Kazanimlar:
- OEE, çevrim süresi ve WIP gibi üretim KPI'larını doğru tanımlayıp hesaplayabilme
- AI ile pano tasarımı, kesikli olay simülasyonu ve senaryo analizini yapılandırabilme
- Simülasyon ve pano çıktılarını girdi varsayımları ve gerçek verilerle doğrulayabilme
Endüstri mühendisi kararlarını sezgiyle değil, ölçümle verir. Doğru tanımlanmış KPI'lar (Anahtar Performans Göstergeleri) bir üretim sisteminin nabzını tutar; simülasyon ise gerçek sistemi durdurmadan "ya şöyle olsaydı?" sorusunu güvenle yanıtlar. Yapay zeka her ikisinde de hızlandırıcıdır: KPI tanımı ve pano tasarımı taslağı çıkarır, simülasyon modelinin iskeletini kurar, senaryo karşılaştırmalarını yorumlar. Ancak hem KPI'lar hem simülasyon "yanlış tanım" ve "yanlış varsayım" tuzaklarına açıktır. Bu ünitede üretim KPI'larını, pano tasarımını ve kesikli olay simülasyonunu doğrulama disipliniyle ele alacağız.
Doğru KPI'ı Doğru Tanımlamak
Yanlış hesaplanan bir KPI, hiç KPI olmamasından daha tehlikelidir çünkü yanlış güven verir. En yaygın üretim KPI'ları:
KPI
Tanım
Dikkat
OEE
Kullanılabilirlik × Performans × Kalite
Üç bileşen ayrı hesaplanmalı
Çevrim süresi
Bir parça arası süre
Takt ile karıştırma
Teslim süresi (lead time)
Sipariş → teslim
Çevrimden farklı
WIP
Süreçteki yarı mamul
Little yasasıyla bağlı
Fire/hurda oranı
Hatalı / toplam
Yeniden işlemeyi ayır
Zamanında teslim (OTD)
Vaktinde / toplam sipariş
Kısmi teslimi tanımla
OEE örneği: Kullanılabilirlik %90, Performans %95, Kalite %98 ise:
OEE = 0,90 × 0,95 × 0,98 = 0,8379 ≈ %83,8
Sık bir hata bu üç sayıyı toplayıp ortalamasını almaktır; OEE çarpımdır, bu yüzden her bileşen sonucu bileşik olarak düşürür.
Little Yasası, WIP-çıktı-akış süresi ilişkisini kurar ve çok güçlüdür:
WIP = Çıktı hızı (throughput) × Akış süresi (flow time)Örnek: hatta ortalama 30 parça (WIP) var, çıktı 6 parça/saat iseAkış süresi = WIP / Çıktı = 30 / 6 = 5 saat
İpucu: Bir KPI'ı AI'a hesaplattığınızda tanımını da yazdırın. "OEE nedir, hangi formülle hesapladın?" diye sorun. AI bazen OEE yerine sadece kullanılabilirliği verir veya kalite bileşenini atlar; tanımı görmeden sayıya güvenmeyin.
KPI Panosu Tasarımı
İyi bir pano çok sayı göstermez; doğru soruları yanıtlar. AI, hangi KPI'ların hangi hedef kitle için anlamlı olduğunu ve nasıl gruplanacağını taslaklamada yardımcıdır.
Rol: Sen üretim analitiği konusunda deneyimli bir endüstri mühendisisin.Görev: Bir CNC atölyesi için yönetici panosu tasarla. Belirt:1. En fazla 6 KPI (her biri için tanım ve formül).2. Her KPI için hedef değer önerisi ve "iyi/dikkat/kötü" eşikleri.3. Hangi KPI'ın hangi grafikte gösterileceği (trend, gösterge, tablo).4. Panonun yanıtladığı 3 yönetim sorusu.Kural: KPI enflasyonundan kaçın; her göstergenin bir karara hizmetettiğini açıkla. Uydurma hedef değer verme, "sektöre göre ayarlanmalı" de.
Zayıf Prompt / Güçlü Prompt
Zayıf prompt:
Bana bir üretim panosu yap.
Hedef kitle, veri kaynağı ve amaç yoksa AI genel bir liste döker; hiçbir karara bağlanmaz.
Güçlü prompt:
Vardiya amiri için, her sabah 5 dakikada okunacak bir pano tasarla.Amaç: dünkü vardiyada nerede kayıp oldu, bugün neye dikkat edilmeli.En fazla 5 KPI, her biri tanım + formül + eşik. Veri kaynağım MES'tensaatlik üretim, duruş ve fire kayıtları. Aşırı detaydan kaçın.
İkinci prompt kullanıcıyı, kullanım anını ve veri kaynağını netleştirir; sonuç gerçekten kullanılan bir panodur.
Kesikli Olay Simülasyonu (DES)
Simülasyon, gerçek sistemi bozmadan denemeler yapmanın yoludur: yeni bir tezgah ekleyince kuyruk ne olur, vardiya değişince çıktı nasıl etkilenir? Kesikli olay simülasyonu (DES), sistemi "olaylar" (parça gelişi, işlem bitişi) dizisi olarak modeller. Temel girdiler: gelişler arası süre dağılımı, hizmet süresi dağılımı, kaynak sayısı, kuyruk disiplini.
Rol: Sen simülasyon konusunda deneyimli bir endüstri mühendisisin.Görev: Şu sistemi Python SimPy ile modelleyecek bir iskelet yaz:- Parçalar ortalama 4 dakikada bir geliyor (üssel dağılım)- Tek tezgah, işlem süresi ortalama 3,5 dakika (üssel)- Kuyruk FIFOÇıktı olarak ölçmem gerekenler: ortalama bekleme, kuyruk uzunluğu,tezgah kullanım oranı.Kodu yorumlarla açıkla; dağılım varsayımlarını başa yaz.Ayrıca: sonucu doğrulamak için hangi analitik kontrolü yapabilirim(örn. M/M/1 kuyruk formülleriyle karşılaştırma)?
Buradaki son satır kritik: iyi bir simülasyon, mümkünse analitik bir kontrolle karşılaştırılır. Yukarıdaki basit sistem bir M/M/1 kuyruğudur; kullanım oranı ρ = 3,5/4 = 0,875 ve ortalama sistemdeki sayı L = ρ/(1−ρ) = 0,875/0,125 = 7 gibi teorik değerlerle simülasyon sonucu tutmalıdır.
Dikkat: Simülasyon çıktısı, girdi varsayımları kadar iyidir ("garbage in, garbage out"). AI bazen dağılımı doğrulamadan varsayar veya tek bir koşunun sonucunu kesin gerçek gibi sunar. Birden çok koşu (replikasyon) yapıp güven aralığı hesaplayın ve girdi dağılımlarını gerçek veriyle doğrulayın.
Mini Vaka: Yanlış Varsayımlı Simülasyon
Bir montaj hattında yönetim, ikinci bir paketleme istasyonu eklemenin kuyruğu bitireceğini düşünüyor. Endüstri mühendisi Deniz, AI ile bir DES modeli kuruyor. İlk sonuç "ikinci istasyon kuyruğu %70 azaltır" diyor. Ama Deniz girdi dağılımını kontrol edince, gerçek geliş verisinin üssel değil, öğle molasında yoğunlaşan "patlamalı" bir yapıda olduğunu görüyor. Doğru dağılımla modeli yeniden koşunca, ikinci istasyonun asıl darboğazı çözmediği, sorunun mola planlamasında olduğu ortaya çıkıyor. Simülasyon bir yatırımı gereksiz yere önermekten kurtarıyor. Ders: AI modeli hızlı kurdu ama yanlış varsayımla yanlış karar önerdi; doğru veriyi koyan insan oldu.
Yaygın Hatalar
- KPI'ı yanlış tanımlamak: OEE bileşenlerini toplamak veya çevrim ile teslim süresini karıştırmak.
- KPI enflasyonu: Panoya karara hizmet etmeyen onlarca gösterge koymak.
- Tek koşuya güvenmek: Simülasyonu bir kez çalıştırıp sonucu kesin sanmak; replikasyon yapmamak.
- Girdi dağılımını doğrulamamak: Varsayılan (üssel vb.) dağılımı gerçek veriyle karşılaştırmamak.
- Analitik kontrolü atlamak: Basit sistemlerde teorik kuyruk formülüyle simülasyonu çapraz kontrol etmemek.
Özetle
- KPI'ın gücü doğru tanımdan gelir; OEE çarpımdır, Little Yasası WIP-akış-çıktıyı bağlar.
- İyi pano çok sayı değil, doğru soruları yanıtlar; kullanıcı, an ve veri kaynağı netleşmeli.
- DES, gerçek sistemi bozmadan senaryo dener; girdi dağılımı sonucun kalitesini belirler.
- Simülasyonu replikasyonla (güven aralığı) ve mümkünse analitik formülle doğrulayın.
- AI modeli ve panoyu hızlı kurar; varsayımları doğru koyan ve sonucu yorumlayan insandır.
Uygulama görevi
Bir üretim/hizmet sistemi seçin. Önce AI'a en fazla 5 KPI'lık bir vardiya panosu tasarlattın; her KPI'ın tanımını ve formülünü göstertin ve OEE varsa üç bileşenin çarpıldığını doğrulayın. Ardından basit bir kuyruk sistemi (tek sunucu) için AI'a bir SimPy iskeleti yazdırın ve girdi dağılımı varsayımlarını başa yazdırın. Kritik doğrulama: sistemi bir M/M/1 kuyruğu olarak kabul edip kullanım oranı ρ ve ortalama sistemdeki sayı L değerlerini elle hesaplayın, simülasyon sonucuyla karşılaştırın. Son olarak bir senaryo değişikliği (ikinci sunucu ekleme) önerip AI'ın sonucunu, girdi dağılımının gerçekçiliğini sorgulayarak eleştirin.