Kazanimlar:
- Üretim ve muayene verisini AI ile izleyip kusur ve sapma örüntülerini erken yakalayabilme
- İstatistiksel proses kontrol (SPC), Cpk ve kontrol grafiklerini AI desteğiyle kurup yorumlayabilme
- AI'ın kusur sınıflandırmasını NDT sonucu, kabul kriteri ve yetkili muayene onayıyla doğrulayabilme
Bir üretim hattından geçen binlerce parçadan hangisinin kusurlu olduğunu, hangi anda prosesin kaymaya başladığını fark etmek, metalurji ve kalite mühendisinin sürekli görevidir. Kalite kontrol, ürünün belirlenen şartları karşılayıp karşılamadığını denetleme; kusur tespiti, üründeki hataları (çizik, gözenek, çatlak, boyut sapması) yakalama; istatistiksel proses kontrol (SPC), üretim verisini istatistikle izleyerek prosesin kontrol altında olup olmadığını anlama yöntemidir. Yapay zeka, görüntüden otomatik kusur sınıflandırma, büyük ölçüm verisinde örüntü yakalama ve SPC grafiklerini kurup yorumlama işlerini hızlandırır. Ama bir alarm otomatik bir karar değildir; her AI çıktısı NDT sonucu, kabul kriteri ve yetkili muayene onayıyla teyit edilmelidir.
SPC'nin temel kavramları ve AI'ın rolü
- Kontrol grafiği (control chart): Bir ölçümün (ör. çap, sertlik) zaman içindeki değişimini, merkez çizgi ve kontrol sınırları (genelde ±3 standart sapma) ile gösteren grafik. Sınır aşımı, prosesin değiştiğinin işaretidir.
- Kontrol sınırı vs. tolerans: Kontrol sınırları prosesin doğal değişiminden gelir; tolerans (spesifikasyon sınırı) müşterinin istediğidir. İkisi karıştırılmamalıdır.
- Cp ve Cpk (proses yeterlilik indeksleri): Prosesin tolerans içine ne kadar rahat sığdığını ölçer. Cp yayılımı, Cpk ise yayılım + merkezden kaymayı birlikte değerlendirir. Cpk ≥ 1,33 genelde yeterli kabul edilir.
- Özel vs. yaygın neden: Yaygın neden prosesin doğal gürültüsü; özel neden (ör. takım aşınması, yanlış parti) müdahale gerektiren bir sapmadır. SPC'nin amacı ikisini ayırmaktır.
AI bu kavramları öğretmede, bir veriden kontrol grafiği/Cpk hesaplayan kod üretmede ve grafik örüntülerini (trend, kayma, periyodiklik) yorumlamada güçlüdür. Ama sınır aşımının nedenini ve doğru müdahaleyi mühendis belirler.
Dikkat: Kontrol sınırlarını "alarm çıkmasın diye" genişletmek, en tehlikeli hatalardan biridir. Sınırlar prosesin gerçek değişiminden hesaplanır; onları keyfi genişletmek, gerçek sapmaları görünmez kılar ve kusurlu ürünü müşteriye taşır.
Adım adım: AI destekli kalite izleme
- Karakteristiği seç: Hangi kritik ölçüm izlenecek (KKÖ: kritik kalite özelliği)? Ölçüm sistemi güvenilir mi (Gage R&R)?
- Veriyi topla: Alt gruplar halinde düzenli örnekleme. Ölçüm cihazı kalibreli mi?
- Grafik kur: AI'dan uygun kontrol grafiği (X-bar/R, bireysel-hareketli aralık) türünü ve kodunu iste.
- Yorumla: Sınır aşımı, trend, seri kuralları (ör. Western Electric kuralları) var mı?
- Kök neden ara: Alarm bir tetikleyici; ölçümü teyit et, prosesi incele.
- Karar ver: Kabul kriteri ve NDT sonucuyla; sapan partiyi ayır, düzeltici işlem uygula.
Kusur tespiti ve tahribatsız muayene
Görüntü tabanlı AI (derin öğrenme sınıflandırıcıları) yüzey kusurlarını (çizik, çapak, oksit, gözenek) hızla ayıklayabilir. İç kusurlar ise tahribatsız muayene (NDT) gerektirir: radyografi (RT), ultrasonik (UT), manyetik parçacık (MT), penetrant (PT). AI, RT/UT görüntülerinde ön eleme yapabilir ama nihai değerlendirme sertifikalı NDT personeli ve standart kabul kriteriyle olur.
Kusur türü
Tipik yöntem
AI katkısı
Nihai karar
Yüzey çizik/çapak
Optik görüntü
Otomatik sınıflandırma
Kabul kriteri + operatör
İç gözenek/çatlak
RT / UT
Görüntüde ön eleme
Sertifikalı NDT + standart
Çatlak (yüzeye açık)
MT / PT
İndikasyon işaretleme
NDT seviye II/III onayı
Boyut sapması
CMM / ölçüm
SPC ile trend takibi
Tolerans + karar
Üç mini vaka
Vaka 1 — Sınır genişletme tuzağı. Bir hatta çap ölçümünde sık sık üst kontrol sınırı aşılıyor. Operatör, uyarıları azaltmak için sınırları genişletmeyi önerir. Kalite mühendisi buna karşı çıkar; SPC verisini AI'a analiz ettirir ve öğleden sonra vardiyasında sistematik bir kayma (özel neden) olduğunu, muhtemelen takım aşınması kaynaklı olduğunu görür. Takım değişim periyodu kısaltılınca proses sınır içine döner. Ders: alarm bir bilgi kaynağıdır; onu susturmak değil, nedenini bulmak gerekir.
Vaka 2 — Yanlış Cpk yorumu. Bir raporda proses "Cpk = 1,8, mükemmel" deniyor ama parçalar müşteride sorun çıkarıyor. Mühendis veriyi AI'a inceletir; ölçüm sisteminin çözünürlüğü yetersiz olduğu (Gage R&R kötü) için gerçek değişimin gizlendiğini, yüksek Cpk'nın ölçüm körlüğünden geldiğini bulur. Önce ölçüm sistemi düzeltilir, gerçek Cpk 1,1 çıkar. Ders: kötü ölçüm sistemi üzerine kurulu her istatistik yanıltıcıdır; önce ölçümü doğrulayın.
Vaka 3 — Doğru NDT eleme. Bir üretici, döküm parçalarda AI destekli RT ön eleme kullanır; şüpheli parçaları işaretleyip sertifikalı NDT personeline yönlendirir. AI, temiz parçaların çoğunu hızla geçirir, personel yalnızca işaretlenenlere odaklanır. Ancak emniyet-kritik bir seride, AI'ın "temiz" dediği parçalardan da örnekleme yapılıp NDT ile kontrol edilir; çünkü AI ön eleme aracıdır, kabul mercii değil. Ders: AI verimliliği artırır ama nihai kabul standart NDT ve yetkili onayla verilir.
Kopyalanabilir prompt şablonları
KONTROL GRAFİĞİ KURMA ŞABLONU"Rol: SPC / kalite asistanısın.Şu ölçüm verim var: [alt grup verisi]. Karakteristik: [çap/sertlik].Bana uygun kontrol grafiği türünü (X-bar/R mi, I-MR mi) gerekçesiyleöner ve Python koduyla merkez çizgi + kontrol sınırlarını hesaplat.Kontrol sınırlarının TOLERANSTAN farklı olduğunu vurgula.Sınır aşımını yorumla ama nedeni araştırılmalı diye belirt."
Cpk YORUM ŞABLONU"Cp = [...], Cpk = [...], tolerans = [...], ölçülen dağılım = [...].Bu değerleri yorumla: proses yeterli mi, merkezden kayma var mı?ÖNCE ölçüm sisteminin güvenilir olup olmadığını (Gage R&R) sormamıhatırlat. Yüksek Cpk'nın ölçüm körlüğünden gelebileceği tuzağınıaçıkla. Kesin 'uygun' kararını deney/muayeneye bağla."
KUSUR SINIFLANDIRMA DEĞERLENDİRME ŞABLONU"AI görüntü modeli şu kusurları işaretledi: [liste].Her biri için: hangi kabul kriterine (standart) göre değerlendirilmeli,hangi NDT yöntemi teyit için gerekli, yanlış-pozitif/negatif riski ne?Nihai kabulün sertifikalı NDT ve yetkili onayla verilmesi gerektiğinibelirt. AI çıktısını 'ön eleme' olarak konumla."
SPC ÖRÜNTÜ ANALİZİ ŞABLONU"Şu kontrol grafiği verisini incele: [veri/zaman serisi].Trend, kayma, periyodiklik veya seri kuralı ihlali (Western Electric)var mı? Her örüntü için olası proses nedenini (takım aşınması, partideğişimi, sıcaklık) HİPOTEZ olarak listele ve nasıl doğrulanacağınıyaz. Kesin neden ilan etme."
Zayıf prompt / Güçlü prompt
ZAYIF PROMPT:"Bu verinin kalitesi iyi mi?"
GÜÇLÜ PROMPT:"Rol: SPC asistanısın. Şu mil çapı verisi (25 alt grup, n=5) var:[veri]. Tolerans 20,00 ± 0,05 mm. Bana: (1) X-bar/R grafiği içinmerkez ve kontrol sınırlarını Python ile hesaplat, (2) Cp ve Cpk'yıhesapla ve yorumla, (3) grafikte trend/kayma/seri kuralı ihlali varmı işaretle. Kontrol sınırı ile toleransı ayır. Sonucu kabulkriteriyle karşılaştır ama ölçüm sisteminin (Gage R&R) doğrulanmasıgerektiğini hatırlat. Kesin 'geçti' kararı verme."
Zayıf prompt belirsiz ve yorumsuz bir cevap verir. Güçlü prompt veriyi, toleransı ve istenen çıktıları net verir; kontrol sınırı/tolerans ayrımını, Gage R&R kontrolünü ve nihai kararın mühendiste kaldığını şart koşar.
Sık yapılan hatalar
- Kontrol sınırlarını toleransla karıştırmak veya alarm çıkmasın diye genişletmek.
- Ölçüm sistemini (Gage R&R) doğrulamadan Cpk'ya güvenmek.
- Sınır aşımını otomatik "kök neden" sanıp ölçümü teyit etmeden hurdaya karar vermek.
- AI kusur sınıflandırmasını nihai kabul kararı saymak; NDT ve yetkili onayı atlamak.
- Yaygın neden ile özel nedeni ayırmadan her dalgalanmaya müdahale etmek (aşırı ayar).
- Emniyet-kritik seride AI'ın "temiz" dediğine tam güvenip örnekleme doğrulaması yapmamak.
Özetle
Kalite kontrolde AI, kusur sınıflandırma, büyük veride örüntü yakalama ve SPC grafiği/Cpk hesabı ile kalite mühendisinin gözünü ve hızını artırır. Ancak kontrol sınırı-tolerans ayrımı, ölçüm sistemi güvenilirliği ve özel/yaygın neden ayrımı doğru yapılmazsa istatistik yanıltır. Her alarmı bir tetikleyici sayın, ölçümü teyit edin, kök nedeni araştırın ve nihai kabulü kabul kriteri, standart NDT ve yetkili onaya bağlayın. AI ön eleme yapar, kararı mühendis verir.
Uygulama görevi
Gerçek veya kurgusal bir ölçüm serisi (ör. 20-25 alt grup çap/sertlik verisi) ve bir tolerans belirleyin. "KONTROL GRAFİĞİ KURMA" şablonuyla AI'dan uygun grafik türünü ve hesaplama kodunu isteyin, kontrol sınırlarını hesaplatın. Ardından "Cpk YORUM" şablonuyla proses yeterliliğini yorumlatın ve Gage R&R kontrolünü not edin. Son olarak bir sınır aşımı senaryosu kurgulayıp hangi adımlarla (ölçüm teyidi, kök neden, kabul kriteri) karar vereceğinizi bir paragrafta yazın.
Kontrol listesi
- [ ] İzlenecek kritik kalite özelliğini ve ölçüm sisteminin güvenilirliğini belirledim.
- [ ] Uygun kontrol grafiği türünü seçip sınırları prosesten hesapladım.
- [ ] Kontrol sınırı ile toleransı ayırdım; sınırları keyfi genişletmedim.
- [ ] Cpk'yı ölçüm sistemi güvenilirliğiyle birlikte yorumladım.
- [ ] Alarmı tetikleyici sayıp ölçümü teyit ettim, kök nedeni araştırdım.
- [ ] Nihai kabulü kabul kriteri, standart NDT ve yetkili onaya bağladım.