Proje İçeriği

O'Cean AI Enterprise seviyede kullanımı tasarlanan AI Super App platformudur. Tek database üzerinde çalışması sağlanan farklı AI uygulamalarını tek çatı altında toplayan platform hemen tüm AI dikeylerinde uygulamalar içermektedir. Agentic AI kullanarak “Suggestion to Execution” methoduyla yönetim, üretim ve tüm operasyonlarda verimlilik, hız ve hatasız sonuç hedeflenmiştir.

Holding/şirket/Departman/kişi başı AI maliyetlerinin takip edildiği, teşvik edildiği yönetsel dashboard’lar ile AI kullanımı teşvik edilmektedir. O'cean Oyster isimli Agentic AI asistanı yardımı ile özellikle tedarik zinciri stok optimizasyonu ve üretim verimlilik arttırıcı UseCase bazlı çok ciddi kazanımlar elde edilmektedir.

Projemiz ayrıca Devlet destekli HAMLE programından çok yüksek bir teşvik almıştır. Çoğunlukla ODTÜ Bilgisayar Müh. bölümü Profesör hocalarımızdan oluşan detaylı bir teknik denetim geçirmiştir.

Şimdilik üzerinde 8 uygulama vardır.

• O'Cean MES (AI tabanlı üretim yönetim yazılımı- Tabletler üzerinden üretim sahasında veri toplayan, görselleştiren üretim aracı)
• O'cean Core ( AI proje yönetimi ve dijital dönüşüm endeks tasarlayıcı kurumsal hizalanma aracı
• O'cean Eye (VR tabanlı tedarikçi denetim uygulaması)
• O'Cean DATASPHERE (Sentetik Veri Üretici)
• O'CeanPedia (Kurum içi OnPrem gpt)
• O'cean Loyaltics (Çalışan Ayrılma Tahminlemesi ve Müşteri Kayıp Tahminlemesi)
• O'cean CRM
• 3rd Party AI Çözümleri Demokratikleştirme

Projenin Amacı

Projenizi Kurum içindeki bir süreci iyileştirmek için mi yaptınız yoksa yeni bir hizmet mi yarattınız?

Her ikisi de. 

Proje içindeki en büyük inovasyon nedir? (yeni bir teknoloji veya var olan teknolojinin farklı kullanımı gibi. IOT, M2M, AI vb.)

Proje içerisinde bir de çok yenilikçi AI ve yazılım teknolojisi kombine edilerek kullanılmıştır. Farklı amaçlı AI app leri hızlıca tek bir database yapısına entegre etmeyi sağlamak işin en zorlu kısımlarından oldu. Ayrıca uygulamanın hem On-Prem hem de Cloud tabanlı kullanılma opsiyonunun sağlanması da önemli zorluklardan biriydi

MES ürünü için 

• IoT Entegrasyonu ve Sürekli Veri Toplama: Üretim hattında yer alan makinelerden sürekli veri toplamak amacıyla IoT (Nesnelerin İnterneti) sensörleriyle entegrasyon sağlandı .
• Entegrasyon yazılımı, IoT cihazlarının iletişim kurmasını ve veri akışını yöneterek, veriler merkezi bir veri havuzunda biriktirildi.
• Gerçek Zamanlı Yapay Zeka Destekli Veri Analizi: Üretim hattından toplanan veriler, sistemin veri işleme katmanına (data pipeline) iletildi. Burada, Apache Kafka gibi dağıtık veri akış platformları kullanılarak veriler gerçek zamanlı olarak işlenecek ve analiz edilmektedir.
• Verilerin işlenmesinde, öncelikle verinin temizlenmesi ve normalize edilmesi işlemleri gerçekleştirildi. Ardından, bu veriler üzerinde çeşitli makine öğrenmesi algoritmaları çalıştırılarak, anomali tespiti, süreç optimizasyonu ve performans iyileştirme gibi analizler yapılmaktadır. Bu analiz süreçlerinde, denetimli ve denetimsiz öğrenme algoritmaları (Random Forest, LSTM, K-Means Clustering vb.) kullanılarak veriden anlamlı bilgiler çıkarılarak ve operatörlere görsel raporlar veya öneriler sunulmaktadır. Özellikle denetimsiz öğrenme algoritmaları kullanılarak, geçmiş verilerden anormallikler tespit edilecek ve bu anormalliklere karşı önleyici çözümler sunuluyor. Örneğin, belirli bir makinenin normalden daha yüksek titreşim değerlerine sahip olduğu tespit edilirse, bu durum bir bakım uyarısı olarak sistemde işaretlenecek ve operatörlere bildirilecektir.
• LLM Destekli NSF-AI Asistan Modülü̈: NSF-AI büyük dil modelleri (LLM) ile desteklenmiş bir karar destek sistemi modülüdür. Üretim hattından gelen verileri anlamlandırmak ve yöneticilerle etkileşim kurmak amacıyla OpenAI, Claude, Gemini gibi LLM'ler kullanılmaktadır. LLM destekli bu modül, doğal RAG (Retrieval-Augmented Generation) teknolojisi ile daha da güçlendirilerek, yöneticilerden gelen soruları veya komutları algılayacak ve ilgili veri setlerini analiz ederek yanıtlar sunacaktır. Veri kalitesini artırmak amacıyla kısaltma düzeltme, yazım hatası giderme ve doküman sınıflandırma gibi kapsamlı veri işleme süreçleri uygulanacaktır. Elde edilen metinlerin otomatik olarak kategorilere ayrılması ağlanacaktır. Örneğin, vardiya raporları gibi kısa ve serbest metinler, çok etiketli sınıflandırma algoritmaları kullanılarak ilgili konu başlıklarına veya sorun türlerine göre sınıflandırılacaktır. Böylece, belirli süreçlerle ilgili sorunlar hızlıca analiz edilebilecek ve gelecekteki üretim süreçlerinin iyileştirilmesi için anlamlı içgörüler elde etmektedir.

Proje kurum içindeki hangi bölüme fayda sağlamıştır?(satış, pazarlama, finans, İK, IT, Üretim, Planlama, Satın alma, Lojistik Müşteri İlişkileri gibi)

Tüm bölümlere

Projenin hayata geçirilmesi konusunda üst yönetimin desteğini tam olarak alabildiniz mi?

Evet

Proje sonunda ortaya çıkan sonuçları analiz edebildiniz mi? Rakamsal verilerle ifade eder misiniz?(ROI, maliyetlerde yüzdesel azalma, üretim süresinde azalma, hata payının düşmesi vs.)

Evet sonuçları takip ediyoruz. Henüz çok yeni olmasına rağmen özellikle stok optimizasyon Agent’ları %30’lara varan iyileştirmeler sağlamıştır. 

Proje başlangıcında hedeflenen sonuçlar şunlardır.

1. Operasyonel Verimliliğin Artırılması: IoT entegrasyonu ile üretim hattından gerçek zamanlı olarak toplanan verilerin yapay zeka destekli analizler aracılığıyla süreç iyileştirmeleri yapılması hedeflenmektedir. Bu sayede, makinelerin ve süreçlerin verimliliklerinin artırılması, üretim kapasitesinin en üst düzeye çıkarılması amaçlanmaktadır. Sürekli izleme ve anlık optimizasyonlarla enerji tüketimi, hammadde kullanımı ve üretim süresinde %10 ila %15 arasında bir iyileşme sağlanması öngörülmektedir.

 2. Maliyetlerin Azaltılması: Yapay zeka tabanlı optimizasyon ve anomali tespit algoritmaları sayesinde, üretim süreçlerinde ortaya çıkabilecek sorunların erken tespit edilmesi ve hızlı çözümler üretilmesi hedeflenmektedir. Bu sayede, duraklama süreleri azaltılarak maliyetler minimize edilecek ve verimlilik artışı ile üretim maliyetlerinde %5 ila %8 arasında bir düşüş sağlanması beklenmektedir. Ayrıca, dijital ikiz teknolojisi ile süreçlerin sanal ortamda simüle edilmesi, fiziksel test maliyetlerini %10 oranında azaltma potansiyeline sahiptir. 

3. Karar Alma Süreçlerinin İyileştirilmesi: Önerilen proje yöneticilere ve operatörlere, üretim hattında toplanan veriler üzerinden doğal dilde etkileşim sağlayacak olan LLM (Büyük Dil Modelleri) destekli NSF-AI Asistan Modülü’ sunmaktadır. Bu modül yöneticilere doğru ve zamanında bilgi sağlayarak karar alma süreçlerini hızlandırmayı ve doğruluğunu artırmayı amaçlamaktadır. Bu iyileştirmelerin, karar alma süreçlerindeki hızlanmayı %20'ye kadar artırması beklenmektedir.

 4. Dijital ikiz ve VR/AR teknolojileri ile Süreç İyileştirilme: Dijital ikiz ve VR/AR teknolojileri sayesinde, çalışanlara sanal eğitimler verilerek 

Projenizde şirket içinden kaç kişi aktif olarak görev almıştır? Ekip birimleri hakkında kısaca bilgi verir misiniz?

60

Projenizde (varsa)işbirliği kurduğunuz veya destek aldığınız bilişim şirketlerini belirtiniz.

-

Proje sırasında kullandığınız ve spesifik önemi olan markaları (varsa) belirtiniz. (Yazılım veya donanım markaları)

O’Cean MES, O’Cean Core, O’Cean Loyaltics, O’Cean Oyster, O'CeanPedia,