Paradoks: Her şey kayıt altında, ama hiçbir şey kullanılabilir değil
Orta ölçekli bir metal işleme fabrikasına gittiğinizi düşünün. SCADA sistemi var, ERP çalışıyor, CNC tezgâhlarında kontrol panelleri veri gösteriyor, kalite kontrol formları dolduruluyor. İlk izlenim: "Veri zaten var."
Sonra bir AI projesi başlatmak istediğinizde gerçek ortaya çıkar:
-
SCADA logları yapılandırılmamış metin dosyalarında
-
ERP kayıtları muhasebe odaklı, üretim analitiği için eksik
-
CNC tezgâhları farklı protokollerle haberleşiyor, bazıları hiç haberleşemiyor
-
Kalite kontrol verileri kâğıt formlarda veya operatöre bağlı Excel tablolarında
-
Bakım kayıtları WhatsApp gruplarında veya defterden deftere aktarılıyor
Bu durum istisna değil, Türkiye'deki fabrikaların büyük çoğunluğunun gerçeği.
Verinin kayıp olmasının 5 ana nedeni
1. Veri kayıt için toplanmış, analiz için değil
ERP'deki üretim emri kaydı, hangi siparişin ne zaman tamamlandığını tutar — ama o emirdeki tezgâh parametrelerini, çevrim sapmalarını, hurda nedenlerini genellikle tutmaz. Çünkü sistem o bilgiyi sormamak üzere tasarlanmıştır.
2. Sistem ada mimarisi
SCADA, ERP, MES, kalite yazılımı, planlama Excel'i — her biri kendi adasında çalışır. Birinden diğerine veri geçirmek ya imkânsızdır ya da her seferinde manüel çaba gerektirir.
Bir otomotiv yan sanayicisinde üretim verisi SCADA'da, kalite verisi ayrı bir yazılımda, bakım kayıtları Excel'deydi. Bu üç veri kaynağını bir araya getirmek 3 ay sürdü — model kurmak 3 hafta.
3. Standart yok
Aynı arıza farklı isimlendirmelerle kaydediliyor. Aynı ölçü birimi farklı kaynaklarda farklı yazılıyor. Kodlama ve nomenklatür standartlaşmamış.
4. Manuel giriş kalite sorunu
Operatörün elle girdiği verinin güvenilirliği düşüktür. Vardiya sonunda toplu giriş, yuvarlama, atlama, kopyala-yapıştır hataları — bunlar veriyi kirletir.
5. Veri tutma sürekliliği
Bazı sensörler sadece alarm durumunda kayıt tutar, normal çalışmada kaydetmez. Bazı sistemlerde veri 30 gün sonra silinir. Yeterli geçmişi olmayan veri ile model kurulamaz.
"Biz sensör aldık" yanılgısı
Donanım yatırımı yapıldığında iş bitmiş gibi hissedilir. Titreşim sensörü aldık, sıcaklık ölçer taktık, IoT gateway kurduk — sorun çözüldü mü?
Hayır. Sensör veri üretir, ama:
-
Veri nereye yazılıyor? (Lokal hafıza mı, bulut mu, veritabanı mı?)
-
Hangi sıklıkta örnekleniyor? (Saniyede 1 mi, dakikada 1 mi?)
-
Veri konteksti var mı? (Bu titreşim hangi tezgâhtan, hangi operasyondan?)
-
Diğer verilerle eşleştirilebilir mi? (Aynı zaman damgası, aynı iş emri numarası?)
Sensör verisi ancak bağlam, yapı ve süreklilik ile birlikte anlam kazanır.
Kâğıttan dijitale: Gerçek geçiş nasıl yapılır?
Fabrikaların büyük kısmında hâlâ kâğıt formlar, el defterleri ve yapılandırılmamış Excel dosyaları kullanılıyor. Bu dosyaları dijitalleştirmek, AI projelerinin ilk ve en kritik adımıdır.
Kolektif360'ın Akıllı Doküman Arşivi platformu, dağınık Excel, PDF ve Word dosyalarını merkezi bir yapıda indeksleyerek doğal dil ile aranabilir hâle getirir. Fabrikadaki bilgi artık kişilerin bilgisayarlarında değil, kurumsal hafızada olur.
Daha yapılandırılmış veriye ihtiyaç duyulduğunda ise RaporA devreye girer: Ham veri dosyalarını yükleyin, otomatik profilleme ve kalite analizi ile eksikleri, tutarsızlıkları ve analiz fırsatlarını görün.
Veri mimarisi nasıl kurulmalı?
AI projesinden önce bir veri mimarisi tasarlanmalıdır. Bu mimari karmaşık olmak zorunda değildir ama aşağıdaki katmanları kapsamalıdır:
| Katman | İşlev | Örnek |
|---|---|---|
| Kaynak | Veriyi üreten sistem | SCADA, sensör, ERP, operatör girişi |
| Toplama | Veriyi merkeze taşıma | OPC-UA, MQTT, REST API, dosya transferi |
| Depolama | Yapılandırılmış saklama | Zaman serisi DB (InfluxDB), SQL veritabanı |
| Bağlam | İş verisiyle eşleştirme | İş emri + tezgâh + ürün + operatör |
| Erişim | Analiz ve modele besleme | API katmanı, veri gölü |
Bu katmanların hepsinin aynı anda mükemmel olması gerekmez. Önemli olan, doğru katmanların farkında olmak ve adım adım ilerlemektir.
Operasyonel veriden içgörü çıkarmak
Veri toplandıktan sonra ne yapılacak? Ham veriyi anlamlı hâle getirmek için süreç madenciliği güçlü bir yaklaşımdır.
Kolektif360'ın Süreç Madenciliği & Operasyonel İçgörü Platformu, mevcut operasyonel verilerden süreç akışlarını otomatik çıkarır, darboğazları tespit eder ve iyileştirme fırsatlarını somut verilerle gösterir. AI modeli kurmadan önce, sürecin nereden aktığını ve nerede tıkandığını görmek kritiktir.
Pratik bir başlangıç planı
Tüm fabrikayı dijitalleştirmek yıllar alabilir. Ama ilk AI projesi için yapılabilecek minimum adımlar şunlardır:
1. Tek bir hat veya süreçle başlayın
En çok hurda üreten hat, en çok duran tezgâh, en çok şikâyet alan ürün — hangisi en acılıysa orası.
2. Veri kaynaklarını listeleyin
O süreçle ilgili hangi veriler nerede tutuluyor? ERP'de mi, SCADA'da mı, Excel'de mi, kâğıtta mı?
3. Bir veri sözlüğü oluşturun
Her değişkenin adı, birimi, kaynağı, güncelleme sıklığı. Bu belge 2-3 sayfa bile olsa, proje boyunca pusula işlevi görür.
4. 3 aylık temiz veri toplayın
Seçtiğiniz süreç için tutarlı, yapılandırılmış veri toplamaya başlayın. Eski veri yoksa, ileriye dönük başlayın — 3 ay bile ilk model için yeterli olabilir.
5. Küçük bir model deneyin
Toplanan veriyle basit bir analiz veya tahmin modeli kurun. Sonuç mükemmel olmayabilir ama neyin eksik olduğunu kesin gösterir.
Sık yapılan hatalar
| Hata | Sonuç |
|---|---|
| "Önce tüm fabrikayı dijitalleştirelim" | Proje hiç başlamaz. Yıllar geçer. |
| "Sensör alalım, gerisi kolay" | Sensör veri üretir ama yapı ve bağlam olmadan anlamsızdır |
| "ERP'den her şeyi çekeriz" | ERP muhasebe için, üretim analitiği için eksiktir |
| "Veriye IT baksın" | IT altyapı kurar, ama neyin toplanacağını bilen üretimdir |
Sonuç: Veri bir ürün gibi yönetilmeli
Veri toplamak, bir ürün üretmek kadar ciddiye alınmalıdır. Standart, kalite kontrolü, süreklilik, sorumluluk — üretimde zaten bilinen kavramlar, veriye de aynı titizlikle uygulanmalıdır.
"Sensörümüz var ama verimiz yok" durumundan çıkmak için büyük bütçe gerekmez ama disiplin ve süreç bilgisi gerekir. Bu konuda nereden başlayacağınızı birlikte belirlemek isterseniz, ücretsiz ön görüşmemize başvurabilirsiniz.
