitli. Siemens'te yürütülen büyük veri projelerinin koordinasyonundan sorumlu olduğu
Siemens Kurumsal Teknolojiler'den Gerhard Kress, "Biz bu bulguların diğer büyük veriler uygulamalarına öylesine transfer edilebilir olacağını ümit ediyoruz ki onlardan orada da faydalanılabilsin" diyor.
Siemens'in enerji sektöründeki meslek-taşlarınınkine benzer biryaklaşım kullanan, sağlık bakımındaki bir uzman, bilgisayarlı bir tomografi cihazı içindeki X-ışını tüpü gibi kilit bir bileşenin arıza çıkarma olasılığını hesaplayan uzman bir sistem geliştirdi. Kress, "Sistemin kullanılabilir olmasında ve görüntü kalitesinde, X-ışını tüpleri kritik bir rol oynar" diyor.
Bu görüşten yola çıkılarak tomografi cihazları, artık tüpün içindeki elektrik akımı, pozitif kutup rotasyonu ve yağın sıcaklığı gibi kilit parametreleri ölçen sensörlerle donatılıyor. Bu ölçüm yazılımı sürekli olarak faaliyet verilerini gerçek zamanlı bazda bir Siemens servis merkezine gönderiyor.
Kress, "Bu veriler sayesinde meslektaşlarımız, önlerindeki birkaç gün içinde arıza olasılığını hesaplayan karmaşık algoritmaları kullanabiliyor" diyor. Aynı zamanda bunun sayesinde servis çalışanları da radyologlarla olan randevularını öylesine isabetli planlayabiliyor ki arızalı parçalar, radyoloji servisinin çalışmalarını aksatmadan değiştirilebiliyor.~
Kress, "Bu sistem daha şimdiden mükemmel çalışıyor" diyor. Gelecekte devasa miktarda veri ve farklı veritabanlarının birleştirilmesiyle süreç analizi gibi prosedürler için yeni iş konseptlerinin geliştirilmesi mümkün olabilecek.
Bu sistem için olası bir uygulama hakkında Kress, "Büyük veri havuzunda karşılıklı ilişkiler bulabilir ve doktorların ofislerindeki süreçlerin ve prosedürlerin iyileştirilmelerine katkıda bulunabilecek içsel ilişkilerin farkına varabiliriz. Bu sayede sağlık bakımı maliyetlerini sabit tutabiliriz" diyor. Ancak bu hedefin tutturulabilmesi için önce dikkate değer miktarda araştırma yapılması şart.
Hans Schürmann
Bir exabyte aslında bir milyar gigabyte'a tekabül eder ve bu da metin belgeleriyle dolu 20 milyar evrak dolabına eşittir. Bir zettabyte ise 1.000 kat daha büyüktür. Bu hızlı artışın bir nedeni de aslında internetin artık daha mobilleştiği gerçeğidir.
Bilhassa akıllı telefon programlarınca bugün devasa miktarlarda bilgi üretilmektedir. Her gün yaklaşık 2,5 exabyte miktarında veri internet aracılığıyla gönderilmekte ve çeşitli platformlarda kaydedilmektedir.
Bugüne kadar bu devasa miktardaki verilerden büyük ölçüde faydalanılmıyordu. Ancak büyük miktarda formatsız veri hacimlerini analiz edebilen "büyük veri" teknolojisi sayesinde bu durum değişmeye başlıyor. Onlar bu işi insanoğluna sanal bir kaos gibi görünen umulmadık şablonları ve içsel ilişkileri keşfeden algoritmalarla başarabiliyorlar.
Şirketler bu gibi bilgileri, sadece iş süreçlerini, ürünlerini, fabrikalarını ve müşteri ilişkilerini optimumlaştırmak değil ama aynı zamanda karmaşık altyapıları kontrol etmek ve servis ile bakım onarım hizmetlerini optimumlaştırmak amacıyla da yeni iç görülere dönüştürebilir.
Burada temel hedef, makinelerin ve ekipmanların durumlarıyla ilgili sensör verilerini, hata mesajları ve kalite kontrol istatistikleri hakkındaki bilgilerle birleştirmektir. Bu gibi bir kombinasyon sayesinde akıllı gözetleme sistemlerinin bir arıza yaşanmadan önce kusurlu parçaları değiştirip sorunları çözebilecek şekilde olası hataları önceden algılayabilmeleri sağlanacak.~
Örneğin gazla çalışan enerji santrallerinde, hareket sensörleri aşınmayla ilgili türbin değerlerini ölçebilir ve ardından bu verileri bir bilgisayara gönderebilir. Bilgisayar, bu verileri analiz edebilir ve örneğin şayet yanma odasındaki sıcaklık izin verilebilir en yüksek değeri aşmışsa derhal alarm sinyalleri üretmeye başlayabilir.
Münih'teki Siemens Kurumsal Teknolojiler'in (CT) iş analitikleri ve izleme bölümünde çalışan bir uzman olan Dr. Steffen Lamparter, "Bu sistem daha şimdiden tıkır tıkır sorunsuz çalışıyor" diyor.
Gelecekte araştırmacılar, verileri ekstra bilgilerle birleştirmek ve onları gerçek zamanlı olarak değerlendirmek isteyecek. Bu bilgiler, içinde üretilen enerji miktarıyla bir motor içindeki elektrik akımı değişikliklerinin de olduğu çeşitli paramatrelerle ilişkilendirilebilecek.
En muhafazakar tahminlere göre bile böyle yapılarak teknisyenlerin gerekli verilere erişme süreleri en azından yüzde 25 oranında kısalacak. Lamparter, "Birteknisyenin işlem süresinin ortalama yüzde 80'i veri toplamaya harcandığından biz sadece türbin hizmetlerinde bile bu şekilde yılda 1 milyon Euro'dan fazlasının tasarruf edilebileceğini tahmin ediyoruz" diyor.
Bu gibi gerçek zamanlı analizler, zaten Siemens'in son model H-Class gaz türbinleri için daha şimdiden yapılıyor. Siemens'te görevli mühendisler, yeni teslim edilmiş bir türbinle ilgili verilere hiç gecikmeksizin istedikleri an ulaşabilir ve nerede kurulu olursa olsun anında hakkında bir sonuca varabilirler.
Her bir gaz türbininde, sıcaklık, basınç, gaz kompozisyonu, üretilen çıktı gibi kilit faaliyet değerlerini büyük bir hassaslıkla her saniyede bir ölçen 1.500 tane sensör vardır.
İster gazlı türbin olsun ister kombine çevrimli türbinler veya diğer sistemler olsun, Siemens müşterilerine hizmet verdiği çok sayıda tesiste edindiği tecrübesi sayesinde faaliyet verileriyle hata mesajları üzerinde akıllı araştırmalar yaparak ekstra içgörüler çıkarabiliyor.~
Bu içgörülerden daha sonra tek tek sistemlerin daha da optimumlaştırılmaları için faydalanılabiliyor. Bu şirket aslında birtesis-te ortaya çıkan hatalarla orada kurulu bileşenler arasındaki karşılıklı içsel ilişkileri inceleyen bilgisayar destekli uzman bir sistem yaratmayı planlıyor.
Lamparter, "Gelecekte tasarımcılar, yeni tesisler için bileşenler seçerken bu verilere erişebilecek. Bu bilgi, onlara seçtikleri bileşenlerin uygulamada nasıl çalıştıklarını söyleyecek" diyor. Bu şekilde tesisler, daha kuruldukları ilk andan itibaren çok daha güvenilir olacak.
Karmaşıklıkta şablonları belirlemek.
Bu gibi yöntemler ve teknikler, şu anda Optique adındaki bir Avrupa araştırma projesinde de geliştiriliyor. Bu projede, içinde Siemens ile Norveçli petrol şirketi Statoil'in yanı sıra Avrupa üniversitelerinden araştırmacıların da olduğu 10 ortak, karmaşık veritabanlarında daha verimli aramalar yapabilecek temel teknolojileri geliştiriyor.
Bu projenin hedefi, farklı veri kaynakları ile farklı veritabanlarını birbirine bağlamak ve onlara bir parça zeka katmak. Burada çok kısa bir zamana kadar tasavvur bile edilemeyecek bir hızda ve kalite seviyesinde beklenmedik şablonları ve karşılıklı ilişkileri keşfedecek son derece güçlü algoritmaların kullanılması planlanıyor.
Gelecekte bir şirketin çalışanları birbirleriyle bağdaştırılmış ve farklı formatlara sahip yüzlerce veritabanından arama yapmak için basit bir şekilde formüle edilmiş sorulardan en iyi şekilde faydalanabilecek. Çalışanların aldıkları bu cevaplar, onların karar almalarına yardımcı olacak. Bilgilerin dağınık doğası ve tek bir veri modelinin olmaması yüzünden bu çözüm bulunması çok önemli bir meydan okuma.
Statoil'in başlıca ilgi alanı yeni petrol sahalarının keşfedilmesi için veritabanı kullanımının iyileştirilmesi olduğundan, Optique projesinde Siemens'in uygulamasını temsil eden Dr. Mikhail Roshchin, enerji santrali türbinlerinin önleyici bakımına yönelik olarak veri kullanımının optimumlaştırılacağını ümit ediyor.
Onun hedefi, geleceğin enerji ağlarını arı-zalara karşı daha dirençli hale getirmek. Siemens daha şimdiden müşterilerine önleyici türbin bakımı hizmetleri sunuyor. Roshchin, "Enerji hizmetleri petrol ve gazın yanı sıra bizim enerji santrali işimiz de bunu özel yazılım platformlarının kullanılmasıyla başarabiliyor" diyor.~
Siemens şimdi kendi önleyici bakım hizmetlerini ekstra veri kaynaklarına bağlayarak onu optimumlaştırmak niyetinde. Lamparter, "Bu projenin bizimle ilgili kısmında, temel odağımız o kadar devasa miktarlarda verilerle uğraşmak değil. Türbin bakım hizmetleri günde sadece 30 gigabyte kadar veri üretir ve veri havuzunun toplam büyüklüğü 10 terrabyte civarındadır" diyor.
Burada açık ara farkla çok daha büyük olan meydan okuma ise farklı veritabanlarını birbirine entegre etmekte ve onları eş zamanlı olarak sürekli değişen ve büyüyen bir veri havuzuyla bağdaştırmakta yatıyor. Lamparter, "Sonuçta hesaplamalarımızı sürekli olarak güncellemek zorundayız. Özellikle de sonuçları gerçek zamanlı olarak almak zorundaysanız bu gerçekten fevkalade zahmetli bir iş" diyor.
Akıllı değerlendirme araçları.
Diğer yöntemler öyle bir şekilde kullanılmalı ki metin formundaki hata mesajları gibi formatsız veriler, makine değerleri gibi formatlı verilerle birleştirilebilsin. Mesela semantik metin algılama analizleriyle görüntü analiz prosedürleri, metin, ses, video ve resim dosyalarını analiz edilebilir verilere dönüştürebilir ve böylece onları ilk defa karar verme sürecinde kullanılabilir hale getirebilirler.
Ancak burada asıl meydan okuma, alabildiğine geniş bir veri kaynakları ve formatlar yelpazesinin, içinden hatalar ve arızaların nedenleriyle ilgili sonuçlar çıkarılabilecek bir şekilde, bir-birleriyle mantıksal olarak ilişkilendirilme-sinde yatıyor.
Lamparter'in meslektaşı Thomas Hubauer, bu araştırma projesinin hedeflerinden bir diğerini açıklarken, "Bu analizlerin çok daha verimli olabilmeleri için tek tek veritabanlarının bile akıllı değerlendirme araçlarıyla donatılmış olması gerekir" diyor.
Sonuçta, örneğin kilit istatistiksel rakamların hesaplanmasında artık veri havuzundaki bütün verilerden anlam çıkarılması gerekmeyebilir. Onun yerine, sadece söz konusu sorgulamaya uygun örnek alan yeterli olabilir. Bu örnek alan bize diğer şeylerin yanı sıra ortalama değer ve standart sapma verilerini sunabilir.~
Ancak şu anda uzmanlar, farklı veritabanlarındaki bilgilere erişebilmek için halen kendi BT meslektaşlarının yardımına ihtiyaç duyuyor. Çünkü aramaların yapılabilmesi için önce mevcut bilgilerin seçilmesi ve sonra özel veri alanlarına yüklenmesi gerekiyor.
Bunun için de BT'den çok iyi anlamayan birisinin kapasitelerini aşan özel bilgiler gerekir. Ancak bu durum da değişmeye başlıyor. Çünkü diyor Hubauer, "Sadece uzmanların kendileri gerçekten neden kazançlı çıkacaklarını bilebilir". Nitekim veritabanı aramaları Google gibi internet arama motorları kadar basitleştirilmek zorunda.
Optique araştırma projesi, halen ilk aşamalarında bulunuyor. 2012 Kasım'ında başlatılmıştı ve 2016 yılının sonuna kadar sürdürülecek. Siemens bu projeden çok ümitli. Siemens'te yürütülen büyük veri projelerinin koordinasyonundan sorumlu olduğu
Siemens Kurumsal Teknolojiler'den Gerhard Kress, "Biz bu bulguların diğer büyük veriler uygulamalarına öylesine transfer edilebilir olacağını ümit ediyoruz ki onlardan orada da faydalanılabilsin" diyor.
Siemens'in enerji sektöründeki meslek-taşlarınınkine benzer biryaklaşım kullanan, sağlık bakımındaki bir uzman, bilgisayarlı bir tomografi cihazı içindeki X-ışını tüpü gibi kilit bir bileşenin arıza çıkarma olasılığını hesaplayan uzman bir sistem geliştirdi. Kress, "Sistemin kullanılabilir olmasında ve görüntü kalitesinde, X-ışını tüpleri kritik bir rol oynar" diyor.
Bu görüşten yola çıkılarak tomografi cihazları, artık tüpün içindeki elektrik akımı, pozitif kutup rotasyonu ve yağın sıcaklığı gibi kilit parametreleri ölçen sensörlerle donatılıyor. Bu ölçüm yazılımı sürekli olarak faaliyet verilerini gerçek zamanlı bazda bir Siemens servis merkezine gönderiyor.
Kress, "Bu veriler sayesinde meslektaşlarımız, önlerindeki birkaç gün içinde arıza olasılığını hesaplayan karmaşık algoritmaları kullanabiliyor" diyor. Aynı zamanda bunun sayesinde servis çalışanları da radyologlarla olan randevularını öylesine isabetli planlayabiliyor ki arızalı parçalar, radyoloji servisinin çalışmalarını aksatmadan değiştirilebiliyor.~
Kress, "Bu sistem daha şimdiden mükemmel çalışıyor" diyor. Gelecekte devasa miktarda veri ve farklı veritabanlarının birleştirilmesiyle süreç analizi gibi prosedürler için yeni iş konseptlerinin geliştirilmesi mümkün olabilecek.
Bu sistem için olası bir uygulama hakkında Kress, "Büyük veri havuzunda karşılıklı ilişkiler bulabilir ve doktorların ofislerindeki süreçlerin ve prosedürlerin iyileştirilmelerine katkıda bulunabilecek içsel ilişkilerin farkına varabiliriz. Bu sayede sağlık bakımı maliyetlerini sabit tutabiliriz" diyor. Ancak bu hedefin tutturulabilmesi için önce dikkate değer miktarda araştırma yapılması şart.
Hans Schürmann
