YZE
Akıllı Üretim Sistemleri Alanında Kabul Edilen Projeler
TOFAŞ - Türk Otomobil Fabrikası Projesi
Proje Adı: Üretim Ortamında Hareket ve Aktivitelerin Görüntü İşleme ile Takibi ve Analizi Projesi
Müşteri Kurum: Tofaş Türk Otomobil Fabrikası AŞ
Proje Yürütücüsü: Şirin Altıok
Konsorsiyum Üyeleri:
Akıllı üretim tematik alanında gerçekleştirilecek olan proje ile yapay zekâ teknolojisi kullanılarak seri üretim bandında verimliliğin artırılması hedeflenmektedir. Çalışanların hareketlerinin yapay zekâ ile analiz edilmesi yoluyla üretimde beklenenden yüksek ve düşük verimli işler tespit edilecektir. Bu sayede üretim bandında toplam verimliliğin artmasını sağlayacak iş sonuçları ortaya çıkacaktır. Proje sayesinde, operasyonda yapılan işin doğruluk analizi yapılacaktır. Farklı araçların üretilmesinde ve vardiya değişiminde oluşan durma ve bekleme kayıplarının analizi yapay zekâ ile tespit edilecektir. Proje amaçlarının gerçekleşebilmesi için geliştirilecek olan sistemde montaj hattına kamera kurulması hedeflenmektedir. Kameralardan elde edilen görüntülere dayanarak derin öğrenme yöntemleri alanında gerçekleştirilecek olan Ar-Ge çalışmaları sayesinde iş verimliliğini artıracak analizlerin yapay zekâ ile yapılması planlanmaktadır.
İş analizi alanındaki bu yenilikçi yaklaşımla iş verimliliğinin arttırılması konusunda çözümler sunulması hedeflenmektedir. Proje sonuçlarının örnek teşkil etmesi ve yaygınlaşma potansiyeli yüksektir.
Şişecam Projesi
Proje Adı: Yapay Zekâ Desteği ile Geniş Alanda Nano Kaplama Üretim Verimliliğinin Arttırılması
Müşteri Kurum: Türkiye Şişe ve Cam Fabrikaları AŞ
Proje Yürütücüsü: Utku Er
Konsorsiyum Üyeleri:
Projede, manyetik alanda cam kaplama hatlarında yapay zekâ destekli karar destek sistemi ile üretim verimliliğinin arttırılması amaçlanmaktadır. Bu üretim sürecinde, manyetik alanda sıçratma cam kaplama hatlarında düz camlar üzerinde çoklu katmanların oluşturulmasından önce her malzeme tekil katman olarak kaplanıp ölçümleri alınır ve yüksek hassasiyette (kaplama kalınlık homojenitesi hassasiyeti) istenen hedef değerlerin elde edilmesi amaçlanır. Tekil katmanların üretimi esnasında çıkan sonuçlar doğrultusunda proses parametrelerinde yapılacak değişimlere cihaz operatörü tecrübesine dayanarak karar verilir. Dolayısıyla operatör, birçok tekrar (5-10 aralığında) yaparak her bir malzemenin tek katman üretimi için ortalama 1-2 saat harcamaktadır. Bu durum da son ürün üretim verimliliğini düşürmektedir.
Projede temel amaç, yapay zekâ/makine öğrenmesi ile tekil katmanların en fazla 2 tekrarda (standart yönteme göre daha kısa zamanda) kalınlık homojenite toleransı %1 olacak şekilde üretilmesidir.
Projede silisyum nitrür (Si3N4) tekil katmanının ayar süreci operatörden bağımsız hâle getirilerek üretim verimliliğinin artırılması sağlanacaktır. Bu kapsamda yapay zekâ desteği ile operatöre karar desteği sağlanması ve/veya trim gaz akış ayarının önceden kestirilmesi sayesinde Şişecam’ın geniş alanda üretim proseslerinde Si3N4 tekil katman optimizasyonu ile üretime geçiş süresi kısaltılacak, sarf malzeme maliyet kayıplarının önüne geçilecektir. Projede Millî Savunma Üniversitesi ve SGE Mühendislik iş birliği ile geliştirilecek yapay zekâ/makine öğrenmesi algoritmaları ve optimizasyon modeli ile, Şişecam’ın üretim proseslerinde takip ve kontrol ettiği üretim verileri toplanarak analiz edilecek, üretimdeki kaplama homojenitesine etki eden ayar parametreleri personel kararına ihtiyaç duymadan belirlenebilecektir. SGE Mühendislik’in geliştireceği haberleşme teknolojisi ile, Şişecam kaplama üretim sistemlerindeki verilerin toplanarak işlenmesi ve makine haberleşmesi sağlanacaktır.
Polat Enerji Projesi
Proje Adı: Direct Drive Teknolojisi Kullanan Rüzgâr Türbinlerinde Kestirimci Bakım Faaliyetleri için Yardımcı Yapay Öğrenme Tabanlı Karar Destek Sistemi
Müşteri Kurum: Polat Enerji Sanayi ve Tic. AŞ
Proje Yürütücüsü: Emre Vardareli
Konsorsiyum Üyeleri:
Bu proje, Türkiye'de direct drive (dişli kutusuz) teknolojisine sahip rüzgâr türbinleriyle enerji üreten sahaların verimlilik ve bakım planlama ihtiyaçlarına veri tabanlı yapay zekâ algoritmaları ile çözüm geliştirmeyi amaçlamaktadır. Bu çözüm, rüzgâr santrallerindeki ekipman ve süreçlerde oluşabilecek anormalliklerin önceden tespiti ve teşhisi ile istikrarlı üretime yardımcı olacaktır. Böylece temiz enerji yatırımlarının kârlılığının artmasına yardımcı olacak ve bu alana yapılacak yatırımları teşvik edecektir. Projenin amacı üç basamaktan oluşmaktadır:
- Yapay zekâ çözümleri geliştirerek Enercon marka direct drive (dişli kutusuz) rüzgâr türbinlerinden toplanan SCADA verilerinin birbiriyle ve türbinin duruşuna neden olan arızalarla ilişkisini tespit etmek.
- Kestirimci bakım yaklaşımıyla olası arıza kökenli türbin duruşlarını azaltmak, türbin duruş sürelerini ciddi miktarda üretim olan rüzgâr hızı yüksek dönemler yerine daha düşük üretimin olduğu ya da hiç üretimin olmadığı dönemlere kaydırmak.
- Böylece rüzgârda saklı kinetik enerji potansiyelinin daha fazlasını elektrik enerjisine dönüştürmek.
Projede planlanan çözüm, rüzgâr enerjisi santrallerinde kestirimci bakım uygulamalarına destek olabilecek yapay öğrenme temelli karar destek sistemi geliştirilmesidir. Kestirimci bakım, ekipmanlara yerleştirilen sensörler vasıtasıyla süreçlerin devamlı olarak izlenmesini ve bu veriler üzerinde istatistiksel ya da yapay öğrenme teknikleri kullanılarak arızaların gerçekleşmeden tespit ve teşhis edilmesini, dolayısıyla bakım planlamalarının bu karar destek sistemlerinin yardımıyla yapılmasını içermektedir. Bu kapsamda kritik ve yardımcı ekipmanların geçmişe yönelik sensör verileri kullanılarak yapay öğrenme tabanlı normal davranış modellerinin (normal behaviour models) oluşturulması, bu modellerin optimum sonuçlar üretmesinin sağlanması ve model performans testlerinin rüzgâr sahası ekipmanlarından toplanan verilerle yapılması hedeflenmektedir. Bu eğitilmiş modeller bulut tabanlı sistemlerde çalışabilecek, anlık sensör akış verilerini kullanarak otomatik olarak arıza bayrağı üretebilecek ve ilgili saha personeline bildirim gönderebilecektir. Birçok tahminleyici yapay öğrenme modeli denenecek olup bunların birleştirildiği nihai toplu modelleme yöntemleri geliştirilecektir.
Projede ulaşılması planlanan hedefler aşağıda listelenmektedir:
- Türbin ekipmanlarının bakım planlarının her bir ekipmanın kendi geçmiş verilerinden öğrenilen modellerle kestirimci bakım stratejisiyle yapılmasına destek olunması.
- Rüzgâr enerjisi santral süreçlerinin yine süreç parametrelerinin (parametre grubunun) yapay öğrenme ile modellenmesiyle optimum süreç yönetimine katkıda bulunması.
- Süreç ve bakım planı yönetiminin verilere dayalı yapılması ve optimize edilmesi sonucunda daha verimli ve emre amadeliği yüksek santral elde edilmesi.
- Nihai ürün bakım ve operasyon ekiplerinin santralde bakım, tamir ve operasyonel görevlerinin zaman yönetimine katkıda bulunularak türbinlerin daha verimli çalışmalarının sağlanması.
Hayat Kimya Projesi
Proje Adı: Yeni Deterjan Formüllerinin Geliştirilmesi ve Performans Optimizasyonu Sağlanması Amacıyla Yapay Zekâ Öngörü Teknolojileri Geliştirilmesi
Müşteri Kurum: Hayat Kimya San. AŞ
Proje Yürütücüsü: Selin Ergün
Konsorsiyum Üyeleri:
Ürün çeşitliği ve değişkenliği çok sık olan sektörde, yeni bir ürünü devreye alma süresini kısaltan, yapay zekâ destekli ürün formülasyonu belirleme prosesi geliştirilecektir. Projede geçmiş çoklu formülasyon girdileri ve özel kumaşlar ile yapılan yıkamaların spektrofotometrik ölçümlerin sonuçları ile dijital bir veri kütüphanesi tasarlanarak bu veriler, insana kıyasla etkin ve inovatif kullanacak olan yapay zekâ teknolojisine aktarılacak.
Projede, aktif öğrenme yapısı kurgulanacak ve hangi ek deneylerin yapılması gerektiği bu kurgunun çıktısına göre belirlenecektir. Proje amacına uygun yenilikçi makine öğrenmesi yöntemleri araştırılarak leke performans tahminlemesi ve formülasyon tahminlemesi için regresyon yapıları kullanılacaktır. Model performansları temel yaklaşımlı yöntemlerden elde edilen baz performanslar ile karşılaştırılacak ve amaca uygun seçilen en yüksek performanslı model için entegrasyon yapılacaktır. Ayrıca deney ve maliyet bilgileriyle entegre biçimde de çalışabilecek bir akıllı deney sonuçları hammadde formülasyonu karar destek yazılımı geliştirilecektir. Yazılım sayesinde farklı hammadde kompozisyonları uygulama tarafından önerilebilecek ve skorlama yöntemi ile en yüksekten en düşüğe leke çıkarma performansı olan kompozisyonlar listelenebilecektir.
Proje sonucu ulaşılması planlanan hedefler aşağıda listelenmektedir:
- Geliştirilecek olan yapay zekâ destekli simülasyon ile çeşitli çamaşır deterjanı formülasyonları oluşturularak laboratuvarda deney ve performans testi ihtiyacı minimuma düşürülecektir.
- Proje aynı zamanda makine öğrenmesi ile tanımlanan yeni verilere göre öngörü sistemini iyileştirebilir olacaktır.
- Proje çıktısı sayesinde beklenen hedefe en yakın formülasyonların hızlı bir şekilde sunulmasıyla kimyasal madde ve su tüketiminin azaltılması ile sürdürülebilirlik açısından ve ekonomik açıdan fayda sağlayacaktır.
- Geliştirilecek makine öğrenmesi modeli ve dijital deney kütüphanesi yazılımı, yapay zekâyı kullanarak geliştirilecek model dijital kütüphane yazılım ailesine ait akıllı bir deney ve hammadde kompozisyonu en iyileme karar destek yazılımı olarak fonksiyon gösterecektir.
Temsa Projesi
Proje Adı: Verilerinin Yapay Zekâ ve Makine Öğrenmesi Yöntemleri ile Kestirimci Bakım Tahminleme ve Akıllı Yedek Parça Depo Yönetimi Proje
Müşteri Kurum: Temsa Skoda Sabancı Ulaşım Araçları AŞ
Proje Yürütücüsü: Havva Sibel Yurtseven
Konsorsiyum Üyeleri:
Akıllı üretim tematik alanında yapay zekâ teknolojisi kullanılarak kestirimsel bakım yapılması hedeflenmektedir. Temsa’nın elektrikli otobüslerinin motoruna ve yürüyen aksamına yerleştirilmiş olan sensörler sayesinde düzenli olarak veri toplanabilmektedir. Bu veri işlenerek, yapay zekâ tabanlı karar alma destek sistemi ile, aracın bakım zamanı, bakım yeri ve bakım için gerekli olan yedek parça tespit edilecektir. Bu sayede, akıllı depo ve envanter yönetimi yapılabilecektir. Beklenmedik bakımların araç başına % 20 azaltılacağı ve operasyonda sürekliliğin artması sayesinde maliyetlerde en az % 10 seviyesinde kazanç elde edileceği öngörülmektedir.
Projenin nihai hedefi akıllı filo yönetiminin yapay zekâ ile gerçekleştirilmesidir. Piyasada binek araçlar için kısıtlı sayıda bulunmasına rağmen, otobüs segmenti için ilk ürün olacağı öngörülmektedir. Buna istinaden yenilikçi yaklaşım sergilemektedir ve kendi segmentinde öncü ürünlerden biri olması hedeflenmektedir.
Tekkan Projesi
Proje Adı: Plastik Enjeksiyon Kalıplama Süreci için Toplam Ekipman Verimliliği Ölçümü ve Dijital İkiz Tabanlı Karar Alma Kontrol Yazılımı Geliştirilmesi Projesi
Müşteri Kurum: Tekkan Plastik Sanayi Ve Ticaret AŞ
Proje Yürütücüsü: Erdem Hacıoğlu
Konsorsiyum Üyeleri:
Akıllı üretim tematik alanında geliştirilecek olan proje, plastik enjeksiyon kalıplama alanında üretim tezgâhının dijital ikizinin yaratılmasını hedeflemektedir. Yapay zekâ teknolojileriyle desteklenen dijital ikiz karar alma yazılımı sayesinde yüksek doğruluklu, güvenilir, zaman-kritik ve ölçeklenebilir bir karar alma yazılım çözümü geliştirilecektir. Bu sayede, yeni ürünü devreye alma sürecinde, hedeflenen kalite seviyesine göre, üretim parametreleri kestirilecektir. Bunların sonucu olarak, toplam ekipman verimliliğinin en az %80 olması hedeflenmektedir.
Geliştirilecek olan karar alma yazılımı, plastik enjeksiyon makinalarının yoğun olarak kullanıldığı otomotiv, ambalaj, elektrik-elektronik, savunma vb. gibi sektörlere hitap ettiğinden ulusal ve uluslararası imalat sanayinde büyük pazar ve satış potansiyeline sahiptir.
Matay Otomotiv Projesi
Proje Adı: Robotlu MIG/MAG Kaynak Proseslerinde Yapay Zekâ Destekli Hata Önleyici ve Tahminleyici Akıllı Üretim Sistemi Geliştirme Projesi
Müşteri Kurum: Matay Otomotiv Yan San. Ve Tic. A.Ş
Proje Yürütücüsü: Mehmet Uysalgil
Konsorsiyum Üyeleri:
Akıllı üretim tematik alanında yapay zekâ teknolojisi ile gerçekleştirilecek olan proje kapsamında egzoz üretim sistemlerinde kestirimsel kalite uygulaması geliştirilmesi hedeflenmektedir. Kaynak operasyonunda yapılan kaynağın kalitesi anlık olarak takip edilecektir. Kaynak operasyonu esnasında oluşan akma çapaklarını, kaynak deliği ve kaynak boşluklarını engellemek, tahribatlı muayeneden kurtulmak, kontrol ve hurda maliyetlerinin önüne geçmek için yapay zekâ temelli bir akıllı sistem çözümünün oluşturulması planlanmaktadır. Projenin amacı üretim ve kalite parametrelerin yüksek çözünürlükle anlık olarak takip edilmesi ve hatayı oluşturan parametre korelasyonlarının tespit edilmesidir. Yapay zekâ tabanlı modelleme sayesinde kalite kaybı ve üretim hatalarına sebep olan durumların başlangıç anında yakalanması hedeflenmektedir.
Projenin yenilikçi yaklaşımları arasında egzoz kaynak sürecinin yüksek çözünürlük ile takip edilmesi bulunmaktadır. Bununla birlikte, geliştirilecek olan anomali tespit ve kestirimci kalite yazılımının kaynak yapan imalat sektöründeki işletmelerde yaygınlaştırabilmek adına neredeyse tak-çalıştır ürün olarak sunulması ve ticarileştirilmesi hedeflenmektedir.