Yayım tarihi

Quantum Computing

Günümüz dijital bilgisayarlarının temelini oluşturan transistorlar, bilgiyi 1 veya 0 olarak kodlamada anahtar rolü oynamaktadır. Transistorlar, üzerlerine (Gate) uygulanan gerilim değişikliklerine tepki vererek, iletken (1 state) veya yalıtkan (0 state) durumları arasında geçiş yaparlar. Ancak, mikro elektronik alanındaki hızlı gelişmeler, bu nano boyuttaki minik anahtarların sınırlarını zorlamaktadır.

Moore Yasası, transistor boyutlarının her on sekiz ayda yarıya indirilmesiyle entegre devrelerin içine daha fazla transistor sığdırılmasını mümkün kıldı. Ancak, silikon tabanlı transistörlerin boyutlarının daha da küçültülmesi, silikonun yarı iletken özelliğini kaybetme riskini beraberinde getiriyor. Bu sorunun temelinde, Gate mesafesinin küçülmesinin quantum tunelling etkisine (elektronların bariyeri aşması) neden olması yatmaktadır. Bu durum, Moore Yasası’nın artık sürdürülemez hale geldiğini düşündürmektedir.

Bilim dünyası, bilgi işleme hızını artırmak adına sürekli olarak yeni çözümler arayışında bulunmaktadır. Bu bağlamda, özellikle ‘Parallel Processing’ ve ‘Quantum Computing’ teknolojileri üzerinde gerçekleştirilen önemli araştırmalar, bilgisayar dünyasında önemli bir dönüşümün habercisi olmuştur.

Parallel Processing, birçok işlemcinin eş zamanlı ve paralel olarak çalıştırılmasına dayanan bir kurgu sunmaktadır. Bu anlayış, GPU (Graphical Processing Unit) ve TPU (Tensor Processing Unit) gibi konseptlerde hayat bulmuş ve bu sayede oldukça yüksek işlem hızlarına ulaşılabilmektedir. Bu durumu basit bir örnekle açıklamak gerekirse, bir sayfaya yazı bastırmayı düşündüğümüzde; CPU tek harfi, GPU kelimeleri ve TPU ise sayfayı tek seferde basma kapasitesine sahiptir. Günümüzde, görüntü işleme, ses tanıma, doğal dil işleme gibi uygulamalarda milyonlarca iterasyonu ve hesaplamayı eskiye oranla büyük bir hızla gerçekleştirebiliyor olmamız, GPU ve TPU alanındaki gelişmelerin bir sonucudur.

Quantum Computing ise Quantum Mechanics ilkelerine göre atom altı parçacıkların davranışlarının modellemesinden yola çıkarak hesaplama hızını eksponansiyel olarak artıran, dijital bilgisayarlara hiç benzemeyen bir teknoloji olarak karşımıza çıkmaktadır.

Quantum Computing, mevcut dijital bilgisayarlara hiç benzemeyen ve Quantum Mechanics ilkelerine dayanan yeni bir teknolojidir. Klasik fizikte, bir cismin belirli bir yerde olma durumu gözlemlenebilirken, Quantum dünyasında bu durum bir dalga fonksiyonu tarafından ifade edilir. Bir başka ifade ile Quantum Mechanics, her parçacığın bir dalga fonksiyonu ürettiğini (Wave Function), parçacıkların sürekli titreşim halinde olduğunu ve dalgalar şeklinde hareket ettiğini savunur. Bu karmaşık konuyu şöyle açıklamaya çalışalım.

Bilgisayarların ekran çözünürlüklerini piksel olarak ifade ederiz. Piksel, ekranın tanımlanabilen en küçük birimidir. Quantum Mechanics konseptinde evrendeki en küçük mesafe plank sabiti ile tanımlanır (h=6.626×10^−34 joule saniye). Bu, çok ama çok küçük rakam klasik fizik dünyasında çok bir şey ifade etmese de Quantum Mechanics dünyasında Quantum parçacıklar (atom altı parçacıklar: elektron, nötron, proton, nucleus) açısından çok şey ifade eder.

Örneğin, 620 gram ağırlığındaki bir basketbol topunu 9 m/sn hızla atış yaptığınızı düşünelim. Klasik fizik açısından, topun izlediği eğik atış eğrisini gözlemleyebilirsiniz. Ancak, gerçekte top sürekli titreşim halindedir ve kendi dalga boyu mesafesinde salınarak ilerler (λ=h/mv). Basketbol topunun dalga boyu, kütlesi nedeniyle bir atomun çapından bile küçük olduğu için bu salınım gözle görülemez ve klasik fizikte genellikle dikkate alınmaz.

Şimdi, aynı hızda bir elektronu düşünelim. Elektron parçacığı da basketbol topu gibi kendi dalga boyu mesafesinde salınarak yol alır. Mikroskobik bir ölçekte baktığınızda, elektronun parabolik bir yörünge izlemediğini, sürekli olarak yer değiştirdiğini gözlemleyebilirsiniz. Bu durum, elektronun dalga boyunun kendisinden daha büyük olması nedeniyle ortaya çıkar.

Quantum Mechanics’de bu durum parçacıkların aynı anda birden fazla yerde bulunabileceği (super-position) ve gerçek konumlarının sadece ölçüm anında belirlenebileceği anlamına gelir. Ölçüm, sanki bir fotoğraf çekiyormuşuz gibi sürece baktığımızda, elektronun o anki yerini görmemizi sağlar. Ancak, bu yer sürekli olarak değiştiği için, elektronun gerçek konumu tüm olasılıkların bir toplamı olarak ifade edilir.

Burada çok detaya girmeden Quantum Computing konusunda bu konunun neden önemli olduğunu açıklayalım.

Elektronlar dış ortamdaki termal enerjinden kaynaklı sürekli titreşim halindedir. Elektronun pozisyonu, spin-up­ ve spin-down¯ olarak ifade edilen iki durumu içeren bir super-position olarak tanımlanır. Quantum Computing ‘de bu durum, spin-up:1, spin-down:0 olarak ifade edilir ve bu yapıya Qubit adı verilir.

Quantum konusunda asıl mesele Qubit olarak adlandırılan bu yapının yani elektronun pozisyonunun bir anahtarlama aracı olarak kullanılabilmesinde yatar. Herhangi bir yöntemle elektronun pozisyonu spin-up­ dan spin-down¯ (1’den 0 durumuna) ya da tam tersi (0’ dan 1) olacak şekilde kontrol edilebilirse, bu durum quantum bilgisinin de aynen klasik dijital bilgisayarda olduğu gibi durumunun (0 ya da 1) belirlenmesi amacı ile kullanılabilmesine olanak sağlar. Nano boyuttaki elektronu manipüle edebilme ve buradan yola çıkarak gerçek dünya problemlerine çözüm üretebilme konusu Quantum Computing konseptinin ana temasıdır.

Qubit oluşturmak ve bu etki üzerinden anahtarla etkisi oluşturmak için kullanılan yöntemlerden biri silikon kristal yapısı içerisine (drain ile source arasına) fosfor atomunun yerleştirilmesidir. Bu mevcut teknojiler üzerinden gerçekleştirilebilen bir konudur. Buradaki ana tema fosforun ekstra elektronu üzerinden + gerilimin elde (yüksek enerji seviyesi) edilebilmesidir.

Elektronun manipüle edilebilmesi için stabil konumda tutulmaları bu aşamada önemlidir. Zira, elektronlar ortamdaki ısıdan (termal enerji), gürültüden, etkisinde kaldıkları nucleusların ve ışık fotonların oluşturduğu elektromanyetik dalgalardan kaynaklı olarak sürekli osilasyon halindedirler. Elektronun, sabit/stabil bir pozisyonda kalabilmesi için öncelikle bu etkilerin indirgenmesi gerekir. Bunun için ortam sıcaklığının mutlak sıfır değerine getirilmesi gerekir ki termal enerji kaynaklı titreşim olmasın (mutlak sıfır = -273 santigrat derece ya da 0,01 Kelvin). Internet üzerinde Quantum Bilgisayar prototiplerine baktığınızda, görünen resmin büyük kısmı aslında mutlak sıfır sıcaklığına ulaşmak için gerekli soğutucu düzeneklerdir.  Yani, sistemin büyük kısmı içinde helyum gazı bulunan bir buzdolabı gibi çalışır.

Süreç asıl buradan sonra başlar. Mevcut durumda silikon transistoru Gate üzerine uygulana gerilim üzerinden iletken duruma getiririz. Gate ’in + olması source ve drain arasında akımın oluşmasına olanak tanır. Quantum ’da ise source ve drain arasındaki akımın sağlanması, yani silikon transistorun iletken duruma geçmesi ara katmandaki fosfor elektronunun (+ ile gösterilen) yüksek frekansta mikro dalga üzerinden spin-up pozisyonuna getirilmesi ile sağlanabilmektedir. Bu frekansa rezonans frekansı denilir ve elektron aynen bir radyo istasyonuna bağlanır gibi bu frekansta tepki verir. Sürecin yukarıdan aşağı değil (Gate üzerine uygulanan + gerilim ile değil), aşağıdan yukarı doğru (silikon kristali içindeki fosfor elektronunu) tetiklenmesi Quantum konusunun ne denli karmaşık ancak bir o kadar da etkileyici olduğunu göstermektedir.

Quantum Computing konusunda lojik yapılarda farklıdır. Klasik dijital lojik kapıların yerini Quantum logic kapılar alır. Hadamard, CNOT, X, Z gate gibi kapılar farklı lojik operasyonları yürütmek için kullanılır.

Quantum Computing konsepti klasik bilgisayarlara göre oldukça yüksek hesaplama hızına sahiptir. Bunun nedeni, Qubit yapısındaki super-position özelliği ve quantum algoritmalarıdır. Örneğin, sıralı olmayan 1 milyon telefon numarası içinden aranılan bir numarayı klasik bilgisayarlar üzerinden aramaya çalışırsak ortalama 500 bin iterasyon yapmamız gerekir iken bu süreç quantum bilgisayarlarda 1000 iterasyona düşmektedir. (Bir milyonun karekökü) Bunun nedeni qubitlerin super-position yetisine sahip olması ve iterasyonların paralel yapılabilmesidir. Bu yeti, quantum bilgisayarların arama, farklı kuantum sistemlerin simülasyonu, kriptoloji ve optimizasyon gibi alanlarda son derece etkili olabilecekleri anlamına gelmektedir. Ancak, bunu gerçekleştirebilmek için hem quantum donanımına hem de quantum algoritmalarına eş zamanlı gereksinim vardır. Halen, laboratuvar koşullarında oluşturulan quantum bilgisayarlar üzerinden özel problemlerin çözümü üzerine algoritma çalışmaları yapılsa dahi, ev ya da iş yerlerimizde quantum bilgisayarları görebilmemiz için biraz daha zamana ihtiyaç var gibi duruyor.

Bu konuyu, AI ‘ın quantum algoritmalar ve quantum bilgisayarlar üzerinde çalıştığında nasıl bir etki olacağını sorarak noktalayalım isterseniz.

Yayım tarihi

Dönüşüm Sanatı

……

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 Phycology dörtlüsünün 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.

Yayım tarihi

Digital Transformation | Where to Start?

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.

  • Sürekli üretimde (Continuous Manufacturing) öncelik pahalı ekipmanlarda duruş olmamasıdır. ‘Smart Predictive Maintenance’ konusundan başlanılması doğru olacaktır (OT: Connectivity Layer + IIoT + BDA + MES).  Cam, Seramik, Demir-Çelilk, PetroKimya..
  • 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.

Yayım tarihi

Core Sklls & Tool Skills

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

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.

Yayım tarihi

ASAP (As Simple as Possible)

Tasarım süreçlerinde alınacak daha çok yolumuz var. Birçok işletmede her sipariş için ürünü neredeyse yeniden tasarlıyor, her yeni tasarımda BoM’u değiştiriyor, her BoM değişiminde tedarik zinciri ve üretim yönetimi maliyetlerine negatif yönde etki ediyoruz. Maliyetlerimiz artıyor, siparişe cevap verme hızımız düşüyor, rekabetçi olamıyoruz. Tasarımın kalitesi bu anlamda önem arz ediyor.

İyi bir tasarımın özellikleri ne olmalıdır diye sorarsanız size iki unsurdan bahsedebilirim.

  1. En iyi tasarım, değişken müşteri beklentilerini karşılamak için yeninden tasarım yapmayı gerektirmeyecek tasarımdır (Modular design like Lego; select modules and built the product). 
  2. En iyi tasarım, amaç fonksiyonunu en basit şekilde modelleyen tasarımdır (Supply Chain Flexibility and Manufacturability)

Peki, değişkenlik bu denli yüksek iken hem modüler hem de basit şekilde tasarımı nasıl yapabilmek nasıl mümkün olabilir? İşte anahtar soru bu…

Müşteri ürün aramaz, bir problemine çözüm arar. Tasarım sürecindeki en kritik aşama problemin doğru anlaşılmasıdır. Zira, iyi tanımlanmış bir problem, yarı yarıya çözülmüş demektir. Ancak, problemi tanımlama ve çözüm üretme sürecinde birçok işletme maalesef yanlış strateji izler. Amaç fonksiyonuna çok fazla etki etmeyecek birçok parametreyi tasarlanacak modelin içine alır, çözümü kompleks hale getirir ve mükemmeli sunmaya çalışır. Bu komplekslik, modelin bir kere sonuç üretmesine etki edebilir ancak başka bir problemin çözümünde kullanılabilmesini güçleştirir. 

Bu durumu makine öğrenmesindeki overfitting konseptine benzetebiliriz. Gürültünün (noise, too many parameters) kurgu içine alınması modelin basit ve geleceği ön görebilmesine engel teşkil eder. Oysa, doğada mükemmel bir ‘daire’ mevcut değildir; bilgisayar ortamında da yoktur. Bilim dünyası modelleme yaparken yakınsama (approximation/generalization) yaklaşımını kullanır. Newton’un f=ma ya da Hook’s un F=- kxformülleri gibi birçok matematiksel model yakınsama yani genelleme yaklaşımı ile ortaya atılmıştır. Eğer, bir yay üzerinde değişken yükler ile yay-uzaması deneyi yaparsanız, yayın uzaması ile yük arasında her zaman lineer bir ilişki olmadığını gözlemlersiniz. Ancak, bilim dünyası hesaplamalarda bu lineer modeli kullanır. Çünkü, model ‘YETERİ KADAR İYİ’ yaklaşımı ile geliştirilmiştir ve kabul edilebilecek seviyede doğru sonuçlar üretmektedir.

Amacımız, elbette tüm müşteri beklentilerini tek bir çözüm/model ile karşılamak değildir. Birçok işletmede, alınan siparişlerin ortalama 60% si ‘standard product’ dediğimiz bu kapsama girer. Modüler tasarımlar üzerinden standart çözümler sunmak çeviklik açısından oldukça önemlidir. Aynen, ayakkabıcıların ya da takım elbise üreten işletmelerde olduğu gibi, üretilen ürünlerden biri mutlaka size uyar; eğer çok özel istekleriniz yok ise.

Bu gruba girmeyen yani özel tasarım gerektiren ‘innovative product ‘kapsamına giren siparişler için yapacak bir şey yoktur. Aynen özel terzilerin yaptığı gibi beden ölçüsüne göre tasarım yapılması ve müşterinin de bu özel ilginin ücretini ödemesi gereklidir. Bu aşamada dikkat edilmesi gereken en önemli unsur ise tasarımın müşteri ile birlikte yapılmasının gerekliliğidir. Literatürde ‘Iterative’ ya da ‘spiral development’ olarak tanımlanan bu süreçte, her aşamada (stage gate) müşterinin görüşünün alınması tasarım sürecinin hızını ve kalitesini doğrudan etkiler.

Ürün geliştirmeye devam edeceğiz ve bunu en iyi şekilde yapmak zorundayız. Ürün gamınızı standard ve innovative olarak iki gruba ayırın. Standard ürünlerde modülerliğe ve basitliğe, innovative ürünlerde ise iterative yöntemlerle önem verin derim.

Yayım tarihi

Change and Its Effects

 İmalat endüstrisinde odaklanılması gereken beş ana konu.


–      Fast Product Development: Eskiye göre çok daha fazla sayıda yeni ürün geliştiriyoruz. Ürün geliştirme maliyetleri bazı sektörlerde üretim maliyetlerini geçti. Pazarın beklentilerini hızlı karşılayabilenler bir adım öne geçiyor.
 
–      Robust Supply Chain: Tedarik zincirleri pandemi, kara kış, savaş gibi etkenler nedeni ile kesintilere uğruyor. Dayanıklı (robust) ve dirençli (resilient) tedarik zinciri yönetimi şu aralar gündemdeki bir diğer önemli konu.
 
–      Excellence in Manufacturing: Üretim/imalat zaten sürekli olarak üzerine düşündüğümüz ana konuların başına geliyor. Lean, agile, hibrid üretim derken, şimdilerde Akıllı Üretim konusuna odaklananlar rekabet üstünlüğü elde ediyor.
 
–      IoT-CPS-Big Data- AI: Dünya sınıfı üreticiler ‘IoT-CPS-Big Data’ sürecini geçtiler ve artık elde ettikleri büyük veriden anlamlı sonuçlar çıkararak süreçlerini yönetiyorlar. Yeni gündemleri artık Machine Learning for Operations (MLOps). Bu kapsamda veri bilimi/mühendisliği konusuna yatırım yapıyorlar.
 
–      Technological & Cultural Transformation: Dönüşüm, başlangıcı olan ancak sonu olmayan bir yolculuk. Birçok dönüşüm sürecinde beklenti karşılanamıyor! Bu sonucun çok değişik nedenleri olabilir ancak başarılı dönüşüm modelleri de görmüyor değiliz. Benchmarking konusu ve literatür taraması bu anlamda mutlaka gerekli gibime geliyor.
 
Gerek akademisyen gerekse sahada uygulama yapan arkadaşlara bu konular üzerine düşünmelerini, araştırma yapmalarını tavsiye ederim.

Yayım tarihi

Halen aşağılarda (yalın) alınacak çok yolumuz var!

Aşağıdan yukarıya doğru ‘Yalın, çevik, hibrid, akıllı üretim’ basamakları üzerinden üretim şekillendiği üretim endüstrisinde, her ne kadar şu aralar Endüstri 4.0 konuşuyor olsak da yalın felsefeden asla ayrılamıyoruz gibime geliyor. Dönüşüm kapsamında, iş süreçlerinin önemli bir kısmındaki kayıplarımızı dijital tekniklerle/yöntemlerle kaldırmaya çalışıyor, bu uğurda oldukça önemli yatırımlar yapıyoruz. Bu yatırımlar önemi ve gerekli. Ancak, tek başlarına dönüşüm için ‘yeter koşulu’ sağlaması pek mümkün gibi gözükmüyor. Zira, temeli sağlam olmayan süreçlerin üzerine teknolojiyi bindirmek yanlışın daha hızlı olmasına katkı sağlıyor. Sanki, halen aşağılarda (yalın) yapılacak çok işimiz/yolumuz var gibi görünüyor birçoğumuz için.

İmalat süreçlerinde işin sırrı MIFA dır (Material Information Flow Analysis). Malzemenin ve bilginin nasıl aktığını anlamak, akışın kesintiye uğradığı yerleri/sorunları bulmak ve ortadan kaldırmak yalın felsefenin özünü teşkil eder. Akışın tesisi; yani bilginin ve malzemenin ‘suyun nehirde aktığı’ gibi akmasının sağlanması için yapılması gereken ilk iş sahaya inmek ve gözlem yapmaktır. Eğer süreçlere, aşağıda, dikkatlice bakarsanız, akışın nerede kesildiğini ve ne yapmanız gerektiğini rahatlıkla görebilirsiniz.

Size birkaç basit ancak etkili yöntem önereyim. 

  • Malzemelere bakın: 1) Bekliyor mu (waiting), 2) taşınıyor mu (transport), 3) kontrol mü ediliyor (inspection) yoksa 4) proseste işlem mi görüyor (Processing)? Sadece son kriter değerdir; diğerleri muda. Unutmayın; çok dokunuş, çok hata getirir (more touch creates more defects).
  • Çalışanlara bakın: 1) Yürüyorlar mı (walking), 2) Bekliyorlar mı (waiting) ya da çalışıyorlar mı (working)? Sadece son kriter değerdir; diğerleri muda. Unutmayın; değer, müşterinin para ödemeye rıza gösterdiği faaliyetlerdir.
  • Makinelere bakın: Hangisinin önünde işlem görmeyi bekleyen malzeme/yarı mamul mevcut ya da fazla. Bilin ki orada darboğaz vardır ve üretim kapasitenizi belirleyen bu makinedir. OEE iyileştirme çalışmalarına bu makineden başlamanız iyi olur. Goldratt’ın kitabında, küçük (şişman) izci çocuk Herrby’i neden ekibin en önüne aldığını (kısıtlar teorisi) unutmayın.

Özetle; standart binanın temeli, teknoloji ise onu yükselten kolonlardır. İşe, önce standartları oluşturarak başlayın derim.

Yayım tarihi

Bilgi olmadan, ihtiyaç tanımlanamaz.

Sürekli üretim, proses endüstrisi, kesikli üretim derken proje bazlı imalat yapan üretim endüstrisinde de ‘Dijitalleşme’ çalışmalarının artış gösterdiğini gözlemliyoruz. Ürün çeşitliliğin yüksek, miktarın düşük olması (High Mix & Low Volume), bu endüstride yalın ve çevik stratejileri (Leagile) birlikte ele almayı gerektiriyor. Zira; kalite ve maliyetin hijyen faktörü olduğu bu endüstride sipariş kazandıran öncelikli unsur ‘hız’. Hız öyle bir etken ki, bazen müşteriler erken teslimat için daha fazla ödeyebiliyorlar.

Proje bazlı imalat endüstrisinde müşteri beklentisinin iyi anlaşılması ile başlayan süreç, ‘planlama, tasarım, tedarik, üretim, sevkiyat, devreye alma ve tahsilat’ ile sonlanıyor (SCOR model). Kâğıt üzerinde kolay gibi gözüken bu değer zincirini yönetmek, özellikle Kobiler için pek kolay değil maalesef. Proje yönetimi ve planlama alanlarında yetkinlik sorunu (İnsan kaynağı); teknoloji altyapı eksiklikleri (Endüstri 3.0 koşulları) ve karar vericilerin teknolojik alandaki bilgi seviyelerindeki yetersizlikler ihtiyaçların doğru tanımlanıp, ideal sistemin kurulmasındaki engeller olarak göze çarpıyor. Tabi ki bütçe konusu da önemli ancak yalın ve çevik stratejiler üzerinden kayıpların elimine edilmesiyle, gerekli kaynağın sağlanabildiğini birçok yerde görmekteyiz. 

Proje bazlı imalat endüstrisinde üç temel kriter mevcuttur: 1) Kalite, 2) Hız, 3) Maliyet. Rekabetçi olabilmek için bu üç unsurun bir arada olması gerekiyor. Bunun için de doğru yapılanma ve ekip çalışması gerekir. Yapılanma konusunda çok şey söylenebilir ancak öncelikli olarak ele alınması gereken konuları genel olarak şu şekilde sıralayabiliriz.

  • Her şeyden önce işletme bünyesinde bir proje yönetim ofisi kurularak (PMO) sürece başlanabilir. Satış ile proje yönetimi tamamen farklı konulardır. Satış, müşterinin beklentisini tanımlar; proje yönetimi (PM) ise bu beklentiyi yukarıda bahsettiğimiz üç unsuru dikkate alarak gerçekleştirir. Birçok yerde yanlış şekilde rastlanıldığı gibi PM tasarım sürecini değil, uçtan uca tüm sürecin yönetiminden sorumlu olmalı (SCOR süreçlerinin tamamı) ve proje bünyesinde her fonksiyondan sorumluları barındıran bir yapıyı yönetmelidir. Küçük GM (Value Stream Manager) diyebileceğimiz bu rolün, işletme açısından hayati derecede önemi vardır. Bunu atlamayın…
  • Planlama konusu iyi yönetilmesi gereken bir diğer önemli konu. İşletme içi ya da dışı (fason) fark ermez, tüm kaynakların tek bir elden yönetilmesi gerekiyor. Çünkü, restoranda mutfak bir tane. En çok bağıranın değil planlanan işin yapılabilmesi, gerekli malzemelerin zamanında tedariği ve etkin fason yönetimi için merkezi bir planlama organizasyonu ve bu süreci destekleyen uygun yazılımlar mutlaka ama mutlaka gerekli. Mühendislik sürecinde oluşturulan ürün verilerinin yönetimi ve kaynak planlaması için PDM ve ERP artık olmazda olmaz unsurlar. Bu işin yazılımlar olmadan yapılabilmesi artık mümkün değil. Yazılımları maliyet olarak değil, sizi daha ileri taşıyacak bir kaldıraç olarak görün ve bu işe kaynak ayırın…
  • Tasarım süreci bu aşamada oldukça önem arz eden bir diğer önemli konu. Zira; tasarımda verilen kararlar neticesinde ürün ve tedarik zinciri kurgulanıyor. Unutmayın, üretim ya da tedarik süreçlerinde yaşanan sorunların kök sebeplerinin başında tasarım aşamasında yeterince düşünülmeden verilen kararlar yer almaktadır. Yanlış malzeme seçimi, aşırı ya da yetersiz fonksiyonalite, uygun olmayan proses seçimi, vb., gibi etkenler yol, su, elektrik olarak size mutlaka geri döner. Bu bağlamda eş zamanlı mühendislik ve DFMA konularının ele alınması son derece elzem. Zira, üretilebilirlik ve satılabilirlik konusunda sorun yaşamamak için tasarım sürecinde yavaş yavaş acele etmeli, kervanı yolda düzmek yerine terzi misali iki kere ölçüp, bir kez kesim yapılmalıdır.

Bu konuda çok şeyler yazılabilir. Özetlemek gerekirse; proje bazlı işletmeler artık konvansiyonel metotları bırakıp, yenilikçi üretim tekniklerini uygulamak zorundalar. Proje yönetim metodolojisi, tedarik zinciri yönetimi ve etkin ürün tasarım süreçleri olmadan rekabetçi olabilmek artık olanaksız. Stratejinizi bu yönde belirleyin, insan kaynağınızı eğitin ve teknolojik alt yapınıza yatırım yapın. Muhtaç olduğunuz bütçe, mevcut süreçlerinizin içindeki kayıplar içinde saklıdır.

Ancak bu sonuca ulaşabilmek için doğru stratejiyi kurgulamak gerekir. Strateji yapabilmek ya da ihtiyaçları tanımlayabilmek için ise öncelikle okumak, öğrenmek ve öğretmek zorundasınız. Unutmayın; bilgi olmadan ihtiyaçlar tanımlanamaz.

Yayım tarihi

Machine Learning

Üretim Endüstrisinde dijitalleşme çalışmaları olanca hızı ile devam ediyor. Artık, IoT üzerinden veri üretebiliyor, üretilen verileri CPS (Cyber Physical Systems) üzerinden taşıyor ve büyük veriyi (Big Data) elde edebiliyoruz. Bu konuda birçok işletmenin önemli mesafeler aldığını sahada gözlemliyoruz. Bu aşamaya gelebilmek oldukça önemli, ancak asıl mesele buradan sonra başlıyor: Büyük veri içinden anlamlı sonuç çıkarabilmek. Yalın felsefede de olduğu gibi ‘ölç-kayıt altına al- analiz et – aksiyona geç’ sürecini işletebilmek için Dijital Dönüşüm sürecinde de büyük veriyi analiz etmeye; bunun içinde makine öğrenmesi (machine learning) konusuna odaklanmaya ihtiyacımız var.

Yapay zekâ (AI), makine öğrenmesi (ML) ve derin öğrenme (DL) konuları bu anlamda üzerine düşünmemiz gereken konuların başında geliyor. AI, tüm bu kavramların en üstünde yer alarak insan gibi düşünen ve hareket eden makineler/sistemler oluşturmayı amaç edinen mühendislik bilimidir. ML ise AI’ın alt dalıdır. Sistemlerin ya da makinelerin programlama yapmadan, geçmiş deneyimlerden ya da verilerden öğrenebilmesine olanak sağlar. İstatistik bilimi ve ileri seviye bilişim teknolojileri aracılığı ile verilerden bir fonksiyon üretmeye; üretilen fonksiyon aracılığı ile de geleceği tahminleme ilkesine dayanır. DL ise ML’in bir alt dalı olarak yapay sinir ağları üzerinden, makinelerin insan beynine yakınsama yapılarak düşünebilmesi üzerine çalışır.

Kobi seviyesine baktığımızda AI konusu kolayca ele alınabilecek bir konu değildir. Oldukça önemli uzmanlık, yüksek bilişim yetkinliği ve son derece büyük-büyük veri gerektirir. DL de benzer şekilde çok büyük-büyük veri gerektirir. ML ise nispeten işletme seviyesinde çok daha kısıtlı bilişim teknolojileri ve yeteri kadar büyük veri kullanılarak uygulanabilen bir kavram olduğu için işletmelerin öncelikli olarak ML ya da ‘veri bilimi’ konusunda kendilerini geliştirmelerinde yarar olduğu kanısındayım.

ML, bahsedildiği üzere geçmiş verilerden öğrenme ilkesine dayanır. Daha önceleri sistemlere ‘program ve veri’ ikilisini verir çıktı elde ederdik. Yani, sistem yaptığımız programa göre çıktı üretirdi. ML ‘de ise, sisteme önce geçmiş veri (Xs: Data) ve çıktıları (Ys: Label) eş zamanlı veriyor ve sistemin bu iki bilgi doğrultusunda bir model (program) üretmesini; üretilen modeli gerçek veri üzerinde kullanarak yeni verinin çıktısını (output) tahminlemeye çalışmak ML’in özünü temsil eder. İstatistik bilimi, yüksek matematik ve algoritmaların bilişim gücü ile birleştirilmesi sonucunda bunun bugün elde edebiliyoruz.

Veri kavramı giderek daha da önemli stratejik rekabet aracı olmaya başlıyor. Hemen her iş alanında ya da disiplinde veri manipülasyonu yapmadan karar alabilmek neredeyse olanaksız hale geliyor. Sağlıktan finansa, üretimden hizmet sektörüne kadar her alanda veriler üzerinden kararlar alınıyor ve veri bilimi/veri mühendisliği giderek artan oranlarda talep görmeye başlıyor. Yakın bir zamanda hemen her işletmede veri bilimi mühendisi göreceğimizi belirtmek sanıyorum yanlış olmaz.

Veri bilimi, ‘Domain, Computer Science, Statistics’ alanlarında uzmanlaşmayı gerektiriyor. Bugün, yurtdışında birçok üniversitede bazı istatistik, matematik bölümleri yapay zekâ mühendisliğine dönüşüyor, bilgisayar bölümlerindeki ders programlarına kapsamlı/güncel ML müfredatı ekleniyor. Ülkemizde de yapay zekâ mühendisliği bölümlerinin bazı üniversitelerde açıldığını gözlemliyoruz. Bu bölümlerin artması ve hatta belki de tüm mühendislik bölümlerinde ML_101 dersinin okutulması kanımca artık bir gereksinim.

Kısaca; ML, karar verme süreçlerinde acizliğimizi ortadan kaldırıyor. Gelecek, ML ve AI üzerine şekilleniyor ve bizim de geleceği kaçırmamak için bu konularda çalışacak, geleceği şekillendirecek veri bilimi mühendislerine çok fazla ihtiyacımız olacak gibi görünüyor.

#The purpose of computation is insight, not numbers (R. Hamming).

Yayım tarihi

ENDÜSTRİ 4.0: Süreç Modelleme Yeteneği ve Sahanın Çözünürlüğü

Akıllı fabrika, insan, makine ve ortam içinde bulunan nesnelerin, yazılım/donanımlar aracılığıyla, birbirleriyle etkileşimli iletişime geçip işbirlikçi bir yapıda çalışabildiği ve birçok akıllı nesnenin özerk olarak kararlar alabildiği sistemler bütünüdür. IoT ile nesnelere kimlik kazandırabilmekte, nesneyi bir varlık haline dönüştürebilmekte ve kimliği (ID) olan bir nesneye her yerden bilgi gönderebilip/alabilmekteyiz. Üretimin yeni standartları IoT devrimi üzerine kurulmaktadır.

Dijital çağda birçok uygulama IoT ağları üzerinden gerçekleştirilebilecektir. IoT’nin kullanılır olmasının en büyük avantajlarından biri gerçek zamanlı veriye, mobil olarak bile ulaşabilecek olmamızdır. Bu sayede gerçek zamanlı analizler yapıp, daha doğru/hızlı kararlar alabilme şansını yakalayacağız.

Bu duruma birkaç örnek verelim.

Büyük veri ve analitik kavramlarının giderek daha da popüler bir hale gelmesi, eskiden kısıtlı olarak yapabildiğimiz bazı uygulamaların daha kapsamlı bir şekilde gündemimize girmesine olanak sağladı. Aslında hiç de yeni olmayan ancak belirli sayıda uzman tarafından altı sigma gibi problem çözme metodolojilerinde kullanılan bazı yöntem ve teknikler artık çok başka şekillerde kullanılarak, hayatımızın her aşamasında bize yön vermeye başlıyor. Büyük veri analitiği ile daha önceleri oldukça karmaşık, uzun, maliyetli ve daha az güvenirlilik ile verdiğimiz kararları çok daha ucuza, gerçek zamana yakın bir oranda ve daha güvenilir bir şekilde elde edebiliyoruz.

Nasıl mı? Açıklayalım…

Süreç iyileştirme çalışmalarında istatistik biliminin oldukça önemi vardır. Süreç davranışının modellenmesi, gelecek durumun tahminlenebilmesi ya da girdi parametreleri- nin etki analizlerinin yapılabilmesi gibi konularda istatistik biliminin birçok aracından faydalanılır. Çünkü değişkenlik kavramı sadece istatistiksel terimler ile tanımlanabilir.

İstatistiksel proses kontrol uygulamalarında süreç karakteristiğini anlayabilmek için genelde çıktılar üzerinden örnekler alınır ve örnekler üzerinden yapılan modellemeye göre gerçek popülasyon üzerinde bir yargıya varılmaya çalışılır. Buradaki kritik faktörler örnek sayısı, veri güvenirliği ve modellemedir.

Örnek sayısı sürecin doğru modellenebilmesi açısından son derece önemlidir. Çünkü, istatistiksel yaklaşımda örnek sayısının artması ve örneklerin doğru ölçümlenmesi, modelin güvenilir olabilmesinin en önemli ön koşuludur. Eskiden oldukça maliyetli olduğu için süreç üzerinden kısıtlı sayıda örnek veri alınabilir, alınacak verilerin güvenir- lik katsayısını artırmak için MSA (Mesasurement System Analysis) dediğimiz yöntemler ile ölçüm güvenirliği sağlanmaya çalışılır ve alınan ölçüm sonuçları uzmanlar ve özel yazımlar tarafından analiz edilerek süreç modellemesi yapılmaya çalışılırdı. Altı sigma yaklaşımındaki ölç (Measure) ve analiz (Analyze) süreçleri bu kapsama girmektedir. Ancak şimdi süreç üzerinden sürekli, güvenilir ve gerçek zamanlı veri alınabilmesi 4.0 teknolojileri sayesinde son derece kolay bir hale geldi. Endüstri 4.0 teknolojileri ile örnek sayısında kısıtlamaya gidilmeden, sınırsız sayıda ve güvenilir gerçek zamanlı olarak alınabilmektedir. Bu sayede elde edi- len örnek veri setleri ile süreçler eskiye göre daha güvenilir bir şekilde modellenebilmekte, sürecin gelecekte nasıl bir davranış gösterebileceği daha doğru bir şekilde tahminlenebilmektedir.

Altı Sigma yaklaşımında sürecin matematiksel modellemesini yapabilmek için birçok yöntem kullanılır. Ölçme aşamasında elde edilen veri sertleri kontrol grafikleri, regres- yon / korelasyon analizleri, faktör testleri gibi analizlerde kullanılarak süreç modellenir, modelleme üzerinden gele- cek durum hakkında ön görüde bulunmaya çalışılır. Bu yön- temleri kullanabilmek için uzmanlardan ve SPC/Minitab gibi özel yazılımlardan faydalanılır. Artık bu işlemleri yapabilmek Endüstri 4.0 teknolojileri ile eskiye göre çok daha kolay. Daha önceleri sadece özel yazılımlar (matlab, minitab, spc) ve uzmanlar üzerinden yapılabilen analizler artık IoT ekipmanlar üzerindeki gömülü yazılımlar (embedded software) (phyton) üzerinden, buluta çıkmaya gerek kalmaksızın lokal olarak (fog computing) yapılabilmektedir. Bu sayede eskiye oranla daha hızlı karar alınabilmesi mümkün olabilmektedir.

Endüstri 4.0, daha önceleri kısıtlı olarak kullanılabilen Altı Sigma yaklaşımının artık gerçek zamanlı olarak, süreçlerin her alanında kullanılabilmesinin önünü açmaktadır.

Yapay zeka çalışmaları ile problemi daha net tanımlayabiliyor (1.Define), IoT sensorlar ile uzaktan ve gerçek zamanlı veri alabiliyor, süreci test ve kontrol edebiliyor (2.Measure / 4.Control), özel yazılım ve algoritmalar ile süreci modelliyor, analiz ediyor (3.Analyze) ve makine öğrenmesi ile süreci iyileştirebiliyoruz (5.Improve).

Yeni dönemde aslında değişen çok fazla bir şey yok. Amaç ve kullanılan metodolojiler aynı, sadece yöntemler gelişiyor. Problem çözebilmek için hala ölçüyor, analiz ediyor, yorumluyor ve aksiyona geçiyoruz. Değişen tek şey bu sürecin eskiye göre çok daha hızlı, güvenilir ve çözünürlüğün yüksek olması. Endüstri 4.0 dediğimiz kavram işte tam da bu aşama da fark oluşturuyor. Endüstri 4.0 ile modelleme yeteneğimizi artırıyor ve bu sayede karar verme sürecinin kalitesini ve hızını daha iyi seviyelere getirebiliyoruz.

Yayım tarihi

Çevik Üretim ve Endüstri 4.0

İşletmeler değişen koşullar altında hiç olmadıkları kadar ÇEVİK olmak zorundalar. Ürün çeşitliliği artıyor, ürün yaşam süresi kısalıyor. İş birliği, bilginin paylaşımı / etkin kullanımı fark oluşturuyor.

İşte bu aşamada 4.0 kavramı devreye girmektedir. Endüstri 4.0’ı tek cümle ile “Çevik stratejiler üzerine teknolojinin giydirilmesidir”, şeklinde tanımlayabiliriz. Günümüzün ana konusu çeviklik. Hız ve Esnekliğin kombinasyonu olan çevikliği elde etmeden rekabet edilebilmesi pek kolay gözükmüyor.

Çevik olmak için ilk koşul Yalın olmak; ikinci koşul ise tedarik zincirinde yatay entegrasyona gitmektir.  Yalın işletmenizde süreçleri basitleştirmenize, kayıpları elimine ederek bütçe oluşturmanıza; entegrasyon ise bilgiyi etkin paylaşmanıza etki eder. 4.0 ise tüm bunları daha hızlı yapmanıza olanak sağlar.

Şimdi size az bilinen bir sır vereyim. Operasyonel mükemmelliği yakalayan firmalar ile klasik firmaları birbirinden ayıran en önemli özelliğin ne olduğunu açıklayalım. Klasik firmalar makine çevrim süresini daha da iyileştirmek gibi değer üreten faaliyet üzerinde iyileştirme çalışmaları yaparlarken; operasyonel mükemmelliği yakalamış firmalar bunun aksine kayıplara odaklanarak değer üretmeyen faaliyetleri ortadan kaldırmaya/azaltmaya çalışırlar. İşte temel fark buradadır. Şimdi bunun ne olduğunu bir örnek üzerinden açıklayalım.

Örneğin üç adımdan oluşan bir boru bükme süreci düşünelim. İlk adımda makine ayarlanacak (set-up), ikinci adımda malzeme büküm yerleri ölçülecek/işaretlenecek (markalama) ve son adımda ise boru makinede bükülecek olsun. Bu durumda değer ve kayıpların nerede olduğuna bakılması gerekir. Süreç içinde gerçek değer (müşterinin para ödemeye rıza gösterdiği faaliyet) makinede boru bükme işlemidir. Set-up ve markalama gerçekte değer üretmeyen faaliyettir, ancak ürün çıkarmak için bu adımların da yapılması da gereklidir. Ancak set-up ve markalama işlemlerinin içinde ‘bekleme, arama, yürüme, vs.’ gibi kayıplar vardır. Bu kayıpların elimine edilmesi zor değildir. Bırakın makine kendi işlem zamanı şimdilik olduğu gibi kalsın. Size önce makinenin çalışması için gereken zamanı kısaltın ki (set-up, ayar) makine daha çok çalışsın. Kısaca kayıplara odaklanın…

Yayım tarihi

Endüstri 4.0’ın Temel Ekonomik Potansiyeli

Endüstri 4.0 konusu epeydir gündemde. Birçok tanım ve tarif yapılıyor. Peki, Üretim Sektörü açısından bakıldığında, Endüstri 4.0 ne ne anlam ifade ediyor?

İşletme yönetimi, fırtınalı havada gemi yönetmeye benzer. Doğru kararlar alabilmesi için birçok yerden gelen verinin değerlendirilmesine gereksinim vardır. Ancak, sürekli ve öngörülemez değişimin ortaya çıkardığı karmaşıklık, işletmeleri oldukça zorlamaktadır. İşletmeler, rekabetçi olabilmek için etki/tepki zamanını kısaltmak; bunun için de kararlarını daha hızlı almak zorundalar. Endüstriyel çağda kullanılan uygulamalar ve kısıtlı teknolojiler etki/tepki zamanında bazen haftalar, aylar süren gecikmelere neden olduğu için çoğu zaman bu zorluğun üstesinden gelebilme konusunda yeterli olamamaktadır. Bu durum iş ve performans kayıplarına neden olarak işletmelerin rekabet gücünü zayıflatmaktadır.

Endüstri 4.0, çevik stratejilerin dijital konsept üzerinde kurgulanması ve yönetilmesi sürecidir. En önemli getirisi etki/tepki zamanını kısaltmaktır.  Algı – Analiz – Karar verme – Aksiyona geçme sürecini hızlandırarak, doğru kararların, hızlı bir şekilde alınmasına katkı sağlamak ve işletmelerin karar verme ve adaptasyon süreçlerini hızlandırarak işletmeleri çevik yapmak 4.0 teknolojilerinin en önemli karakteristiğidir.

4.0’ın temelinde CPS prensibi yatar.  Bir başka ifade ile: İş yazılımları, uygulamaları ve ağ ekipmanlarının oluşturduğu siber dünya ile (IT: Information Technology), operasyon teknolojilerinin oluşturduğu fiziksel dünyayı (OT: Operations Technology) fabrika ölçeğinde MES üzerinde entegre etme süreci endüstri 4.0’da iletişimin temelini oluşturmaktadır. Bu konsept Akıllı Fabrikalarda tüm sistemin etkileşimli olabilmesi için gereken ön koşuldur. Endüstriyel çağda fonksiyonlar, uygulamalar ve teknolojiler arasında kısıtlı iletişim varken, dijital çağda CPS üzerinde her şey birbiri ile ilişkidedir.

Yeni dönem, bilinen tüm değer önermelerinin geçerliliğini yitirmesine neden oluyor. Günümüz koşullarında verim, düşük maliyet, hız, doğru tahminleme gibi konularda başarılı olunabilmesi klasik üretim yöntemleri ile neredeyse olanaksız. Bunun için ileri seviye teknolojiye ve sistemlere her zamankinden çok daha fazla gereksinim var. Bilginin petrol değerinde olduğu günümüz dünyasında, büyük veriden anlamlı bilgi türetmek ve bunu yaparken de hızlı olabilmek için önce hızlı bir şekilde yalın olmalı ve kayıpları azaltmalı; buradan gelen getiriyi teknolojiye, eğitime ayırarak çevik üretim stratejileri üzerine dijitalleşmeyi bindirmemiz ve dijital çağ standartlarında akıllı fabrikalar kurmamız gereklidir. Başka seçeneğimiz yok maalesef.

Bunun için,

  1. STRATEJI: Masallarda bile işlenen “Nereye gideceğini bilmiyorsan, hangi yolu seçtiğinin önemi yok (Alice harikalar diyarında)”, ibaresi Strateji’nin önemini oldukça iyi anlatıyor. Stratejik planlama olmadan asla yola çıkmayın. Büyüme – Pazarlama – Üretim stratejileri.
  2. YALIN: Ne yaparsanız yapın kayıplar her daim olacaktır. Kayıplar ile mücadeleden ödün vermemek için değer ve akışa odaklanın. Malzeme ve Bilginin kesintisiz akmasını sağlayın.
  3. ÇEVİK: Günümüz işletmelerinin en önemli rekabet aracı değişime adapte olabilme yeteneğidir. İnsana ve sistem yatırım yapın, stratejik iş birlikleri kurun, uzmanlığınıza odaklanın. Çevikliği esneklik ile karıştırmayın. Esneklik süreç ve ekipman boyutunu; çeviklik insan ve sistem boyutunu irdeler.
  4. DİJİTALLEŞME: İşletme yönetimi, fırtınalı havada gemi yönetmeye benzer. Doğru ve hızlı kararlar alabilmeniz için birçok yerden gelen veriyi değerlendirmenize gereksinim vardır. İşlenmemiş veri ham petrol gibidir – bir işe yaramaz. Dijitalleşmeye küçük adımlar ile başlayın.
  5. PATRON: İşte işin en can alıcı kısmı. PATRON 4.0 olmadan, Endüstri 4.0 dönüşümü gerçekleşemez. Patronunuzu süreçlere çekin ve değişimin gerekliliğine ikna edin. Yönetimin desteği ve kararlığını almadan yola çıkarsanız – yolda kalırsınız
Yayım tarihi

Endüstri 4.0 ile Modelleme ve Çözünürlük Yeteneğinin Artırılması

 Süreç iyileştirme çalışmalarında istatistik biliminin oldukça önemi vardır. Süreç davranışının modellenmesi, gelecek durumun tahminlenebilmesi ya da girdi parametrelerinin etki analizlerinin yapılabilmesi gibi konularda istatistik biliminin birçok aracından faydalanılır. Çünkü değişkenlik kavramı sadece istatistiksel terimler ile tanımlanabilir.

İstatistiksel proses kontrol uygulamalarında süreç karakteristiğini anlayabilmek için genelde çıktılar üzerinden örnekler alınır ve bu örnekler üzerinden yapılan modellemeye göre gerçek popülasyon üzerinde bir yargıya varılmaya çalışılır. Buradaki kritik faktörler örnek sayısı, veri güvenirliği ve modellemedir.

Örnek sayısı sürecin doğru modellenebilmesi açısından son derece önemlidir. Çünkü, istatistiksel yaklaşımda örnek sayısının artması modelin güvenilir olabilmesinin en önemli ön koşuludur. Eskiden oldukça maliyetli olduğu için süreç üzerinden kısıtlı sayıda örnek veri alınabilirdi (genelde 30-200 arası veri seti üzerinden modelleme yapılırdı). Şimdi ise bu konuda sınırsız sayıda ve gerçek zamanlı bilgi alabiliyor, süreci daha doğru modelleyebiliyor ve çözünürlüğü artırabiliyoruz.

Veri güvenirliği süreç modellemesindeki bir diğer önemli faktördür. Sürecin doğru modellenebilmesi örnek sayısı ile ilgili olduğu kadar alınan örneklerin doğru ölçümlenebilmesiyle de doğrudan ilintilidir. Altı sigma metodolojilerinde alınacak verilerin güvenirlik katsayısını artırmak için MSA (Mesasurement System Analysis) dediğimiz yöntemler ile ölçüm güvenirliği sağlanmaya çalışılır. Ancak şimdi süreç üzerinden sürekli, güvenilir ve gerçek zamanlı verialınabilmesi 4.0 teknolojileri sayesinde son derece kolay bir hale geldi (Single Source of Truth). Endüstri 4.0 teknolojileri ile örnek sayısında kısıtlamaya gidilmeden, sınırsız sayıda ve güvenilir gerçek zamanlı olarak alınabilmektedir. Bu sayede elde edilen örnek veri setleri ile süreçler eskiye göre daha güvenilir bir şekilde modellenebilmekte, sürecin gelecekte nasıl bir davranış gösterebileceği daha doğru bir şekilde tahminlenebilmektedir.

Altı Sigma yaklaşımında sürecin matematiksel modellemesini yapabilmek için birçok yöntem kullanılır. Ölçme aşamasında elde edilen veri sertleri kontrol grafikleri, regresyon / korelasyon analizleri, faktör testleri gibi analizlerde kullanılarak süreç modellenir, modelleme üzerinden gelecek durum hakkında ön görüde bulunmaya çalışılır. Bu yöntemleri kullanabilmek için uzmanlardan ve SPC/Minitab gibi özel yazılımlardan faydalanılır. Artık bu işlemleri yapabilmek Endüstri 4.0 teknolojileri ile eskiye göre çok daha kolay. Daha önceleri sadece özel yazılımlar (matlab, minitab, spc) ve uzmanlar üzerinden yapılabilen analizler artık IoT ekipmanlar üzerindeki gömülü yazılımlar (phyton)üzerinden, buluta çıkmaya gerek kalmaksızın lokalolarak (fog computing) yapılabilmektedir. Bu sayede eskiye oranla daha hızlı karar alınabilmesi mümkün olabilmektedir.

Endüstri 4.0, daha önceleri kısıtlı olarak kullanılabilen Altı Sigma yaklaşımının artık gerçek zamanlı olarak, süreçlerin her alanında kullanılabilmesinin önünü açmaktadır. Yapay zekâ analizler ile problemi daha net tanımlayabiliyor (1.Define), IoT sensorlar ile uzaktan ve gerçek zamanlı veri alabiliyor, süreci test ve kontrol edebiliyor (2.Measure / 5.Control), özel yazılım ve algoritmalar ile süreci modelliyor, analiz ediyor (3.Analyze) ve makine öğrenmesi ile süreci iyileştirebiliyoruz (5.Improve).

Yeni dönemde aslında değişen çok fazla bir şey yok. Amaç ve kullanılan metodolojiler aynı – sadece yöntemler gelişiyor. Problem çözebilmek için hala ölçüyor, analiz ediyor, yorumluyor ve aksiyona geçiyoruz. Değişen tek şey bu sürecin eskiye göre çok daha hızlı, güvenilir ve çözünürlüğün yüksek olması.

Endüstri 4.0 dediğimiz kavram işte tam da bu aşama da fark oluşturuyor. Endüstri 4.0 ile modelleme yeteneğimizi artırıyor ve bu sayede karar verme sürecinin kalitesini ve hızını daha iyi seviyelere getirebiliyoruz.

Yayım tarihi

Endüstri 4.0: Yeni Dönemde İnsanın Rolü

Yapay zekâ çalışmaları, robotların iş süreçlerinde daha fazla alanda yer almasını sağlamaktadır. Makineler otomatik çalışmak üzere tasarlanmıştı, robotlarsa kendi kendilerine öğrenmeleri için geliştiriliyorlar (Autonomous Robots). Endüstri döneminde sadece kendilerine öğretilen, tekrarlamalı işleri yapmaktan sorumlu olan robotlar, yapay zekâ teknolojileriyle artık kendi kendine öğrenebilen, karar verebilen ve insanlarla bir arada etkileşimli çalışabilen (Collaborative robots, hand-in-hand) bir moda doğru gelişiyorlar. Robotlar akıllanıyor; akıllandıkça daha da akıllanıyorlar. Yakın bir zamanda insanların yapmakta olduğu birçok işi bu akıllı robotlara yaptıracağız gibi gözüküyor. Montaj bantlarında, üretim hücrelerinde, lojistik sürelerinde ya da çağrı merkezlerinde… Yeni dönemde teknoloji tabanlı sistemleri, ideal yöntemlerle tesis edebilmek için daha yetkin/nitelikli kadrolara gereksinimimiz olacaktır. Teknolojik gelişmeler insanların belirli alanlardan çekilmelerine sebep olacaktır. Peki, yeni dönemde insanlara ne yaptıracağız? Yeni dönem insandan beklenti nedir? İnsanlar yeni dönemde ne özelliklere sahip olmalıdır? Bu sorulara dört ana başlıkta cevap verebiliriz sanıyorum:

a) Tasarım: Karmaşık Sistemler tasarımı uzmanlığı

b) İzleme/Analiz: Veri analizi yeteneği

c) Aksiyon: Analitik Problem çözme yetkinliği

d) Geliştirme: Hızlı öğrenme ve sürekli iyileştirme. 

a) İş süreçlerindeki tüm bileşenlerin (tedarikçi, müşteri, malzeme, makina, ürün, çalışan), mükemmel bir uyum içinde çalışarak kalite, maliyet ve hız anlamında istenilen performansı gerçekleştirebilmesi için son derece etkin, teknoloji tabanlı süreç tasarımları yapılması gereklidir. Malzeme – bilgi – süreç – para akışı nasıl olacak, hangi noktalar/a/dan hangi veriler, hangi teknolojiyle alınacak/gönderilecek, veriler nerelerde saklanacak/nasıl analiz edilecek/nasıl yorumlanacak, iş ve bilgi güvenliği nasıl sağlanacak gibi konularda sorun yaşanmaması için kapsamlı süreç analizlerine ve teknoloji uzmanlığına ihtiyaç vardır. Yeni dönemde, insanlardan beklenen sorumlulukların başında işletme operasyonlarını, riskleri en aza indirgeyerek yönetmek ve optimize etmek, firma ürün/hizmet değer önermesini gerçekleştirmek ve müşteri ile bütünsel bir zemin oluşturmak için gereken karmaşık sistemleri tasarlamak gelmektedir. Doğru ve etkileşimli çalışan tasarımlar, işletmelere önemli rekabet avantajı sağlayacaklar.  

b) Endüstri 4.0 kapsamında yemek yemeyen, mola yapmayan robotlarımızın olması hiç hata yapılmayacağı anlamına gelmez. Hiçbir sistem kusursuz değildir. Ama iç ama dış etkenlerden dolayı, hata yapma-yanlış sonuç çıkarma olasılığı vardır. Yeni dönemde süreçleri on-line izleme (surveillance), algoritma / korelasyon analizleriyle yapılandırılmamış verilerden anlamlı bilgi türetme konusu oldukça önemli hale gelecektir. Ağa bağlı binlerce nesneden gelen bilgilerin gerçek zamanlı izlenmesi ve yorumlanması için, uygulamalı matematik bilimini iyi bilen veri analistlerine ihtiyaç olacaktır.  

c) Aksiyon almadan bilgi toplamanın ya da veri analizi yapmanın bir anlamı yoktur. Analistlerin yorumları doğrultusunda problemleri çözmek, halen yaptığımız gibi asli işimizin önemli bir parçası olarak kalacak. Ancak sistemin kompleks ve birbiriyle etkileşimi olması, çok iyi süreç bilgisine ve problem çözme tekniklerinde hakimiyetin olmasını zorunlu tutmaktadır. Yeni dönemde, analitik bakış açısı yüksek ve PPS/DMAIC gibi farklı problem çözme tekniklerinin bir arada kullanabilen insanlara ihtiyaç olacaktır. 

d) Rekabet çok yüksek ve giderek sınırları zorluyor. Standartlar artık her yerde var ve olanı korumak artık yeterli gelmiyor. Rakipler sürekli iyileşiyor çünkü. O nedenle, halen de olduğu gibi sürekli iyileştirme konusu yeni dönemde de en etkili rekabet silahlarından biri olmaya devam edecek. Teknoloji temelli süreçlerde iyileştirmeleri etkin bir şekilde yapıp, standartları geliştirebilmek için hem süreç hem de teknoloji bilgisine iyi derecede sahip olmak gerekecektir. Gelişen teknoloji ve sistemleri hızlı öğrenebilen, inisiyatif alabilen ve gelişime açık kişiler bu anlamda ön plana çıkacaklardır. 

Şimdi cevap bulunması gereken başka bir konuya geldik. Bu insanları nereden bulacağız ya da nasıl eğiteceğiz? Bilgi güçtür, eğer doğru yerde kullanılıyorsa. Eğitim sistemi birçok kişinin eleştirdiği bir yapı. Endüstride; ara kademe eleman açığından, bilgili/bilinçli üniversite mezunu bulamamaktan ve eğitim sisteminden sürekli dert yakınırız. Sorunu devletin çözmesini bekler – dururuz. Eğitim sisteminde sorun yoktur demiyorum ancak, acaba biz ne kadar doğru stratejiler kuruyoruz ve uyguluyoruz. O nedenle önce konuya başka bir açıdan bakalım düşüncesindeyim. Eğitim konusunda kişilere, firmalara, organize sanayi bölgelerine ve odalara kadar herkese sorumluluklar düşmektedir. İdeal ve sürdürülebilir bir kalkınma için farklı metotların denenmesi gereklidir kanısındayım. Birçoğumuz devlet üniversitelerinde okuduk, mezun olduk. Başka yerlerde okuyanlar da farklı değil. Öğrendiğimizin çok az bir kısmını iş hayatında uyguluyoruz. Bunun bir nedenini, belki okullarda geçmiş teknoloji üzerine kurulu eğitimlerin, teorik ağırlıklı verilmesi olarak gösterebiliriz. Yapmamız gerekenleri ve nasıl yapacağımızı iş hayatında, yaşayarak, hata yaparak öğreniyoruz. Okul bize bir nosyon verdi; iş hayatıysa gerçek eğitimi. İş dünyasında teknoloji, süreç, yetişmiş ve yetişecek insanlar hep bir aradalar. Eğitim ve öğrenim için bundan daha iyi bir ortam olamaz sanıyorum. O halde neden kendi insanımızı, kendi ortamımızda eğitimler vermiyoruz? (Bunu çok iyi yapanlar var.) Bir akademi kurup, ihtiyacımız olan konularda gerek iç bünyeden yetişmiş uzmanlar, gerekse üniversite bünyesinden akademisyenlerden oluşan bir kadroyla, sistematik, teori ile pratiğin buluştuğu, uygulamalı mühendisliğin ana tema olduğu eğitim/gelişim programları uygulamıyoruz. Emekliliği gelmiş, uzman kişilerden istifade edilebilecek en etkin alanlar eğitim süreçleridir. Nasıl gelecek için Arge süreçlerine yatırım yapıyorsanız, insanınızın da eğitimine/geleceğine yatırım yapmanız gereklidir. Bu denli hızlı gelişen günümüz dünyasında, çalışanlarınızın yeni teknolojileri/sistemleri okulda veya onlara imkân tanımadan öğrenmelerini beklemeniz hayalden öte bir şey değildir. Bu konuyu Toyota nın insana yatırım felsefesiyle biraz açalım. İşletmelerin birçoğunda üretim hatları % 100 e yakın bir oranda planlanır. Hatlar ve çalışanlar kesintisiz ve tam zamanlı olarak üretim yaparlar. Olası boşluklar için gelecek dönemden planlar öne çekilir ve üretim yapılır. Çalışanların mesailerinin % 100 e yakın bir zamanı o günkü işleri yapmakla geçer. Eğitim almaz, kendini geliştiremez ve sorunlara kalıcı çözümler üretemezler. Bu nedenle mesai bile yaparlar. Bu durum haftalarca, aylarca, hatta yıllarca devam edebilir. Çalışan tek bir şey yapmaktadır. Her gün yaptığı şey neyse onu. Aynı işi yapmak, düzensiz mesai, kendini geliştirememek ve sürekli sorunlarla karşı karşıya kalma sonucunda stres yükselir, memnuniyetsizlik, verimsizlik artmaya başlar. Oysa üretim % 80 planlansa, kalan % 20 zaman kişilere eğitimler verilip, hem kendi hem de başka alanlardaki yetkinlikleri geliştirilse, bu durumdan işletme ve çalışan birlikte fayda görecektir. Çalışan daha yetkin, farklı işleri yapabilmenin hazzıyla daha mutlu olacak, işletmeyse farklı işleri, iyi derecede yapabilen, sorunlara kalıcı çözümler geliştirebilen çalışanlara sahip olacaktır.  Tercih sizin! Çalışanlarınızı sadece elleri/kolları olan ve verilen işi yapan bir robot olarak mı;  yoksa düşünen, dert edinen ve çözüm üreten olarak mı görmek istersiniz? Eğer, cevabını ikinci şık ise, eğitime, çalışanlarınızın gelişimine yatırım yapın. En iyi yatırım İNSAN A yatırımdır!

Yayım tarihi

Endüstri 4.0’e Gerçekte Nasıl Gelindi?

Buhardan güç elde edilmesi, Ford seri üretim, Otomasyon vs. 4.0 hep böyle anlatıldı. Bunlar da önemli ancak, günümüz teknolojisinin bu duruma gelmesindeki ana nedenlerden biri transistorun icadıdır.

Başta Telekom sektörü olmak üzere tüm elektronik sektöründe kullanılmaya başlanan transistor olmasaydı – ne akıllı telefon olur ne de internet bu denli gelişebilirdi. Transistorun icadı (bell laboratuvarları, 1947) ile mikro elektronik alanında oldukça önemli gelişmeler meydana geldi. Sensor ve mikro işlemcilerin boyutlarının giderek küçülmesi (moore yasası, IC içindeki transistor sayısının her yıl 2 kat artması),düşük enerji tüketimi ve ölçek ekonomisi kapsamında üretilebilir olmasıyla maliyetlerinin daha da ucuzlaması, mikro işlemeci ya da entegre devre (IC: Integrated Circuit) içine milyarlarca transistorun konumlandırılabilmesine olanak sağladı. Bu sayede, ekipmanların da boyutları küçüldü, cebimize girdi, hız ve kapasiteleri arttı. Bugün elimizde bulunan akıllı telefonlarda 10-12 sensor, milyarlarca transistor bulunmaktadır. Bu sayede, akıllı cihazlarda, aynı anda birçok işi, hızlı bir şekilde yapabiliyoruz.

Sürekli değişim, işletmeleri önce Yalın olmaya, şimdilerde ise hem yalın hem de çevik olmaya zorluyor. Bilginin petrol değerinde olduğu günümüz dünyasında, büyük veriden anlamlı bilgi türetmek ve bunu yaparken de hızlı/verimli olmak en önemli rekabet unsuru. Bunu başarabilmek için Yalın prensipleri, teknoloji ile birleştirmemiz, akıllı fabrikalar kurmamız gerekmektedir.

Yalın Üretimin özünde kayıplarla mücadele ederek, üretim zamanını kısaltmak (lead-time reduction) vardır. Bu amaç doğrultusunda beş temel prensibe vurgu yapar: Değer, Değer zinciri, Akış, Çekme ve Mükemmellik (Womack). Akıllı fabrikaların temelinde ise “bağlantı (connectivity)”, çıktısında “anlamlı veri” yatar. Temel amacı; işletmelerin karar verme ve adaptasyon sürecini hızlandırmaktır. Dijital olarak gerçekleşen bu devrimde ana tema dijitalleşmenin çok ötesinde ‘iş metodu ve kültürel anlamda’ dönüşümdür.

Akıllı fabrikaların en önemli getirisinin etki/tepki zamanını kısaltmak olduğunu söylemek sanırım yanlış olmaz. Algı – Analiz – Karar verme – Aksiyona geçme, sürecini hızlandırarak, doğru kararların – hızlı bir şekilde alınmasına katkı sağlaması Akıllı Fabrikadan en önemli beklentidir. Bu durum işletmelerin çevik olmasını sağlar. Bu amaç doğrultusunda: Information, Connected network, End to End data processing, on demand manufacturing ve adaptation, prensiplerine vurgu yapar. Bu iki kurgu birbirini tamamen desteklemektedir. Yeni dönemde artık DİJİTAL TABANLI YALIN DÖNÜŞÜM (DBLT) süreci üzerine çalışmalar yapılmaktadır.

DBLT yani Dijital Tabanlı Yalın Dönüşüm sürecinin başarıya ulaşabilmesi için beş temel gereksinime ihtiyaç vardır.

  1. STRATEJI: Masallarda bile işlenen “Nereye gideceğini bilmiyorsan, hangi yolu seçtiğinin önemi yok (Alice harikalar diyarında)”, ibaresi Strateji’nin önemini oldukça iyi anlatıyor. Stratejik planlama olmadan asla yola çıkmayın. Büyüme – Pazarlama – Üretim stratejileri.
  2. YALIN: Ne yaparsanız yapın kayıplar her daim olacaktır. Kayıplar ile mücadeleden ödün vermemek için değer ve akışa odaklanın. Malzeme ve Bilginin kesintisiz akmasını sağlayın.
  3. ÇEVİK: Günümüz işletmelerinin en önemli rekabet aracı değişime adapte olabilme yeteneğidir. İnsana ve sistem yatırım yapın, stratejik iş birlikleri kurun, uzmanlığınıza odaklanın. Çevikliği esneklik ile karıştırmayın. Esneklik süreç ve ekipman boyutunu; çeviklik insan ve sistem boyutunu irdeler.
  4. DİJİTALLEŞME: İşletme yönetimi, fırtınalı havada gemi yönetmeye benzer. Doğru ve hızlı kararlar alabilmeniz için birçok yerden gelen veriyi değerlendirmenize gereksinim vardır. İşlenmemiş veri ham petrol gibidir – bir işe yaramaz. Dijitalleşmeye küçük adımlar ile başlayın.
  5. PATRON: İşte işin en can alıcı kısmı. PATRON 4.0 olmadan, Endüstri 4.0 dönüşümü gerçekleşemez. Patronunuzu süreçlere çekin ve değişimin gerekliliğine ikna edin. Yönetimin desteği ve kararlığını almadan yola çıkarsanız – yolda kalırsınız.

Yeni dönem, bilinen tüm değer önermelerinin geçerliliğini yitirmesine neden oluyor. Günümüz koşullarında verim, düşük maliyet, hız, doğru tahminleme gibi konularda başarılı olunabilmesi klasik üretim yöntemleri ile neredeyse olanaksız. Bunun için ileri seviye teknolojiye ve sistemlere her zamankinden çok daha fazla gereksinim var. Hızlı bir şekilde önce yalın olmalı ve kayıpları azaltmalı; buradan gelen getiriyi teknolojiye, eğitime ayırarak akıllı fabrikalar kurmalıyız. Başka seçeneğimiz yok maalesef.