Nesnelerin interneti (IoT), üretim yönetim sistemi (MES), yapay zeka, dijital ikizler, büyük veri ve kullanıcı arayüzü uygulamalarını kullanarak uçtan uca çözümler sunan ve modüler uygulamalar içeren akıllı bir dijital platformdur.
Bilkent Cyberpark, Üniversiteler Mah. 1606.Cad. H Blok 1.Kat No:13-14, 06800 Çankaya / Ankara
TEKNOPAR Merkez Yerleşkesi Uzay ve Havacılık İhtisas O.S.B, G3 Caddesi No:9 06980 Kahramankazan / Ankara
tia@teknopar.com.tr
+90 312 395 99 07
+90 549 548 38 47
Günümüzde teknolojinin sürekli gelişimi, üretim sistemlerinde kullanılan makinelerin ve ekipmanların verimliliğini de artırmaktadır. Ancak bu verimlilik artışının sürdürülebilirliği, doğru şekilde izlenmesi ve iyileştirilmesi önem taşır. Bu noktada, “Makine verimliliği nedir ve nasıl ölçülür?” sorusunun yanıtı kritik hale gelir.
Makine verimliliği (veya makine performansı), bir makinenin teorik kapasitesi ile fiilî çıktısı arasındaki oranı ifade eder. Makine verimliliğinin ölçümünde en yaygın kullanılan yöntem, Genel Ekipman Etkinliği (Overall Equipment Effectiveness – OEE) yöntemidir. OEE, üç temel parametre üzerinden hesaplanır: kullanılabilirlik, performans ve kalite.
Kullanılabilirlik: Makinenin planlanan süre içerisinde fiilen çalıştığı zamanın oranıdır. Örneğin, 10 saatlik planlanan bir üretim süresinde makine 9 saat çalışmışsa kullanılabilirlik %90’dır.
Performans: Çalışma süresinde ulaşılabilen ortalama hızın, teorik hızına oranıdır. Örneğin, teorik hız 100 birim iken ortalama hız 95 birim ise performans %95’tir.
Kalite: Hatasız üretilen ürünlerin, toplam ürün içindeki oranıdır. Örneğin, 100 üründen 98’i hatasız ise kalite %98’dir.
OEE, bu üç parametrenin çarpımı ile hesaplanır. Yukarıdaki örnekte, kullanılabilirlik %90, performans %95 ve kalite %98 olduğunda OEE skoru %83,79 olur. Buradaki önemli nokta, parametrelerin çarpan etkisidir. Tek bir değerde yaşanan küçük bir düşüş, toplam OEE skorunu ciddi biçimde azaltabilir. Bu nedenle OEE, makinelerin hangi alanda bakım veya iyileştirmeye ihtiyaç duyduğunu somut biçimde ortaya koyar.
Makine verilerinin doğru toplanması, yalnızca OEE hesaplamaları için değil; performans, arıza, duruş ve kalite analizleri için de gereklidir. Veri toplama yöntemleri beş ana başlıkta değerlendirilebilir:
Sensörler ve IoT Cihazları: Titreşim, sıcaklık, basınç, akım gibi parametreler sensörlerle ölçülür; optik sensörler ise ürün sayısı ve hata oranını tespit eder. Bu yöntem, makinenin hem çalışma koşullarını hem de çıktılarını güvenilir şekilde izlemeyi sağlar.
PLC Entegrasyonu: Makineyi kontrol eden sistemlerden doğrudan veri çekilerek performans ve kalite göstergeleri elde edilir.
SCADA Sistemleri: Daha geniş ölçekli üretim hatlarında kullanılır; çoklu makinelerin merkezi izlenmesine imkân tanır.
MES (Manufacturing Execution System): Üretim süreçlerindeki tüm veri akışını çevrimiçi ortamda bir araya getirir ve makine verilerinin bütünsel yönetimini sağlar.
Manuel Veri Toplama: Operatörler tarafından kayıt tutulması esasına dayanır. Günümüzde verimliliğinin düşük olması nedeniyle büyük ölçüde terk edilmektedir.
Bu yöntemlerle toplanan başlıca veriler; üretim adedi, üretim süresi, duruş süreleri, duruş nedenleri, hatalı ürün sayısı, enerji tüketimi, arıza ve bakım kayıtlarıdır. Doğru yöntem seçimi, verilerin güvenilirliği açısından kritik önem taşır.
Makine verilerinin gerçek zamanlı izlenmesi, olası sorunların hızlı tespit edilmesini ve gerekli müdahalelerin zamanında yapılmasını mümkün kılar. Böylece potansiyel arızalar önceden önlenebilir. Başlıca avantajları şunlardır:
Duruş sürelerinin kısaltılması: Arıza belirtileri erken fark edilerek uzun süreli duruşların önüne geçilir.
Kalitenin korunması: Anlık veriler, kaliteyi olumsuz etkileyebilecek faktörlerin önceden tespit edilmesini sağlar.
Operatör uyarıları: Sistem tarafından üretilen bildirimler, olası arızalarda operatörlerin hızlı aksiyon almasına imkân tanır.
Uzaktan izleme: Farklı üretim merkezlerindeki makineler tek bir merkezden takip edilebilir.
Bu işlevler, anlık izleme sistemlerini modern üretim tesisleri için vazgeçilmez hale getirmektedir. Bu amaçla en sık kullanılan teknolojiler; IoT platformları, SCADA panelleri ve bulut tabanlı yazılımlardır.
Makine veya üretim sistemlerinin süreç optimizasyonu farklı yöntemlerle sağlanabilir. Ancak her işletme için uygulanabilecek bazı temel yaklaşımlar şunlardır:
Düzenli Bakım: Planlı bakımlar, plansız duruşların önüne geçer ve ekipman ömrünü uzatır.
Operatör Eğitimi: Operatörlerin süreçlere hâkim olması, olası hataların önlenmesini ve performans artışını sağlar.
Veriye Dayalı Kararlar: OEE skorları ve diğer makine verileri kullanılarak darboğazlar tespit edilip giderilir.
Otomatik Raporlama: Düzenli raporlar sayesinde verimlilik analizleri güvenilir şekilde yapılabilir.
Yazılım Güncellemeleri: Makine yönetiminde kullanılan yazılımların güncel tutulması performansı artırır.
Yedek Parça Yönetimi: Kritik makineler için yedek parçaların hazır bulundurulması, arıza kaynaklı duruşları en aza indirir.
Yapay Zekâ Uygulamaları: Yapay zekâ destekli kestirimci bakım yöntemleri, olası arızaların önceden tespit edilmesini sağlar.
