Bilgisayarlı göründe yalın üretim

Sanayi çağından bu yana imalat sektöründeki itici güçlerden biri, israfı azaltırken üretimi artırma çabası olmuştur. Bu yaklaşım, bugün yalın üretim veya yalın imalat olarak bildiğimiz kavramın temelini oluşturmuştur.

Bu, daha az kaynakla daha fazlasını yapmayı amaçlayan bir mal üretme yöntemidir. Müşterinin tam olarak ihtiyaç duyduğu ürünü sunarken üretim süresini kısaltmayı, israfı azaltmayı ve daha az kaynak kullanmayı kapsar.

Geleneksel yalın üretim sistemleri, sağladıkları verimliliğe rağmen bazı sınırlamalara da sahiptir. Genellikle çalışanların operasyonları manuel olarak izlemesine ve deneyime dayalı kararlar almasına dayanırlar; bu da hatalara yol açabilir. Yanlış yerleştirilmiş bir bileşen gibi küçük hatalar bile maliyetli gecikmelere ve kaynak israfına neden olabilir.

Bu sorunu çözmek için birçok üretici yapay zekâ (AI) kullanmaya yöneliyor. Örneğin, makinelerin görsel bilgileri yorumlamasını ve anlamasını sağlayan bir AI dalı olan bilgisayarlı görü teknolojisini benimsiyorlar.

Görü AI sistemleri, aksi takdirde fark edilmeyebilecek sorunları veya örüntüleri tespit etmek için büyük miktarda veriyi işleyebilir. Bu, fabrikaların gecikmelere yol açmadan önce sorunları ele almasına, duruş süresini azaltmasına ve ürün kalitesini iyileştirmesine yardımcı olur.

Bu makalede, yalın üretimde bilgisayarlı görü kullanımını ve kullanım alanlarını inceleyeceğiz. Hadi başlayalım!

Endüstriyel ortamlarda bilgisayarlı görü nedir?#

Endüstriyel ortamlarda bilgisayarlı görü, etkili bir yalın üretim aracı olabilir. Kameralardan ve AI teknolojisinden yararlanan bu tür sistemler; kusurları tespit etmek, verimliliği artırmak ve güvenlik kurallarına uyumu sağlamak için montaj hatlarını, ekipmanları ve ürünleri izleyebilir.

Bilgisayarlı görü nasıl çalışır: Yalın üretim perspektifi#

Görü AI kullanımı genellikle, üretim tesisindeki kameraların veya sensörlerin ürünler ve ekipmanlar hakkında veri topladığı görsel veri yakalama aşamasıyla başlar. Ardından, görüntülerin veya videoların temizlenerek analize hazırlandığı veri işleme aşaması gelir. Bu aşamada, sistemin yorumlamasını kolaylaştırmak için görüntülerin keskinleştirilmesi, boyutlarının ayarlanması veya önemli ayrıntıların vurgulanması gerekebilir.

Bundan sonra Ultralytics YOLO11 gibi bilgisayarlı görü modelleri devreye girer. Bu modeller nesne algılama ve örnek segmentasyonu gibi görevleri destekler. Görsel verileri analiz ederek kusurları belirleyebilir, ürün boyutlarını ölçebilir ve ürünlerin kalite standartlarını karşılayıp karşılamadığını doğrulayabilirler.

Örneğin bir bilgisayarlı görü çözümü, bir ürünün doğru boyutlara sahip olup olmadığını veya doğru sayıda ürünün üretilip üretilmediğini kontrol etmek için kullanılabilir. Sistem bir anomali tespit ederse alarmı tetikleyebilir veya merkezi bir panele güncelleme gönderebilir. Bu otomatik yanıtlar, fabrikaların sorunları erkenden yakalamasına, israfı azaltmasına ve verimli yalın üretimi sürdürmesine yardımcı olur.

Şekil 1. Ultralytics YOLO11, yalın üretim ortamında ürünleri algılamak ve saymak için kullanılabilir. (Kaynak)

Endüstriyel bilgisayarlı görüye yön veren temel teknolojiler#

Yalın üretimde endüstriyel bilgisayarlı görü sistemlerine yön veren temel teknolojilerden bazıları şunlardır:

• Gelişmiş görüntüleme donanımı: Endüstriyel bilgisayarlı görü, gerçek zamanlı olarak net veriler yakalamak için yüksek kaliteli kameralara ve sensörlere dayanır. Çoğu durumda, görsel verileri sahada ön işlemek ve depolamak için uç cihazlar da kullanılır; böylece gecikme ve bant genişliği gereksinimleri azaltılır.

• Görüntü ön işleme yöntemleri: Analizden önce ham görüntüler, filtreleme ve kenar algılama gibi teknikler kullanılarak iyileştirilir ve normalize edilir; bu da görüntü netliğini artırır.

• Derin öğrenme mimarileri: Evrişimli sinir ağları (CNNs), bilgisayarlı görünün temelini oluşturur. Büyük veri kümeleriyle eğitilen bu modeller, nesneleri sınıflandırmak, anomalileri tespit etmek veya özellikleri yüksek doğrulukla ölçmek için görsel örüntüleri öğrenir. Ultralytics YOLO11 gibi CNN tabanlı mimariler, gerçek zamanlı hızları ve hassasiyetleri sayesinde imalatta özellikle kullanışlıdır.

• Bilgisayarlı görü yetenekleri: Ultralytics YOLO11 gibi modeller çeşitli bilgisayarlı görü görevlerini destekler. Bunlar arasında nesne algılama (ürünleri bulma ve konumlandırma), görüntü sınıflandırma (bir ürünün ne olduğunu belirleme), örnek segmentasyonu (belirli parçaların veya bileşenlerin sınırlarını çizme) ve nesne takibi (ürünleri hareket ederken izleme) yer alır. Bu yetenekler, fabrika alanlarında ve depolarda gerçek zamanlı denetimi, kalite kontrolünü ve envanter yönetimini daha verimli hâle getirir.

Bilgisayarlı görü uygulamalarıyla yalın üretim ilkeleri#

Artık yalın üretimi ve bu üretime yön veren temel teknolojileri daha iyi anladığımıza göre, bilgisayarlı görünün uygulandığı bazı yalın üretim örneklerine daha yakından bakalım.

Otomatik kalite kontrolü ve kusur algılama#

Ultralytics YOLO11 gibi bilgisayarlı görü modelleri, ürünlerdeki çatlaklar veya diğer kusurlar gibi yüzey hatalarını otomatik olarak tespit etmek üzere eğitilebilir. Bu, kusur algılamayı yalın üretimde kalite kontrolünün önemli bir parçası hâline getirir.

Yavaş ve hataya açık olan geleneksel manuel denetimin aksine bu sistemler, ürünler konveyör bandı boyunca ilerlerken görüntüleri gerçek zamanlı olarak analiz edebilir. Kusurları işaretleyebilir, ürünleri kaliteye göre ayırabilir ve hatta paketleme ve sevkiyattan önce ürünleri (örneğin hapları) sayabilirler.

Şekil 2. Hapları algılamak için Ultralytics YOLO11 kullanımına bir örnek. (Kaynak)

Üretim akışını optimize etme ve çevrim süresini azaltma#

Yalın üretimde süreç iyileştirme çoğu zaman manuel gözleme, görevlerin kronometreyle zamanlanmasına veya raporların incelenmesine dayanır. Bu yöntemler hataya ve önyargıya açıktır; bu da üretim akışını aksatabilir.

Bilgisayarlı görü, görevlerin tamamlanmasını doğru şekilde izleyerek, yavaşlamaları veya darboğazları belirleyerek ve fabrika genelinde devam eden işleri takip ederek bu sorunu çözebilir. YOLO11 gibi modeller, depo çalışanlarını ve gerçekleştirdikleri görevleri de izleyerek iş yüklerinin dengelenmesine yardımcı olacak içgörüler sağlayabilir. Örneğin, tamamlanması daha uzun süren görevlere daha fazla çalışan atanabilir.

Şekil 3. Ultralytics YOLO11, bir depodaki çalışanların algılanmasına yardımcı olabilir. (Kaynak)

Akıllı envanter yönetimi ve lojistik#

Lojistik iş akışlarında barkodlar ve RFID etiketleri gibi teknolojiler yıllardır kullanılmaktadır. Ancak son dönemde bilgisayarlı görü, gerçek zamanlı izleme, etiket tanıma ve otomatik envanter sayımı sağlayarak tedarik zinciri yönetiminde yalın üretimin temel araçlarından biri hâline gelmiştir. İlginç bir şekilde Amazon gibi şirketler, paketleri taşımak ve depo operasyonlarını kolaylaştırmak için lojistik departmanlarında bilgisayarlı görü kullanmaya başlamıştır.

Çalışma süresini artırmak için kestirimci bakım#

Makineleri herhangi bir üretim tesisinin kasları olarak düşünebilirsin. Onlar olmadan üretim durur. Bu nedenle bakım, yalın üretimin kritik bir parçasıdır.

Geleneksel yöntemler genellikle iki kategoriye ayrılır: makineleri arızalandıktan sonra onarmak veya gerekip gerekmediğine bakmadan belirli bir programa göre bakım yapmak. Her iki yaklaşım da beklenmedik arızalara, boşa harcanan emeğe ve daha yüksek maliyetlere yol açabilir.

Bununla birlikte bilgisayarlı görü, ekipmanları gerçek zamanlı olarak izleyebilir ve büyük arızalara yol açmadan önce sorunları erkenden tespit edebilir. Görü AI modelleri çatlakları, sızıntıları ve diğer erken uyarı işaretlerini fark ederek bakım ekiplerinin hızla müdahale etmesini sağlayabilir. Sonuç olarak duruş süresi azalır, maliyetli onarımlar azalır ve makineler daha uzun süre kullanılabilir.

Güvenliği ve görsel yönetimi geliştirme#

Üretim tesislerinde çalışan güvenliği çoğu zaman yöneticilere, ara sıra yapılan kontrollere ve çalışanların kurallara kendi başlarına uymasına bağlıdır. Bu durum, güvenlik ekipmanlarının her zaman takıldığından veya yönergelere sürekli uyulduğundan emin olmayı zorlaştırır.

Geleneksel olarak Andon sistemleri (hızlı müdahale için üretim hattındaki sorunları vurgulayan görsel sinyal araçları) bu tür sorunları bildirmek için kullanılmıştır. Ancak bu sistemler genellikle bir düğmeye basması veya bir sorunu kaydetmesi için insana ihtiyaç duyar. Bilgisayarlı görü sistemleri bunun için etkili bir üretim otomasyonu çözümü olabilir.

Örneğin Ultralytics YOLO11 gibi bilgisayarlı görü modelleri baret, eldiven ve güvenlik yeleği gibi güvenlik ekipmanlarını tespit etmek üzere eğitilebilir. Ayrıca izinsiz olarak kısıtlı veya tehlikeli bir alana giren kişileri tespit etmek için de kullanılabilir; böylece daha güvenli ve tehlikelerden arındırılmış bir çalışma ortamının korunmasına yardımcı olur.

Şekil 4. Ultralytics YOLO11’in nesne algılama desteği, güvenlik ekipmanlarını tespit etmek için kullanılabilir. (Kaynak)

Yalın üretimde bilgisayarlı görünün yatırım getirisi#

Şimdi, bilgisayarlı görüyle entegre edilen yalın üretim süreçlerinin temel faydalarından bazılarını inceleyelim.

Kalitenin artırılması ve yeniden işlemenin azaltılması#

Bilgisayarlı görü, kusurların erkenden ve tutarlı biçimde tespit edilmesini sağlayarak ürün kalitesini artırır. Hataları ürünler hattan çıkmadan önce belirleyerek kusurlu ürünlerin paketlenip gönderilmesini önler. Bu, yeniden işlemeyi ve hurdayı azaltır ve yalın üretimde kusurların neden olduğu israfı doğrudan ele alır.

Verimliliğin ve üretim hacminin artırılması#

Görü AI, yavaş manuel denetimleri hızlı ve otomatik kontrollerle değiştirerek üretimi hızlandırır. Darboğazların belirlenmesini ve üretim hattındaki süreçlerin daha sorunsuz ilerlemesini sağlar. Bunun sonucunda akıllı fabrikalar, kaliteden ödün vermeden daha yüksek üretim hacmine ve verimliliğe ulaşabilir.

Önemli maliyet tasarrufu#

İsrafın, duruş süresinin ve yeniden işlemenin azaltılması, iş gücü ve malzemelerde önemli tasarruflar sağlar. Bilgisayarlı görü, kusurlu ürünlerin müşterilere ulaşmasını önleyerek garanti taleplerini de azaltır. Zaman içinde bu verimlilik artışları kaynak kullanımını iyileştirir ve operasyonel maliyetleri düşürür.

Güvenliğin ve ergonominin iyileştirilmesi#

Tehlikeli veya tekrarlanan görevlerin bilgisayarlı görüyle otomatikleştirilmesi, çalışanları tehlikelerden uzak tutar. Görü sistemleri, güvenlik ekipmanlarına ve kısıtlı bölgelere ilişkin uyumu da izleyebilir. Bu önlemler birlikte kazaları azaltır, zorlanmayı en aza indirir ve insanları önceliklendiren yalın üretim ilkelerini güçlendirir.

Sürekli iyileştirme için veriye dayalı içgörüler#

Görü AI çözümleri, içgörü elde etmek için analiz edilebilecek etkili görsel veriler üretir. Üreticiler bu verileri performansı izlemek, KPI'ları takip etmek ve verimsizlikleri belirlemek için kullanabilir. Bu yaklaşım, büyük ve uzun vadeli faydalar sağlayan küçük, aşamalı değişikliklerle sürekli iyileştirmeyi vurgulayan Kaizen felsefesini destekler.

Bilgisayarlı görüyle yalın üretimin geleceği#

Teknoloji ilerledikçe imalat genelinde daha fazla AI uygulamasının benimsendiğini ve bilgisayarlı görünün merkezi bir rol oynadığını görmemiz muhtemeldir. Önemli gelişmelerden biri, gerçek zamanlı izleme, kestirimci analiz ve senaryo testleri için canlı üretim ortamlarını yeniden oluşturmak üzere sensör verilerini ve görü sistemlerini kullanan dijital ikiz teknolojisidir.

Bir diğer gelişme ise 3B, termal ve hiperspektral kameralar gibi gelişmiş görüntüleme sistemlerinin kullanılmasıdır. Bu sistemler, insan gözünün göremediği sorunları belirleyerek kusur algılamayı ve kalite kontrolünü geliştirir. AI algoritmalarıyla birleştirilen bu teknolojiler, aşınmanın erken belirtilerini tespit edebilir, arızaları önleyebilir ve plansız duruş süresini azaltabilir; böylece yalın üretim ilkelerini destekleyerek daha yüksek verimlilik ve güvenilirlik sağlar.

Önemli çıkarımlar#

Bilgisayarlı görü, yalın üretim tesislerinin sorunları erkenden belirlemesine, israfı azaltmasına, çalışan güvenliğini iyileştirmesine ve üretimi hızlandırmasına olanak tanır. Görü AI teknolojisi gelişmeye devam ettikçe, yalın üretimi daha güvenilir ve kolay hâle getirmede muhtemelen daha büyük bir rol oynayacaktır.

AI hakkında daha fazla bilgi edinmek için topluluğumuza ve GitHub depomuza katıl. Perakendede AI ve tarımda bilgisayarlı görü hakkında bilgi edinmek için çözüm sayfalarımıza göz at. Lisanslama seçeneklerimizi keşfet ve bugün bilgisayarlı görü ile geliştirmeye başla!