TEKNOLOJİ AÇISINDAN ENDÜSTRİ 4.0 VE UYGULAMALARI

×

Hata mesajı

  • Notice: _bootstrap_glyphicons() (/srv/www/html/sites/all/themes/bootstrap/includes/common.inc dosyasının 771 satırı) içinde Undefined index: 3.0.
  • Warning: _bootstrap_glyphicons() (/srv/www/html/sites/all/themes/bootstrap/includes/common.inc dosyasının 777 satırı) içinde array_merge(): Expected parameter 1 to be an array, null given.
  • Warning: _bootstrap_glyphicons() (/srv/www/html/sites/all/themes/bootstrap/includes/common.inc dosyasının 781 satırı) içinde array_merge(): Expected parameter 1 to be an array, null given.
  • Warning: _bootstrap_glyphicons() (/srv/www/html/sites/all/themes/bootstrap/includes/common.inc dosyasının 841 satırı) içinde array_merge(): Expected parameter 1 to be an array, null given.
  • Warning: _bootstrap_icon() (/srv/www/html/sites/all/themes/bootstrap/includes/common.inc dosyasının 875 satırı) içinde in_array() expects parameter 2 to be array, null given.
  • Warning: _bootstrap_icon() (/srv/www/html/sites/all/themes/bootstrap/includes/common.inc dosyasının 875 satırı) içinde in_array() expects parameter 2 to be array, null given.
İstanbul Şubesi

Yayına Giriş Tarihi

05 Temmuz 2019

İş gücü yoğun sektörlerin üretimlerini gelişmekte olan ülkelere kaydırmasının ardından özellikle Avrupa Birliği bölgesindeki üretim sanayinin ekonomiye olan katkısında ve çalışan sayısında azalma olmuştur. Üretim kalitesi ve lojistik sebeplerin yanı sıra işleri tekrar ülkelerine geri getirme motivasyonuyla tesis verimleri incelendi. Geliştirme yapılacak kısımları belirleme çabaları sonucu endüstride yeni bir sayfa açacak kadar ileri bir çalışma ortaya koyuldu. Bu yazıda bu kavramı ve temas ettiği diğer alanları teknoloji yönünden irdelemeye çalışacağım.

Mehmet Cem Sönmez

Makina Mühendisi

Üretimi en baştan ele almak gerekirse hammaddenin tesise ulaştırılması ilk zorluktur. 4.0 lojistik sorununu farklı bir bakış açısıyla ele alır. Özellikle yapay zekâ kullanımıyla geliştirilen modeller aksama ya da gereksiz stok tutulmasına gerek kalmadan üretimin devam etmesini sağlar.

Tesise gelen ham maddenin üretim hattına ulaştırılması için gerekli durumlarda sahip olduğu sensörlerden aldığı veriyle hareketini kontrol eden robotlar kullanılmaktadır. Ardından her üretim aşamasında hangi parçanın ne kadar sürede, kim tarafından ve hangi teknik detaylarla(üretim yöntemi, uygulanan kuvvet, kullanılan aletin kullanım şekli vb.) üretildiği merkezde toplanmaktadır. Ardından bu veriler üretimi geliştirmek, önleyici bakım tahmini yapmak, üretim tesisinin dijital ikizini oluşturmak ve alternatif üretim senaryoları denemek gibi işlemlerde kullanılır. Üretim süreci ardından, hangi parçanın nereye gittiği, beklenen performans ve sürede çalışıp çalışmadığı kayıt altına alınır. Sonrasında geriye dönük değerlendirme ile makina parkının ve üretim hattının genelinin performans değerleri raporlanır. Ekstra kayba sebep olan makinalarda ise iyileştirme ve yenileme faaliyeteri planlanır.

Üretim şemasını çıkarmamızın ardından, bu süreçte 4.0 kavramının devreye girdiği noktaları değerlendirmeye öncelikle dijital ikiz kavramını açarak başlayalım. Üretim tesisinin tam fonksiyonlu dijital modeline dijital ikiz denmektedir. Bu model ile iş akışı takibi, hatta darboğaz yaşayan noktaların tespiti ve yeni üretim modellerinin denenmesi gibi işlemleri yapabiliyoruz. Üretim aksamadan deneme yapmanın mümkün olması dijital ikizin en büyük avantajı olarak görülmektedir. Özellikle yüksek hızla üretim yapan tesislerde hattı durdurmamanın getirisi yapılan yatırımları hızlı şekilde karşılamaktadır.

Dijital ikiz kavramını açıklığa kavuşturduktan sonra toplanan verilerin temizlenmesi ve işlenmesi bölümünü ele alalım. Her makinadan alınan veri farklı olacağından toplanan verilerin homojen hale getirilmesi gereklidir. Bu işlem sayesinde verilerin büyük veri madenciliğinde ve yapay zekâ model geliştirmesinde kullanımının önü açılır. Verilerin temizlenmesi işlemi dijitalizyon olarak da tanımlanmaktadır.

Kullanıma hazır veri bu aşama sonrasında büyük veri işleme yöntemleriyle anlamlandırılır. Anlık veriler toplanarak gerekli ekipmanda ciddi hasara neden olmadan önleyici bakım uygulanır. Teknik ekibe, proje ortaklarına ve yönetim kademesine rapor olarak sunulur. Sektörde 4.0 kavramının yaygınlaşmasında önemli yere sahip ve rapor öncesi sürece dâhil olan önleyici bakım kısmını biraz daha açmak gerekirse, cihazdan toplanan verinin cihaz karakterine göre değerlendirilmesi ve değerlerin belirli sınırlara ulaşmasıyla bakım ekibinin devreye sokulması esasına dayanır. Kritik hasarın ve zaman kaybının önüne geçilir. Önemli bir makinanın tamamen devre dışı kalması engellenir ve bakım maliyeti kritik hasardan daha az seviyede tutulur.

Büyük veri işlemenin yanı sıra makina öğrenmesi yöntemleri kullanılarak eldeki verilerle ileri dönük tahminler yapabilmek için modeller oluşturulabilir. Özellikle kapasite artışı veya tesisin üst kapasitesine yakın siparişlerde bu modeller kullanılarak gerçekçi tahminler yapılabilir. Bunun yanı sıra görüntü işleme, tekrarlı proseslerde kritik olmayan kararları karar alma mekanizmalarına bırakma gibi uygulamalarla çalışan personelin kritik görevlere daha fazla odaklanmalarını sağlayan yapılar da oluşturulabilir.

4.0 sistemlerinin sağlıklı çalışmasında bu kısma kadar bahsetmediğim ve her adımı ilgilendiren verinin depolanması ve güvenliğinin sağlanmasıdır. Tesis ihtiyaçları, veri hassasiyeti verinin tesis içinde bir noktada ya da bulut hizmetinde tutulması gibi çok fazla kriteri içeren bu süreç mümkünse başlangıçta kesinleştirilmelidir. Günümüzde bulut hizmetlerinin yaygınlaşması ve bu servislerin bir kısmının Nesnelerin İnterneti (IOT - Internet of Things) alanında sunduğu hizmetlerle verinin bulutta saklanması ve uygulamaların bir kısmının bu servisler tarafından yönetilmesi özellikle başlangıç aşamasında ve ilk hizmete geçiş sürecinde kolaylık sağlamaktadır. Bunun yanı sıra özellikle kritik veri içerdiği düşünülen üretim verilerinin tesis içinde depolanması ve işlenmesi daha uygundur.

Gerçek zamanlı veri toplamanın bir avantajı da gerçek zamanlı işlenen verilerin hızlı sonuçlar elde edip gerekli durumlarda hızlı müdahaleye olanak sağlamasıdır. Sıkışık takvimi olan tesislerde anlık değerleri işleme alarak üretim hızının beklenen seviyede olup olmadığı ve gecikme oluşacaksa gecikme miktarının anlık tespit edilmesi üretici prestiji ve marka açısından önem taşımaktadır.

Büyük veri, yapay zekâ, veriyi kullanıma uygun hale getirme, makina öğrenmesi, bulut teknolojisi ve gerçek zamanlı veri işleme gibi temel kavramları ana hatlarıyla anlatmaya çalıştım. Bu yazıyı tanıtım yazısı olarak ele almanızı rica eder ve ilginizi cezbettiyse yönetim ve performans açısından sizi geliştirecek bu konuda bilgilerinizi artırmanızı tavsiye ederim. Özellikle bilgiye kolay ulaşabildiğimiz bu dönemde Türkiye’nin Endüstri 4.0 alanında dünyaya teknoloji ihraç ettiğini görmek dileğiyle.