Kazanimlar:
- Tekstil üretim planlama, kapasite dengeleme ve çizelgeleme problemlerinin yapısını ve kısıtlarını kavrayabilme
- AI ile senaryo üretimi, darboğaz analizi ve renk/parti sıralaması optimizasyonunu kurgulayabilme
- Plan önerilerini gerçek kapasite, teslim tarihi ve OEE verisiyle sınayan bir doğrulama yaklaşımı uygulayabilme
Bir tekstil fabrikası, aynı anda onlarca siparişi, sınırlı sayıda makineyi, farklı teslim tarihlerini ve sürekli değişen önceliği dengelemek zorundadır. Üretim planlama, bu kaosu bir düzene çevirme sanatıdır: hangi sipariş, hangi makinede, hangi sırayla, ne zaman üretilecek? Kötü bir plan makineyi boş bırakır, teslimi geciktirir, gereksiz kurulum (setup) süresi yaratır. Yapay zeka bu karmaşık problemde güçlü bir yardımcıdır: senaryolar üretir, darboğazları görünür kılar, boya parti sıralaması gibi kısıtlı optimizasyonlarda öneri getirir. Ama plan gerçeği; makine arızasını, hammadde gecikmesini ve insan faktörünü içerir. Bu ünitede planlamayı ve AI'ın disiplinli kullanımını ele alacağız.
Planlama Probleminin Yapısı
Tekstil planlaması birkaç iç içe karardır. Kapasite planlama: eldeki makine-saat ile talep edilen iş dengeleniyor mu? İş sıralama (çizelgeleme): her makinede işlerin hangi sırayla yapılacağı. Parti büyüklüğü: aynı ürünü ne kadar toplu üretmek verimli. Kurulum/geçiş süreleri: bir işten diğerine geçerken makine ayarı, temizlik, renk değişimi zaman yer. Teslim tarihi (due date) kısıtları: her siparişin gecikemeyeceği bir tarihi var.
Bu problemin doğası kombinatoriktir: az sayıda iş bile çok sayıda olası sıralama üretir, hepsini denemek imkânsızdır. Bu yüzden pratikte "en iyi"yi değil, kısıtları karşılayan "yeterince iyi" bir plan aranır. Önemli iki ölçüt: makine kullanımı / OEE (Overall Equipment Effectiveness; makinenin ne kadar verimli çalıştığını ölçen bütünleşik oran — kullanılabilirlik × performans × kalite) ve zamanında teslim oranı.
İpucu: Planlamada "optimal" peşinde koşmayın; kısıtları (teslim, kapasite, geçiş) karşılayan sağlam ve esnek bir plan, teoride mükemmel ama kırılgan bir plandan iyidir. Gerçek fabrika sürekli değişir.
Tekstile Özgü Bir Kısıt: Renk Sıralaması
Boyahane çizelgelemesinde önemli bir kural vardır: açık renkten koyu renge doğru sıralamak. Aynı makinede koyu bir renkten sonra açık renk boyanırsa, kalıntı boya kontaminasyonu riski ve ek temizlik/yıkama süresi doğar. Açıktan koyuya sıralama bu riski ve ölü zamanı azaltır. AI'ın ürettiği herhangi bir çizelge önerisi bu proses kısıtını içermelidir; salt matematiksel "en kısa süre" önerisi bu kuralı çiğnerse üretimde işe yaramaz. Benzer şekilde aynı iplik numarasını veya aynı kumaş tipini gruplamak kurulum sürelerini azaltır.
Adım Adım: AI Destekli Planlama İş Akışı
- Girdiyi netleştir. Siparişler (miktar, teslim tarihi, ürün), makine kapasiteleri, geçiş süreleri, kısıtlar.
- Senaryo üret. AI'dan farklı sıralama/atama senaryoları iste; her birinin teslim ve kullanım etkisini karşılaştır.
- Kısıtları dayat. Renk sıralaması, öncelikli müşteri, bakım pencereleri gibi kuralları prompta koy.
- Darboğazı bul. Hangi makine/aşama planı sınırlıyor? Kapasite orada mı yetersiz?
- İnsanla doğrula. Planlama sorumlusu gerçek kısıtlarla (bilinen arıza, izin, acil sipariş) planı düzeltsin.
- İzle ve yeniden planla. Gerçek gerçekleşmeye göre planı güncelle (kayan planlama).
Üç Mini Vaka: Rakamlarla
Vaka 1 — Geçiş süresi kazancı. Bir örme atölyesinde işler rastgele sıralanıyor, iplik/numara değişimleri günde ~8 kurulum ve ~4 saat ölü zaman yaratıyordu. AI, benzer numaraları gruplayan bir sıralama önerdi; kurulum sayısı 8'den 5'e, ölü zaman ~2,3 saate indi. Planlama sorumlusu bir acil siparişi elle öne alıp planı sonlandırdı; öneri iyi başlangıçtı, karar insandaydı.
Vaka 2 — Renk sıralaması hatası. Bir yazılım "en kısa toplam süre" için boyaları optimize etti ama koyu-açık geçişleri gözetmedi; ilk uygulamada bir açık parti kontamine olup yeniden boyandı, kazanılan zamanın iki katı kaybedildi. Kısıt (açıktan koyuya) plana eklenince sorun çözüldü. Ders: proses kuralı matematikten önce gelir.
Vaka 3 — Darboğaz görünürlüğü. Bir tesiste teslimler sürekli gecikiyordu; suç makinelere atılıyordu. AI, iş akışını analiz edip darboğazın ram (kurutma-fikse) makinesi olduğunu, diğer makinelerin onu beklediğini gösterdi. Ram'a ikinci vardiya eklenince zamanında teslim %71'den %89'a çıktı. AI darboğazı görünür kıldı; yatırım kararını yönetim verdi.
Zayıf Prompt / Güçlü Prompt
Zayıf prompt:
Bu siparişleri en iyi şekilde planla.
Güçlü prompt:
Rolün: Tekstil üretim planlama uzmanı.Girdi: Aşağıda 12 sipariş (ürün, miktar, teslim tarihi) ve 3 boyamamakinesi (kapasite, geçiş süresi) var.Kısıtlar:- Her makinede AÇIK renkten KOYU renge sırala (kontaminasyon riski).- Teslim tarihi geçen olmamalı; olacaksa açıkça uyar.- Aynı ürün gruplandırılarak kurulum azaltılsın.Görev: 2 alternatif çizelge öner; her biri için tahmini zamanında teslimoranı, toplam kurulum sayısı ve darboğaz makineyi belirt.Veride olmayan kapasite/tarih uydurma. Veri: [tablo]
Kopyalanabilir Şablonlar
1) Senaryo karşılaştırma:
Şu sipariş ve kapasite verisiyle 3 çizelge senaryosu üret. Her senaryo içinzamanında teslim oranı, kurulum sayısı, makine kullanımı ve en büyük riskitablo halinde karşılaştır. Kısıtlar: [liste]. Veri: [tablo]
2) Renk sıralaması optimizasyonu:
Aşağıdaki boyama işlerini aynı makinede açıktan koyuya sırala; renkgeçişlerinde kontaminasyon riskini en aza indir. Teslim tarihini ihlal edenolursa işaretle. İşler: [renk, miktar, teslim]
3) Darboğaz analizi:
Şu üretim akışında (aşamalar ve her aşamanın kapasitesi) darboğazı bul.Hangi aşama diğerlerini bekletiyor? Kapasiteyi %X artırmak toplam çıktıyınasıl etkiler (kaba tahmin)? Veri: [akış]
4) Yeniden planlama tetiği:
Planda şu değişiklik oldu: [makine arızası / acil sipariş]. Mevcut çizelgeyien az bozarak nasıl revize ederim? Etkilenen siparişleri ve yeni teslimtahminlerini listele. Mevcut plan: [özet]
Planlama Ölçütleri Tablosu
Ölçüt
Ne ölçer
İyi yön
Not
Zamanında teslim oranı
Söz tutma
Yüksek
Müşteri güveni
OEE
Makine verimliliği
Yüksek
Kullanılabilirlik×performans×kalite
Kurulum sayısı/süresi
Geçiş kaybı
Düşük
Gruplama azaltır
Ortalama akış süresi
Sipariş içeride kalma
Düşük
Nakit döngüsü
Darboğaz kullanımı
Sınırlayıcı aşama
İzlenmeli
Yatırım kararına ışık tutar
Dikkat: AI'ın çizelgesi bir öneridir, emir değil. Gerçek fabrika bilinen arızaları, izinleri, hammadde gecikmelerini ve acil müşteri taleplerini içerir. Nihai çizelgeyi ve önceliklendirmeyi planlama sorumlusu, tüm sözlü/yerel bilgiyle onaylar.
Sık yapılan hatalar
- Proses kuralını atlamak. Renk sıralaması gibi kısıtlar plana konmazsa öneri işe yaramaz.
- Optimali kovalamak. Kırılgan mükemmel plan yerine sağlam esnek plan tercih edilir.
- Darboğazı görmemek. Kaynak yanlış yere harcanır; asıl sınır başka aşamadadır.
- Statik planlama. Gerçek değiştikçe plan güncellenmezse hızla geçersizleşir.
- İnsan bilgisini dışlamak. Sözlü öncelik ve yerel kısıtlar modelde yoktur.
Özetle
Üretim planlama, sınırlı kaynakla çok sayıda siparişi teslim tarihine yetiştirme problemidir; kombinatorik doğası nedeniyle "yeterince iyi" ve esnek bir plan hedeflenir. AI senaryo üretir, darboğazı görünür kılar ve renk sıralaması gibi kısıtlı optimizasyonlarda öneri getirir — ama proses kuralları prompta konmalı, plan gerçek kısıtlarla ve insan yargısıyla sonlandırılmalıdır. Değişen fabrikada plan sürekli revize edilir.
Uygulama görevi
En az 8 sipariş (miktar, teslim tarihi) ve 2-3 makineden oluşan bir örnek girdi hazırlayın. Bu ünitedeki "senaryo karşılaştırma" ve "renk sıralaması optimizasyonu" şablonlarını uygulayın. AI'ın önerdiği en iyi senaryodaki darboğazı belirleyin ve onu gidermek için (ikinci vardiya, dış fason, sıra değişikliği) bir aksiyon önerin. Renk sıralaması kuralının önerilen plana nasıl yansıdığını bir paragrafla kontrol edin.
Kontrol listesi
- [ ] Proses kısıtlarını (renk sıralaması, gruplama) prompta koyuyorum.
- [ ] Optimal yerine sağlam ve esnek plan hedefliyorum.
- [ ] Darboğazı analiz edip kaynağı doğru yere yönlendiriyorum.
- [ ] Planı gerçek gerçekleşmeye göre düzenli revize ediyorum.
- [ ] Nihai çizelgeyi planlama sorumlusunun onayıyla sonlandırıyorum.