Üretim & Endüstri12 Hafta
Üretim Hattında Prediktif Bakım: %30 Arıza Azalması
%30
Arıza Oranı Azalması
₺3.2M
Yıllık Maliyet Tasarrufu
%45 artış
Bakım Verimliliği
%89
Tahmin Doğruluğu
Zorluk
Üretim hattında beklenmedik makine arızaları yılda 200+ saat plansız duruş süresine yol açıyor, her duruş saati ortalama ₺50.000 maliyete neden oluyordu.
Çözüm
IoT sensörlerinden gelen verileri analiz eden, arızaları önceden tahmin eden ve bakım planlaması öneren bir AI-powered prediktif bakım sistemi geliştirdik.
Proje Özeti
Türkiye'deki büyük bir üretim firması, üretim hattındaki beklenmedik makine arızaları nedeniyle ciddi verimlilik kayıpları yaşıyordu. Geleneksel periyodik bakım yaklaşımı hem yetersiz kalıyor hem de gereksiz bakım maliyetlerine yol açıyordu.
Zorluklar
- Plansız Duruşlar: Yılda 200+ saat beklenmedik arız
- Yüksek Maliyet: Her duruş saati ₺50.000 kayıp (yılda ₺10M+)
- Veri Eksikliği: Sensör verisi toplanıyor ama analiz edilmiyordu
- Reaktif Yaklaşım: Arıza olduktan sonra müdahale
Çözüm: AI Prediktif Bakım Sistemi
Teknik Mimari 1. **IoT Veri Toplama** — 150+ sensörden gerçek zamanlı titreşim, sıcaklık, basınç verileri 2. **Machine Learning Pipeline** — LSTM ve XGBoost modelleri ile arıza tahmini 3. **Anomali Tespit Motoru** — Normal çalışma paternlerinden sapmaları tespit 4. **Bakım Planlama Dashboard** — Önceliklendirme ve iş emri yönetimi
Model Performansı - **LSTM** — Zamana bağlı arıza tahmini (7 gün önceden) - **XGBoost** — Arıza tipi sınıflandırma (%89 doğruluk) - **Isolation Forest** — Gerçek zamanlı anomali tespiti
Sonuçlar
| Metrik | Önce | Sonra | İyileşme |
|---|---|---|---|
| Plansız Duruş | 200+ saat/yıl | 140 saat/yıl | -%30 |
| Bakım Maliyeti | ₺8.5M/yıl | ₺5.3M/yıl | -%38 |
| Arıza Tahmin Süresi | 0 (reaktif) | 7 gün önceden | ∞ |
| OEE (Toplam Ekipman Verimi) | %72 | %85 | +%18 |
| Yıllık Net Tasarruf | — | ₺3.2M | — |
Prediktif BakımIoTMachine LearningÜretim
Benzer sonuçlar elde etmek ister misiniz?
Projenizi ücretsiz değerlendirelim.
WhatsApp ile İletişime Geç