Dijital Dönüşüm | öğrenen ve öğreten organizasyon olabilmek

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.

MIFA and Digital Transformation

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.

AGILE PRODUCT DEVELOPMENT | Parallel Processing

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)
  • Concurrent Engineering (cooper’s stage gate: Iterative and spiral product development), Project Management, DFMA
  • Materials and advanced manufacturing processes (Advanced Materials, Nano technology, additive manufacturing, digital twin)

Inventory Management with ML & LEAN Mgmnt.

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 arındırılmış geçmiş 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 Stratejileri | One size does not fit all

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.

Üzerine, düşünün derim.

Tasarımda IT Mühendisleri

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.

PLM | Knowledge Management II

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!.

Üzerine düşünün, derim.