Dijital Dönüşüm29 dk okuma

Üretimde Dönüşüm: Endüstri 4.0’dan Otonom Operasyona

Özellikle son yıllarda fabrikaların dijitalleşme düzeyi, kullanılan robot sayısı, sensörlerden toplanan veri miktarı ve üretim süreçlerinde yapay zekâdan ne ölçüde yararlanıldığı üzerinden değerlendirilmeye başlandı.

Bilgin Çavuş

Bilgin Çavuş

Bir üretim tesisini ziyaret ettiğimizde çoğu zaman ilk dikkatimizi çeken unsurlar makineler, üretim hatları, robotlar, otomasyon sistemleri ve bu sistemlerin oluşturduğu teknolojik altyapıdır. Özellikle son yıllarda fabrikaların dijitalleşme düzeyi, kullanılan robot sayısı, sensörlerden toplanan veri miktarı ve üretim süreçlerinde yapay zekâdan ne ölçüde yararlanıldığı üzerinden değerlendirilmeye başlandı. Ancak benim için bir fabrikanın ne kadar dijital olduğu ile ne kadar akıllı yönetildiği aynı şey değildir. Bir üretim tesisinde yüzlerce sensör bulunabilir, makineler gerçek zamanlı veri üretebilir, üretim hatları robotlarla çalışabilir ve yöneticiler gelişmiş gösterge panellerinden operasyonları izleyebilir. Buna rağmen üretim planları hâlâ güncel olmayan varsayımlarla hazırlanıyor, bakım kararları arızalar gerçekleştikten sonra alınıyor, kalite sorunları ürün tamamlandıktan sonra fark ediliyor ve farklı departmanlar aynı veriye rağmen farklı kararlar veriyorsa teknolojik yatırımın gerçek dönüşüme ne ölçüde katkı sağladığını sorgulamak gerekir. Çünkü üretimde dönüşümün nihai amacı yalnızca makineleri birbirine bağlamak veya insan emeğini otomasyonla değiştirmek değildir. Asıl amaç, üretim sisteminin değişen koşulları daha erken algılayabilmesini, daha doğru kararlar verebilmesini, operasyonlarını güvenli biçimde uyarlayabilmesini ve bütün bunları sürdürülebilir ekonomik değer oluşturarak gerçekleştirebilmesini sağlamaktır.

Endüstri 4.0 bir teknoloji projesi değil, üretim anlayışının değişimidir

Kurumsal dönüşüm, SAP/ERP, teknoloji, proje yönetimi, yönetişim, satış ve iş geliştirme alanlarında geçen 28 yılı aşkın mesleki yolculuğum boyunca, üretim şirketlerinin teknoloji yatırımlarını değerlendirirken giderek daha fazla önem verdiğim konu, kurulan sistemlerin operasyonel karar alma kapasitesini ne ölçüde geliştirdiği oldu.

Çünkü teknoloji yatırımlarının başarısını yalnızca sistemlerin devreye alınmasıyla değerlendirmek, dönüşümün ekonomik ve organizasyonel boyutunu gözden kaçırmamıza neden olabilir.

Endüstri 4.0 kavramı, 2010'lu yılların başında Almanya'da şekillenen ve üretim sistemlerinin siber-fiziksel sistemler, endüstriyel nesnelerin interneti, veri alışverişi ve dijital entegrasyon aracılığıyla daha bağlantılı ve esnek hâle gelmesini hedefleyen sanayi yaklaşımıyla yaygınlaştı.

Bu yaklaşımın temelinde fiziksel üretim süreçleriyle dijital sistemler arasında daha güçlü bir ilişki kurulması bulunuyor.

Makineler yalnızca üretim yapan ekipmanlar olmaktan çıkarak kendi durumları hakkında veri sağlayan, diğer sistemlerle iletişim kurabilen ve belirli koşullarda otomatik tepkiler verebilen yapılara dönüşüyor.

Ancak Endüstri 4.0'ı yalnızca sensörlerin, robotların ve yazılımların toplamı olarak değerlendirmiyorum.

Bence bu yaklaşımın gerçek önemi, üretim kararlarının daha bütünleşik ve veriye dayalı biçimde alınabilmesine imkân sağlamasıdır.

Örneğin bir üretim hattındaki makinenin performans verisi yalnızca bakım ekibinin kullandığı ayrı bir sistemde kalıyorsa, bu verinin şirketin genel üretim performansına katkısı sınırlı olabilir.

Aynı veri üretim planlama, kalite yönetimi, stok kontrolü ve maliyet analiziyle ilişkilendirildiğinde ise farklı kararları destekleyebilir.

Dolayısıyla dijitalleşmenin gerçek değeri, verinin toplanmasından çok karar süreçlerine nasıl bağlandığında ortaya çıkar.

Otomasyon, dijitalleşme ve otonomi aynı şey değildir

Üretimde dönüşümü değerlendirirken öncelikle üç kavramın birbirinden ayrılması gerektiğini düşünüyorum.

Otomasyon, belirli faaliyetlerin önceden tanımlanmış kurallar veya kontrol mekanizmaları çerçevesinde insan müdahalesi olmadan gerçekleştirilmesini sağlar.

Dijitalleşme, üretim süreçlerinden veri elde edilmesini, bu verilerin işlenmesini ve operasyonların dijital sistemler aracılığıyla yönetilmesini mümkün kılar.

Otonomi ise belirli sınırlar içerisinde sistemin mevcut koşulları algılaması, alternatifleri değerlendirmesi, karar alması ve gerektiğinde faaliyetlerini uyarlayabilmesiyle ilişkilidir.

Bu üç yaklaşım birbirini destekleyebilir, ancak birbirinin yerine geçmez.

Örneğin bir robot kolunun aynı hareketi binlerce kez tekrarlaması otomasyondur.

Robotun performansının sensörlerle izlenmesi ve verilerin üretim yönetim sistemine aktarılması dijitalleşmedir.

Sistemin ürün, kalite, ekipman ve üretim koşullarını değerlendirerek önceden belirlenmiş güvenlik sınırları içerisinde hareketini veya işlem parametrelerini uyarlaması ise daha ileri bir otonomi örneği olabilir.

Ancak otonomiyi sınırsız karar alma yeteneği olarak görmüyorum.

Özellikle endüstriyel ortamlarda fiziksel güvenlik, kalite, düzenleyici gereksinimler ve operasyonel sorumluluklar nedeniyle otonominin sınırlarının açık biçimde tanımlanması gerekir.

Bence geleceğin üretim sistemlerini değerlendirirken asıl soru, fabrikada insan bulunup bulunmayacağı değil, hangi kararların hangi koşullarda sistemlere güvenle devredilebileceğidir.

Üretimde dönüşüm neden artık yalnızca verimlilik meselesi değil?

Sanayi şirketleri uzun yıllardır üretim verimliliğini geliştirmek için yatırım yapıyor.

Makine kullanım oranlarını artırmak, duruş sürelerini azaltmak, kalite hatalarını düşürmek ve üretim maliyetlerini kontrol etmek bu yatırımların temel gerekçeleri arasında bulunuyor.

Ancak günümüzde üretim şirketlerinin karşılaştığı sorunların yalnızca fabrika içerisindeki verimlilikle sınırlı olmadığını düşünüyorum.

Talep dalgalanmaları, tedarik zinciri kesintileri, enerji maliyetleri, nitelikli iş gücü ihtiyacı, müşteri beklentilerinin değişmesi ve ürün çeşitliliğinin artması üretim sistemlerinden daha yüksek uyum kapasitesi beklenmesine neden oluyor.

Örneğin yüksek verimlilikle çalışan bir üretim hattı, müşteri talebindeki değişime yeterince hızlı uyum sağlayamıyorsa şirket için önemli stok veya teslimat sorunları oluşturabilir.

Benzer şekilde bir fabrika kapasitesini yüksek oranda kullanırken yanlış ürünleri üretiyorsa operasyonel performans göstergeleri olumlu görünmesine rağmen ekonomik sonuçlar beklentilerin altında kalabilir.

Bu nedenle üretim dönüşümünü yalnızca birim maliyetin azaltılması üzerinden değerlendirmeyi yeterli bulmuyorum.

Bence dönüşümün gerçek hedefi, verimlilikle birlikte esneklik, kalite, teslimat güvenilirliği, dayanıklılık ve sermaye verimliliğinin geliştirilmesidir.

Ancak bu hedeflerin her zaman aynı yönde hareket etmeyeceğini de kabul etmek gerekir.

Örneğin üretim sisteminde daha fazla esneklik oluşturmak bazı durumlarda ek yatırım veya kapasite maliyeti gerektirebilir.

Bu nedenle üretim stratejisinin hangi performans boyutlarına öncelik vereceği, şirketin rekabet modeli ve müşteri beklentileriyle birlikte değerlendirilmelidir.

Bağlantılı fabrikadan karar verebilen fabrikaya geçiş

Endüstri 4.0 yatırımlarının ilk aşamalarında makinelerin ve üretim sistemlerinin birbirine bağlanması önemli bir hedef olarak öne çıktı.

Sensörler, endüstriyel ağlar, üretim yürütme sistemleri ve veri platformları sayesinde üretim süreçleri hakkında daha fazla bilgi elde edilmeye başlandı.

Ancak verinin görünür olması, otomatik olarak daha iyi karar alındığı anlamına gelmez.

Bir üretim yöneticisinin ekranında onlarca performans göstergesi bulunabilir.

Fakat bu göstergeler arasında hangi ilişkinin önemli olduğu, hangi sapmanın müdahale gerektirdiği ve hangi kararın ekonomik açıdan daha doğru olduğu açık değilse veri miktarının artması yönetim karmaşıklığını da artırabilir.

Bence bağlantılı fabrikadan akıllı fabrikaya geçişin temel farkı burada ortaya çıkar.

Bağlantılı fabrika ne olduğunu daha iyi görebilir.

Akıllı fabrika neden olduğunu anlamaya ve ne olabileceğini öngörmeye çalışır.

Daha yüksek otonomiye sahip fabrika ise belirli koşullarda hangi eylemin gerçekleştirilmesi gerektiğini değerlendirerek kontrollü biçimde uygulayabilir.

Ancak bu aşamaların her üretim süreci için aynı sırayla veya aynı düzeyde gerçekleştirilmesi gerektiğini düşünmüyorum.

Bazı üretim süreçlerinde güvenilir veri görünürlüğü ve standart otomasyon yeterli ekonomik fayda sağlayabilir.

Bazılarında ise gelişmiş optimizasyon ve otonom karar mekanizmaları anlamlı olabilir.

Bu nedenle teknoloji olgunluğunun tek başına yatırım gerekçesi olarak kullanılmasını doğru bulmuyorum.

Üretim dönüşümünün başlangıç noktası: Operasyonel problem

Bir üretim şirketinin dijital dönüşüm programına başlarken öncelikle hangi teknolojiyi kullanacağını değil, hangi operasyonel problemi çözmek istediğini belirlemesi gerektiğine inanıyorum.

Örneğin bir fabrikada plansız duruşlar yüksekse, temel problem ekipman güvenilirliği olabilir.

Kalite hataları yüksekse süreç kararlılığı, ölçüm sistemleri veya üretim parametreleri öncelikli olabilir.

Stok seviyeleri yüksek ve teslimat performansı düşükse planlama, talep yönetimi veya tedarik zinciri koordinasyonu daha önemli olabilir.

Enerji maliyetleri yüksekse ekipman verimliliği, üretim sıralaması ve enerji tüketim profili değerlendirilmelidir.

Bu problemlerin her biri farklı teknoloji ve organizasyon çözümleri gerektirebilir.

Bence bütün üretim tesislerine aynı Endüstri 4.0 uygulamalarını önermek, teknoloji odaklı fakat ekonomik gerekçesi zayıf dönüşüm programları oluşturabilir.

Bu nedenle ilk aşamada operasyonel performansın mevcut durumu, temel darboğazlar, veri kalitesi ve ekonomik kayıp alanları birlikte değerlendirilmelidir.

Ancak her problemin çözümünün mutlaka yapay zekâ veya gelişmiş otomasyon gerektirdiğini de düşünmüyorum.

Bazı durumlarda süreç standardizasyonu, bakım disiplini, çalışan eğitimi veya mevcut sistemlerin daha etkin kullanılması daha yüksek yatırım getirisi sağlayabilir.

OEE önemli bir göstergedir, ancak fabrikanın bütün başarısını açıklamaz

Üretim performansının değerlendirilmesinde sık kullanılan göstergelerden biri OEE, yani Overall Equipment Effectiveness olarak bilinen Toplam Ekipman Etkinliği'dir.

OEE, kullanılabilirlik, performans ve kalite bileşenlerinin çarpımıyla hesaplanır.

Bu yaklaşım ekipman kayıplarının değerlendirilmesi açısından yararlı olabilir.

Ancak OEE'nin bütün üretim sisteminin ekonomik başarısını tek başına gösterdiğini düşünmüyorum.

Örneğin belirli bir makinenin OEE değerini artırmak için daha uzun üretim partileri oluşturulabilir.

Bu durum ekipmanın kullanım performansını geliştirebilir.

Ancak aynı zamanda ara stokları artırabilir, teslimat esnekliğini azaltabilir veya üretim sisteminin başka bir noktasında darboğaz oluşturabilir.

Benzer şekilde bir makinenin yüksek OEE ile çalışması, şirketin doğru ürün karmasını ürettiğini garanti etmez.

Bu nedenle OEE'yi teslimat performansı, üretim çevrim süresi, hurda oranı, darboğaz kapasitesi, stok seviyesi ve finansal sonuçlarla birlikte değerlendirmeyi önemli buluyorum.

Bence üretim dönüşümünde en önemli konulardan biri, yerel optimizasyonla sistemin bütünündeki iyileşmeyi birbirinden ayırabilmektir.

Çünkü tek bir makinenin daha hızlı çalışması, fabrikanın daha fazla ekonomik değer ürettiği anlamına gelmeyebilir.

ERP, MES ve OT sistemleri neden birlikte düşünülmeli?

Üretimde dijital dönüşümün önemli zorluklarından biri, farklı yönetim seviyelerinde çalışan sistemlerin bütünleştirilmesidir.

ERP sistemleri şirketin finans, satın alma, satış, stok, maliyet ve planlama süreçlerini destekler.

MES olarak adlandırılan üretim yürütme sistemleri, üretim emirlerinin uygulanması, operasyonel izlenebilirlik, üretim verilerinin toplanması ve saha faaliyetlerinin yönetilmesi gibi işlevler üstlenebilir.

SCADA, PLC ve diğer operasyonel teknoloji sistemleri ise fiziksel üretim süreçlerinin izlenmesi ve kontrol edilmesinde rol oynar.

Ancak bu sistemlerin görevleri her tesiste aynı şekilde ayrılmayabilir.

Kullanılan teknoloji mimarisi, üretim tipi ve sistemlerin yetenekleri farklılık gösterebilir.

Bence önemli olan bütün işlevleri tek bir yazılım platformuna taşımak değildir.

Asıl önemli olan, iş kararlarıyla üretim sahasındaki gerçek olaylar arasında güvenilir veri ve süreç bağlantısı kurmaktır.

Örneğin ERP sistemi üretim emrini oluşturabilir.

MES üretimin gerçekleşmesini takip edebilir.

Saha sistemleri makine performansını ve üretim koşullarını izleyebilir.

Kalite yönetimi ise ürünün belirlenen şartları karşılayıp karşılamadığını değerlendirebilir.

Bu sistemler arasında doğru bağlantı kurulmadığında üretim planları sahadaki gerçek koşulları yeterince yansıtmayabilir.

Bence geleceğin akıllı fabrikasında ERP, MES ve OT sistemlerinin birbirine rakip platformlar olarak değil, farklı sorumluluklara sahip bütünleşik bir işletim mimarisinin parçaları olarak değerlendirilmesi gerekir.

ISA-95 yaklaşımı neden hâlâ önemli?

Üretim sistemleriyle kurumsal yönetim sistemleri arasındaki entegrasyonun yeni bir konu olmadığını hatırlatmak istiyorum.

ISA-95 ve IEC 62264 standart ailesi, kurumsal sistemlerle üretim operasyonları arasındaki işlevsel ve bilgi alışverişi ilişkilerini tanımlamak için uzun süredir kullanılan önemli bir referans çerçevesidir.

Bence bu yaklaşımın günümüzde de önemli olmasının nedeni, üretim dönüşümünün yalnızca yeni teknolojilerle ilgili olmadığını göstermesidir.

Hangi sistemin hangi bilgiyi yöneteceği, hangi olayın hangi seviyede işleneceği ve hangi kararın hangi sorumluluk altında alınacağı hâlâ temel mimari sorularıdır.

Yapay zekâ ve otonom ajanlar bu mimariye yeni yetenekler ekleyebilir.

Ancak bu durum veri sahipliği, sistem sınırları ve operasyonel sorumlulukların önemini ortadan kaldırmaz.

Tam tersine, kararların daha fazla otomatikleştirildiği ortamlarda bu sınırların daha açık tanımlanması gerekebilir.

Bu nedenle üretim dönüşümünde standartlara dayalı mimari yaklaşımın, teknoloji bağımsızlığı ve uzun vadeli sürdürülebilirlik açısından önemli olduğunu düşünüyorum.

Dijital ikiz: Fabrikanın sanal kopyasından daha fazlası

Dijital ikiz kavramı üretim dönüşümünde giderek daha fazla gündeme geliyor.

Ancak dijital ikizi yalnızca fabrikanın üç boyutlu görsel modeli olarak değerlendirmiyorum.

Dijital ikiz, fiziksel bir varlık, süreç veya sistemle ilişkili verileri kullanarak belirli analiz, izleme, tahmin veya simülasyon faaliyetlerini destekleyen dijital bir temsil olarak düşünülebilir.

Örneğin bir üretim hattının dijital modeli, farklı üretim sıralamalarının kapasite üzerindeki etkisini değerlendirmek için kullanılabilir.

Bir ekipmanın dijital temsili, çalışma koşullarının performans ve bakım ihtiyaçlarıyla ilişkisini incelemeye yardımcı olabilir.

Bir fabrikanın süreç modeli ise üretim akışı, darboğazlar ve kaynak kullanımına ilişkin senaryoların değerlendirilmesini destekleyebilir.

Ancak her dijital ikizin gerçek zamanlı, yüksek doğruluklu ve otomatik karar verebilen bir sistem olduğunu varsaymak doğru değildir.

Modelin güvenilirliği kullanılan veriye, fiziksel sistemin temsil edilme düzeyine ve modelin hangi amaçla geliştirildiğine bağlıdır.

Bence dijital ikiz yatırımlarında ilk soru, fabrikanın ne kadar etkileyici biçimde görselleştirileceği değil, hangi kararların daha güvenilir alınmasına yardımcı olacağıdır.

Çünkü karar süreçlerine katkı sağlamayan karmaşık bir dijital model, yüksek geliştirme maliyetine rağmen sınırlı ekonomik değer oluşturabilir.

Kestirimci bakım: Arızayı tahmin etmek yeterli mi?

Kestirimci bakım, üretimde yapay zekâ ve veri analitiğinin önemli kullanım alanlarından biridir.

Makine titreşimi, sıcaklık, akım, basınç ve diğer çalışma verileri kullanılarak ekipman durumunun değerlendirilmesi ve belirli arıza risklerinin öngörülmesi hedeflenebilir.

Ancak bir arızanın önceden tahmin edilmesiyle bakım performansının iyileştirilmesi arasında önemli bir fark bulunduğunu düşünüyorum.

Örneğin bir analitik model, belirli bir ekipmanda arıza olasılığının yükseldiğini gösterebilir.

Ancak bakım ekibinin gerekli yedek parçaya erişimi yoksa, üretim planında bakım için uygun zaman oluşturulamıyorsa veya uyarıların güvenilirliği yeterli değilse beklenen operasyonel fayda gerçekleşmeyebilir.

Bu nedenle kestirimci bakımın yalnızca veri bilimi projesi olarak yönetilmesini doğru bulmuyorum.

Bakım stratejisi, ekipman kritiklik analizi, iş emri yönetimi, yedek parça planlaması ve üretim koordinasyonu birlikte değerlendirilmelidir.

Ayrıca tahmin modellerinin yanlış pozitif ve yanlış negatif sonuçları da ekonomik açıdan önemlidir.

Gereksiz bakım müdahaleleri maliyet oluşturabilir.

Kaçırılan kritik arızalar ise üretim kaybı veya güvenlik riski doğurabilir.

Bence kestirimci bakımın başarısı yalnızca model doğruluğuyla değil, toplam bakım maliyeti, plansız duruşlar, ekipman güvenilirliği ve operasyonel risk üzerindeki etkisiyle değerlendirilmelidir.

Yapay zekâ ile kalite yönetimi nasıl değişebilir?

Kalite yönetimi, üretimde yapay zekâ uygulamalarının önemli fırsatlar sunduğu alanlardan biridir.

Görüntü işleme sistemleri belirli ürün hatalarının tespit edilmesini destekleyebilir.

İstatistiksel modeller üretim parametreleriyle kalite sonuçları arasındaki ilişkileri analiz edebilir.

Makine öğrenmesi yaklaşımları belirli koşullarda kalite sapmalarını daha erken fark etmeye yardımcı olabilir.

Ancak kalite kontrolünün otomatikleştirilmesiyle kalite problemlerinin ortadan kaldırılması aynı şey değildir.

Örneğin görüntü işleme sistemi hatalı ürünleri daha hızlı ayırabilir.

Bu önemli bir iyileşme olabilir.

Ancak hataların oluşmasına neden olan süreç koşulları değişmiyorsa şirket hâlâ hurda, yeniden işleme ve kapasite kaybı maliyetlerine katlanabilir.

Bence daha ileri dönüşüm yaklaşımı, kalite hatalarını yalnızca tespit etmekten süreç içerisinde önlemeye doğru ilerlemektir.

Bu amaçla üretim parametreleri, ekipman durumu, malzeme özellikleri ve çevresel koşullar birlikte analiz edilebilir.

Ancak yapay zekâ modelinin önerdiği parametre değişikliklerinin fiziksel süreçte güvenli ve geçerli olduğunun doğrulanması gerekir.

Özellikle yüksek riskli veya düzenlemeye tabi üretimlerde model çıktılarının doğrudan kontrol sistemlerine aktarılması dikkatli mühendislik değerlendirmesi gerektirir.

Üretim planlama neden otonom operasyonun merkezindedir?

Üretim planlama, fabrikanın farklı kaynaklarını ortak hedefler doğrultusunda koordine eden önemli yönetim faaliyetlerinden biridir.

Talep, kapasite, malzeme, iş gücü, bakım, enerji ve teslimat koşulları üretim planlarını etkileyebilir.

Geleneksel planlama yaklaşımlarında bu değişkenler belirli dönemlerde değerlendirilerek planlar oluşturulur.

Ancak gerçek üretim ortamında koşullar sürekli değişebilir.

Bir makine arızalanabilir.

Kritik malzeme gecikebilir.

Müşteri siparişinin önceliği değişebilir.

Enerji maliyetleri farklılaşabilir.

Bence daha yüksek otonomiye sahip üretim sistemlerinin önemli yeteneklerinden biri, bu değişiklikleri değerlendirerek planlama seçeneklerini yeniden oluşturabilmesidir.

Ancak planlama sisteminin her değişikliğe otomatik tepki vermesi her zaman doğru değildir.

Çünkü sürekli plan değişikliği operasyonel kararsızlık oluşturabilir.

Bu nedenle otonom planlama yaklaşımında karar sıklığı, değişiklik maliyeti, üretim kararlılığı ve yönetim yetkileri birlikte değerlendirilmelidir.

Bence amaç bütün planlama kararlarını insandan almak değil, belirli kararları daha hızlı ve güvenilir biçimde desteklemek veya uygun koşullarda otomatikleştirmektir.

Otonom operasyonun sınırları nerede başlamalı?

Otonom üretim kavramı çoğu zaman insan müdahalesi olmadan çalışan fabrikalarla ilişkilendiriliyor.

Ancak ben bu yaklaşımı daha dikkatli değerlendirmek gerektiğini düşünüyorum.

Çünkü endüstriyel ortamlarda bütün kararlar aynı risk düzeyine sahip değildir.

Örneğin düşük riskli bir üretim çizelgeleme önerisinin otomatik uygulanmasıyla yüksek sıcaklık, basınç veya hareketli ekipman içeren bir prosesin kontrol parametrelerinin değiştirilmesi aynı güvenlik gereksinimlerine sahip değildir.

Bu nedenle otonomiyi karar türlerine göre değerlendirmek gerekir.

Bazı kararlar yalnızca öneri olarak sunulabilir.

Bazıları insan onayıyla uygulanabilir.

Bazıları önceden tanımlanmış sınırlar içerisinde otomatik gerçekleştirilebilir.

Güvenlik açısından kritik kararlar ise özel kontrol sistemleri, mühendislik doğrulaması ve bağımsız koruma mekanizmaları gerektirebilir.

Bence otonom operasyonun gerçek olgunluğu, sistemin ne kadar çok kararı kendi başına aldığıyla değil, hangi kararları hangi güvenlik ve hesap verebilirlik koşullarında alabildiğiyle ölçülmelidir.

Bu nedenle yapay zekâ tabanlı karar mekanizmalarının güvenlik sertifikalı kontrol sistemlerinin veya bağımsız emniyet fonksiyonlarının yerine otomatik olarak geçebileceğini varsaymıyorum.

Endüstriyel siber güvenlik neden dönüşümün temel şartıdır?

Üretim sistemlerinin daha fazla bağlantılı hâle gelmesi önemli operasyonel fırsatlar oluştururken yeni siber güvenlik riskleri de doğurabilir.

Örneğin geçmişte dış ağlardan büyük ölçüde ayrı çalışan üretim ekipmanları, veri toplama, uzaktan bakım veya merkezi yönetim amacıyla yeni bağlantılara sahip olabilir.

Bu bağlantılar görünürlük ve operasyonel kolaylık sağlayabilir.

Ancak erişim kontrolleri, ağ segmentasyonu, kimlik yönetimi ve güvenlik izleme yeterli değilse saldırı yüzeyi genişleyebilir.

Bence üretimde siber güvenliğin yalnızca bilgi teknolojileri departmanının sorumluluğu olarak değerlendirilmesi eksiktir.

Çünkü OT ortamlarında güvenlik olayları bilgi kaybının ötesinde üretim duruşlarına, ekipman hasarına veya fiziksel güvenlik risklerine yol açabilir.

Bu nedenle IT ve OT güvenlik yaklaşımlarının birlikte ele alınması gerekir.

Ancak kurumsal bilgi teknolojileri ortamlarında kullanılan her güvenlik kontrolünün üretim sistemlerine aynı şekilde uygulanabileceğini de düşünmüyorum.

Bazı eski endüstriyel sistemler güncelleme, kimlik doğrulama veya ağ yönetimi açısından farklı kısıtlara sahip olabilir.

Bu nedenle IEC 62443 gibi endüstriyel güvenlik standartlarından yararlanılarak risk temelli güvenlik mimarisi oluşturulması önemlidir.

Bence otonom operasyonun ön koşullarından biri, güvenilir ve dayanıklı bir dijital altyapıdır.

İnsan faktörü ortadan kalkmıyor, rol değiştiriyor

Üretimde otonominin artmasıyla birlikte çalışanların rolünün nasıl değişeceği önemli bir tartışma konusu.

Ancak teknolojik gelişmelerin bütün üretim rollerini aynı biçimde etkileyeceğini düşünmüyorum.

Bazı tekrarlı faaliyetler daha fazla otomatikleştirilebilir.

Bazı çalışanların görevleri sistem izleme, problem çözme, bakım, veri yorumlama ve süreç iyileştirme alanlarına kayabilir.

Bazı uzmanlıklar ise fiziksel süreçlerin karmaşıklığı, güvenlik gereksinimleri ve beklenmeyen durumlar nedeniyle önemini koruyabilir.

Bence üretim şirketlerinin bu değişimi yalnızca personel sayısının azaltılması açısından değerlendirmesi eksik bir yaklaşımdır.

Çünkü otomasyonun ekonomik etkisi kapasite, kalite, güvenlik, üretim esnekliği ve yeni yetkinlik ihtiyaçları üzerinden de ortaya çıkabilir.

Örneğin bir operatörün tekrarlı veri girişlerinden kurtulması, doğrudan personel giderinin azalması anlamına gelmeyebilir.

Ancak aynı çalışanın süreç sapmalarını daha erken değerlendirmesi veya kalite iyileştirme faaliyetlerine daha fazla zaman ayırması farklı ekonomik faydalar oluşturabilir.

Bence geleceğin üretim organizasyonlarında önemli olan, insan ile teknolojinin hangi görevleri daha güvenilir ve verimli biçimde gerçekleştirebileceğini doğru belirlemektir.

Endüstri 5.0, Endüstri 4.0'ın yerine mi geçiyor?

Son yıllarda Endüstri 5.0 kavramı da üretimin geleceğine ilişkin tartışmalarda daha fazla yer alıyor.

Avrupa Komisyonu tarafından öne çıkarılan Endüstri 5.0 yaklaşımı, insan merkezlilik, sürdürülebilirlik ve dayanıklılık boyutlarına vurgu yapıyor.

Ancak Endüstri 5.0'ı Endüstri 4.0'ın tamamen sona erdiği ve yerine yeni bir teknoloji neslinin geçtiği şeklinde değerlendirmiyorum.

Bence iki yaklaşım arasında tamamlayıcı bir ilişki kurulabilir.

Endüstri 4.0 bağlantılı ve veri odaklı üretim yeteneklerinin gelişimini desteklerken Endüstri 5.0 bu yeteneklerin insan, çevre ve ekonomik dayanıklılık açısından nasıl kullanılacağını daha geniş bir çerçevede ele alıyor.

Örneğin yüksek düzeyde otomatikleştirilmiş bir fabrikanın enerji tüketimi, çalışan güvenliği ve tedarik zinciri dayanıklılığı yeterince yönetilmiyorsa yalnızca teknolojik olgunluğuna bakarak başarılı olduğunu söylemek güçtür.

Bence üretimin geleceğinde teknolojik kapasite kadar bu kapasitenin hangi amaçlarla kullanıldığı da önem kazanacaktır.

Enerji verimliliği ve sürdürülebilir üretim

Enerji tüketimi, birçok üretim sektöründe önemli maliyet ve çevresel etki alanlarından biridir.

Bu nedenle üretim dönüşümünün enerji yönetimiyle daha güçlü biçimde ilişkilendirilmesi gerektiğini düşünüyorum.

Örneğin üretim hatlarının çalışma zamanları, ekipman yükleri, proses parametreleri ve enerji tüketimi birlikte değerlendirilebilir.

Belirli koşullarda üretim sıralamasının veya ekipman kullanımının değiştirilmesi enerji maliyetlerini azaltabilir.

Ancak enerji tüketimini azaltan her kararın toplam ekonomik sonucu iyileştireceğini varsaymıyorum.

Örneğin enerji tasarrufu sağlamak amacıyla üretimin ertelenmesi teslimat performansını veya kapasite kullanımını olumsuz etkileyebilir.

Bu nedenle enerji optimizasyonunun üretim planlama, kalite, kapasite ve müşteri gereksinimleriyle birlikte değerlendirilmesi gerekir.

Ayrıca enerji tüketimindeki azalma ile karbon emisyonlarındaki azalma her zaman aynı oranda gerçekleşmez.

Elektrik üretim kaynakları, tüketim zamanları ve kullanılan emisyon hesaplama yöntemleri sonuçları etkileyebilir.

Bence sürdürülebilir üretim hedeflerinin ekonomik ve çevresel göstergelerle birlikte yönetilmesi önemlidir.

Üretimde yapay zekâ ajanları nasıl çalışabilir?

AI ajanları, üretim operasyonlarının geleceğinde önemli bir uygulama alanı oluşturabilir.

Ancak ajan kavramını yalnızca sorulara yanıt veren bir sohbet sistemi olarak değerlendirmiyorum.

Bir üretim ajanı belirli veri kaynaklarını izleyebilir, olayları değerlendirebilir, analiz yapabilir, alternatif eylemler önerebilir ve yetkilendirilmiş iş akışlarını gerçekleştirebilir.

Örneğin bir bakım ajanı ekipman performansını izleyerek bakım ihtiyacına ilişkin değerlendirme oluşturabilir.

Bir üretim planlama ajanı sipariş, kapasite ve malzeme durumunu analiz ederek alternatif çizelgeler önerebilir.

Bir kalite ajanı üretim verilerindeki sapmaları inceleyerek olası nedenleri araştırabilir.

Bir enerji yönetimi ajanı belirli üretim koşullarında tüketim optimizasyonu seçenekleri geliştirebilir.

Ancak bu ajanların aynı yetki düzeyine sahip olması gerektiğini düşünmüyorum.

Örneğin bakım ajanının bir iş emri taslağı oluşturmasıyla kritik bir ekipmanı durdurma kararı vermesi farklı risk düzeylerine sahiptir.

Bu nedenle ajanların yetkileri, veri erişimleri, onay mekanizmaları ve işlem kayıtları açık biçimde tasarlanmalıdır.

Bence AI-native üretim mimarisinde ajanlar mevcut ERP, MES, bakım ve veri sistemlerinin yerine geçmekten çok, bu sistemler arasında belirli karar ve iş akışlarını koordine eden yeni bir yetenek katmanı oluşturabilir.

Ancak böyle bir mimarinin güvenilirliği, sistem entegrasyonlarının doğruluğuna ve operasyonel kontrol mekanizmalarının yeterliliğine bağlıdır.

Otonom fabrikaya geçiş için bir olgunluk yaklaşımı

Üretim şirketlerinin otonom operasyon hedefini tek aşamalı bir teknoloji yatırımı olarak değerlendirmesini doğru bulmuyorum.

Bence daha anlamlı yaklaşım, mevcut yeteneklerin ve operasyonel ihtiyaçların aşamalı biçimde geliştirilmesidir.

İlk aşamada üretim süreçlerinin güvenilir biçimde ölçülebilmesi ve temel verilerin elde edilebilmesi gerekir.

İkinci aşamada farklı sistemler arasında veri ve süreç bağlantıları kurulabilir.

Üçüncü aşamada gelişmiş analitik ve tahmin yetenekleri belirli operasyonel kararları destekleyebilir.

Dördüncü aşamada optimizasyon modelleri ve karar destek sistemleri alternatif eylemler önerebilir.

Beşinci aşamada düşük riskli ve iyi tanımlanmış kararlar belirli güvenlik sınırları içerisinde otomatikleştirilebilir.

Daha ileri aşamalarda ise farklı üretim fonksiyonlarının koordinasyonu, güvenilir veri ve kontrol mimarisi üzerinde daha yüksek düzeyde otonomiye ulaşabilir.

Ancak bu aşamaları bütün fabrikalar için geçerli resmî bir olgunluk standardı olarak sunmuyorum.

Bu, üretim dönüşümünün planlanmasını kolaylaştırmak amacıyla önerdiğim kavramsal bir yaklaşımdır.

Bence asıl önemli olan, her aşamada elde edilen ekonomik ve operasyonel faydanın doğrulanmasıdır.

Çünkü daha yüksek otonomi düzeyi, her zaman daha yüksek yatırım getirisi anlamına gelmez.

Otonom operasyonun finansal değeri nasıl ölçülmeli?

Üretim dönüşümünün ekonomik değerlendirmesinde yalnızca teknoloji yatırım maliyetine bakmanın yeterli olmadığını düşünüyorum.

Örneğin plansız duruşların azalması üretim kapasitesini artırabilir.

Ancak bu kapasite artışının ekonomik değeri, üretimin gerçek darboğazının nerede olduğuna ve ek üretimin satılıp satılamayacağına bağlıdır.

Benzer şekilde hurda oranının azalması malzeme, enerji ve yeniden işleme maliyetlerini düşürebilir.

Ancak kalite iyileşmesinin finansal etkisi ilgili maliyet yapısına göre hesaplanmalıdır.

Stok seviyelerinin azalması işletme sermayesini serbest bırakabilir.

Fakat bu tutarın tamamını her yıl tekrar eden faaliyet kârı artışı olarak değerlendirmek doğru değildir.

Bence üretim dönüşümünün ekonomik faydaları; maliyet tasarrufu, kapasite kazanımı, gelir katkısı, işletme sermayesi etkisi, risk azaltımı ve stratejik yetenek gelişimi olarak ayrıştırılmalıdır.

Ayrıca sensörler, ağ altyapısı, yazılım lisansları, veri platformları, model geliştirme, siber güvenlik, bakım ve çalışan eğitimleri gibi maliyetler toplam sahip olma maliyetine dahil edilmelidir.

Bu nedenle üretimde yapay zekâ ve otonomi yatırımlarının finansal iş vakasının, teknoloji satın alma kararından önce oluşturulmasını önemli buluyorum.

Kurgusal örnek: Bir üretim tesisinin otonomi yolculuğu

Konuyu somutlaştırmak için tamamen varsayımsal bir üretim tesisi düşünelim.

Bu tesisin farklı ürün ailelerini aynı üretim hatlarında işlediğini, plansız duruşlar yaşadığını, kalite sapmalarının belirli dönemlerde arttığını ve üretim planlarının sık sık manuel olarak güncellendiğini varsayalım.

Şirket yönetimi Endüstri 4.0 yatırımlarıyla üretim performansını geliştirmek istiyor olsun.

İlk yaklaşım, bütün makineleri sensörlerle donatmak ve kapsamlı bir veri platformu kurmak olabilir.

Ancak ben böyle bir durumda öncelikle en önemli ekonomik kayıpların nerede oluştuğunu değerlendirmeyi tercih ederdim.

Örneğin üretim kaybının büyük bölümü belirli kritik makinelerdeki plansız duruşlardan kaynaklanıyorsa ilk yatırımın bu ekipmanlara odaklanması daha anlamlı olabilir.

Ardından bakım verileri, üretim planları ve ekipman performansı arasında bağlantı kurulabilir.

Elde edilen veriler güvenilir hâle geldikten sonra belirli arıza türleri için kestirimci modeller geliştirilebilir.

Bu modellerin önerileri bakım ekipleri tarafından doğrulanabilir.

Daha sonra güvenilirliği kanıtlanan belirli iş akışları otomatikleştirilebilir.

Benzer şekilde kalite sorunlarının yoğunlaştığı bir üretim aşamasında görüntü işleme veya süreç analitiği kullanılabilir.

Ancak bütün bu çalışmaların aynı anda başlatılması gerektiğini düşünmüyorum.

Bence daha doğru yaklaşım, kritik ekonomik problemleri belirlemek, sınırlı pilotlarla çözümün etkisini doğrulamak ve başarılı uygulamaları kontrollü biçimde ölçeklendirmektir.

Bu örnekte fabrikanın gelecekte daha yüksek otonomi düzeyine ulaşması mümkün olabilir.

Ancak bu yolculuğun başarısı, kullanılan yapay zekâ modeli sayısıyla değil, üretim performansı ve ekonomik sonuçların nasıl değiştiğiyle değerlendirilmelidir.

Bu örnek tamamen kurgusaldır ve herhangi bir gerçek üretim tesisinin performansını temsil etmemektedir.

İlk 90 günde üretim dönüşümü nasıl başlatılabilir?

Bir üretim şirketinin Endüstri 4.0'dan otonom operasyona geçiş için ilk 90 günde bütün teknolojik altyapısını değiştirmesi gerektiğini düşünmüyorum.

Bence ilk aşamada üretim sisteminin mevcut durumu ve ekonomik kayıp alanları anlaşılmalıdır.

İlk 30 günlük dönemde kritik üretim süreçleri, ekipmanlar, veri kaynakları, teknoloji sistemleri ve performans göstergeleri değerlendirilebilir.

Plansız duruşlar, kalite kayıpları, kapasite darboğazları, enerji tüketimi ve stok etkileri incelenebilir.

Ayrıca veri kalitesi, OT güvenliği ve mevcut ERP/MES entegrasyonları gözden geçirilebilir.

İkinci 30 günlük dönemde sınırlı sayıda yüksek öncelikli kullanım alanı seçilebilir.

Örneğin kritik ekipmanlarda bakım analitiği, belirli üretim hatlarında kalite izleme veya planlama optimizasyonu gibi konular değerlendirilebilir.

Ancak kullanım alanlarının yalnızca teknolojik uygulanabilirliğe göre seçilmesini yeterli bulmuyorum.

Beklenen ekonomik fayda, veri erişilebilirliği, operasyonel risk ve uygulama maliyeti birlikte değerlendirilmelidir.

Son 30 günlük dönemde seçilen kullanım alanı için kontrollü pilot uygulanabilir.

Pilotun başarısı teknik model performansı kadar operasyonel sonuçlarla da ölçülmelidir.

Bence ilk 90 günün sonunda şirketin otonom fabrikaya dönüşmüş olması gerekmez.

Asıl önemli olan, hangi operasyonel problemlerin hangi teknoloji ve yönetim yaklaşımıyla çözülebileceğine ilişkin güvenilir bir başlangıç oluşturulmasıdır.

Türkiye sanayisi açısından fırsatlar

Türkiye'deki üretim şirketleri açısından Endüstri 4.0 ve otonom operasyon dönüşümünün önemli fırsatlar oluşturabileceğini düşünüyorum.

Otomotiv, makine, metal, tekstil, gıda, kimya ve diğer sanayi alanlarında faaliyet gösteren şirketler farklı üretim yapıları ve rekabet koşullarına sahip.

Bu nedenle bütün sektörlere aynı dijital dönüşüm yaklaşımının önerilmesini doğru bulmuyorum.

Örneğin yüksek hacimli ve standart üretim yapan tesislerde ekipman güvenilirliği, proses kontrolü ve kalite otomasyonu önemli olabilir.

Yüksek ürün çeşitliliğine sahip işletmelerde üretim planlama, değişim süreleri ve esneklik daha belirleyici olabilir.

Enerji yoğun sektörlerde enerji yönetimi ve proses optimizasyonu öncelik kazanabilir.

Ancak Türkiye sanayisi için fırsatların yalnızca teknoloji satın alma tarafında bulunduğunu düşünmüyorum.

Endüstriyel yazılım geliştirme, sistem entegrasyonu, veri mühendisliği, OT siber güvenliği, yapay zekâ uygulamaları, dijital ikiz çözümleri ve üretim danışmanlığı gibi alanlarda da yeni iş modelleri geliştirilebilir.

Bence önemli fırsatlardan biri, üretim şirketlerinin mevcut sistemlerini tamamen değiştirmeden belirli operasyonel problemleri çözebilen modüler çözümler geliştirmektir.

Çünkü birçok işletme için bütün fabrikanın aynı anda dönüştürülmesi hem ekonomik hem de operasyonel açıdan gerçekçi olmayabilir.

Bu nedenle aşamalı, birlikte çalışabilir ve ölçülebilir fayda üreten yaklaşımların önemli olduğunu düşünüyorum.

Girişimcilik açısından bakışım: Endüstriyel yapay zekâ yalnızca yazılım satmak değildir

Astrum Consulting Group ve geliştirdiğim teknoloji girişimleri üzerinde düşünürken, üretim dönüşümünün danışmanlık ve teknoloji girişimciliği açısından önemli fırsatlar oluşturduğunu görüyorum.

Ancak endüstriyel yapay zekâ alanını yalnızca yeni yazılım ürünleri geliştirme fırsatı olarak değerlendirmiyorum.

Çünkü üretim şirketlerinin gerçek ihtiyaçları çoğu zaman yazılımın kendisinden daha geniştir.

Bir fabrika kestirimci bakım çözümü satın alabilir.

Ancak ekipman verileri güvenilir değilse, bakım süreçleri yeterince standart değilse veya operasyonel sorumluluklar açık değilse yazılımın beklenen faydayı oluşturması zorlaşabilir.

Benzer şekilde bir üretim planlama optimizasyonu ürünü geliştirilebilir.

Ancak ERP verileri, kapasite kısıtları ve gerçek saha koşulları doğru modellenmemişse önerilen planların uygulanabilirliği sınırlı kalabilir.

Bence bu nedenle endüstriyel yapay zekâ girişimlerinin yalnızca algoritma veya kullanıcı arayüzü geliştirmeye odaklanması yeterli değildir.

Sektörel bilgi, süreç mühendisliği, veri entegrasyonu, operasyonel güvenlik ve ekonomik değer ölçümü birlikte düşünülmelidir.

Bu yaklaşımın danışmanlık ve ürün geliştirme modellerini birbirine yaklaştırabileceğini düşünüyorum.

Örneğin önce belirli bir üretim probleminin ekonomik analizi yapılabilir.

Ardından standart bir değerlendirme metodolojisi geliştirilebilir.

Daha sonra bu metodoloji veri analitiği, yapay zekâ ajanları veya dijital ürünlerle desteklenebilir.

Ancak ürünleştirme kararının gerçek müşteri ihtiyaçları ve ödeme isteği doğrulanmadan verilmesini doğru bulmuyorum.

Benim için girişimcilikte önemli olan, teknoloji geliştirmekten önce hangi problemin sürdürülebilir ekonomik değer oluşturacak biçimde çözülebileceğini anlamaktır.

Youpreneur yaklaşımında üretim dönüşümünün yeri

Kişisel uzmanlığa dayalı girişimcilik yaklaşımında teknoloji, iş dünyası ve geleceğin kesişimindeki konuları araştırmayı ve değerlendirmeyi önemli buluyorum.

Üretimde dönüşüm de bu kesişimin en somut alanlarından biri.

Çünkü bir fabrikanın geleceği yalnızca mühendislik veya bilgi teknolojileriyle ilgili değildir.

Strateji, yatırım yönetimi, organizasyon, insan kaynağı, tedarik zinciri, veri, güvenlik ve sürdürülebilirlik gibi farklı yönetim alanlarını birlikte etkiler.

Bence bu nedenle üretim dönüşümünü yalnızca teknoloji sağlayıcılarının veya otomasyon uzmanlarının gündemine bırakmak doğru değildir.

CEO'nun, CFO'nun, COO'nun, CIO'nun, üretim yöneticilerinin ve dönüşüm liderlerinin ortak bir ekonomik ve operasyonel dil geliştirmesi gerekir.

Benim kişisel yaklaşımımda teknolojiye ilişkin düşünce liderliğinin değeri, yeni kavramları tekrar etmekten çok, bu kavramların şirketler için ne anlama geldiğini sorgulayabilmekte bulunuyor.

Endüstri 4.0, dijital ikiz, yapay zekâ, agentic AI veya otonom fabrika gibi kavramlar önemli olabilir.

Ancak benim için asıl soru, bu teknolojilerin hangi gerçek problemi çözdüğü, hangi kararları geliştirdiği ve hangi ekonomik sonucu oluşturduğudur.

Bu nedenle üretimin geleceğine ilişkin değerlendirmelerimde teknolojik iyimserlikle operasyonel gerçekçilik arasında denge kurmayı önemli buluyorum.

Üretim dönüşümünde en sık yapılan hatalar

Üretim dönüşümünde ilk önemli hatanın, teknoloji yatırımlarının operasyonel problemler açık biçimde tanımlanmadan başlatılması olduğunu düşünüyorum.

İkinci hata, sensör sayısı ve veri hacminin dijital olgunluğun temel göstergesi olarak görülmesidir.

Üçüncü hata, ERP, MES ve OT sistemlerinin birbirinden bağımsız teknoloji projeleri olarak yönetilmesidir.

Dördüncü hata, veri kalitesi ve veri sahipliğinin yeterince değerlendirilmemesidir.

Beşinci hata, yerel ekipman performansındaki iyileşmelerin fabrikanın bütün ekonomik performansına otomatik olarak yansıyacağının varsayılmasıdır.

Altıncı hata, yapay zekâ modellerinin teknik doğruluğunun operasyonel faydayla aynı kabul edilmesidir.

Yedinci hata, dijital ikiz projelerinin belirli karar problemleriyle ilişkilendirilmeden geliştirilmesidir.

Sekizinci hata, OT siber güvenliğinin teknoloji entegrasyonunun sonraki aşamalarına bırakılmasıdır.

Dokuzuncu hata, çalışanların yeni rollerinin ve yetkinlik ihtiyaçlarının yeterince planlanmamasıdır.

Onuncu hata ise otonomi düzeyinin artırılmasının başlı başına stratejik başarı olarak görülmesidir.

Bence bütün bu hataların ortak noktası, üretim dönüşümünün teknolojik yeteneklerle ekonomik ve operasyonel sonuçlar arasındaki bağlantı kurulmadan yönetilmesidir.

Oysa başarılı dönüşüm, yalnızca daha fazla teknoloji kullanmak değil, teknolojiyi üretim sisteminin gerçek ihtiyaçlarıyla uyumlu biçimde kullanabilmektir.

2030'a doğru üretimin geleceği

2030'a doğru üretim sistemlerinde daha fazla bağlantılılık, gelişmiş analitik, yapay zekâ destekli karar mekanizmaları ve belirli alanlarda daha yüksek otonomi görmemiz mümkün.

Ancak bu gelişmelerin bütün sektörlerde aynı hızda gerçekleşeceğini düşünmüyorum.

Bazı üretim tesisleri için gelişmiş robotik ve otomatik kalite kontrol önemli olabilir.

Bazıları için enerji optimizasyonu ve kestirimci bakım daha yüksek değer oluşturabilir.

Bazıları için ise temel veri görünürlüğü, süreç standardizasyonu ve ERP/MES entegrasyonu hâlâ öncelikli olabilir.

Bence üretimin geleceğini değerlendirirken teknolojik gelişmelerle ekonomik uygulanabilirliği birbirinden ayırmak gerekir.

Bir teknolojinin mümkün olması, bütün şirketlerin o teknolojiye yatırım yapması gerektiği anlamına gelmez.

Ayrıca otonom sistemlerin yaygınlaşmasıyla birlikte güvenlik, sorumluluk, denetlenebilirlik ve insan gözetimi gibi konuların daha önemli hâle geleceğini düşünüyorum.

Bu nedenle geleceğin üretim tesislerini yalnızca daha az insanla çalışan fabrikalar olarak tanımlamıyorum.

Benim için geleceğin başarılı fabrikası, insan uzmanlığını, güvenilir otomasyonu, veriyi ve yapay zekâyı ortak operasyonel hedefler doğrultusunda kullanabilen organizasyondur.

2050'ye doğru tamamen otonom fabrikalar mümkün mü?

2050'ye ilişkin değerlendirmelerde daha dikkatli olunması gerektiğine inanıyorum.

Çünkü uzun vadeli teknoloji tahminleri yalnızca teknik gelişmelere değil, ekonomik koşullara, düzenleyici gereksinimlere, enerji altyapısına, iş gücü piyasalarına ve toplumsal tercihlere de bağlıdır.

Belirli üretim süreçlerinde çok yüksek düzeyde otonomiye ulaşılması mümkün olabilir.

Özellikle standartlaştırılmış, iyi tanımlanmış ve kontrollü ortamlarda çalışan üretim sistemleri daha fazla otomatik karar alma yeteneği kazanabilir.

Ancak bütün üretim tesislerinin tamamen insansız hâle geleceğini varsaymak için yeterli dayanak bulunduğunu düşünmüyorum.

Çünkü üretim faaliyetleri arasında önemli farklılıklar bulunuyor.

Yüksek hacimli ve tekrarlı üretimle düşük hacimli, yüksek çeşitlilik içeren üretimin otomasyon ihtiyaçları aynı değildir.

Benzer şekilde fiziksel güvenlik, ürün sorumluluğu, bakım, beklenmeyen olaylar ve karmaşık kararlar farklı insan katılımı düzeyleri gerektirebilir.

Bu nedenle 2050'ye ilişkin değerlendirmeleri kesin tahminler olarak değil, olası gelişim senaryoları olarak ele alıyorum.

Bence uzun vadede önemli olan, tamamen insansız fabrika hedefinden çok, hangi üretim kararlarının güvenli ve ekonomik biçimde otonomlaştırılabileceğini anlamaktır.

Sonuç: Geleceğin fabrikası daha fazla veri toplayan değil, daha iyi karar veren fabrika olacak

Kurumsal dönüşüm, SAP/ERP, teknoloji, proje yönetimi, yönetişim, satış, iş geliştirme ve girişimcilik alanındaki 28 yılı aşkın mesleki birikimim, üretim dönüşümünü değerlendirirken teknoloji ile iş sonuçları arasındaki bağlantıya odaklanmam gerektiğine ilişkin düşüncelerimi güçlendirdi.

Endüstri 4.0 üretim sistemlerinin bağlantılı, veri odaklı ve daha görünür hâle gelmesi açısından önemli bir yaklaşım ortaya koydu.

Sensörler, endüstriyel ağlar, otomasyon sistemleri, veri platformları ve kurumsal uygulamalar üretim süreçlerinin daha ayrıntılı değerlendirilmesini mümkün kılıyor.

Yapay zekâ, dijital ikizler ve gelişmiş optimizasyon yaklaşımları ise bu verilerden daha fazla karar desteği oluşturma fırsatı sunuyor.

Ancak bütün bu teknolojilerin kendiliğinden otonom ve ekonomik açıdan başarılı üretim sistemleri oluşturacağını düşünmüyorum.

Çünkü üretimde dönüşüm yalnızca teknoloji meselesi değildir.

İş modeli, üretim stratejisi, süreç mimarisi, veri kalitesi, insan yetkinlikleri, güvenlik, yönetişim ve finansal performans birlikte değerlendirilmelidir.

Bu nedenle üretim şirketlerinin Endüstri 4.0'dan otonom operasyona geçişi planlarken özellikle şu sorular üzerinde düşünmesini önemli buluyorum.

Hangi üretim problemleri şirketimizin ekonomik performansını en fazla etkiliyor?

Mevcut üretim sistemlerimiz bu problemleri güvenilir biçimde ölçebiliyor mu?

ERP, MES ve OT sistemlerimiz arasında yeterli veri ve süreç bağlantısı bulunuyor mu?

Topladığımız veriler gerçekten operasyonel kararları geliştiriyor mu?

Yapay zekâ uygulamalarımız hangi somut ekonomik faydaları oluşturuyor?

Dijital ikizlerimiz hangi kararların daha güvenilir alınmasını sağlıyor?

Otonomlaştırmak istediğimiz kararların güvenlik ve sorumluluk sınırları açık mı?

Çalışanlarımızın yeni yetkinlik ihtiyaçlarını planladık mı?

Siber güvenlik ve operasyonel dayanıklılık dönüşüm programının parçası mı?

Ve en önemlisi, bütün bu yatırımlar tamamlandığında fabrikamız müşterilerine daha güvenilir, daha kaliteli, daha esnek ve ekonomik açıdan daha sürdürülebilir bir üretim hizmeti sunabilecek mi?

Bence son soru, üretimde dönüşümün gerçek amacını ortaya koyuyor.

Çünkü bir fabrikanın geleceğini yalnızca sahip olduğu robotların sayısı, topladığı verinin hacmi veya kullandığı yapay zekâ modellerinin gelişmişliği belirlemeyecek.

Asıl belirleyici olan, bu yeteneklerin üretim sisteminin bütününde nasıl değer oluşturduğu olacak.

Benim için Endüstri 4.0'dan otonom operasyona geçiş, makinelerin daha fazla veri üretmesinden, üretim sisteminin bu verileri güvenilir kararlara ve ölçülebilir iş sonuçlarına dönüştürebilmesine uzanan bir yolculuktur.

Bu yolculukta bazı faaliyetler otomatikleştirilecek.

Bazı kararlar yapay zekâ tarafından desteklenecek.

Bazı operasyonlar belirli sınırlar içerisinde otonom biçimde yönetilebilecek.

Ancak insanın sorumluluğu, sistem güvenliği ve ekonomik gerçeklik önemini koruyacak.

Bence geleceğin başarılı üretim şirketleri, en yüksek teknoloji harcamasını yapan organizasyonlar olmayacak.

Üretim problemlerini doğru tanımlayan, veriyi güvenilir biçimde kullanan, teknoloji yatırımlarını ekonomik sonuçlarla ilişkilendiren ve otonomiyi kontrollü biçimde geliştirebilen şirketler olacak.

Çünkü üretimin geleceğinde gerçek rekabet avantajı yalnızca daha fazla otomasyon kurmakta değil, daha iyi karar verebilen bir üretim sistemi oluşturmakta bulunuyor.

Ve bana göre üretimde dönüşümün nihai hedefi de tam olarak budur.

Bilgin Çavuş

Kurumsal Dönüşüm Stratejisti | Teknoloji Girişimcisi | Yazar & Konuşmacı

Kurucu ve Yönetici Ortak — Astrum Consulting Group

Bu makale, 28 yılı aşkın kurumsal dönüşüm, SAP/ERP, teknoloji, proje yönetimi, yönetişim, satış, iş geliştirme ve girişimcilik birikimimden hareketle geliştirdiğim değerlendirmeleri yansıtmaktadır. Endüstri 4.0, yapay zekâ ve otonom üretim konularındaki önerilerim, endüstriyel otomasyon, üretim sistemleri, kurumsal mimari ve teknoloji yönetişimi literatüründen yararlanılarak oluşturulmuştur. 2030 ve 2050 değerlendirmeleri kesin tahmin değil, olası gelişim yönlerine ilişkin senaryolardır.

Kaynaklar ve ileri okumalar

1. Kagermann, H., Wahlster, W. & Helbig, J. (2013). Recommendations for Implementing the Strategic Initiative INDUSTRIE 4.0. acatech.

Endüstri 4.0 yaklaşımının temel kavramları ve Almanya'daki stratejik gelişimi üzerine referans çalışma.

2. Hermann, M., Pentek, T. & Otto, B. (2016). Design Principles for Industrie 4.0 Scenarios. 49th Hawaii International Conference on System Sciences.

Endüstri 4.0 uygulamalarının tasarım ilkelerini ele alan akademik çalışma.

3. Lee, J., Bagheri, B. & Kao, H.-A. (2015). A Cyber-Physical Systems Architecture for Industry 4.0-based Manufacturing Systems. Manufacturing Letters, 3, 18–23.

Siber-fiziksel sistemlerin üretim mimarisindeki rolüne ilişkin araştırma.

4. ISO 23247 — Automation Systems and Integration: Digital Twin Framework for Manufacturing.

Üretim ortamlarında dijital ikiz sistemlerinin tasarımına yönelik uluslararası standart ailesi.

5. IEC 62264 / ISA-95 — Enterprise-Control System Integration.

Kurumsal yönetim sistemleriyle üretim operasyonları arasındaki işlevsel ve bilgi entegrasyonuna yönelik standart ailesi.

6. IEC 62443 — Security for Industrial Automation and Control Systems.

Endüstriyel otomasyon ve kontrol sistemlerinin siber güvenlik gereksinimlerine ilişkin standart ailesi.

7. NIST (2024). The NIST Cybersecurity Framework (CSF) 2.0.

Siber güvenlik risklerinin yönetişim ve operasyonel yönetim açısından değerlendirilmesine yönelik çerçeve.

8. European Commission, Directorate-General for Research and Innovation (2021). Industry 5.0: Towards a Sustainable, Human-Centric and Resilient European Industry.

İnsan merkezli, sürdürülebilir ve dayanıklı sanayi yaklaşımına ilişkin Avrupa Komisyonu raporu.

9. Tao, F., Zhang, H., Liu, A. & Nee, A. Y. C. (2019). Digital Twin in Industry: State-of-the-Art. IEEE Transactions on Industrial Informatics, 15(4), 2405–2415.

Dijital ikiz teknolojilerinin endüstriyel uygulamalarını ve araştırma durumunu ele alan çalışma.

10. Jardine, A. K. S., Lin, D. & Banjevic, D. (2006). A Review on Machinery Diagnostics and Prognostics Implementing Condition-Based Maintenance. Mechanical Systems and Signal Processing, 20(7), 1483–1510.

Durum bazlı bakım, ekipman teşhisi ve kestirimci bakım yaklaşımlarına ilişkin literatür incelemesi.

11. ISO 55000 — Asset Management: Overview, Principles and Terminology.

Varlık yönetimi ilkeleri ve varlıkların yaşam döngüsü boyunca değer oluşturmasına ilişkin referans çerçeve.

12. NIST (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0).

Yapay zekâ sistemlerinin güvenilirlik, risk ve yönetişim boyutlarının değerlendirilmesine yönelik çerçeve.

13. ISO 22400 — Automation Systems and Integration: Key Performance Indicators for Manufacturing Operations Management.

Üretim operasyonlarının performans göstergelerine ilişkin uluslararası standart ailesi.

14. World Economic Forum. Global Lighthouse Network araştırmaları ve yayınları.

Gelişmiş üretim teknolojilerinin endüstriyel uygulamalarına ve ölçeklendirme deneyimlerine ilişkin vaka ve araştırma yayınları.

Bu kaynaklar makalenin teknik ve kavramsal temelini desteklemektedir. Otonomi olgunluk aşamaları ve 90 günlük uygulama yaklaşımı, belirli bir standardın zorunlu modeli değil, farklı yönetim ve teknoloji yaklaşımlarını birleştiren önerilerimdir. Kaynakların güncel sürümleri ve bibliyografik ayrıntıları yayın öncesinde doğrulanmalıdır.

Benzer Yazılar