İmalatçı KOBİ'ler için AI: Kestirimci Bakım ve Kalite Kontrole Giriş

Bir tekstil atölyesinin sahibi, geceyarısı bozulan bir dikiş makinesi yüzünden ertesi günün siparişini teslim edemediğinde ne olur? Genelde şu cümleyi duyarsınız: "Belli olmuyor ki ne zaman bozulacağı." İşte tam da bu cümleyi yanlışlayan teknoloji — kestirimci bakım — artık büyük fabrikaların değil, birkaç sensörle başlayabilecek KOBİ'lerin de erişebileceği bir yatırım. Üretimde yapay zeka denince akla hemen büyük fabrikaların dev robot kolları geliyor, ama gerçek çoğu zaman çok daha mütevazı: birkaç sensör ve doğru soru. Bu yazıda hem kestirimci bakımın hem de görüntü işleme ile kalite kontrolün KOBİ ölçeğinde nasıl uygulanabileceğini, somut maliyet ve fayda rakamlarıyla anlatıyoruz.

Bu yazı, Sektör Sektör Yapay Zeka pillar serimizin imalat bölümü. Sektörünüzü henüz bulamadıysanız pillar yazımıza göz atabilirsiniz.

Kestirimci bakım nedir, falcılıktan farkı ne?

Kestirimci bakım, bir makinenin ne zaman bozulacağını tahmin etmeyi değil; titreşim, sıcaklık ve ses gibi somut sensör verilerini sürekli izleyerek “normalden sapma”yı erken yakalamayı hedefler. Yani bir kahve falına değil, makinenin gerçek zamanlı nabzına bakıyorsunuz. Titreşim artışı ya da anormal ısınma, arıza gerçekleşmeden haftalar önce fark edilebilir bir sinyal bırakır.

McKinsey'nin ağır sanayi verilerine dayanan analizine göre, dijital bakım/güvenilirlik dönüşümü uygulayan işletmelerde bakım maliyetlerinde %18-25 azalma görülüyor; bir lüks otomobil üreticisinde akıllı veri analitiği sayesinde kritik bir ekipmanın planlanmamış duruş süresi %25 azaldı. Bu rakamlar büyük sanayi tesislerinden geliyor olsa da, mantık aynı ölçekte KOBİ'ler için de işliyor — sadece yatırım büyüklüğü farklı.

Görüntü işleme ile kalite kontrol nasıl çalışır?

Görüntü işleme (computer vision) tabanlı kalite kontrol, üretim hattındaki her ürünü bir kamerayla “gözlemleyip” hatalı olanları otomatik ayıklayan bir sistemdir. Kameranın gördüğü karede ürünün alanın %50-75'ini kaplaması, doğruluk açısından önerilen bir kural. Sistem eğitildikten sonra, insan gözünün yorgunlukla kaçırdığı mikro çatlak, renk sapması ya da eksik parça gibi kusurları saniyeler içinde tespit edebiliyor.

Türkiye'den somut bir örnek: Nurpet, PET ambalaj üretiminde makine öğrenmesi tabanlı bir sistemle ürün şeffaflığını ve kalitesini kontrol ediyor, hatalı ürünleri hattan otomatik olarak ayıklıyor. Bu, “büyük fabrikalarda mümkün” denilen bir teknolojinin Türkiye'deki gerçek bir üretim hattında zaten çalıştığının kanıtı.

KOBİ ölçeğinde maliyet ne kadar?

Tek istasyonlu bir görüntü işleme kurulumu (donanım + yazılım + entegrasyon dahil) genellikle 15.000-50.000 dolar aralığında; çok kameralı, karmaşık üretim hatlarında bu rakam 100.000 doların üzerine çıkabiliyor. Ancak yatırımın geri dönüş süresi (ROI) tipik olarak 6-12 ay — yani bir yıl içinde sistem kendini amorti ediyor, sonrasında net tasarruf sağlıyor.

Türkiye'de imalat sektörü AI kullanımında nerede duruyor?

TÜİK'in ilk kez yayımladığı “Yapay Zeka İstatistikleri, 2025” bültenine göre imalat sanayii ve toptan/perakende ticarette yapay zeka kullanım oranı sadece %7 — bilgi-iletişim sektöründeki %47,1'lik oranla kıyaslandığında ciddi bir boşluk var. İşletme büyüklüğüne göre tablo daha da çarpıcı: 10-49 çalışanlı işletmelerde %6,6, 50-249 çalışanlıda %9,6, 250 ve üzeri çalışanlıda ise %24,1.

Bu tabloyu tersinden okuyun: rakiplerinizin ezici çoğunluğu henüz bu alana adım atmadı. Kullanmama nedeni sorulduğunda işletmelerin %74,2'si “ilgili uzmanlık eksikliği” diyor — yani teknoloji pahalı olduğu için değil, nereden başlayacağını bilmediği için geride kalıyor. Bu yazının amacı da tam olarak o başlangıç noktasını netleştirmek.

Genel işletme bazında yapay zeka kullanımı 2021'de %2,7 iken 2025'te %7,5'e çıktı. Yani eğilim yükseliyor — ama imalat sektörü bu artışın gerisinde kalıyor.

Düşük bütçeyle nereden başlanır?

Kestirimci bakıma büyük bir yatırımla değil, birkaç kritik ekipmana takılan ucuz sensörlerle başlanabilir. Titreşim sensörleri artık 47-100 dolar/nokta fiyat aralığında satılıyor (örneğin SKF Enlight Collect IMX1 gibi uzun pilli, kademeli genişletilebilir modeller). 10-15 kritik makineye odaklanan bir başlangıç kurulumu 500-1.500 dolar bütçeyle mümkün; tipik geri ödeme süresi 6 aydan kısa — önlenen ilk arıza genellikle sensör yatırımının tamamını karşılıyor.

Kestirimci bakım ile geleneksel periyodik bakım arasındaki fark ne?

Geleneksel periyodik bakım, takvime göre çalışır: “her 3 ayda bir yağı değiştir, her 6 ayda bir rulmanı kontrol et” gibi sabit aralıklarla planlanır — makine gerçekten ihtiyaç duysa da duymasa da bakım yapılır. Bu yöntem güvenlidir ama israflıdır: hâlâ sağlam bir parça, sırf takvim öyle dediği için değiştirilebilir. Kestirimci bakım ise makinenin gerçek durumuna bakar; parça hâlâ iyi çalışıyorsa dokunulmaz, bozulma sinyali verdiğinde müdahale edilir.

Bu fark, KOBİ ölçeğinde iki şekilde para kazandırır: birincisi, gereksiz yere değiştirilen sağlam parçaların maliyeti ortadan kalkar; ikincisi, takvimde öngörülmeyen ama gerçek bir arıza riski taşıyan durumlar erken yakalanır. Yani kestirimci bakım, periyodik bakımın yerine geçen değil, onu daha akıllı hale getiren bir katman olarak düşünülmeli — birçok işletme ikisini bir arada kullanıyor: kritik olmayan ekipmanda periyodik bakıma devam edip, en kritik makinelerde kestirimci bakıma geçiyor.

Somut senaryo: Konya'da 35 kişilik bir metal işleme atölyesi

Konya'da CNC tezgahlarıyla çalışan 35 kişilik bir metal işleme atölyesini düşünün. Atölyenin en kritik üç tezgahında beklenmedik arızalar yılda ortalama 12-15 gün üretim kaybına yol açıyor. İlk adım olarak bu üç tezgaha titreşim sensörü takılıyor (toplam maliyet yaklaşık 300-450 dolar), veriler basit bir bulut panelinde izleniyor ve anormal titreşim tespit edildiğinde bakım ekibine otomatik uyarı gidiyor.

Üç ay sonra atölye, bir tezgahta rulman aşınmasını arıza gerçekleşmeden iki hafta önce fark ediyor; planlı bir bakım penceresinde (hafta sonu, üretim durmadan) müdahale ediyor. Bu tek olay bile sensör yatırımının kat kat üzerinde bir üretim kaybını önlemiş oluyor. İkinci aşamada, atölye kalite kontrolde de görüntü işlemeyi denemeye karar veriyor — ama bu, ilk aşamanın sonuçları görüldükten sonra atılan ikinci bir adım oluyor, aynı anda değil.

Kestirimci bakım kurarken hangi hatalardan kaçınmalı?

En sık yapılan hata, tüm üretim hattına aynı anda sensör takıp veriyi anlamlandıramadan boğulmak. Onlarca sensörden gelen veriyi yorumlayacak bir sistem ya da kişi yoksa, veri sadece depolanan ama kullanılmayan bir yığın haline geliyor. İkinci yaygın hata, sadece “en pahalı” makineye değil, “en sık arızalanan ve durduğunda üretimi en çok kilitleyen” makineye öncelik vermemek — bu ikisi genelde aynı makine değildir.

Üçüncü hata ise beklentiyi yanlış kurmak: kestirimci bakım “arızayı sıfıra indirir” demek değildir, “arızayı öngörülebilir hale getirip planlı bakıma çevirir” demektir. Bir işletme ilk üç ayda hiçbir somut kazanım görmeyebilir çünkü sistem, normal çalışma aralığını öğrenmek için belli bir veri birikimine ihtiyaç duyar. Bu süreyi “sistem çalışmıyor” diye yorumlayıp pilotu erken bırakmak, en çok görülen başarısızlık nedenlerinden biri.

Sık sorulan sorular

Kestirimci bakım için hangi makineler önceliklendirilmeli?

Durduğunda üretimi tamamen kilitleyen “darboğaz” makineler ve yedeği olmayan kritik ekipmanlar ilk sıradadır. Yedek makinesi olan ya da arızası üretimi çok az etkileyen ekipmanlara sensör takmak, bütçeyi ilk aşamada boşa harcamak anlamına gelir.

Sensör verisini kim yorumlayacak, mühendis mi gerekiyor?

Başlangıç seviyesinde çoğu sağlayıcı, anormal titreşim/sıcaklık tespit edildiğinde otomatik uyarı gönderen basit bir panel sunuyor — tam zamanlı bir veri mühendisi gerekmiyor. Sistem büyüdükçe ve makine sayısı arttıkça, verimi artırmak için bir kişinin bu paneli düzenli takip etmesi faydalı oluyor.

Görüntü işleme sistemi mevcut üretim hattını durdurmadan kurulabilir mi?

Genelde evet — kamera montajı ve kalibrasyon süreci birkaç günlük bir iş, üretim tamamen durmadan planlı bir bakım penceresinde yapılabiliyor. Sistemin devreye alınması ise kademeli oluyor: önce izleme modunda çalışıp insan onayıyla, sonra güven arttıkça otomatik ayıklamaya geçiliyor.

Kestirimci bakım için mutlaka yeni makine mi almak gerekiyor?

Hayır, mevcut makinelere sonradan takılan sensörler (titreşim, sıcaklık, ses) çoğu ekipmanda çalışır; makinenin yaşı önemli değil, sensörün fiziksel olarak monte edilebilmesi yeterli. Bu da eski makine parkuruna sahip küçük atölyeler için yatırımı çok daha erişilebilir kılıyor — yeni makine almadan mevcut ekipmanı “akıllı” hale getirebiliyorsunuz.

TÜBİTAK 1711 desteğinden nasıl faydalanılır?

Üretim odaklı AI yatırımları için devlet desteği arıyorsanız TÜBİTAK'ın 1711 Yapay Zeka Ekosistem çağrısı, 2026'da “Akıllı Üretim Sistemleri”ni öncelikli alanlardan biri olarak belirledi. Çağrı, KOBİ dahil her ölçekten şirkete açık; ancak konsorsiyum modeli zorunlu — yani en az bir teknoloji sağlayıcı şirketle üniversite ya da kamu araştırma kurumunun birlikte başvurması gerekiyor. Başvuru sürecinin tüm detaylarını, hangi destek hangi projeye uygun sorusunu KOSGEB ve TÜBİTAK 1711 rehberimizde ayrıntılı olarak anlattık.

Ekip bu değişime nasıl hazırlanır?

Kestirimci bakım kurulumunun teknik kısmı genelde sandığınızdan kolay; asıl zorluk, bakım ekibinin yeni sisteme güvenmesini sağlamaktır. Yıllarca “kulak ve el” ile makine dinleyen bir usta, ekranda beliren bir uyarıya ilk başta şüpheyle yaklaşabilir. Bu direnci kırmanın en etkili yolu, sistemi ustanın yerine koymak değil, ustanın sezgisini doğrulayan bir ikinci göz olarak sunmaktır — “sen zaten hissediyordun, şimdi bunu rakamla da görüyoruz” çerçevesi, “makine seni ikame edecek” çerçevesinden çok daha kabul edilebilir.

Pratikte bu, ilk birkaç ayda sistemin uyarılarını ustanın gözlemleriyle yan yana koyup karşılaştırmak anlamına gelir. Uyarı tutarlı şekilde doğru çıktıkça güven kendiliğinden oluşur; bu süreci atlayıp sistemi baştan “zorunlu” olarak dayatmak, en çok görülen benimseme direncinin kaynağıdır.

Peki siz ne yapmalısınız?

• En kritik 3-5 ekipmanla başlayın: Tüm hattı bir anda dönüştürmeye çalışmayın; en sık arızalanan ya da durduğunda en pahalıya mal olan makineleri seçin.
• Ucuz sensörle pilot yapın: 500-1.500 dolarlık bir başlangıç bütçesi, 6 ayda kendini gösterecek somut bir veri üretir.
• Kalite kontrolde görüntü işlemeyi ikinci adım olarak planlayın: Kestirimci bakım pilotunun sonuçlarını gördükten sonra bu yatırıma geçmek, bütçe onayını kolaylaştırır.
• Vendor rakamlarına şüpheyle yaklaşın: “%73 arıza düşüşü” gibi kaynağı belirsiz istatistiklere değil, kendi pilot verinize güvenin.
• Devlet desteğini araştırın: TÜBİTAK 1711 gibi çağrılar, konsorsiyum kurabiliyorsanız yatırım maliyetini önemli ölçüde azaltabilir.

Son bir hatırlatma: bu yatırımın en büyük getirisi, üretim kaybını azaltmaktan önce de gelir — arıza öngörülebilir hale geldiğinde, bakım ekibinin yedek parça tedarikini de önceden planlaması mümkün olur. Türkiye'de tedarik zincirinin bazen haftalar sürebildiği düşünülürse, “arıza olduktan sonra parça sipariş etmek” ile “arıza gelmeden önce parçayı elde bulundurmak” arasındaki fark, üretim durma süresini haftalardan günlere indirebiliyor. Bu, kestirimci bakımın istatistiklerde görünmeyen ama sahada en çok hissedilen faydalarından biri.

İmalatta yapay zeka artık büyük fabrikaların lüksü değil, birkaç sensör ve doğru soruyla başlanabilecek somut bir adım. Atölyenize uygun bir pilot kurgusunu konuşmak isterseniz kapımız açık.