Endüstriyel Kestirimci Bakım (Predictive Maintenance — Detay)

Modül URE-02 — Endüstriyel Kestirimci Bakım (Predictive Maintenance — Detay)

Bu sayfa, kurumunuzda hayata geçirebileceğim somut bir AI dönüşüm modülünün uçtan uca özetidir: problem ifadesinden ROI modeline, ön koşullardan risk yönetimine ve ilk 2 haftalık hızlı kazanım versiyonuna kadar her şey burada.

1. Problem Tanımı

OPS-04'ün üretim odaklı sürümüdür; CNC, pres, robot kol, türbin, kompresör gibi pahalı ekipmanlarda plansız duruş saatlik milyon kayıba yol açabilir. Klasik "planlı bakım" gereğinden sık veya geç olur; "arızalanınca tamir" en pahalı modeldir.

2. Önerdiğim Çözüm

Titreşim + akustik + sıcaklık + akım sensörleriyle ekipman sağlığını sürekli izleyen; arıza riski yükseldiğinde 24-168 saat önceden uyarı veren ve bakım planına otomatik düşen sistem.

3. Mimari ve Yaklaşım

Sensor edge (Schneider, Banner Engineering, Petasense); time series ML (LSTM, Transformer, Physics-Informed NN); Microsoft Azure IoT / Siemens MindSphere / AWS IoT TwinMaker; CMMS entegrasyonu (Maximo, Ultimo, SAP PM).

Seçilen bileşenler kurumunuzun mevcut altyapısına, veri olgunluğuna ve regülasyon profiline göre kalibre edilir. Açık kaynak yığınlar ile kurumsal SaaS platformları arasındaki tercih genellikle veri ikametgâhı, kontrol seviyesi ve toplam operasyon yüküne göre netleşir.

4. Süre ve Faz Yapısı

Süre aralığı geniş tutulmuştur çünkü mevcut bulut altyapı olgunluğu, iç ekip katılım yoğunluğu ve seçilecek entegrasyon hedefi (kaç sistem) toplam süreyi önemli ölçüde etkiler. Pilot fazında daraltılmış kapsamla başlar; kanıtlanan değere göre tam ölçek planı onaylanır.

**Tipik faz akışı:**

5. ROI ve KPI Beklentileri

Plansız duruş %35-55 azalır; bakım maliyeti %15-25 azalır; OEE 8-12 puan artar; ömrü uzayan kritik ekipmanda CAPEX erteleme.

Aralıkların alt bandı disiplinsiz uygulamayı, üst bandı ise süreç yeniden tasarımıyla birlikte yürütülmüş AI projelerini temsil eder. Yalnız teknoloji kurmak yetmez; mevcut iş akışlarının AI-öncesi mantığa göre yeniden tasarlanması en yüksek değer kaynağıdır.

6. Dünyadan Referans Vaka

Siemens, GE, Rolls-Royce kestirimci bakımı standart hâline getirdi. Türkiye'de Tüpraş, Eti Maden, Aselsan gibi büyük üreticiler bu modülü Endüstri 4.0 yatırımında önceliklendirdi.

7. Ön Koşullar

Sensör altyapısı, geçmiş arıza/bakım kayıtları (etiketli), edge compute, CMMS entegrasyonu.

Ön koşullar tamamlanmadan ilerlemek, pilotun başarısız olma olasılığını dramatik biçimde artırır. Bunlar tamamlanmamışsa ilk fazı 2–3 haftalık bir hazırlık atölyesiyle başlatıyorum.

8. Risk ve Azaltma Planı

Sensör yatırımı yüksek → kritik ekipman öncelikli, kademeli yayılım. Az veri olan nadir arızalar → physics-informed model kombinasyonu.

KVKK ve AB AI Act 2026 uyumu doğrudan tasarım fazına gömülür; ISO/IEC 42001 (AI Yönetim Sistemi) çerçevesiyle uyumlu model dokümantasyonu (model cards), açıklanabilirlik (XAI) ve bias auditi süreçleri her teslimatın parçasıdır.

9. 2 Haftalık Hızlı Kazanım (Quick Win)

Mevcut SCADA verisinden 1 kritik makinada anomali raporu + bakım ekibine e-posta; 4 haftada.

Quick Win versiyonu küçümsenmemelidir: 2–4 haftalık prototipler hem yönetim kurulu için kanıt üretir hem de tam ölçek proje öncesi kritik öğrenme sağlar.

10. Çalışma Modelim ve Teslimatlar

Modülü uçtan uca hayata geçiriyorum: keşif atölyesi → mimari tasarım → veri ve entegrasyon hazırlığı → pilot inşa ve canlıya alım → ROI takibi ve ölçekleme. Her fazda KVKK uyum kontrolü, model gözlemlenebilirliği (LLMOps) ve değişim yönetimi planı dahildir.

**Tipik teslimatlar:**