Proje İçeriği

Inspectrix, üretim sahalarından gerçek zamanlı / gerçeğe yakın zamanlı veri toplayarak işletmelere anlık takip ve analiz imkânı sunmaktadır. Sistem; üretim verimliliğini ölçme, kayıpları analiz etme, kaliteyi izleme ve maliyetleri optimize etme gibi işlevleri tek bir platformda birleştirir. Özellikle üretim hatlarında operasyon esnasında parametre değiştirme durumlarına cevap verebilen çevrimiçi öğrenme tekniklerine dayalı yapay zekâ destekli öngörüler (anomali skorlaması, anomali üretme oranı) ve esnek raporlama özelliklerine sahiptir. Böylelikle endüstriyel üretim alanlarının izlenebilirlik, şeffaflık ve tahmin edilebilirlik niteliklerini güçlendirerek dijital dönüşüm olgunluğunu arttırmaktadır. 
 Sistem, makine ve operatörlerden gerçek zamanlı veri toplayarak üretim süreçlerinin dijitalleştirilmesini hedeflemektedir. 

Proje aşağıda belirtilen yenilikçi yönlere sahiptir,

1.Gerçek / gerçeğe Yakın Zamanlı Veri Saklama, Aktarma ve İşleme 

• Nesnelerin interneti ve büyük veri çağına cevap verebilen, makineden makineye iletişim yapılarına entegre analitik sistem tasarımı sayesinde gerçek/ gerçeğe yakın zamanlı veri işleme. 
• Üretim sahasından yazılımsal ve donanımsal  geçitler (gateway) kullanılarak endüstriyel iletişim protokolleri (MQTT, MODBUS, OPC vb.) aracılığıyla makine verisinin toplanması, 
• Ham veri için nesne deposu (Minio / object store) ile büyük veri süreçlerine optimize Parquet dosya tipi kullanılması,
• Yapılandırılmış veri için SQL veri tabanı yapısının kurgulanması ve normalizasyonu.  
• Toplu veri (batch) ve akan veri (streaming) için veri işleme araçlarının konumlandırılması (Kafka, redpanda (Kafka UI) , apache arrow, pandas ).   

2. Yapay Zekâ Destekli Öngörü 

• Anomali tespiti, aykırı değer tespiti, kondisyon / trend gözlemi, Kestirimci bakım (predictive maintenance) ve üretim kayıplarının önceden tahmin edilmesi için makine öğrenmesi yapılarının geliştirilmesi.
• Python programlama diliyle, çevrimiçi makine öğrenimine (RiverML) yönelik veri uygulamalarının  (data application) geliştirilmesi (streamlit) ve çoklu proses (multi-process) analiz yapabilmesi (RedisQueue).   
• Min-Max aralığı belirli olan parametreler için gelen değerlerin, aralık içinde olup olmadığının kontrolü. 
• Anomali Skorlaması / Anomali tespiti / Kondisyon gözlemi.

Böylelikle aktif üretim durumunun takibinin yanı sıra geçmiş yönelik üretim sürecinin izlenmesi ve günlük anomali üretme oranı üzerinden hat ve operasyon geçmişine yönelik rapor dökümü alınması hedeflenmektedir. Bu sayede çeşitli operasyonel kırılımlara dair anahtar performans indikatörü üretilmektedir.  

3. Esnek ve Modüler Mimari 

• Fabrika sahasının farklı üretim tiplerine uyum sağlayacak ölçeklenebilir yapının tasarlanması. 
• Kullanıcı ihtiyaçlarına göre özelleştirilebilir raporlama ve dashboard altyapısı. 

4. Tümleşik İzlenebilirlik 

• Üretim verilerinin uçtan uca izlenebilir hale getirilmesi, sadece makinelerden değil operatör, kalite kontrol ve bakım noktalarından da bütünleşik veri toplanması. 

Inspectrix ayrıca, izlenebilirlik ve karar destek üzerine bir projedir. Kaynak süreçleriyle ilgili KPI takibinin oluşturulması ve desteklenmesi üzerine bir ölçüm temeli sunar. Proje kapsamında, çevrimiçi öğrenme teknikleriyle birlikte sistemsel yükü minimize ederek, yeni parametrelere veya parametre kaymalarına adapte olabilen yaygınlaşabilir bir yapı kurulmuştur. Uygulamada her bir kaynak noktası için; 

• Canlı veya geriye dönük anomali skorlaması yapılabilir, tolerans dışı değerler tespit edilebilir. 
• Gün bazında rapor dökümü alınabilir. 
• Anomali oranları, gün bazında KPI olarak takip edilebilir. 

Projenin Amacı

Proje, üretilen her bir parça için kaynak noktaları bazında izlenebilirlik sağlayarak mevcut üretim süreçlerini iyileştirmeyi ve ürün kalite izlenebilirliği için analiz edilebilir sonuçlar üretmeyi hedeflemektedir. Bu yenilikçi yaklaşımı, Coşkunöz Holding’e bağlı Coşkunöz Metal Form şirketindeki Batarya Taşıyıcı ve Şasi üretim süreçlerinin yanı sıra, sektöre referans oluşturarak daha verimli ve hatasız üretim süreçleri için önemli bir adımdır.

Uygulama ilk olarak Coşkunöz Metal Form Batarya Taşıyıcı ve Şasi üretim hatlarında kurgulanmış ve devreye alınmıştır. Elde edilen sonuçlar analiz edildiğinde ortaya çıkan Inspectrix yazılımı bir kuruma bağlı değil, otomotiv yan sanayi başta olmak üzere tüm imalat sektöründe kalite izlenebilirlik süreçlerinin yönetilmesinde kullanılabilecek potansiyele sahip bir uygulama olarak hayata geçirilmiştir.

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

Projedeki en büyük inovasyon, çevrimiçi makine öğrenimi teknikleri kullanılarak kaynak operasyonu için ayarlanmış parametrelere, parametre değişikliklerine ve parametre kaymalarına adapte olabilen ve anomali skorunu yeni normal davranışı gözeterek üreten adaptif bir sistem olmasıdır. Uygulama, tamamen açık-kaynak yazılım araçları kullanılarak geliştirilmiştir. 

İşin doğası gereği operatörün veya robotun kaynak noktası bazında yaptığı ayarlamalara cevap verebilen bir sistem tasarlanmıştır. Hareket halindeki / akan veri üzerinden makine öğrenmesi gerçekleştirilebilmiş ve model büyük miktarlarda veri biriktirme ihtiyacı olmaksızın kendisini eğitmekte, güncellemekte ve servis vermektedir. 

Çevrim içi öğrenme tekniğinin getirdiği bu avantajlar sayesinde, CPU üzerinden süreçler işletilebilmiş ve CPU çekirdekleri üzerinde multi-process şekilde çalışabilen, bloklanmayan arkaplan işlemleri şeklinde kuyruğa alınmaktadır. GPU kullanılmadan uygulama üzerinden yapılan seçimlerle, her bir kaynak noktası özelinde 4 parametre ( akım, tel sürme hızı, kaynak hızı, voltaj)  kendi çevrim içi modelleriyle izlenebilirlik sağlanmaktadır.

Anomali tespiti, aykırı değer tespiti, kondisyon / trend gözlemi ve kestirimci kalite konularında izleme ve karar destek mekanizmasıdır. Operasyon parametrelerinin değişen durumlarına adapte olabilen öğrenme kabiliyetiyle üretime dair performans ölçümü ve iyileştirme imkanı sunmaktadır. İçerisinde Aktif Üretim Durumu, Geriye Dönük Rapor Döküm Sİstemi, Geriye Dönük İzleme Sistemi ve Kondisyon Gözlemi alt modüllerine sahiptir. Veri uygulamalarına özel arayüz çözümleri barındıran Streamlit kütüphanesi önyüz ve arkayüz süreçlerinde kullanılmaktadır. Çevrimiçi öğrenme modellerinin (Gaussian Scorer vb.)  eğitilmesi ve hizmet vermesi noktasında RiverML kütüphanesi kullanılmaktadır. Verinin yapay zeka amacıyla saklanması ve okunmasında Minio nesne depose ve büyük veri süreçlerine optimize Parquet dosya tipip kullanılmaktadır. Önyüz süreçlerinde multi-process analiz başlatılabilmesi için RedisQueue kuyruklama aracı kullanılmaktadır.

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

Üretim, Kalite, Bakım ve Finans

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

Üst yönetim, Inspectrix projesini sadece bir yazılım uygulaması olarak değil, şirketin dijital dönüşüm yolculuğunun temel bir adımı olarak görmüştür. Kalite yönetiminin geleceği için atılması gereken stratejik bir adım olarak konumlandırılan proje, dijitalleşme, veriye dayalı karar alma ve sürekli iyileştirme hedefleriyle tam uyumlu görülmüş ve bu doğrultuda sahiplenilmiştir.

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

Üretim süreçlerinde kalite kontrol faaliyetlerini dijitalleştirip standart hale getirmeyi hedefleyerek, planlanan hedeflere ulaşma konusunda başarılı bir şekilde tamamlanmıştır.

Uygulama Coşkunöz Metal Form Batarya Taşıyıcı ve Şasi Üretim hatlarında devreye alınarak aşağıdaki nicel ve nitel sonuçlara ulaşılmıştır.

Nicel Sonuçlar;

• Denetimlerde dijital kayıt sayesinde %100 izlenebilirlik elde edilmiştir. Böylelikle müşteri tarafına karşı şeffaflık ilkesini tam anlamıyla sağlamıştır.
• Coşkunöz Metal Form Batarya Taşıyıcı Üretim fabrikasında yapılan Rework/Rötuş operasyonlarında %60 oranında iyileşme olduğu gözlemlenmiştir. 
• Coşkunöz Metal Form Şasi Üretim fabrikasında gerçekleştirilen Rework/Rötuş operasyonlarında %40 oranında iyileşme olduğu gözlemlenmiştir.
• Üretim esnasında hurdaya ayrılması gerekirken, Rework/Rötuş yapılamaz durumdaki parçalar yakalanarak üretim operasyonuna devam ettirilmeden, parça ayrıştırma yönlendirmesi sayesinde enerji ve maliyet tasarrufu sağlanmıştır. Inspectrix Anomali Sisteminin dolaylı katkısı ile anlık yakalanan parça hataları ile kalite problemlerine müdahale süresi %40’a kadar kısaltılmıştır.

Nitel Sonuçlar;

• Duruş ve bakım süreleri üzerinden gelişim, 
• Kalite kontrol süreçleri sonrasında hatalı üretilen parça sayısı üzerinden verimlilik artışı, 
• Hatalı olarak gönderilen, gönderilmeyen ve müşteriden dönen adetler üzerinden verimlilik artışı, 

Anomalilerle karşılaşma sıklığının zamana bağlı değişimi üzerinden kaynak sürecindeki verimlilik artışı.

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

5

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

Proje tamamen iç kaynaklar dahilinde geliştirilmiştir.

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

Kafka, ZooKeeper, Redpanda, redis, RQ, Arrow, Minio, Pandas, Parquet, River, Docker, Docker-Compose, Streamlit, Plotly, Nginx, Linux Ubuntu