Söylemimizin merkezinde Systems Thinking ilkesi yer alır. Bu ilke, tüm yapının üzerine inşa edildiği temel olarak hareket eder. Tıpkı bir binanın temelinin sağlamlığını ve dayanıklılığını belirlemesi gibi, Systems Thinking de başarılı değişim için zemin hazırlar. Systems Thinking, geleneksel doğrusal perspektifin ötesine geçer ve organizasyonları ve süreçleri birbirine bağlı bileşenlerden oluşan karmaşık ağlar olarak görmemizi teşvik eder. Dönüşümün izole segmentlerle sınırlı olmadığını, tüm sisteme nüfuz ettiğini kabul etmemizi sağlayan bu bakış açısıdır.
Domain Knowledge bileşenleri ve Strategic Control sütunlar halinde sembolize edilmiştir. Yapının yükselmesini ve sağlamlığını garanti eder. Bu sütunlar, dönüşümsel mimarimizin yapısal temellerini oluşturan Core Skills, Toll Skills, Skills Expertise ve Strategic Control alanlarını içerir. Binanın sağlam bir şekilde yükselmesini ve belirsizlik rüzgarlarına dayanmasını sağlar. Pratik bilgi birikiminin, endüstri iç görülerinin ve özel becerilerin birleşiminin değişime yönelik yolculuğumuzu güçlendirdiği yer burasıdır.
Ancak, tek başına sütunlar, ulaşmayı arzuladığımız mimari harikayı garanti edemez. Tıpkı bir çatının bir binayı tamamlaması gibi, psikoloji de dönüşümün doruk noktasını taçlandıran görkemini temsil eder. Psikoloji, yolculuğumuza rehberlik eden kapsayıcı ilkeleri ve değerleri kapsar. Dönüşüm çabalarımızı daha yüksek bir amaçla hizalayan bir pusula görevi görür, bizi kalıcı ve anlamlı değişime yönlendirir. Bu kapsayıcı felsefe olmadan yapı eksik kalır ve yolculuğu ileriye doğru iten birleştirici vizyondan yoksun kalır.
Bununla birlikte, gerçek dönüşüm sanatı, bu farklı unsurların sinerjisinde yatmaktadır. Yetenekli bir mimarın, temel, yapı ve tasarımı uyumlu hale getirmesi gibi, dönüşüm sanatı da Systems Thinking, Domain Knowledge, Strategic Control ve Phycologydörtlüsünün kusursuz entegrasyonuna bağlıdır. Dönüştürücü başarının anahtarı, bu farklı stratejilerin bir araya gelmesinde yatar. Sistemsel Düşüncesinin bütüncül bakış açısını alan bilgisi uzmanlığıyla harmanlayan, birleştirici bir felsefenin rehberliğinde dengeli bir yaklaşım, başarının temelini oluşturur.
Sonuç olarak, tartışmalarımız, dönüşümün tek bir strateji üzerine bir çaba olmadığının altını çiziyor. Değişimin mimarları gibi, sınırlamalara meydan okuyan ve değişime karşı kararlı bir yapı inşa etmek için bu dört bileşenin orkestrasyonunda ustalaşmalıyız. Bu ustalık daha parlak bir geleceğin yolunu açarak, dönüştürücü başarıya giden geçidin kilidini açıyor.
Geçtiğimiz hafta MPG firmasında bir çalıştaya katıldım. Hem çok şey öğrendim hem de genç mühendis arkadaşların yaptıklarından mutlu oldum. Çünkü oldukça güzel işlere imza atmışlar. GM Veysel Bey’den de müsaade alarak bazı gözlemlerimi, Agile ve Dijital alanda süreçlerini geliştirmek isteyen işletmelere benchmarking olması açısından aktarmak istedim.
Yurt dışına sattıkları ürünlerinin birçoğu IoT ready. Ürünün nasıl kullanıldığını, performansını sürekli izliyorlar ve gerektiğinde güncellemeleri IoT üzerinden yapıyorlar.
Üretimden verileri almaya başlamışlar. Hatta bazı kaynak robotlarından veri almak için kendi IoT data collectorlerini geliştirmişler. Bu verileri Unity üzerinde toplayıp sahanın Dijital İkizini yapmak üzere çalışıyorlar.
Ürün tasarım sürecinde karar vermek için optimizasyon algoritmaları kullanıyorlar. SW ve ANYSYS arasında çalışan bir matematiksel modelleme algoritması (Iteration – Optimization – Modelling) üzerinden haftalar mertebesinde sürecek tasarım kararlarını saatler mertebesine indirgiyorlar.
Peki fark nerede;
Bilmek değil, kullanmak fark oluşturuyor (to do or not to do, that is the question!)
Rekabet üründe değil, teknolojide! (Use lightspeed to make decision)
Günümüzün petrolü veri, elektriği ise AI (speak with data, act with AI)
Genç ve yeni mezun arkadaşlarıma:
Bu konular üzerine bir düşünün, hızlı uyuyun ve en az yarım gün çalışın. Günün hangi yarısı olduğu fark etmez ister ilk 12 saat ister sonraki 12 saat.
Netflix’den’ Social Dilemma’ belgeselini mutlaka izleyin.
Proje Yönetimi Teknikleri (Agile / SCRUM) ve ML Algoritmaları üzerine yoğunlaşın. Hayatın her alanında proje ve optimizasyon var!
Bolca literatür okuyun ve konuyu kaynağından derinlemesine öğrenin.
Sıklıkla uygulama yapın: deneyin – deneyin – deneyin (kaizen is try-storming not brain-storming)
Öğrenin ve öğretin!
Ve şunu asla unutmayın: Gelişim ile rahatlık bir arada olmaz!
Dijital Dönüşümün özünde ‘süreçlerin dijitalleştirilmesi (IoT Ready)’ ve ‘dijitalleşen süreçleri birbiri ile iletişime geçirebilir olmak (inter-operability)’ yatar dersek sanırım yanılmış olmayız. Bilgiyi üreten (produce data) ile bilgiyi tüketenin (consume data) buluşabilmesi bu iki konu ile ilintilidir.
PPAP (Production Part Approval Process) dosyası hazırlamak oldukça karmaşık bir süreçtir. Farklı sistemlerden gelen birçok veriyi (örneğin onlarca test ekipmanını ürettiği test verileri) doğru ve eksiksiz olarak tek bir PPAP dosyasına aktarmanız gerekir. Hatalı veri girişi ya da arama/bekleme gibi zaman kayıpları bu süreçte oldukça can sıkan konulardır. Hatalı bilgi ya da gecikme, tüm emeğin boşa gitmesine bile sebep olabilir.
RPA konusu giderek yaygınlaşıyor. Robotlar, muhasebe, satın alma, raporlama gibi standart/tekrarlamalı süreçlerin otomatikleştirilmesinin ötesinde farklı sistemler arasında kompleks ağ yapıları kurmadan entegrasyon yapılabilmesinin de önünü açıyor.
Geçtiğimiz gün bir müşterimde, test ekipmanlarının ürettiği verilerin PPAP dosyasına otomatik aktarılması sürecini RPA üzerinden gerçekleştirdik. Süreç oldukça basit bir şekilde kurgulandı.
Test ekipmanları ürettikleri dosyalar (xls, pdf, csv,) belirli bir klasöre kopyalandı,
RPA, klasördeki dosyaları tek tek açarak, tanımlanmış alanları/sonuçları buldu ve ilgili PPAP dosyasına otomatik yazdı.
Çevrim süresi istasyon başına 3 sn., hata oranı 0% olarak gerçekleşti.
Daha önceleri bir PPAP için 2-3 saat zaman alan bu süreç (manuel bilgi transferi: dosya arama, açma, okuma, yazma), RPA ile 30 sn. (10 test ekipmanı) mertebesine indirgendi. Yılda ortalama 300 PPAP dosyası hazırlandığı göz önüne alındığında yaklaşık 900 saatlik mühendislik zamanı ve en önemlisi sıfır hata (poka&yoke) oranına erişilmiş oldu.
Eğer, bu çalışmayı sistemleri birbiri ile entegre ederek yapmaya çalışsaydık, farklı iletişim protokollerine sahip her bir cihaz için bir entegrasyon yazılımı yapmak ya da OPC/UA, MQTT gibi çözümler üzerine gitmemiz gerekecekti. Elbette ki her iki yöntem birbiri ile aynı değil ancak amaç fonksiyonuna baktığımızda istenilen sonuca ulaşmada RPA işe yaramış gibi görünüyor. Dijital Eko-Sistemi, yeteri kadar iyi konsepti üzerinden en basit/hızlı yöntemle genişletme konusunda RPA ile entegrasyon sonuç verdi.
İş süreçlerinde buna benzer birçok farklı süreç mevcut. RPA, süreçlerin yönetimi anlamında hız, maliyet ve kalite açısından fark oluşturuyor ve işletmenin hem Lean hem de Agile olmasına katkı sunuyor. Bu konuyu araştırın ve üzerine sıkı sıkı düşünün derim.
İşletmeler varlıklarını devam ettirmek için özellikle inovasyon, yeni ürün geliştirme ve proje yönetimi gibi konularda rekabetçi stratejiler izlemek; bu stratejileri gerçekleştirebilmek için de yeni metotlar öğrenmek/kullanmak zorundalar. Endüstriyel gelişim ve bunun topluma yansıması bunu zorunlu kılıyor.
Literatürde bu kapsamda birçok farklı araç mevcut. Agile Project Management, Lean Start-up, Cooper’s Stage-gate gibi ürün ya da süreç geliştirme yaklaşımları bu anlamda en sık görülen proje yönetim yaklaşımlarının başında geliyor.
Agile, ön görülemeyen belirsizliği yönetebilmek için proje bileşenlerini küçük döngüler şeklinde kurgulayarak adaptif proje yönetimi (Iteration and Incremental) ilkesini benimser. Her iterasyon sonunda müşteriye küçük bile olsa bir değer (increment) göndermeyi amaçlar ve her iterasyon sonunda planlama sürecini yeniden kurgular. Bunun için ‘transparency – inspection – adaptation’ ilkelerine vurgu yapar, sürekli iyileştirme konusuna odaklanır, iş birliği (collaboration), kendi kendini organize eden ekip (self-organized team) konusunun önemine değinir.
Lean start-up; yeni bir iş, süreç ya da ürün geliştirme konularını ‘build – measure – learn’ döngüsü üzerinden gerçekleştirmeye odaklanır. Ürünü tüm fonksiyonalarıyla tek seferde tasarlamak yerine, Agile yöntemine benzer şekilde iteratif yaklaşımı benimser. Ürün, anlamlı en küçük parçasını yaparak (MVP: Minimum Viable Product), bilimsel deneyler/testler yapar – müşteri görüşleri alır, sonuçları değerlendirir, öğrenir (validated learning) ve adım adım nihai değere ulaşmaya çalışır.
Cooper Stage-gate ise geleneksel, linear proje yönetimi yaklaşımıdır. Proje amacının net ve belirsizliğin çok az olduğu durumlarda sürecin fazlara bölünmesi ve bir fazın tamamlanmadan bir sonraki faz geçisin olmadığı bir çerçeveyi savunur.
Tüm bu yaklaşımlar için geçerli olan ortak özellikleri Jeff Gothelf (2019, Singapur) şekil 1 sol taraftaki gibi sıralamış. Hepsi de çok doğru ancak maddelere dikkatlice bakılınca nereden türedikleri konusunda bir fikre sahip olabiliyorsunuz: The DNA of Toyota. Yalın Felsefe her anlamda yeni metotlara ilham kaynağı oluyor. Bu bağlamda Toyota’nın DNA’sının bileşenlerini anlamanın proje yönetimi süreçlerinde hangi metodu kullanırsanız kullanın çok önemli olduğunu düşünüyorum.
The DNA of Toyota
Toyota DNA’sı (Yalın Felsefe) iki ana başlık ve 5 alt başlıktan oluşuyor.
Sürekli İyileştirme: : Challenge, Kaizen, Genchi- Gembutsu
İnsan : Respect, Teamwork
Challenge (Mücadele)
Süreçler, ürünler ve hizmetlerde her zaman tam anlamıyla mükemmellik yoktur. Yapılan ürün ya da süreç kurgusu o an için belki en iyisidir ancak her zaman daha iyisini, daha basitini ya da daha kalitelisini yapabilmenin mutlaka bir başka yolu vardır. Ancak, bu yolları bulmak cesur ve girişimci bir şekilde karşılarına çıkan zorluluklara meydan okuyabilecek motivasyonu yüksek insan kaynağı üzerinden gerçekleşebilir.
Yalın Felsefe, uzun dönem hedeflere ulaşabilmek için insanların yeteneklerini sürekli geliştirerek sorun çözme ve mücadele yetisi yüksek iş gücünün işletme içindeki varlığının önemine vurgu yapar. Çünkü, ilerlemenin ancak problemlere meydan okunarak, varlıkları kabul edilmeyerek gerçekleştirilebileceğini savunur. O nedenle Yalın organizasyonlar, sürekli olarak insanlara engelleri aşmanın yollarını öğretir ve onları daha fazlasını, daha iyi bir şekilde başarmaları için güçlendirerek değişime açık olup, mevcut durumu sürekli sorgulamalarını beklerler.
Kaizen (Sürekli İyileştime)
Mükemmelliğin olmadığı yerde iyileştirme asla bitmez. Kaizen (Kai – ‘change’, Zen – ‘good’), çalışanlar tarafından başlatılan küçük ancak sürekli yapılan iyileştirme faaliyetleridir Tüm çalışanlar sürekli olarak iş süreçlerini/mevcut durumu iyileştirmenin yollarını aramalı ve takım performansını iyileştirmek için başkalarıyla birlikte çalışmalıdır. Kaizen eğitim ile başlar, uygulama/denemeler (try storming) ile devam eder ve ne öğrendik ile sonuçlanır (lesson learned). Bu döngü, çalışanları işlerinin sahipliğini almaya teşvik eder, problem çözme becerilerini geliştirir ve onların daha iyi bir fabrika vatandaşı olmasına katkı sağlar. Kaizen, kaikaku (radikal değişim) ve kakushin’in (radikal yenilik) gibi yukarıdan aşağıya doğru değil iyileştirme için aşağıdan yukarıya doğru olan bir yaklaşım olan kaizen ‘in en önemli yönü, organizasyondaki herkesin her şeye meydan okumasına ve her yerde iyileştirme fırsatlarını görmesine yardımcı olan bir düşünce tarzı olmasıdır.
Genchi Genbutsu (Git ve Gör)
Genchi Genbutsu, gerçek yerde gerçek şeyleri gözlemleme anlamına gelir. Değerin ve israfın görünür olduğu sahadaki durumun iyi anlaşılması, problem çözme ve iyileştirme için çok önemlidir. Dedektiflerin olay yeri incelemesi yaparak kanıt aramasına benzer şekilde kaizen yaklaşımında da en önemli ilkelerden biri kararların varsayımlara veya denenmemiş hipotezlere göre değil, işin gerçekte yapıldığı/ problemin meydana geldiği kaynakta bulunan gerçeklere dayanarak karar almaktır. Yerinde gözlem yapma konusuna vurgu yapan Genchi Genbutsu, problem anlamanın, probleme etki eden kök nedenleri öğrenmenin ve iyileştirme yapabilmenin temelini teşkil eder.
Respect (Saygı ve Değer)
İş süreçlerinde gerçekte görülmeyen/bilinmeyen problem çok fazla yoktur. Bunu en iyi o işi yapanlar bilirler. Ancak, çalışan kendisini değerli hissetmez ya da bir sebepten dolayı fikirlerine önem verilmeyeceği düşüncesine kapılırsa, problemin varlığını bilmesine rağmen ortadan kaldırılması için pek istekli olmayabilir.
Yalın Felsefe, çalışanlara saygı duymayı ve onların görüşlerine değer vermeyi savunur. Çalışanların fikirlerine ve önerilerine açık olmak, kaizen esnasında apoletleri bir kenara bırakmak sürekli iyileştirme ve yenilikçi yaklaşımının ayrılmaz parçalarıdır.
Teamwork (Ekip Çalışması)
Dönüşüm bitmeyen bir süreçtir. İçinde, ancak ekipler ile gerçekleştirilebilecek birçok inovasyon, proje, kaizen barındırır. Ekip, aynı amaca ulaşmak için birbirlerine ihtiyacı olan kişilerin bir araya gelmesi ile oluşur. Bu anlamda iki konuya vurgu yapar: İş birliği (Collaboration) ve kendi kendini organize eden ekip (Self-organized team).
Collaboration için gereken birinci unsur ekip üyelerinin crıoss-functional yetkinliğe sahip olmasıdır. ‘T Shape’ olarak da tanımlanan bu yetkinlik ekip üyelerinin gerektiğinde/ihtiyaç olduğunda uzmanlık alanının dışındaki kaizen/proje görevleri işlerini de yerine getirmesine olanak sağlar. Sürekli yapılan kaizenler ve yetkinlik geliştirici uygulamalar bu süreci destekler.
Self-organized teams kavramı Taylorizm (Scientific Management, 1911) konseptinin bazı unsurlarının (top-down instruction) artık pek de geçerli olmadığının en temel belirtisi gibi duruyor. Araştırmalar, proje yönetiminde ve kaizen süreçlerinde küçük ekiplerin neyi/nasıl yapacaklarına yukarıdan direktif almadan kendilerinin karar vererek yapmalarının (planning + doing) ve yaptıklarının sonuçlarından yeni bir şeyler öğrenerek (learn by iteration) öğrendiklerini yeni süreçlere adapte etmelerinin son derece önemli olduğunu vurgulamaktadır.
IIoT, endüstriyel üretim ve işletme süreçlerinde kullanılan cihazlar ve nesnelerin birbirleriyle bağlantılı olduğu ağı ifade eder. Fabrika ekipmanları, sensörler, veri toplama cihazları, robotlar ve diğer endüstriyel cihazlar IIoT ağına bağlanarak; veri toplama, analiz, izleme gibi işlemler yapılabilir. Bu sayede, endüstriyel işletmelerde verimlilik artırılabilir, üretim süreçleri optimize edilebilir ve bakım/kalitesizlik maliyetleri azaltılabilir.
IIoT platformları, endüstriyel IoT uygulamalarının geliştirilmesi ve yönetimi için özel olarak tasarlanmış yazılım sistemleridir. Bu platformlar, işletmelerin veri toplayan, analiz eden ve bu verilere dayalı eylemler gerçekleştiren bağlı sistemler oluşturmasına (Operations Technology) ve işletmesine yardımcı olan bir dizi araç ve hizmet sunarlar.
Connectivity: IIoT platformları, akıllı nesnelerin internete bağlanmasını ve birbirleriyle iletişim kurmasına olanak sağlayarak, gerçek zamanlı veri toplama ve izleme imkânı sunar.
Data Management: IIoT platformları, çeşitli kaynaklardan gelen büyük veriyi yönetmek için merkezi bir sistem sağlar.
Analytics: IIoT platformları, verileri işlemek ve analiz etmek için sofistike analitik araçlar sunar (Machine Learning).
Security: IIoT platformları, verileri korumak ve akıllı istemlere yetkisiz erişimi önlemek için güçlü güvenlik önlemleri kullanır.
Inter-operability: IIoT platformları, farklı cihazlar, sensörler ve makinelerin uyumlu olarak birbirleri ile iletişime geçebilmesi için yazılım tabanlı entegrasyon olanakları sunar.
Customization: IIoT platformları, belirli bir endüstriyel operasyonun özel ihtiyaçlarını karşılamak için özelleştirilebilir, işletmelerin operasyonlarını optimize etmelerine yardımcı olan özel çözümler sunar.
Tüm bu özellikler IIoT platformlarını endüstriyel operasyonların yönetimi ve optimize edilmesi için önemli araçlar haline getirir. Gerçek zamanlı izleme, veri yönetimi ve sofistike analitik araçları üzerinden işletmelerin verimliliğini artırmalarına ve maliyetlerini azaltmalarına yardımcı olurlar.
Dijital Dönüşüm süreçleri yeni rolleri de beraberinde getiriyor. Gerek dönüşüm kurgusunu yapmak ve IIOT platformlar üzerinden sistem kurmak gerekse kurulan sistem üzerinden süreçleri yönetebilmek için işletmelerin bünyelerinde hem IIOT Mühendislerine hem de Veri Bilimcilere yer açmaları gerekiyor. IoT Mühendisleri ve Veri Bilimcileri (Data Scientist), IIoT sistemlerinin ve uygulamalarının geliştirilmesinde ve uygulanmasında önemli rol oynarlar, ancak farklı uzmanlık ve sorumluluk alanlarına sahiptirler.
IoT mühendisleri, IoT sistemlerini ve uygulamalarını tasarlamaktan ve geliştirmekten sorumludur. Veri toplayabilen, analiz edebilen ve bu verilere dayalı eylemler gerçekleştirebilen bağlı sistemler oluşturmak için çeşitli donanım ve yazılım bileşenleriyle çalışırlar. Ayrıca, daha gelişmiş veri analizi ve karar verme yetenekleri sağlamak için IoT cihazlarını bulut platformları ve veri analizi araçları gibi diğer dijital sistemlerle entegre etmeye çalışırlar. Rollerinde etkili olabilmeleri için çok çeşitli becerilere ihtiyaçları vardır. Sensörler, gömülü sistemler, bulut bilişim ve veri analitiği dahil olmak üzere IoT sistemlerine güç sağlayan temel teknolojiler, C / C ++, Python, JavaScript gibi programlama dilleri; TCP / IP, MQTT, CoAP ve HTTP gibi ağ protokollerinin yanı sıra Wi-Fi, Bluetooth ve LoRaWAN gibi kablosuz iletişim ve IoT sistemlerinin güvenliğini sağlamak için güvenlik protokolleri hakkında kapsamlı bilgiye sahip olmalıdır.
Veri Bilimcileri ise veri analizi ve modellemesi konusunda uzmanlaşmıştır. Veri kümelerinden iç görü ve bilgi elde etmek için istatistiksel analiz, makine öğrenimi ve diğer teknikleri kullanırlar. İşletmelerin daha iyi kararlar almasına ve yeniliği yönlendirmesine yardımcı olabilecek verilerdeki kalıpları, eğilimleri ve ilişkileri belirlemeye çalışırlar.
IoT mühendisleri IIOT platformları üzerinden sistem geliştirmenin teknik yönlerine odaklanırken, veri bilimcileri bu sistemler tarafından üretilen verilerin analizine ve yorumlanmasına odaklanır. IoT sistemlerinin doğru verileri topladığından, verilerin etkin bir şekilde analiz edildiğinden ve bu verilerden elde edilen içg örülerin iş değerini artırmak için kullanıldığından emin olmak için birlikte çalışırlar.
Hem IoT mühendisleri hem de Veri Bilimcileri, IoT sistemlerinin ve uygulamalarının geliştirilmesinde ve uygulanmasında kritik roller alırlar. Birlikte çalışarak, işletmelerin inovasyon yeteneğini, verimliliği ve rekabet avantajını artırmak için IoT teknolojilerinin tüm potansiyelinden yararlanabilmelerini sağlayabilirler. Dijital Dönüşüm sürecinizden etkin sonuçlar alabilmek için bu konular üzerine düşünün derim.
PLM (Product Lifecycle Management) is a software solution that helps organizations manage the entire lifecycle of a product, from its initial concept and design to its retirement. It integrates different functional areas of an organization such as engineering, manufacturing, sales, and marketing to ensure that everyone has access to the same product information, and that the product development process is efficient and streamlined.
PDM (Product Data Management) is a component of PLM that focuses on managing the data and documentation related to a product. It includes tools for version control, collaboration, and data sharing, and it ensures that all stakeholders have access to the latest and accurate product information.
ERP (Enterprise Resource Planning) is a software solution that helps organizations manage their business operations, such as accounting, inventory management, and human resources. It integrates different functional areas of an organization such as finance, manufacturing, sales, and marketing.
MES (Manufacturing Execution System) is a software solution that helps organizations to manage and control the production process. It covers the production planning, scheduling and monitoring, and it ensures that the production process is efficient and aligned with the company strategy.
Overall; PDM, ERP, and MES are different software solutions that help organizations to manage different aspects of their business. PLM is a holistic solution that integrates all these solutions, PDM focus on product data management, ERP on business operations, and MES on the production process.
Dijital Dönüşüm tek bir hamle ile gerçekleşmez. Önce süreçleri birer birer dijitalleştirmek, akabinde dijitalleşen süreçleri birbirlerine entegre etmek gerekiyor. IT ve OT sistemlerinin entegrasyonunu üzerinden elde edilen CPS için bu kurguyu izlemek yarar sağlıyor.
Bu aşamada akıllara şu soru geliyor: Süreçleri dijitalleştirmeye nereden başlamak gerekiyor?
Bunu şöyle açıklayalım. Teknik olarak dört farklı üretim yöntemi mevcuttur ve her birinin karakteristiği birbirinden farklıdır.
Proses endüstrisinde (Process Industry) öncelik proses yeterliliği ve ürün kalitesidir. ‘Process and Quality Optimization’ konusuna odaklanılması gerekir (OT: Connectivity Layer + IIoT + BDA + MES). İlaç, Boya, Çimento, vs.
Kesikli üretimde (Discrete Manufacturing) malzeme ve üretim planlama süreçlerinde mükemmellik birinci önceliktir. ‘Integrated Planning and Scheduling’ konusu çözülmeden sağlıklı ilerleme yapılabilmesi pek kolay değildir (IT: ERP + MES + Connectivity Layer + IIoT + BDA). Otomotiv, Beyaz Eşya yan sanayi, vs.
Atölye ya da proje bazlı (Job-Shop) yapılarda ise öncelik hızlı ürün geliştirebilmektir. ‘Smart, Product Development’ konusuna odaklanmak bu aşamada daha doğru olacakır (IT: CAD/PDM + ERP + MES). Gemi, Makine endüstrisi, vs.
Dijital Dönüşüme başlamadan önce Üretim Yönteminiz ve öncelikleriniz üzerine düşünün derim.
Endüstride Dijital Dönüşüm (Akıllı Fabrikalar) konsepti olanca hızla devam ederken, artık tartışılan konu ‘ne yapılacağı’ değil ‘nasıl yapılacağı. Bu konu üzerine birçok yerde ‘Dijital Dönüşüm Stratejileri’ geliştiriliyor.
Strateji, iş teorisini performansa dönüştürmek olarak tanımlanabilir. Ancak, BİLGİ olmadan İHTİYAÇLAR tanımlamaz.
Araştırma sonuçları, Kobilerin dijital dönüşüm sürecine başlayamamasının ana nedenleri olarak,
Dijital teknolojiler ve faydaları hakkında bilgi eksikliği,
Bilgi teknolojileri alt yapısı ve iş süreç standartlarında eksiklik,
Bütçe kısıtları,
Bilgi güvenliği risklerini göstermektedir.
Benzer şekilde dönüşüm sürecinin başarılı olamamasının ana nedenleri olarak ise,
Strateji geliştirme eksiklikleri ve sistematik bir yol haritasının olmaması,
Standartlaştırma ve basitleştirme işlemleri olmadan kompleks sistemlerin dijitalleştirilmeye çalışılması,
Dönüşüm sürecinde yer alacak yetkin iş gücü eksiklikleri gibi etkenleri göstermektedir.
Bu bağlamda, önceliğinizi Core Skills üzerine verin derim. Önce, ihtiyacınızı tanımlayabilecek düzeye gelin, akabinde Tool Skill yetkinliği iyi olan çözüm ortakları ile sürece başlayın derim.
Yayım tarihi
Stratejik Planlama: İnovasyon’ ve ‘Benzersiz Ürün’
Teknolojik gelişim hem ürünleri hem de üreticileri değişime zorluyor. Ya değişeceğiz ya da müşteri tarafından değiştirileceğiz. Bir başka seçenek maalesef yok! İmalat, önceleri kısmen kolaydı; üreticiler koşulları belirler, tüketici üretilene rıza gösterirdi. Ürünü oluşturan bileşenler (Ürün ağacı: BoM) genelde mekanik, kısmen de elektrik parçalardan oluşur; Tedarik Zincirinde fiziksel malzeme akışına önem verirdik (conventional supply chain).
Peki şimdi durum nasıl? Ürün ağacı hala fiziksel bileşenlerden mi oluşuyor?
Artık ürünler ‘akıllı’; yani algılıyor, yorumluyor ve iletişime geçiyor. Ürün ağacında ‘artık sanal bileşenler de mevcut ve ürünün değerini ağırlıklı olarak bu sanal bileşenler oluşturuyor. Yeni dönemde ‘sanal bileşenler tedarik zincirinin’ nasıl yönetileceğini de düşünmek gerekiyor. Ürüne fonksiyon tanımlama, ürün güncelleme ya da ürün yaşam sürecini takip etme…Ürünün artık bir servise dönüşmesi (PaaS: Product as a Service) bunu zorunlu kılıyor. Bu kapsamda akıllı fabrika, akıllı ürün ve bu süreçleri yönetecek yetkin iş gücünün nasıl elde edileceği üzerine stratejiler geliştirmek gerekiyor. Zira, Strateji olmadan yeni dönemde rekabet edebilmek, şansı planlayabilmek oldukça zor görünüyor.
Yönetim biliminde strateji, “bir organizasyonun amacına ulaşmak için izleyeceği yollar” olarak tanımlanır. Stratejik planlama ise bir organizasyonun ne olduğunu ne yaptığını ve neden yaptığını şekillendiren ve ona bu konularda kılavuzluk yapan temel kararları, eylemleri geleceğe odaklı olarak üreten bir yönetim aracıdır. Bir başka ifadeyle bir işletmenin hedeflerine ulaşabilmesi için gereken eylemleri planlandığı, beklenen/istenen yere nasıl ulaşılacağının net olarak tanımlandığı ve belirlendiği süreçtir.
Bu süreç her daim mutlaka yapılır. Önce siz yaparsınız – sonuçlar iyi olursa yine siz, olmazsa patron bir başkasına bu süreci mutlaka yaptırır. Çünkü, hissedarların tek beklentisi vardır. Kârlı olmak ve bunu sürdürülebilir kılmak. Bu sonuca nasıl ulaşılacağıysa tamamen profesyonellerin işidir ve profesyonellerin elindeki yegâne silah da stratejik yönetim ve planlama sürecidir.
Stratejik planlama sürecinde PESTEL (Global Scale), Porter-5 Forces (Industry Scale), SWOTanalizi (Company Scale) gibi araçlardan faydalanılır. Her bir araç farklı açıdan süreci irdeler ve işletmenin daha rekabetçi olabilmesi için önemli ip uçları sunar.
Küresel ölçekli işletmelerin geneline baktığımızda Stratejik Planlama sürecinin temek çıktılarının ‘İnovasyon’ve ‘Benzersiz Ürün’ yaparak maksimum müşteri sadakati elde etmek olduğunu görüyoruz. Ölçek ekonomisine değil, kapsam ekonomisine odaklanıyorlar ve sayede hem pazara yeni oyuncuların girmesini zorlaştırıyor hem de mevcut rakipleri ile aralarındaki mesafeyi koruyarak pazardan aldıkları payı artırıyorlar. Marketing ve Product Development ana odak unsurları olmak üzere İnsan, teknoloji ve süreçlere yatırım yapıyorlar.
Stratejik Planlama ve burada bahsi geçen iki konu üzerine düşünün derim.
Dijital çağ hem ürünleri hem de üretim yöntemlerini temellerinden değiştiriyor.
Ürün tarafında, ürünün fiziksel bileşenleri/özellikleri pazarda rekabet için artık tek başına yeterli olmuyor. Ürünlerin aynı zamanda ‘algılama, yorumlama ve iletişime geçebilme (SIC)’ özelliklerine de sahip olmaları gerekiyor. Ürünlerin akıllı olması, üreticilerin ürün ile ürün yaşam süreci boyunca (PLC)iletişimde kalmasına ve ürünün artık bir servise dönüşmesine sebep oluyor (PaaS: Product as a Service).
Üretim yöntemleri de bu süreçten nasibini alıyor. Artık devasa atölyeler, klasik üretim anlayışı ve eskinin organizasyonları ile bırakın akıllı ürün yapabilmeyi; konvansiyonel ürünleri bile rekabetçi seviyede üretebilmek oldukça zor görünüyor. Dijital çağ, sonuna kadar teknolojiye endeksli akıllı ürünler ve akıllı üretim sistemleri gerektiriyor. Artık, akıl (smart) olmadan (akıllı ürün, akıllı fabrika) yeni dönemde rekabet edebilmek pek olası görünmüyor.
I4.0 teknolojileri her iki konu için de elverişli çözümler sunuyor, eğer ki akıllı ürünleri ve akıllı sistemleri tasarlayacak, işlevsel halde tutacak kadrolarınız var ise…
Belki de dijital dönüşüm sürecine başlamadan önce üzerine ilk düşünülmesi gereken konu bu olmalı gibime geliyor: Yetkin, becerikli, öğrenen/öğreten insanlar yetiştiren ve çalışanlarını fabrika vatandaşı yapan kurumsal İK politikalarına sahip olmak. Zira, teknolojik gelişimin exponansiyel olması, deneyim/tecrübe kriterlerinin yerini hızlı öğrenebilme, adapte olabilme ve uyarlayabilme yetisine bırakıyor (agility). Dijital çağda rekabet, yetkinlikte üst seviyelerde olmayı gerektiriyor.
Bu seviyeler elbette ki kolay ve hemen varılabilecek yerler değildir, ancak yola hemen çıkmak gerekiyor. Zira, yola çıkıp varamayan; yoldan çıkıp da varabilen yoktur (T. Emre). Bunun üzerine bir düşünün derim.
VSM (Value Stream Mapping) aynı zamanda MIFA (Material Information Flow Analysis) olarak da tanımlanır literatürde. Süreçler arasında malzeme ve bilgin akışının nasıl olduğu, bu akışların nerelerde kesintiye uğradığı ve kesintisiz malzeme/bilgi akışının nasıl tesis edileceğinin kurgulanması amacı ile kullanılan oldukça basit ve kullanışlı bir yalın aracıdır. MIFA’da amaç; malzeme ve bilginin suyun nehirde aktığı gibi akıyor olmasının sağlanmasıdır.
Üretim süreçlerinde temel yedi kayıp mevcuttur (7 Muda). Ancak, en az bunlar kadar önemli olan bir diğer kayıp ise iş süreçlerin arasında yaşanılan veri üretimi ve iletimi kaynaklı kayıplardır (transactional process muda). CRM, Product development, Production Planning, Purchasing gibi süreçler başta olmak üzere bilginin yanlış, geç ya da eksik üretimi/iletimi gibi sorunlar bilginin beklenmesine, aranmasına ya da yeniden üretilmesine sebep olabilmekte; bu sorunlar ileriki süreçlerde çözümü uzun ve maliyetli problemlerin çıkmasına neden olarak çevik olabilmenin önünü tıkamaktadır. Artık, çevik olamayan; yani pazarın beklentilerini erkenden algılayamayan, hızlı ürün geliştiremeyen, tedarikçiler ile stratejik iş birliği yapmayan, asli uzmanlığına odaklanmayan ve tedarik zinciri süreçlerinde sanal entegrasyona gitmeyen işletmelerin pazarda uzun süre kalma şansları pek olmayacak gibi görünüyor.
Dijital Dönüşüm stratejilerinizde her şeyden önce bilgi yönetimi üzerine kurgular geliştirin derim.
Öncelikli olarak SCOR fazlarının (Plan-Design-Source-Make-Deliver-Return) uçtan uca iletişimde olabilmesi için iş süreçlerinizi standartlaştırın (Lean) ve dijital platforma taşıyın (phase digitalization).
Akabinde buralarda üretilen verilerin diğer fonksiyonlar tarafından farklı amaçlar için kullanılabilmesi için PDM (Product Data Management) yapısını tesis edin.
Daha sonra ise tüm fazları birbiri ile iletişime geçebilecek yapıya getirin (Integration)
Burası işin omurga tarafıdır. Omurga üzerine AI inşa etmek ise Dijital Dönüşümün Nirvana’sıdır.
Değişim sürecinde yetkinlik konusu öne çıkıyor. Yetkinliği daha iyi olan işletmeler hem sorunlarını daha doğru tanımlayabiliyor hem de etkin sonuçlara daha hızlı ulaşabiliyorlar. Artık, yetkinlik artırıcı stratejiler planlamak ve uygulamak HR departmanlarının temel görevi haline geldi. Bu yönde birçok işletmede XYZ AKADEMI altında, oldukça etkin eğitim birimleri kuruluyor.
AKADEMİ bünyesinde verilen ‘Yalın ve Kalite yönetimi’ temalı eğitimler zaten olmazsa olmaz unsurlar. Yalın olmak için bu eğitimler gerekli ancak çevik olmak için bundan fazlasına ihtiyaç vardır. Zira, işletmeler kendi bünyelerinde yalın olabilirlerken, çeviklik için tüm tedarik zincirinin katılımı gerekir.
Ben burada özellikle ‘Dünya Sınıfı Üretici’ olmak için gerekli olan birkaç eğitim konusuna değineceğim.
Geçtiğimiz günlerde NVIDIA’nın ürün lansmanı sunumunu izledim (GPU manufacturer). Parallel Processingüzerinden, bilgisayarların işlem yapma hızını (Computing Powers) nasıl artırdıklarından ve bu sürecin AI’ın gelişimine ne denli etki ettiğinden bahsediliyordu. Etkilenmemek elde değildi; 32 adet GPU ile tüm dünyanın Internet trafiğini yönetecek kapasiteye ulaşmışlar!
Buradan bizim alacağımız ders nedir peki? Parallel Processing: Aynı amaç için farklı işlemcilerin, farklı işlemler yaparak sonuca daha erken ulaşması (bilgisayarlarda daha önce bulunan seri port/paralel port gibi). Bu sayede, haftalar süren makine öğrenmesi eğitim süreci, günlere hatta saatler mertebesine indirgenebiliyor.
İşimiz GPU tasarlamak değil elbet; biz imalat yapıyoruz, ürün geliştiriyoruz. O halde biz de aynen burada olduğu gibi Parallel Processing, yani Concurrent Engineering (cooper’s stage gate: Iterative and spiral product development) konsepti üzerinden ürün geliştirme hızımızı artırabiliriz. Dünya bu şekilde yapıyor, hem de yıllardır.
Akademi eğitimlerinize mutlaka ‘Agile Product Development! Konusunu ekleyin derim.
Big Data Enabled Supply Chain Management (IoT, CPS, Big Data, Machine Learning and Data Science)
Envanter planlaması ve yönetimi her daim sıkıntılı konu olmuştur. Talep tahminleme süreçlerinde başvurulan sezgisel yöntemler ve malzeme akışını destekleyecek doğru sürecin tesis edilememesi stokların şişmesine, işletme sermayesinin bağlanmasına etki ederek işletmelerin rekabetçi olabilmeleri engel teşkil etmektedir. İşletmelerin Kamçı etkisinisönümlemek ve rekabetçi stratejiler izleyebilmek için iki konuya odaklanması gerekiyor: Doğru forecast ve JIT purchasing.
Forecast, geçmiş verilere bakarak geleceğin projeksiyonun çıkarılması anlamına gelir. Eğer, zaman serisi (time series) olarak geçmiş dönem verilerinize bakarsanız (örneğin son iki yılın aylık satış rakamları) iç içe geçmiş üç bileşen görürsünüz (F = T * S * I). Trend, sezonsal etki (seasonal component) ve gürültü (noise).
T: Trend, sezonsal ve gürültü faktörlerinden arındırılmış bileşendir. Pazardan, zaman içinde ne kadar pay aldığınızı ‘saf’ olarak olarak tanımlar. Genelde lineer bir fonksiyon olarak tanımlanır ve gelecekte nasıl davranacağı ön görülebilir.
S: Seasonal component, trendden arındırılmışgeçmiş veri içindeki düzenli değişkenlikleri, paternleri açıklar. Örneğin kış aylarında şemsiye satışı artar, yazın düşer. Paternler de aynen trend gibi dönemsel olarak açıklanabilir ve gelecekte nasıl değişkenlik göstereceği tahmin edilebilir. Sezonsal etkiyi açıklayabilmek için geçmiş dönemlerin aynı zamanına bakılır. Örneğin, bu senenin temmuz ayı ile geçmiş senelerin temmuz ayı karşılaştırması sezonsal etkiyi açıklar. Oysa, bu senenin haziran ayı ile temmuz ayı karşılaştırması trendi açıklar.
I: Irregular components (noise), bizim kontrolümüz dışında gelişen, öngörülebilmesi mümkün olmayan ve hiç bir şekilde patern oluşturmayan değişkenliklerdir. Forecast süreçlerinde göz önünde bulundurulmamaları gerekir.
Bu bilgiler doğrultusunda gelecek dönem Forecast ‘F = T * S’ olarak tanımlanabilir. Burada ‘I’ faktörü yani noise hesaba katılmamıştır.
Önceleri, bu süreci yönetmek oldukça meşakkatliydi. Kompleks istatistik araçları kullanmak, konunun uzmanlarından destek almak gerekiyordu. Bunlar sağlansa dahi binlerce malzeme için, en az üç parametreyi optimize edebilmek pek kolay değildi. Ancak şimdi Machine Learning (time series forecasting) uygulamaları ile bu süreç çok daha basit ve doğru şekilde yapılabiliyor. EOQ için gerekli olan (K, D, hc) dönemsel olarak ML / Forecasting üzerinden elde edilebiliyor ve o dönem için en uygun sipariş miktarı (Q) hesaplanabiliyor. Hem de binlerce ürün için…
Peki, bu süreci yönetebilmek için MLOps tek başına yeterli midir? Model, bize gelecek dönemin ihtiyacının hesaplanabilmesi için gerekli olan parametre değerlerini üretmiştir. Şimdi ise JIT purchasing (EOQ + Kanban) yöntemi ile malzeme tedariki yapılması ve yine KAIZEN uygulamaları ile EOQ’ yu aşağı alacak iyileştirme faaliyetlerini yapmamız gerekiyor.
Burada üzerine düşünülmesi gereken soru şu olabilir. ML mi yoksa LEAN uygulamaları mı kamçı etkisinin indirgenmesine daha fazla etki etmiştir? ML, forecasting ile bize rakamları üretir. Gürültü payını hesaba katmaz ve belki de gerçek hayatta hiç ummadığımız başka ön görülemeyen değişkenlikler de olabilir. Savaş, pandemi, doğal afet gibi. İşte bu aşamada Kanban ve SM üzerinden yürütülen JIT purchasing, gereğinden fazla sipariş verilmesini engeller; kamçı etkisini sönümler.
Lean her zaman hayatımızda olacak; ML de yeni yeni giriyor. MLOps nereye odaklamamız gerektiğini, Lean ise nasıl düzelteceğimizi açıklıyor. MLOps konusu giderek daha da önem kazanıyor. Veri bilimi konusuna yatırım yapanlar rekabet avantajı elde ediyor. Zira, bilmek değil kullanmak fark oluşturuyor. Ancak, Lean konusunu da asla ihmal etmeyin derim.
Sanayide dijitalleşme çalışmalarında kavram karışıklığı yaşıyoruz. Nereden başlayacağız, nasıl ilerleyeceğiz ve odağımıza neyi alacağız konusunda farklı birçok görüş var. Aslında, ortada yanlış yok; her önerilenin yapılması gerekiyor. Ancak, hangi öncelik ve sıra ile; işte burası önemli.
Önce şu tespiti yapalım. Neden, dijital dönüşüm? Verimli olmak, kaliteli olmak, maliyetleri aşağı almak!… Hepsi önemli ancak, asıl neden ‘HIZ’. Hız, verimsizliği örter eğer sipariş kazandırıyorsa. Birçok proje bazlı üretim yapan işletmenin müşterileri daha erken teslimat için daha fazla ücret ödemeye rıza gösterebilmektedir. Yani, etki – tepki süresini kısaltarak, daha çevik olmak için dijitalleşmeliyiz. Gerisi, zaten doğal olarak gelecektir.
One size does not fit all. Yani, her beden için farklı ölçü lazım. Proje bazlı imalat yapan bir işletme ile proses endüstrisinde ilaç üreten bir işletmenin ya da kesikli üretim yapan otomotiv yan sanayisi ile sürekli üretim yapan cam/demir-çelik sektörlerinin öncelikleri çok farklıdır. Nihayetinde, tüm araçlar her birine uyarlanabilir ancak nereden başlamalıyız sorusuna cevap arıyorsak öncelikle hangi alanda üretim yaptığımıza bakmamız gerekir.
Cam/demir- çelik ya da proses endüstrilerinde genelde OT tarafı gelişmiştir. SCADA, DCS, PLC ler üzerinden (sahadan) büyük oranda veri zaten toplanır. Bu işletmelerde korkulu rüya ‘dev cüsseli, pahalı ekipmanların durması’ ya da ‘üretimde kalite hatası’ olmasıdır. O nedenle, bu işletmeler için IIoT, MES ve Big Data Analytics konsepti ile ‘önleyici bakım ve proses kontrol’ süreçleri öncelikli olarak ele alınması gereken konu başlıklarıdır.
Kesikli üretimde ise malzeme ve bilgi akışının (MIFA: Material Information Flow Analysis) doğru sağlanması her şeyin başında gelir. Üretim planlama, malzeme tedarik, atölye yönetimi öncelikle gündeme alınması gereken konulardır. ERP ve MES olmadan da bu süreci yönetemezsiniz.
Proje bazlı işletmelerde ise ana unsur ‘hız’ faktörüdür ve sistemi tetikleyen ana unsur ürün verileridir. Sahada, montaj hücrelerinde genelde manuel işlemler olur. Verimlilik önemlidir, ancak sürecin genel performansı ürün veri yönetiminin etkinliğine doğrudan bağımlıdır. Veri kaynaklı beş problem; ‘Veri bekleme, veri arama, veri dönüştürme, veriyi yeniden keşfetme ve yanlış veri ile çalışma’ yüzde altmışlara varan mühendislik zaman kayıplarına, teslimatta gecikmelere ve sipariş kayıplarına neden olmaktadır. Bu işletmelerde önceliğin veri yönetimine, yani PDM/PLM entegrasyonuna verilmesi daha doğru olacaktır. Sahadan veri almak, müşteri verisini kullanmak da önemsiz değildir, ancak adım adım sürece başlanması daha sağlıklı sonuçlar doğurmaktadır. Unutmayın, ‘bir fili bir oturuşta yiyemezsiniz’.
Özetle, sanayide dijital dönüşüm için çok şey yapmayı planlamadan önce, az ve öz şeye odaklanmak hem hızlı sonuç alınmasında hem de ekiplerin dönüşüm sürecine katılım göstermesine katkı sunmaktadır.
IoT ile birlikte gelen SCPs (Smart Connected Produc) kavramı, iş modellerinin/süreçlerinin değişmesine neden oluyor. Bunlardan biri de ‘yeni ürün geliştirme’ süreci.
Önceleri, mekanik ve elektriksel parçalardan oluşan fiziksel ürünlerin yazılım, donanım ve iletişim modülleri içermesi, ürünün kompleks bir sistem haline gelmesine neden oluyor. Bu sonuç, IT ekibinin yeni dönemde ürün geliştirme sürecinin vaz geçilmez bir parçası olacağı anlamına gelmektedir. Bu döneme kadar makine mühendislerinin ağırlıklı olarak çalıştığı tasarım bölümlerinde, yeni dönemden itibaren daha fazla IT mühendislerini göreceğimizi söyleyebiliriz.
Ürüne ait fonksiyonların yazılımlar üzerinden belirlenebilmesinin birçok avantajı bulunmaktadır. Bunların başında ürün ağacını oluşturan fiziksel komponentlerdeki azalmayı görmekteyiz. Ürüne özellik veren fiziksel bileşenler yerine yazılımların kullanılması sonucunda daha az parça ile ürün tasarlayabiliyoruz. Daha az malzeme satın alarak tedarik zincirini rahatlatıyor, imalat süreçlerini kısaltabiliyor, ürünü hatalı üretme riskini azaltabiliyoruz. Artık, ürüne ait bileşenler müşteri isteklerine göre yazılım üzerinden konfigure edilebiliyor ve tamamen kişiye özel kullanıcı arabirimleri yine yazılımlar aracılığı ile elde ederek çeviklik açısından daha rekabetçi olabiliyoruz.
Akıllı ve bağlı ürünlerin bir diğer etkisini modüler ürün tasarımı aşamasında görmekteyiz. Fiziksel ürün standart bir şekilde üretilmesine rağmen, ürünü kişiye özel şekilde farklılaştıran ilave özellikler ve kullanıcı ara yüzleri yazılımlar aracılığı ile elde ederek, çeviklik açısından daha rekabetçi olabiliyoruz. Her müşterinin farklı özelliklerde ürünler istediği günümüz koşullarında, değişikliğin yaşam sürecinin herhangi bir aşamasında yazılımlar üzerinden yapılabiliyor olması son derece büyük bir avantaj olarak karşımıza çıkıyor.
Yazılımlar bizi kendi ağlarına doğru çekiyor. Artık, ürün geliştirme ve imalat süreçlerinde manuel işlemler ile bilgi alışverişinde bulunma dönemi çok gerilerde kaldı.
Veri büyüklüğünün giderek artması, değişimin artık hayatımızın olağan bir parçası haline gelmesi veri yönetiminde standart yaklaşımın olmasını zaruri hale getiriyor. Bilginin ilk üretildiği yerden, gerçek zamanlı ve doğru olarak, ilgili fonksiyonlar arasında paylaşılması; bunun için de temel iletişim ağının kurulması (Business segment / Product Segment / Manufacturing Segment) son derece önemli – özellikle dijital dönüşüm sürecine girmek isteyen firmalar için.
PLM konusunda farklı çözümler mevcut; en küçük seviyeden, en geniş konsepte kadar. Ancak, eğer ürün geliştirme süreci ağırlıklı çalışıyorsanız, CAD tedarikçinizin süreç ve dokuman yönetimini kural bazlı otomatikleştiren PDM / PLM versiyonunu ile çok hızlı bir şekilde ürün geliştirme & üretim süreçlerinde entegrasyon sağlayabilirsiniz.
Veri yönetimi standardını yakalayamamış firmalarda oldukça önemli kayıplar olduğunu gözlemliyoruz. Sipariş alınmasından / ürün geliştirmeye, tedarik zincirinden/üretime, sevkiyattan/servise kadar her alanda veri üretiyor – üretilen veriyi bilgiye dönüştürüyor – dönüşen bilgiye göre kararlar alıyor – ve nihayetinde harekete geçiyoruz. Bu döngü bazı aşamalarda manuel, bazı aşamalarda ise otomatik oluyor, kararlar bazen geç bazen zamanında alınıyor ya da bazen doğru bazense yanlış oluyor.
İmalat süreçlerinde veri yönetiminin iyi yapılmaması nedeniyle başlıca üç temel sorun görmekteyiz.
Yanlış doküman üzerinden üretimin yapılması (ECM: Engineering Change Management),
Bilginin geç gelmesi (feedback delayed, feedback denied) ve,
Veri yönetiminde standart yaklaşım olmamasından dolayı ortaya çıkan mühendislik ve üretim adam saat kayıpları.
Hızlı olmak, verimli olmak ve en önemlisi endüstri 4.0’a giriş yapabilmek için bu üç segment’i bir araya getirecek kurguları yapacak stratejiler geliştirmek ve uygulamak zorundayız.
Bu süreç elbette kolay değil. Değişim/dönüşüm gerektiriyor, bütçe gerektiriyor, uzmanlık gerektiriyor. Ancak, eğer rekabetçi olmak isteniliyorsa başka da seçenek yok. O nedenle, geri dönmemek üzere – gemileri yakın. Yalın ile verimliliği sağlayın, kayıpları elimine edin ve buradan gelen kaynağı insan kaynağına (yetkinliğe) ve teknolojiye (yazılımlara) ayırarak dönüşüme başlayın – çok geç olmadan!.
