Dijital teknolojiler, birçok endüstriyi yeniden şekillendiriyor. Artık olağanüstü bir dijital çağa girdik. Zira pek çok şirket, bu tür eğilimlerin faydalarını yakalayabilmek için büyük ölçekli değişim içine girmiş durumda. Dijital dönüşüm süreci için en yaygın olan hedef ise, kuruluşun işletim modelini dijitalleşmesi olarak gözlemleniyor. Şirketler dijitalleşme süreçlerini bilindiği gibi geniş çerçevede hedefliyor. Pek çok kurum ve kuruluş birden çok iş birimini veya tüm şirketi içeren değişimler hedeflerken, bu hedef doğrultusunda başarılı dönüşümlere imza atan şirketler, yapay zeka, gelişmiş makine öğrenimi teknikleri ve özellikle veri analitiği gibi teknolojileri diğerlerinden daha fazla kullanma eğilimindedir.
Bu dijitalleştirme çabası başarılı olsun ya da olmasın, sonuçlar günümüzün dijital dönüşümlerinin ortak birkaç özelliğine işaret ediyor. Bazı kuruluşlar, bu tür değişiklikleri yaparken içe dönük olma eğilimindedir. Dijital dönüşümler için en yaygın olarak gözlemlenen hedef, kuruluşun işletim modelini dijitalleştirmektir. Dijital dönüşümler de kapsam açısından geniş olma eğilimindedir. On şirketten sekizi, birden çok işlevi veya iş birimini veya tüm şirketi içeren değişim çabalarını hedefliyor. Bu tür başarılı dönüşümlere sahip kuruluşlar, yapay zeka, nesnelerin interneti ve gelişmiş makine öğrenme teknikleri gibi daha karmaşık teknolojileri diğerlerinden daha fazla kullanma eğilimindedir. Yapay zeka güdümlü bir dünyada, rekabet gereksinimleri uzmanlaşmayla daha az, veri kaynağı, işleme, analitik ve algoritma geliştirmede operasyonel performansa önemli rekabet avantajı sağlayan evrensel yetenekler kümesiyle ilgilidir.
Büyük veri giderek önemli bir hal almaktadır ve görüyoruz ki, her cihaz bugün veri topluyor. Gelecekteki eğilim de anlıyoruz ki bu yönde! Üretim süreçlerinin optimizasyonu için bu verilerin birbirine bağlanması gerekmektedir. Bu geçmiş dönemdeki gibi sadece veritabanında büyük miktarda veri toplamak anlamına da gelmemektedir. Dijital dönüşümle birlikte; inovasyon, müşteri beklentilerinin iyileştirilmesi, rekabette farklılaşma noktasında verinin toplanmasının yanında analizinin de yapılması kritik önem taşımaktadır.
Bu, pek çok sektör için geçerli olduğu gibi üretim sektörü için de geçerli elbette. Bu yazımızda üretim sektörünün içinde bu kez oldukça niş bir alan üzerinde verinin nasıl kullanıldığını ve veri analitiğinin önemini aktaracağız.
Üretim endüstrisi pek çok alan gibi yukarıda saydığımız müşteri beklentileri, rekabette farklılaşma gibi özelliklerin geçerli olduğu bir sektör olarak karşımıza çıkmaktadır. Zira yüksek üretim kalitesiyle, bakım için zaman ve maliyeti düşük tutmak adına, üretim hattı boyunca tüm sensörlerden gelen bilgileri yapılandırmanın ve ilişkilendirmenin gerekli olduğu üretimden başlamaktadır.
Akıllı bir fabrika oluşturmak için teknik departmanlardan IT altyapısına kadar fabrika içindeki tüm alanlar dahil edilmektedir. Bir fabrikada mükemmel bir üretim için, toplanan verileri hizalayarak, verileri kontrol etmeye, tahminler oluşturmaya ve analitikle başlamaya gerek vardır. Buna paralel olarak; bakım ve kalite standartları, üretimde tam olarak neler olup bittiğini bilmek ve önceden harekete geçmeye yardımcı olacak bir tahmine sahip olmak gibi bir öngörü her zaman hedeflenmektedir.
Üretim Endüstrisi, diğer endüstriler ve sektörlerle karşılaştırıldığında, şu anda nispeten daha temkinli bir dijitalleşme hedefiyle ilerlemektedir. Endüstrinin başlıca zorluklarına baktığımızda; maliyet etkinliği, üretim mükemmelliği, üretim sürecinin ihlali durumunda düzeltici faaliyetlerde gecikme başlıca aksaklıklar olarak dikkat çekmektedir.
Bu noktada; bir üretim firmasını ele alalım: Şirket, yeni bir parti ürün üretiyor. Daha sonra ürünün kalitesini test etmek için de numuneler alınıyor. Üretimden sonra kalite kontrolü sorun haline geliyor. Bakılıyor ki, ürün standartlara uygun değil.
Bu durumda sorunun önceden tespit edilmesi gerekirdi ki, hem üretim boşa gitmesin hem de maliyet sorunu yaşanmasın! Peki neden önceden tespit edilemedi? Böyle bir senaryoda ne yazık ki üretim yapılan fabrikada bu problemi öngörebilecek bir sensör yoktu. Nitekim, ilk aşamada kalite standartlarına uymayan bir ürünün çıkması da engellenemedi!
İmalat endüstrisinin bir sensör sorunu var. Bunu düzeltmek için, diğer ağır varlıklı endüstrilerin, üreticilerin üretimi optimize etmek ve israfı azaltmak için güvenle hareket edebilecekleri veriye dayalı tahminler üretmek için makine öğrenimini ve temel neden analizini kullanması gerekiyor.
Bu kapsamda; Oredata İş Geliştirme Müdürü Ömer Faruk Kurt da aynı senaryo üzerinden bu gerekliliği destekleyecek şekilde şöyle konuşuyor: “Üretim sektörünün kalbi sensörlere doğru kaymaya başladı ve bir parça bozulmadan ya da üretilen ürünler kalite problemleri yaşamadan mümkün olduğu kadar öncesinden bilgi alınması gerekiyor ve analitik çalışmalar da böyle başlıyor. Süreç ilerledikçe üretimdeki kaliteyi artırmaya doğru evirildi. Makineler belli bir konfigürasyonda çalışıyor. Bunların önünde insanlar yer alıyor ve neticede bir üretim kalitesi ortaya çıkıyor. Bu, çıkan ürünün kalitesi de olabiliyor ya da ıskarta oranı üzerinden yine kalite kontrolü direkt etkileyen etmenler olabiliyor. Bunu hemen hemen bütün sektörlerde görebiliyoruz. İnsan gözünün ve tecrübesinin ötesinde veri üreten kaynaklardan verinin toplanması, saklanması ve analitik çalışmalar yapılması ile üretim esnasındaki kaliteye etki eden etmenler saptanarak kaliteyi arttırmak ve ıskarta oranlarını analitik çalışmalar ile düşürmek mümkün” diyor.
