mIQ Project
Üretim, bakım ve enerji verilerini analiz ederek otomatik proje fikirleri geliştirin. mIQ Project, yapay zeka destekli öneriler ve ROI hesaplamalarıyla fabrikanız için 6–12 aylık yol haritası oluşturur.
MES Verisiyle AI Destekli Proje Fırsatlarını Keşfetme
Kullanıcı, modüle veri sağlamak için ya entegre MES verilerini kullanır ya da dışarıdan bir veri seti yükleyebilir (örneğin başka bir sistemden alınan CSV raporu). Sistem, bu veriler üzerinde yapay zeka algoritmalarını çalıştırarak fabrikanın performansını farklı açılardan analiz eder ve olası iyileştirme veya yatırım fırsatlarını listeler. Örneğin: “İstasyon 5 sık sık arıza yapıyor, burada Predictive Maintenance projesi fırsatı var” veya “Son 1 yılda enerji tüketimi artış gösteriyor, enerji optimizasyon projesi uygun olur.”
ROI Hesaplama ile Önceliklendirme
Her öneri için bir ROI (Return on Investment) ya da beklenen kazanç hesaplanır. Örneğin: “Makine X’e otomasyon yatırımı yap, yıllık 100.000 TL tasarruf sağlarsın; yatırımın geri dönüş süresi 1,5 yıl.” Bu hesaplamalar, önerinin maliyet ve getirilerini içerir. Sistem, ROI analizinde duruş süresi maliyeti, işçilik maliyeti, enerji fiyatı gibi parametreleri dikkate alır ve pratik bir finansal model uygular. Böylece kullanıcı, projeleri sezgisel olarak değil, somut rakamsal getiriler üzerinden kıyaslayabilir.
Farklı Lokasyonlar Arası Benchmarking
Şirketin birden fazla fabrikası veya üretim hattı varsa, mIQ Project bunları karşılaştırarak geride kalan alanları tespit eder. Örneğin, Fabrika A’da OEE %85 iken Fabrika B’de %75 ise, B’nin A seviyesine ulaşması için eğitim programı ya da makine yenileme gibi proje önerileri sunabilir. Bu özellik, aynı işi yapan birimler arasında benchmarking (kıyaslama) yaparak en iyi uygulamaların yayılmasını sağlar.
AI Destekli Yol Haritası (6–12 Aylık Plan)
Modül, tek tek projeler önermekle kalmaz; bunları takvim perspektifiyle de sunar. Yani, hangi projelerin önce hangilerinin sonra yapılmasının mantıklı olduğunu kaynak kısıtlarını dikkate alarak bir yol haritasına dönüştürür. Örneğin, ilk 3 ayda bakım iyileştirme, sonraki 6 ayda kalite kontrol projesi önerilebilir. Bu planlama, projelerin etki büyüklüğü ve aciliyetine göre sıralanır. Kullanıcı böylece önümüzdeki yıl hangi projelerin hayata geçirileceğini bütüncül şekilde görebilir.
Hazır Şablonlarla Kestirimci Bakım ve Kalite Kontrol Projeleri
Üretimde bazı proje türleri oldukça yaygındır (ör. Kestirimci Bakım – Predictive Maintenance, otomatik görsel kalite kontrol). mIQ Project bu alanlarda hazır proje şablonları sunar. Örneğin, Kestirimci Bakım için gerekli veri tipleri, kullanılabilecek algoritmalar ve dünyadan başarı örnekleri özetlenir. Eğer veri analizi makine arızalarını kritik bir sorun olarak gösterirse, sistem şu öneriyi sunar: “Kestirimci Bakım Projesi: Makine arıza kayıtlarını analiz ederek arızaları öngörecek bir model geliştirme.” Benzer şekilde, yüksek hata oranı varsa “Görsel Kalite Kontrol Projesi: Kamera ve yapay zeka ile hatalı ürün tespiti” şablonu önerilir.
Enerji ve Üretim Maliyeti Odaklı Proje Önerileri
mIQ Project, enerji tüketimi ve üretim maliyetlerini analiz ederek verimlilik fırsatlarını ortaya çıkarır. Enerji alanında “Buhar kazanı verimliliği: Yakıt tüketimini azaltma” veya “Güneş enerjisi yatırımı fizibilitesi” gibi öneriler gelebilir. Üretim maliyetleri için ise “Atık azaltma projesi” ya da “Malzeme optimizasyonu” gibi seçenekler sunulabilir. Somut bir örnek: Enerji verisi incelendiğinde bazı makinelerin boşta çalışırken yüksek enerji harcadığı görüldü. Bu durumda sistem, “Makine bekleme modları projesi: Boşta enerji tüketimini azaltmak için otomatik kapatma sistemlerinin entegre edilmesi” önerisini sunar.
Hızlı Analiz (Dakikalar İçinde Veriden Fikre)
mIQ Project’in temel farkı, çok kısa sürede ham veriden anlamlı proje fikirleri çıkarabilmesidir. Geleneksel olarak veri analistlerinin günlerce çalışarak bulabileceği içgörüleri, mIQ Project dakikalar içinde sunar. Bu, optimize edilmiş algoritmalar ve hazır model kitaplıkları sayesinde gerçekleşir. Örneğin, kullanıcı bir veri seti yüklediğinde sistem otomatik olarak aykırı değer (outlier) analizi, trend analizi ve korelasyon analizi yapar; bulguları rapor halinde listeler ve bunlardan proje fikirleri üretir.
Mes Raporlarıyla Darboğaz Tespiti
Mevcut MES raporlarındaki kritik KPI’ları inceleyen mIQ Project, üretimdeki darboğazları belirler. Örneğin, bir hattın OEE’si sürekli düşükse bu bir darboğazdır; sistem bunu vurgular ve “Hat B’nin kapasitesi yetersiz, OEE düşük – kapasite artırma projesi” önerir. Bir üründe kalite dalgalanması yüksekse “Proses stabilizasyon projesi” önerilir. Fabrikada sorunlar zaten biliniyor olabilir; ancak mIQ Project bunları veriye dayanarak netleştirir ve önceliklendirme için güçlü bir dayanak sunar.
Yapay Zekanın Yatırım Önceliklerini Hesaplaması
Sistem, tüm proje fırsatlarını toplayarak ROI, stratejik uyum ve uygulanabilirlik gibi çoklu kriterlere göre bir öncelik skoru üretir. Bu sayede kullanıcı, örneğin “Öncelikle Proje A’ya odaklan; en yüksek getiri burada” şeklinde yönlendirilir. Yapay zeka Proje A için 85, Proje B için 60 puan verebilir. Bu skor, bir ML modeli ya da kural setine dayalıdır. Amaç, yönetim için karar sürecini kolaylaştırmak ve hangi projelerin önceliklendirileceğini netleştirmektir.
MES + PMS Verilerinden Fırsat Alanları Tespiti
Bu modül, üretim (MES) ve enerji (PMS) verilerini entegre ederek analiz yapar. Örneğin, bir ürünün birim enerji maliyeti yüksekse sistem, ilgili ürüne yönelik proses iyileştirme projesi önerir. Bakım (MMS) verileri de dahil edildiğinde, arıza süresi ve enerji tüketimi yüksek makineler için hem bakım hem enerji tasarrufu sağlayan projeler geliştirilebilir. Böylece veriler silo mantığında değil, bütünleşik şekilde analiz edilerek kesişim noktalarındaki fırsatlar ortaya çıkarılır.