"Sektörde dijitalleşme uzun süredir uygulanıyor ve son değişiklikler bu uygulamaları daha güçlü, çevik, taşınabilir, akıllı ve otonom hale getirdi. CPI'daki değişim artımlı. Endüstriyel bir tesisin işletilmesiyle ilgili doğal sorumluluklar nedeniyle artımlı." diyor Yokogawa Electric Corporation, ABD Kimyasal Piyasalar Başkanı Sergio Fernandes. Bununla birlikte, CPI şirketleri, kısmen kullanıcıların dizüstü bilgisayarlarında çalışan yazılımlardan artık neredeyse her yerden erişilebilen yüksek-performanslı uygulamalara ve araçlara geçişin etkisiyle, dijital teknolojileri geniş ölçekte başarılı bir şekilde dağıttı.
Fernandes, "Bulut bilişim yalnızca CAPEX bütçelerini azaltmakla kalmıyor, aynı zamanda son kullanıcının konumu ne olursa olsun, ister sabit durum ister dinamik olsun,{0}} süreç modellerinin kullanılabilirliğini de kolaylaştırıyor," diye açıklıyor. Ancak dijital tesis modellerinin (ne kadar gelişmiş olursa olsun) kalıcılık açısından tamamen doğru olacağını varsaymamak konusunda uyarıyor. "Endüstriyel süreçler canlı varlıklar gibidir; zamanla değişirler. Dijital ikiz gibi herhangi bir matematiksel temsilin uyarlanması ve bazı mekanizmalar aracılığıyla güncellenmesi gerekecektir. Bunun ötesinde, eninde sonunda atılacaklar. Varlıklar dikkat gerektirir; sürdürülebilirliklerini sürdürmek için bütçelere ihtiyaç duyarlar." diye ekledi. İleriye bakıldığında, giderek daha fazla otonom operasyon ortaya çıktıkça, güvenlik ve sürdürülebilirliğe yönelik acil ihtiyaç, dijital varlıkların yanı sıra insan kaynaklarının da kullanılması sırasında akıllı bir dengenin kurulması gerektiği anlamına geliyor. Fernandes, "Tehlikeli saha operasyonları, tekrarlanan eylemler, rutin faaliyetler, veri toplamak için sahada yapılan gereksiz geziler ve tehlikeli alanlardaki denetimler, mevcut ve gelecek teknolojilerle akıllıca ele alınabilir" dedi ve en son dijital teknolojileri temel öğeler olarak düşünmenin, insanlara daha fazla yeniliğe ilham verebilecek bir mimariyi mümkün kılabileceğini ekledi. "Bu, operasyonların sürekli iyileştirilmesi, bir sonraki kesintinin öngörülmesi ve tüm değer zincirinin optimizasyonu anlamına geliyor." Varlıklara dikkat edilmesi gerekir; Sürdürülebilirliklerini sürdürebilmeleri için bütçelere ihtiyaçları var.” diye ekledi.
ABB Endüstriyel Otomasyon Baş Dijital Sorumlusu Rajesh Ramachandran, bir süreci veya varlığı taklit eden bir yazılım modelinin basitçe geliştirilmesinin dijitalleştirmeden gerçek anlamda yararlanmak için yeterli olmadığını yineledi.. . "Şu anda trend, dijital fabrikalar için endüstriyel yapay zeka ikizlerine doğru. Kendisi, belirli bir süreç senaryosu için bir dizi sonucun nasıl tahmin edilip optimize edileceğine bakıyor ve bu da farklı parametrelere ince-ayar yapma fırsatı veriyor." Ramachandran, saf yapay zekanın endüstriyel ortamlarda "olduğu gibi" uygulanamayacağını ve nihai ürünün kalite spesifikasyonları veya hammadde safsızlıklarının varlığı gibi CPI operasyonlarının karmaşıklığını yakalamak için ilgili alan uzmanlığının gerekli olduğunu vurguluyor. ABB Yetenek Genix yazılım platformu aracılığıyla oluşturulan kognitif bir modelle sonuçlanan uzmanlık. "Genix, bakım, enstrümantasyon ve laboratuvarlar gibi farklı sistemlerden gelen verilere dayanan bilişsel model dediğimiz şeyi oluşturuyor. Bu, daha doğru optimizasyon tahminleri yapılmasına yardımcı olduğu anlamına geliyor." Ramachandran ekledi. Bir tesisin ortalama olarak üretim verilerinin yalnızca yüzde 27'sini kullanabileceğini, ancak mühendislerin zamanlarının yüzde 80'ini veri toplamak için harcayabileceğini gösteren sektör araştırmalarına atıfta bulunarak, gelişmiş yazılım platformlarının bu dengesizlikleri azaltmaya yardımcı olacağını öngördü. . Şöyle diyor: "Temel olarak, maksimum üretkenlik ve operasyonel kazançlar için endüstriyel yapay zekayı geniş ölçekte uygulamamız ve aynı zamanda verileri basitleştirmemiz gereken alanlara değiniyoruz. entegrasyon."
Akıllı platformlar
Son yıllarda daha fazla şirketin endüstriyel yapay zeka ve makine öğrenimi (ML) kullanım örneklerini benimsemesiyle endüstriyel yazılım platformlarının daha güçlü hale geldiğine şüphe yok. Emerson'da (St. Louis, Missouri; ) analiz ve makine öğreniminden sorumlu ürün müdürü Michael Tworzydlo şöyle açıklıyor: "CPI'de bu tür teknolojiler, varlık izlemeden, meşale kulelerini denetleyebilen yapay zeka destekli drone'lara kadar her yere entegre ediliyor." Ancak Tworzydlo, temeldeki mühendislik ilkelerinin öneminin farkına varmadan bu çözümlerin değerinin-aşırı abartılmasına karşı uyarıyor. "Bir kimya mühendisi olarak, bir ısı eşanjörünün nasıl çalıştığını temel alan analiz gibi ilkelere- dayalı bir analizle başlayarak, analitiğin temelleri başlamak için en iyi yerdir. Kuruluş daha sonra daha karmaşık süreçlerle veya tesis genelindeki sorunlarla başa çıkmak için yapay zeka veya makine öğrenimi kullanarak-veri odaklı bir yaklaşıma evrilebilir." Ekledi.
Aspen Technology, Inc.'in kimya endüstrisi direktörü Paige Morse, "Yapay zeka, CPI için güçlü yetenekler sunuyor, ancak bazı şirketler bunu üretim zorluklarına etkili bir şekilde uygulamakta zorlanıyor" diye açıklıyor.
Buna yanıt olarak AspenTech, yapay zekayı yazılım platformuna yerleştirmeye başladı ve bu da onu daha geniş bir kullanıcı yelpazesi için daha erişilebilir hale getirdi.Morse, ilk-ilke mühendisliğini yapay zeka ve alan uzmanlığıyla birleştirmenin, kullanıcıların CPI'de çözülmesi gereken karmaşık sorunlara daha iyi çözümler bulmasına yardımcı olabileceğini belirtiyor.AspenTech'in hibrit modelleme yaklaşımı yalnızca süreçleri optimize etmeye yardımcı olmakla kalmıyor, aynı zamanda mühendislerin özel yumuşak sensörler oluşturmasına, yeni cihazlar tasarlamasına da olanak tanıyor ve varlık-genişindeki süreçleri entegre edin. "Mühendisler artık simülasyon veya tesis verilerinden yararlanmak için zengin modelleri daha hızlı oluşturmak, derin süreç veya yapay zeka uzmanlığı olmadan alan uzmanlığı, mühendislik ilkeleri ve tasarım kısıtlamaları eklemek için makine öğrenimini kullanabilir." Morse dedi. Birçok CPI şirketi meşru beceri açıklarıyla karşı karşıya.
İşgücü açıklarının üstesinden gelmenin yanı sıra sürdürülebilirlik girişimleri de CPI şirketlerinin giderek daha fazla çaba gösterdiği bir alan. Morse, "Maliyet tasarrufları dijitalleştirme çabalarının çoğunu yönlendirdi, ancak şirketler üretim birimlerinden kaynaklanan atık ve emisyonların yanı sıra verimlilik ve güvenilirlik iyileştirmelerine giderek daha fazla odaklanıyor" diyor. Şöyle ekledi: "Süreç simülasyonu, döngüsel ekonominin moleküler geri dönüşüm ve yeni plastik tasarımı gibi teknik zorluklarını karşılayacak yeni ürünlerin geliştirilmesine yardımcı oluyor ve yapay zekanın yardımıyla bu aktivite daha da hızlı."
Bu öngörücü yetenek, Emerson'un Plantweb Optics Analytics platformunun bir işlevi olan ve dijital ikizler ve dağıtılmış dağıtım yoluyla ML ve AI kontrol sistemlerini devreye alan tahmini emisyon izleme sistemleri (PEMS) aracılığıyla hava kirliliğinin azaltılması gibi belirli sürdürülebilirlik hedeflerine ulaşmada giderek daha değerli hale geliyor. "Plantweb Optics Analytics'in bir parçası olarak, modelleri kullanarak emisyonları izlemek ve tahmin etmek için PEMS'i ve üretimi dinamik olarak optimize etmek için ML'yi kullanabiliriz. PEMS ile, yakalanan süreç değişkenlerine dayalı modeller oluşturabilir ve bunları emisyonları tahmin etmek ve sonuçta azaltmak için kullanabiliriz." Tworzydlo dedi.
Yazılımın sürdürülebilirlik stratejisine olan bağlılığı emisyon azaltımlarının ötesine geçiyor. "Atıkları yeniden kullanan veya geri dönüştüren sürdürülebilir ürün ve teknolojilerin yükselişi, süreç simülasyon endüstrisi için yeni sorunlar ve yeni fırsatlar sunan bir büyüme alanıdır. Son zamanlardaki büyüme alanları arasında kenevir türevlerinin süreç simülasyonu (örn. CBD) ve yenilenebilir enerji kaynaklarından emisyonları azaltmaya yönelik geliştirilmiş kontroller yer almaktadır. Kimya endüstrisi için daha köklü büyüme alanları arasında biyoyakıtlar, metan geri kazanımı, CO2 geri kazanımı ve solvent seçimi yer almaktadır." diyor Chemstations Inc.'in (Houston, TX) Teknik Destek Müdürü David Hill.
Hill, süreç simülatörlerine yönelik beklentilerin, CPI'daki yardımcı araçlarla ürün ittifakları oluşturularak daha da artırılabileceğine inanıyor. Süreç simülatörlerini kullanmayan mühendisler genellikle bir süreç simülatörüne bağlanarak geliştirilebilecek araçlara sahiptir. Güvenlik, süreç kontrolü ve enerji sektörlerinde, sektöre özel araçları süreç simülatörlerinin ilk ilkeleriyle-birleştirmek için birçok fırsat var." Hill açıklıyor. Hill, bu değişimin itici güçlerinin sera gazı azaltımı, enerji verimliliği, termodinamik modellere dayalı optimizasyon, gelişmiş güvenlik ve sıkı simülasyon kullanılarak gelişmiş süreç kontrolüne yönelik fırsatları içereceğine inanıyor.
Genişletilmiş Gerçeklik
Yapay zeka ve makine öğreniminin yanı sıra, artırılmış gerçeklik (AR) ve sanal gerçeklik (VR) yazılım platformları da endüstriyel tesislerde yükselişte-ve pandemi sırasında uzaktan çalışmaya yönelik artan talep nedeniyle artık bu tür teknolojileri her zamankinden daha kullanışlı, "lüks" bir öğe olarak görmüyorlar. Pandemi nedeniyle tesislerde daha az insan olması nedeniyle tesisler yeni teknolojileri benimsiyor. ar, dijital bilgiyi gerçek dünyaya aktarabilir, bu da çalışanların görevleri daha doğru ve daha kolay bir şekilde yerine getirmeleri için daha iyi donanıma sahip olmalarına yardımcı olur." Emerson'dan Tworzydlo şunları söyledi. Endüstriyel yazılımlarda yapay zeka, makine öğrenimi ve AR'nin geleceğine gelince, kullanım durumları kesinlikle genişlemeye devam edecek. "Hala kullanılmayan büyük miktarda potansiyel var. Sonunda otonom operasyonlar için belirli süreçleri hedeflemeye başlayacağız.
Aveva Group plc (Cambridge, Birleşik Krallık;), AR ve VR kavramlarını Genişletilmiş Gerçeklik (XR) platformunda bir araya getirdi ve özellikle ilgili uygulamalardan biri de personel eğitimidir. " XR kapsamlı eğitim sistemi, şirketlerin, tesis güvenliği ve performansı açısından kritik öneme sahip, emekli olan deneyimli operatörleri değiştirirken operasyonel bilgileri elde etmelerine ve muhafaza etmelerine olanak tanır. Bu davranışsal eğitim yalnızca ön hat operatörlerine değil, aynı zamanda mühendislere, teknisyenlere ve acil durum müdahale ekiplerine de uygulanabilir." Aveva'nın Baş Bulut Sorumlusu ve Baş Ürün Sorumlusu Ravi Gopinath açıklıyor.
Bir örnekte, Aveva ve Shell (Lahey, Hollanda;) tarafından geliştirilen bir operatör eğitim programı, güvenlik yeterliliklerini geliştirmeye yönelik davranışsal eğitime odaklanıyor. Gopinath şöyle diyor: "Bu davranışsal yaklaşımla, bir operatör, tesiste kazara veya aralıklı bir durumla karşılaştığında nasıl performans gösterdiği konusunda eğitilebilir ve değerlendirilebilir." Başka bir projede Aveva ve Adnoc (Abu Dabi;), bir 120'den fazla kontrol panelini ve 200.000 veri noktasını dev bir etkileşimli ekranda bir araya getiren gerçek-zamanlı veri görselleştirme merkezi.
Eğitim XR'nin potansiyelinin yalnızca bir parçasıdır. Saha personelini desteklemek için AR tablet-tabanlı uygulamalar kullanıldı. Tabletlerdeki VR modellerini gerçek zamanlı bilgilerle ve yönlendirmeli süreçlerle-bağlamak için AR'nin kullanılması, işin daha iyi yürütülmesine olanak tanır, böylece maliyetli arızalardan kaçınılır ve kesinti süreleri azalır. Geleceğe bakıldığında Aveva, XR yazılımının, tasarım aşamasında kullanılan geleneksel 3D tesis modellerinin kapsamlı bir ortama aktarılmasını otomatikleştirerek tesis tasarımını ve sermaye proje mühendisliğini önemli ölçüde geliştirebileceğine inanıyor. VR'ye dönüşüm, herhangi bir ekipman satın almadan önce bile ergonomik tasarımları incelemenize ve geliştirmenize olanak tanıyacaktır. Sanal fabrikalar tamamen bulutta var olabilir ve bu da farklı lokasyonlarda bulunan mühendisler arasında işbirliğine olanak tanır.
ofisler ve hatta farklı kıtalarda.
Yazılım platformlarında veri yakalama ve analiz yeteneklerinin gelişmesiyle birlikte, güçlü analiz araçları, kimya mühendisleri için self-ölçeklenebilir, ölçeklenebilir karar verme araçları haline geldi; kimya mühendisleri, belirli süreç ihtiyaçlarını karşılamak için kendi işlevlerini bunlara dahil edebilir. TrendMiner NV pazarlamadan sorumlu başkan yardımcısı Edwin van Dijk, bu tür demokratikleştirilmiş araçlarla mühendislerin süreçlerinin kalitesini artırmak için farklı kaynaklardan -, toplu kalite vb.. - verilerden yararlanabileceğini söylüyor. farklı kaynaklardan gelen veriler-örneğin, toplu iş kalitesi gibi laboratuvar bilgileri, bakım verileriyle süreç verilerine bağlanabilir. ). "Analitiği demokratikleştirmenin amacı, veriye dayalı kararlar almak için kontrol odasından toplantı odasına kadar her operatörün eyleme geçirilebilir içgörüleri kullanılabilir hale getirmektir-. Kullanıcıların parmak izlerine, monitörlere ve bağlamsal görünümlere dayalı olarak kendi kontrol panellerini oluşturmalarına izin vererek bu, geleneksel kontrol paneli araçlarının ötesine geçer." Van Dijk ekliyor. Model tanıma ile mühendisler operasyonel performansı araştırabilir ve süreç izleme için iyi operasyonel davranışı kullanabilirler. Ayrıca ürün kalitesi spesifikasyonları gibi fiziksel sensörlerin ölçemediği şeyleri izlemek için kendi "yumuşak" sensörlerini oluşturabilirler.
TrendMiner tarafından bildirilen bir veri analitiği başarı öyküsünde, "yapışkan" valflerle karşılaşan bir kimya fabrikası yer alıyordu; bu durum, valf çıkışındaki değişiklikler ile gerçek proses tepkisi arasında gecikmelere neden oluyordu. Tesis, valflerin ne zaman yapışmaya başladığını doğru bir şekilde belirlemek istiyordu, bu nedenle valflerin beklenen davranışından herhangi bir sapmayı izlemeleri ve ardından "normal" ve "kötü" valf davranışı dönemlerini birbirinden ayıracak parametreleri bulmaları gerekiyordu. Bu parametreler,-aşama dışı-davranışlara yönelik uyarılara dönüştürülür; bu, yalnızca personeli durumla ilgili bilgilendirmekle kalmaz, aynı zamanda olası düzeltici eylemleri de önerir. "Süreç uzmanları, self-bir self-servis analiz çözümü kullanarak, yüksek hızlı trend analizini kullanarak üretim sorunlarını aramak ve doğrulamak için yerleşik yapay zeka ve makine öğrenimi yeteneklerini kullanabiliyor-.
Aralarından seçim yapabileceğiniz çok çeşitli yazılım araçları ve mobil uygulamalar olmasına rağmen, bazı kullanıcılar iş ihtiyaçlarını karşılamak için hâlâ son derece özelleştirilmiş çözümlere ihtiyaç duyuyor. Burası-şirket içi programlamanın kullanışlı olabileceği yerdir. JourneyApps (Denver, Colo.;), kullanıcıların kendi kodlarını yazmak için kullanabilecekleri yüksek-verimliliğe sahip bir uygulama geliştirme platformu sunar; bu, programcı olmayanları hedefleyen ve basitlikleri ile sınırlı olan-kodlanmamış uygulama oluşturuculardan daha karmaşık uygulamalarla sonuçlanır.JourneyApps CEO Conrad Hofmeyr şöyle açıklıyor: "Bu, gelişmiş iş mantığının, mühendislik hesaplamalarının ve son derece özelleştirilmiş entegrasyonların, yazılım geliştirmeyle ilgili geleneksel ek yüklerin çoğu olmadan birkaç gün içinde uygulanabileceği anlamına geliyor." Çoğu kimya mühendisinin, Microsoft Excel Makroları veya Matlab gibi araçlar aracılığıyla bazı temel kodlama veya komut dosyası yazma deneyimine sahip olduğunu, dolayısıyla kritik iş işlevlerini otomatikleştiren ve kolaylaştıran karmaşık uygulamalar oluşturmak amacıyla JourneyApps'i kullanmak için gerekli programlama becerilerini hızlı bir şekilde kazanabileceklerini belirtiyor.
Örneğin Hofmeyr, Standart İşletim Prosedürleri (SOP'ler) için özel bir uygulama geliştiren ve bu şirketlerin manuel e-tablo-tabanlı SOP'lardan eksiksiz bir denetim takibine sahip merkezi olarak-kontrol edilen bir uygulamaya geçmelerine olanak tanıyan bir CPI şirketinden bir örnek veriyor. Şöyle ekliyor: "JourneyApps'in sunduğu özelleştirilebilirlik, bireysel küresel uygulamaların yerel ihtiyaçlara ve sistem entegrasyonuna göre özelleştirilebileceği anlamına geliyor." Başka bir örnekte, bir petrol sahası kimyasal üreticisi, kullanıcılar çevrimdışı bir sitede çevrimdışıyken, günlük saha raporlama sürecinde kullanılan önemli hesaplamaları çalıştırmak ve rapor belgeleri oluşturmak için kendi uygulamasını geliştirdi.
Nihai kullanıma bakıyoruz
Gelişmiş yazılım ve modelleme araçları, otomotiv parçalarından ilaca kadar pek çok sektörde daha güvenli, daha verimli son ürünlerin oluşturulmasına da olanak tanıyor. Bunun bir örneği, BASF SE'nin (Ludwigshafen, Almanya) malzeme özelliklerini modellemeye yönelik Ultrasim bilgisayar- destekli mühendislik (CAE) aracıdır; bu araç, ilk işlemden tüm işlem zinciri boyunca bir dizi termoplastik elastomer malzemeyi modellemek üzere yakın zamanda güncellenmiştir. son-kullanım ürünleri. Daha kısa geliştirme döngüleri ve agresif programlar, ürün performansını ilk seferde doğru şekilde elde etmek için mühendisler üzerinde artan bir baskı oluşturuyor. Tahmine dayalı doğruluk çok büyük bir avantajdır," diyor Kuzey Amerika'daki BASF simülasyon mühendisliğinde CAE ekip lideri Marios Lambi.Ultrasim, elastomerik malzemelerden yapılmış otomotiv parçaları için özellikle önemli olduğu kanıtlanmış bileşenlerin başlangıç ve döngüsel yüklemesini simüle edebilir. "Sürünme yüklerinden çarpışma simülasyonlarına, termal yüklere ve titreşim davranışına kadar, prosesin neden olduğu malzeme özelliklerini açıklayan işleme simülasyonları ile birlikte, Ultrasim, hızlı geometri değişikliklerine olanak tanıyan sayısal optimizasyon araçlarının yanı sıra, daha iyi parçalar tasarlamanın temelini atıyor," diye vurguluyor BASF Avrupa'nın Dinamik Yapısal Analiz Takım Lideri Andreas Wüst.
"Malzeme karakterizasyon süreci, gerçek parçaların davranışının tahmininin doğruluğu için gerekli olan gerekli verileri üretir. Bu amaçla geliştirilen teorik malzeme modelleri, testlerden elde edilen bilgiler kullanılarak kalibre ediliyor, böylece davranışın gerçeklikten uzak keyfi bir durumu değil, gerçek üretim koşullarını temsil etmesi sağlanıyor." "Otomotiv koltukları gibi karmaşık montajların çarpışma testine tabi tutulmuş birçok örneği var ve bu testler, doğrulama testlerini geçen parçalar oluşturmak için Ultrasim'in öngörücü doğruluğunu kullanıyor. Bu, geliştirme döngüsünü önemli ölçüde kısaltıyor ve tasarım değişikliklerini ortadan kaldırmasa bile en aza indiriyor" diye ekledi.
Biyofarmasötik bileşenlere ve diğer yüksek-değere sahip ürünlere yönelik Ar-Ge ve kalite analiz laboratuvarlarında yüksek-hassas süreçler için yazılım aracı, bir kuruluşun iş sürekliliği planını (BCP) kolaylaştırmak da dahil olmak üzere çeşitli amaçlarla kullanılabilir. Thermo Fisher Scientific'in Kurumsal Chromeleon Veri Sistemleri Organizasyonu kromatografi yazılımı ürün pazarlama müdürü Barbara van Cann, "Etkili yazılım, laboratuvar denetimleri sırasında risklerin sayısını azaltabilir veya azaltabilir, olay testini basitleştirebilir ve otomatik prosedürler, bir olaydan sonra sistemleri geri yüklemek veya hatta bir olay sırasında çalışır halde tutmak için kullanılabilir; bunların tümü BCP'yi basitleştirir" dedi. Ayrıca laboratuvarlar, bir kromatografi veri sistemi (CDS), bir laboratuvar bilgi yönetim sistemi (LIMS) ve bir laboratuvar yürütme sistemi (LES) içeren entegre yazılımı seçerek BCP'yi daha da basitleştirebilir. van Cann şöyle açıklıyor: "Hem LIMS hem de CDS yazılımı, tek tek parçalar için bile cihazın kalifikasyonunu, kalibrasyonunu ve bakımını izlemeye yönelik araçları sağlamalıdır." CDS yazılımı ayrıca kullanıcıların analitik düzensizliklerle başa çıkmasına yardımcı olmalı ve ağ kesintisi durumunda işlemin insan müdahalesi olmadan devam edebilmesini sağlamak için-yerleşik ağ arıza güvenliği özelliklerine sahip olmalıdır. Siber güvenlik saldırılarından kaynaklanan kesintileri önlemek için Van Cann, e-postadan kaynaklanan olası siber tehditleri önlemek amacıyla laboratuvarların CDS'yi ve diğer yazılımları ana ofis sisteminden ayrı bir alanda çalıştırmasını öneriyor. Son olarak, herhangi bir otomatik yazılım platformunda olduğu gibi insan faktörü de dikkate alınmalıdır. "Kullanıcıların yapabilecekleri ve yapamayacakları, neye erişip erişemeyecekleri kontrol edilerek insan hatası en aza indirilebilir. Ayrıca, mümkün olduğu kadar çok eylemi otomatikleştirecek araçlar mevcut olmalıdır. Daha az kullanıcı etkileşimi, daha az hata demektir." diye ekledi.