Üretimde Yapay Zekâ başlıklı ACD Veri Mühendisliği blog kapak görseli

Üretimde Yapay Zekâ Nedir?

Üretimde yapay zekâ, fabrikadan toplanan makine, kalite, bakım ve planlama verisini kullanarak örüntüleri öğrenen ve bu öğrenmeye dayanarak tahmin, sınıflandırma veya öneri üreten yazılım sistemlerinin genel adıdır. Amaç insanın yerine karar vermek değil, gözden kaçan sinyalleri erken görünür kılarak duruş, fire ve gecikmeleri azaltmaktır.

Kısaca
  • Girdi: makine sinyalleri, duruş kayıtları, ölçüm sonuçları, iş emirleri, enerji sayaçları.
  • Çıktı: arıza tahmini, anomali uyarısı, fire riski, çizelgeleme önerisi, doğal dilde cevap.
  • Ön koşul: otomatik ve kesintisiz veri toplama; elle girilen dağınık veriyle model çalışmaz.
  • Kullananlar: bakım planlayıcı, kalite mühendisi, üretim planlama, fabrika müdürü.
  • Temel fayda: sorunu oluştuktan sonra raporlamak yerine oluşmadan önce haber vermek.

Üretimde Yapay Zekâ Ne İşe Yarar?

Klasik raporlama geçmişi anlatır: dün OEE kaçtı, bu hafta kaç saat duruş oldu. Yapay zekâ ise aynı veriden ileriye dönük bir ifade üretmeye çalışır: bu motorun titreşim örüntüsü son üç gündür normalden sapıyor, bu nedenle önümüzdeki günlerde arıza olasılığı yükseliyor. Fark, raporun okunma zamanı ile müdahale zamanı arasındaki boşluğu kapatmasıdır.

Bunun yanında yapay zekâ, insanın takip edemeyeceği genişlikte veriyi aynı anda gözler. Bir fabrikada yüzlerce makine, binlerce sinyal ve günde on binlerce kayıt üretilir. Bir mühendisin hepsini tek tek incelemesi mümkün değildir; istatistiksel bir model ise sapmayı saniyeler içinde işaretleyebilir.

Yaygın Kullanım Alanları

AlanNe Yapar?Beklenen Kazanım
Kestirimci bakımEkipman davranışındaki sapmayı arıza öncesi yakalarPlansız duruşun azalması
Anomali tespitiÇevrim süresi, sıcaklık, akım gibi verilerde olağandışı örüntüyü işaretlerErken müdahale
Kalite tahminiProses parametreleriyle fire arasındaki ilişkiyi öğrenirHurda ve ıskarta düşüşü
Çizelgeleme optimizasyonuKısıtlar altında daha iyi sıralama önerirSetup süresi ve gecikme azalması
AI asistanDoğal dilde sorulan soruyu veriye çevirirRapor bekleme süresinin kısalması

Ön Koşul: Veri Kalitesi

Yapay zekâ projelerinin çoğu modelde değil veride takılır. Model, kendisine verilen geçmişi öğrenir; geçmiş eksikse veya tutarsızsa öğrenilen şey de yanlış olur. Pratikte şu üç konu belirleyicidir:

  • Otomatik toplama: veri makineden doğrudan alınmalı, vardiya sonunda defterden aktarılmamalı.
  • Etiketleme: duruşların nedeni ve firenin sebebi kodlanmış olmalı; "diğer" kategorisi büyüdükçe model körleşir.
  • Zaman senkronizasyonu: makine, kalite ve iş emri verisi aynı zaman ekseninde olmalı; yoksa neden-sonuç kurulamaz.

Yaygın Hatalar

En sık görülen hata, yapay zekâyı bir başlangıç noktası sanmaktır. Sahadan veri toplama altyapısı kurulmadan model konuşmak, temel atılmadan çatı planlamaya benzer. İkinci hata, modelin çıktısını kimsenin sahiplenmemesidir: uyarı üretilir ama hangi rolün hangi süre içinde ne yapacağı tanımlı değildir, uyarılar birikir ve kısa sürede görmezden gelinir.

Üçüncü hata ise aşırı beklentidir. Yapay zekâ, kötü planlanmış bir üretim akışını düzeltmez; yalnızca mevcut sistemdeki sapmaları daha erken gösterir. İyileştirmeyi yine ekipler yapar.

Nereden Başlamalı?

  1. Tek bir somut problem seçin (örneğin en çok duruş veren üç makine).
  2. O makinelerden otomatik ve yüksek çözünürlüklü veri toplayın.
  3. Duruş ve fire nedenlerini disiplinli şekilde kodlayın.
  4. Önce basit istatistiksel anomali tespiti kurun, sonuçları doğrulayın.
  5. Uyarıyı bir aksiyona bağlayın: kim görecek, ne yapacak, nasıl kapanacak?

Sık Sorulan Sorular

Üretimde yapay zekâya başlamak için ne kadar veri gerekir?
Kesin bir sayı yoktur; belirleyici olan sürenin uzunluğu ve olay çeşitliliğidir. Bir arıza tahmin modeli için o arızanın geçmişte birkaç kez tekrarlanmış ve etiketlenmiş olması gerekir. Pratikte en az birkaç aylık, kesintisiz ve nedeni kodlanmış veri makul bir başlangıçtır.
Yapay zekâ MES'in yerini alır mı?
Hayır. MES, üretimin gerçekleştiği anda veriyi toplayan ve işi yürüten sistemdir; yapay zekâ ise bu verinin üzerine kurulan bir katmandır. Doğru toplanmış MES verisi olmadan model eğitilecek güvenilir kaynak bulunmaz.
Küçük ve orta ölçekli bir fabrika yapay zekâdan yararlanabilir mi?
Evet. Anomali tespiti, duruş örüntüsü analizi veya doğal dilde raporlama gibi uygulamalar büyük veri bilimi ekibi gerektirmez. Önemli olan ölçek değil, verinin düzenli ve makineden otomatik toplanıyor olmasıdır.

EFFIX MES'te Üretimde Yapay Zekâ

EFFIX MES, yapay zekâyı ayrı bir ürün olarak değil, zaten topladığı üretim verisinin üzerine kurulu bir katman olarak ele alır. Kestirimci bakım modülü istatistiksel anomali tespitiyle ekipman davranışındaki sapmayı işaretler; Proaktif Uyarı Sistemi (PAS) bu sapmayı ISA-18.2 yaklaşımıyla bir uyarı kuralına ve ardından bakım iş emri açma gibi somut bir aksiyona bağlar. Menü ve veri bağlamını bilen AI asistan, kullanıcıların doğal dilde sordukları soruları ilgili ekrana ve veriye yönlendirir; kural motoru ve optimizasyon önerileri ise çizelgeleme tarafında karar desteği sağlar. Ayrıntılar için EFFIX MES sayfasını inceleyebilir veya tanıtım/demo talebi oluşturabilirsiniz.