Bilgisayarlı görüde yalın üretim

Endüstri çağından bu yana üretim sektöründeki temel itici güç, israfı azaltırken üretimi artırma çabası olmuştur. Bu odak noktası, günümüzde yalın üretim olarak bildiğimiz şeyin temelini oluşturmuştur.

Yalın üretim, daha az kaynakla daha fazlasını yapmayı hedefleyen bir mal üretim yöntemidir. Bu yöntem; üretim süresini kısaltmayı, israfı azaltmayı ve daha az kaynak kullanmayı gerektirirken, müşterinin tam olarak ihtiyaç duyduğu şeyi sunmaya devam eder.

Geleneksel yalın üretim sistemleri sağladıkları verimliliğe rağmen bazı sınırlamalara da sahiptir. Genellikle operasyonları manuel olarak izlemek ve deneyime dayalı kararlar vermek için çalışanlara güvenirler, bu da hatalara yol açabilir. Yanlış yerleştirilmiş bir parça gibi küçük hatalar bile maliyetli gecikmelere ve kaynak israfına neden olabilir.

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

Vision AI sistemleri, aksi takdirde gözden kaçabilecek sorunları veya kalıpları tespit etmek için büyük miktarda veriyi işleyebilir. Bu, fabrikaların sorunları gecikmelere neden olmadan önce ele almalarına, duruş sürelerini azaltmalarına ve ürün kalitesini iyileştirmelerine yardımcı olur.

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

Link to this sectionEndüstriyel ortamlarda bilgisayarlı görü nedir?#

Endüstriyel ortamlarda bilgisayarlı görü, etkili bir yalın üretim aracı olabilir. Kameralardan ve yapay zeka teknolojisinden yararlanan bu sistemler; hataları tespit etmek, verimliliği artırmak ve güvenlik uyumluluğunu sağlamak için montaj hatlarını, ekipmanları ve ürünleri izleyebilir.

Link to this sectionBilgisayarlı görü nasıl çalışır: Yalın bir bakış açısı#

Vision AI kullanımı genellikle üretim tesisindeki kameraların veya sensörlerin ürünler ve ekipmanlar hakkında veri topladığı görsel veri yakalama ile başlar. Ardından, görüntülerin veya videoların temizlendiği ve analiz için hazırlandığı veri işleme aşaması gelir. Bu aşama; görüntülerin netleştirilmesini, boyutlarının ayarlanmasını veya sistemin yorumlamasını kolaylaştırmak için önemli detayların vurgulanmasını içerebilir.

Daha sonra Ultralytics YOLO11 gibi bilgisayarlı görü modelleri devreye girer. Bu modeller nesne algılama ve örnek bölütleme gibi görevleri destekler. Görsel verileri analiz ederek hataları tespit edebilir, ürün boyutlarını ölçebilir ve öğelerin kalite standartlarını karşılayıp karşılamadığını doğrulayabilirler.

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

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

Link to this sectionEndüstriyel bilgisayarlı görüyü destekleyen temel teknolojiler#

İşte yalın üretimde endüstriyel bilgisayarlı görü sistemlerini destekleyen temel teknolojilerden bazıları:

• Gelişmiş görüntüleme donanımı: Endüstriyel bilgisayarlı görü, gerçek zamanlı olarak net veriler yakalamak için yüksek kaliteli kameralara ve sensörlere dayanır. Birçok durumda, görsel verileri yerinde önceden işlemek ve depolamak için edge cihazlar da kullanılır, bu da gecikmeyi ve bant genişliği gereksinimlerini azaltır.

• Görüntü ön işleme yöntemleri: Analizden önce ham görüntüler, filtreleme ve kenar algılama gibi teknikler kullanılarak iyileştirilir ve normalleştirilir, böylece görüntü netliği artırılır.

• Derin öğrenme mimarileri: Evrişimli sinir ağları (CNN'ler), bilgisayarlı görünün temelini oluşturur. Büyük veri kümeleri üzerinde eğitilen bu modeller, nesneleri sınıflandırmak, anomalileri tespit etmek veya özellikleri yüksek doğrulukla ölçmek için görsel kalıpları öğrenir. YOLO11 gibi CNN tabanlı mimariler, gerçek zamanlı hızları ve hassasiyetleri nedeniyle üretimde özellikle kullanışlıdır.

• Bilgisayarlı görü yetenekleri: YOLO11 gibi modeller birçok bilgisayarlı görü görevini destekler. Bunlar arasında nesne algılama (öğeleri bulma ve konumlandırma), görüntü sınıflandırma (bir öğenin ne olduğunu tanımlama), örnek bölütleme (belirli parçaları veya bileşenleri ana hatlarıyla belirtme) ve nesne takibi (öğeleri hareket ettikçe takip etme) yer alır. Bu yetenekler; gerçek zamanlı denetimi, kalite kontrolünü ve envanter yönetimini fabrika zeminlerinde ve depolarda daha verimli hale getirir.

Link to this sectionBilgisayarlı görü uygulamaları ile yalın üretim ilkeleri#

Artık yalın üretim ve onu destekleyen temel teknolojiler hakkında daha iyi bir anlayışa sahip olduğumuza göre, bilgisayarlı görü uygulayan bazı yalın üretim örneklerine daha yakından bakalım.

Link to this sectionOtomatik kalite kontrol ve hata tespiti#

YOLO11 gibi bilgisayarlı görü modelleri, ürünlerdeki çatlaklar veya diğer kusurlar gibi yüzey hatalarını otomatik olarak tespit edecek şekilde eğitilebilir. Bu, hata tespitini yalın üretimde kalite kontrolün kilit bir parçası haline getirir.

Yavaş ve hataya açık olan geleneksel manuel denetimin aksine, bu sistemler ürünler konveyör bandı üzerinde ilerlerken görüntüleri gerçek zamanlı olarak analiz edebilir. Hataları işaretleyebilir, öğeleri kaliteye göre sınıflandırabilir ve hatta paketleme ve nakliyeden önce (haplar gibi) ürünleri sayabilirler.

Şekil 2. YOLO11 kullanarak hapları tespit etmenin bir örneği. (Kaynak)

Link to this sectionÜretim akışını optimize etme ve döngü süresini kısaltma#

Yalın üretimdeki süreç iyileştirme genellikle manuel gözleme, kronometre ile görev sürelerini tutmaya veya raporları incelemeye dayanır. Bu yöntemler, üretim akışını bozabilecek hata ve önyargılara açıktır.

Bilgisayarlı görü, görev tamamlanmasını doğru bir şekilde takip ederek, yavaşlamaları veya darboğazları tanımlayarak ve fabrika genelindeki devam eden işleri izleyerek bu sorunu çözmek için devreye girebilir. YOLO11 gibi modeller, depo çalışanlarını ve gerçekleştirdikleri görevleri de takip ederek iş yüklerini dengelemeye yardımcı olan içgörüler sağlayabilir. Örneğin, tamamlanması daha uzun süren görevlere daha fazla çalışan atanabilir.

Şekil 3. YOLO11, bir depodaki çalışanları tespit etmeye yardımcı olabilir. (Kaynak)

Link to this sectionAkıllı envanter yönetimi ve lojistik#

Lojistik iş akışları yıllardır barkodlar ve RFID etiketleri gibi teknolojiler kullanmıştır. Ancak son zamanlarda, bilgisayarlı görü, tedarik zinciri yönetiminde yalın üretim için gerçek zamanlı takip, etiket tanıma ve otomatik envanter sayımları sağlayan kilit bir araç olarak ortaya çıkmıştır. İlginç bir şekilde, Amazon gibi şirketler, paketleri taşımak ve depo operasyonlarını düzene sokmak için lojistik departmanlarında bilgisayarlı görü kullanmaktadır.

Link to this sectionGelişmiş çalışma süresi için kestirimci bakım#

Makineleri herhangi bir üretim tesisinin kasları olarak düşünebilirsin. Onlar olmadan üretim durur. Bu, bakımı yalın üretimin hayati bir parçası yapar.

Geleneksel yöntemler genellikle iki kategoriye ayrılır: makineleri arıza yaptıktan sonra tamir etmek veya gerek duyulsun ya da duyulmasın sabit bir programda servis yapmak. Her iki yaklaşım da beklenmedik arızalara, israf edilen çabaya ve daha yüksek maliyetlere yol açabilir.

Ancak bilgisayarlı görü, ekipmanları gerçek zamanlı olarak izleyebilir ve sorunları büyük arızalara neden olmadan önce erkenden tespit edebilir. Vision AI modelleri, çatlakları, sızıntıları ve diğer erken uyarı işaretlerini fark ederek bakım ekiplerinin hızlı bir şekilde yanıt vermesini sağlayabilir. Sonuç; daha az duruş süresi, daha az maliyetli onarım ve daha uzun ömürlü makinelerdir.

Link to this sectionGüvenliği ve görsel yönetimi geliştirme#

Üretim tesislerinde çalışan güvenliği genellikle denetçilere, ara sıra yapılan kontrollere ve çalışanların kendi başlarına kurallara uymasına bağlıdır. Bu da güvenlik ekipmanlarının her zaman takıldığından veya yönergelerin tutarlı bir şekilde izlendiğinden emin olmayı zorlaştırır.

Geleneksel olarak, Andon sistemleri (üretim hattındaki sorunları hızlı bir yanıt için vurgulayan görsel sinyal araçları) gibi araçlar bu tür sorunları bildirmek için kullanılmıştır. Ancak genellikle bir düğmeye basmak veya bir sorun kaydetmek için insanlara güvenirler. Bilgisayarlı görü sistemleri, bunun için harika bir üretim otomasyonu çözümü olabilir.

Örneğin, YOLO11 gibi bilgisayarlı görü modelleri; baret, eldiven ve güvenlik yeleği gibi güvenlik ekipmanlarını tespit edecek şekilde eğitilebilir. Ayrıca, birinin izinsiz olarak kısıtlı veya tehlikeli bir alana girdiğini tespit etmek için de kullanılabilirler, bu da daha güvenli ve tehlikesiz bir iş yeri sağlamaya yardımcı olur.

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

Link to this sectionYalın üretimde bilgisayarlı görünün yatırım getirisi (ROI)#

Şimdi, bilgisayarlı görü ile entegre edilen yalın üretim süreçlerinin temel faydalarından bazılarını gözden geçirelim.

Link to this sectionGelişmiş kalite ve azaltılmış yeniden işleme#

Bilgisayarlı görü, hataların erkenden ve tutarlı bir şekilde tespit edilmesini sağlayarak ürün kalitesini artırır. Ürünler hattan çıkmadan önce kusurları tanımlayarak, hatalı ürünlerin paketlenmesini ve gönderilmesini engeller. Bu, yeniden işlemeyi azaltır, hurdayı en aza indirir ve yalın üretimde kusurların neden olduğu israfı doğrudan ele alır.

Link to this sectionArtan verimlilik ve verim#

Vision AI, yavaş ve manuel denetimleri hızlı ve otomatik kontrollerle değiştirerek üretimi hızlandırır. Darboğazların belirlenmesini ve süreçlerin üretim hattı boyunca daha sorunsuz akmasını sağlar. Sonuç olarak, akıllı fabrikalar kaliteden ödün vermeden daha yüksek verim ve üretkenlik elde edebilir.

Link to this sectionÖnemli maliyet tasarrufları#

İsrafı, duruş süresini ve yeniden işlemeyi azaltmak, iş gücü ve malzeme maliyetlerinde büyük tasarruflar sağlar. Bilgisayarlı görü ayrıca kusurlu ürünlerin müşterilere ulaşmasını önleyerek garanti taleplerini düşürür. Zamanla, bu verimlilikler kaynak kullanımını iyileştirir ve operasyonel maliyetleri düşürür.

Link to this sectionİyileştirilmiş güvenlik ve ergonomi#

Tehlikeli veya tekrarlayan görevleri bilgisayarlı görü ile otomatikleştirmek, çalışanları zarardan uzak tutar. Vision sistemleri ayrıca güvenlik ekipmanlarına uyumu ve kısıtlı bölgeleri izleyebilir. Bu önlemler birlikte kazaları azaltır, zorlanmaları en aza indirir ve insanı ön planda tutan yalın üretim ilkelerini güçlendirir.

Link to this sectionSürekli iyileştirme için veriye dayalı içgörüler#

Vision AI çözümleri, içgörüler için analiz edilebilecek etkili görsel veriler üretir. Üreticiler bu verileri performansı takip etmek, KPI'ları izlemek ve verimsizlikleri tespit etmek için kullanabilirler. Bu, büyük uzun vadeli faydalar sağlayan küçük, kademeli değişikliklerle sürekli iyileştirmeyi vurgulayan Kaizen felsefesini destekler.

Link to this sectionBilgisayarlı görü ile yalın üretimin geleceği#

Teknoloji ilerledikçe, bilgisayarlı görünün merkezi bir rol oynamasıyla birlikte üretim genelinde daha fazla yapay zeka uygulamasının benimsendiğini görmemiz muhtemeldir. Önemli bir gelişme, gerçek zamanlı izleme, kestirimci analitik ve senaryo testi için canlı üretim ortamlarını yeniden oluşturmak üzere sensör verilerini ve vision sistemlerini kullanan dijital ikiz teknolojisidir.

Bir diğeri, insan gözünün göremediği sorunları tanımlayarak hata tespitini ve kalite kontrolünü artıran 3D, termal ve hiperspektral kameralar gibi gelişmiş görüntüleme sistemlerinin kullanımıdır. Yapay zeka algoritmalarıyla birleştiğinde bu teknolojiler; aşınma belirtilerini erken tespit edebilir, arızaları önleyebilir ve planlanmamış duruş sürelerini azaltabilir, böylece daha fazla verimlilik ve güvenilirlik sağlamak için yalın üretim ilkelerini destekler.

Link to this sectionÖne çıkanlar#

Bilgisayarlı görü, yalın üretim tesislerinin sorunları erkenden tanımlamasını, israfı azaltmasını, çalışan güvenliğini artırmasını ve üretimi hızlandırmasını sağlar. Vision AI teknolojisi gelişmeye devam ettikçe, yalın üretimi daha güvenilir ve daha kolay hale getirmede muhtemelen daha da büyük bir rol oynayacaktır.

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