Yapay görme sistemlerinin yatırım karlılığının değerlendirilmesi için bir model önerisi

Abstract

Günümüzde Moore yasasına uygun şekilde gücü hızla artıp ucuzlayan bilgisayarlar yapay görme sistemlerinin yaygınlaşmasının önünü açmıştır. Bununla beraber yapay görme sistemlerinin yazılımlar, kameralar, ışık sistemleri gibi başka bileşenler gerektirmesi ve bu bileşenlerin entegrasyonu ile eğitim çalışmaları konuyu ciddi bir yatırım konumuna getirmektedir. Kuşkusuz yapay görme sistemlerinin endüstride ve iç lojistik uygulamalarda kalitesizlik maliyetlerini azaltan çok önemli bir araç olması yatırımları teşvik etmektedir. Ancak ekonomiklik ilkesine uyması da vazgeçilemez koşuldur. Dolayısı ile bu sistemlerin kullanıldıkları süre boyunca götürülerinin üstünde getiri sağlamalarına dikkat edilmelidir. Bu çalışmada kalite iyileştirmeleri sağlamak amaçlı kullanılması düşünülen yapay görme sistemlerinin yatırım karlılığının anlaşılmasını kestirecek bir model tanıtılmaktadır. Ülkemiz genelinde yürüttüğümüz araştırmalar ile EMVA (European Machine Vision Association) ile yaptığımız görüşmeler çerçevesinde temin edilen veriler benzer bir modelin bulunmaması nedeniyle kimi karsız yatırımların yapılmakta olduğu, kimi karlı olabilecek yatırım fırsatlarının kaçırıldığı gerçeklerini ortaya çıkartmıştır. Model, kalitesizlik maliyetlerini, yapay görme sisteminin tahmini bedelini, kalitesizlik maliyetlerinde yapay görme sistemi sayesinde sağlanabilecek tasarruf tutarını veri olarak almakta ve iki soruya yanıt üretmektedir. İlk soru yatırımın mevcut koşullar altında kar sağlayıp sağlayamayacağı, ikinci soru da karlı yatırımların kar oranlarının ne düzeyde olacağıdır. Bu yanıtlar sayesinde gerek yapay görme çözüm sağlayıcı firmalar, gerekse de müşteri adayları gerekçeli kararlar alabilecek, örneğin sağlayıcı firma yatırım karlılığı için hangi fiyat düzeylerine inmesi gerektiğini görebilecek, müşteri adayı firma da getirilerine bakarak yatırım alternatifleri listesinde yapay görme konusunu hangi sıraya alabileceğini belirleyecektir.Anahtar sözcükler: Yapay görme, kalite kontrol, kalitesizlik maliyetleri, otomatik görsel muayene

Nowadays in accordance with Moore rule, computers are getting cheaper and powerful, thus it is now possible to use machine vision systems more widely. However since artificial vision systems also necessitate other components and activities, like softwares, cameras, lighting systems, networking and training, they bring significant capital requirement. Machine vision Systems is an important and highly demanded tool for reducing costs due to poor quality, in industry & logistics applications. However, it is also essential to comply with the economic principle conditions. Therefore, the total investment level for the lifetime of these systems should be lower than the cost of savings. In this study, a model of machine vision system is being introduced, that is intended to be used for quality improvement in order to provide predictive understanding of the return on investment. As there is no similar model we could use, with respect to the research we carried out all accross Turkey and our interviews with EMVA (European Machine Vision Association), we understood that, there are many unprofitable investmenst being made, whatsmore many opportunaties for profitable investments are missed. Our model, takes the data of the costs due to poor quality, estimated cost of the machine vision system, and the amount of savings that could be achieved in poor quality costs with the help of machine vision system. This model creates answers to the following two questions. First question is whether the investment of current circumstances can produce any profit. Second question is the rate of profitibility of the profitable investments. With the help of these answers, both machine vision solution supplier Companies, and customer candidates will be able to make decisions, for example, supplier company will see the price levels of discount, also the customer candidate will check the return advantages and will decide the ranking of machine vision subject within it's investment list.Keywords: Machine vision, quality control, cost of poor quality, automated visual inspection