Blog Yazısı Özeti

Kestirimci bakım (predictive maintenance), bir makinenin durumunu sürekli veya düzenli ölçerek arızanın yaklaştığını önceden fark etmeyi ve bakımı takvime göre değil, ihtiyaç ortaya çıktığında yapmayı amaçlar. Hedef iki taraflıdır: plansız duruşları azaltmak ve gereksiz yere yapılan periyodik bakımlardan kurtulmak.

Bu yazı, kestirimci bakımın önleyici bakımdan farkını, ilk projeye hangi makineyle başlanması gerektiğini, sensör ve veri altyapısını, yapay zekânın gerçekten gerektiği ve gerekmediği yerleri ve projenin nasıl finanse edilebileceğini anlatıyor.

Reaktif, önleyici ve kestirimci bakım

Yaklaşım Bakım ne zaman yapılır? Güçlü yanı Zayıf yanı
Reaktif (arızada bakım) Makine bozulunca Planlama gerektirmez Plansız duruş, zincirleme hasar, acil parça maliyeti
Önleyici (periyodik) Takvime veya çalışma saatine göre Basit, öngörülebilir Sağlam parça erkenden değişir; iki bakım arasındaki arıza yakalanmaz
Kestirimci (duruma dayalı) Ölçülen durum bir sınırı aşınca Duruşu planlı hale getirir, gereksiz bakımı azaltır Sensör, veri altyapısı ve süreç disiplini ister

Her makine için kestirimci bakım gerekmez. Ucuz, kolay değişen ve duruşu üretimi etkilemeyen ekipmanda reaktif ya da periyodik bakım çoğu zaman daha mantıklıdır. Kestirimci bakım, duruşu pahalı ve arızası önceden belirti veren makinelerde değer üretir.

İlk makineyi seçmek

İlk projede bütün fabrikayı kapsamaya çalışmak en sık yapılan hatadır. Tek bir makine veya hat ile başlayıp sonucu ölçmek, hem ekibin güvenini kazanmayı hem de yatırımın gerçekten işe yarayıp yaramadığını görmeyi sağlar. Aday makineyi şu sorularla seçebilirsiniz:

  • Duruşun maliyeti ne? Bu makine durduğunda arkasındaki hat da duruyor mu? Bir saatlik duruş kaça mal oluyor?
  • Arıza geçmişi var mı? Son iki yılda hangi arızalar, ne sıklıkla oldu? Bakım kayıtları tutulduysa bunlar en değerli veri kaynağıdır.
  • Arıza belirti veriyor mu? Rulman, dişli, kaplin, pompa ve fan arızaları genellikle titreşim, sıcaklık veya akımda önceden iz bırakır. Ani elektronik kart arızaları ise çoğu zaman bırakmaz.
  • Veriye erişilebiliyor mu? Makinenin PLC'sinden veri alınabiliyor mu, yoksa harici sensör mü gerekecek?

Pilotun sonucunu değerlendirebilmek için en az birkaç aylık veri ve mümkünse bir arıza veya bakım döngüsü görmek gerekir; süreyi makinenin arıza sıklığı belirler.

Sensör ve veri altyapısı

Kestirimci bakımda en sık kullanılan ölçümler:

  • Titreşim: Dönen ekipmandaki dengesizlik, eksen kaçıklığı ve rulman hasarları için en bilgilendirici ölçümlerden biri. Titreşim seviyelerinin değerlendirilmesi için ISO 20816 serisi (genel kılavuz: ISO 20816-1:2016; 15 kW üzeri endüstriyel makineler için ISO 20816-3) referans alınabilir.
  • Sıcaklık: Rulman yatakları, motor sargıları ve elektrik panoları için.
  • Motor akımı ve enerji tüketimi: Mekanik yükteki değişimler çoğu zaman akımda da görünür; ek sensör takmadan başlamak için iyi bir yol olabilir.
  • Basınç, debi ve yağ durumu: Hidrolik sistemler, kompresörler ve pompalar için.

Makinede zaten bir PLC varsa, çalışma/duruş bilgisi, sayaçlar ve alarmlar genellikle Modbus veya OPC UA üzerinden alınabilir. Eski makinelerde hangi yolun seçileceğini eski makinelerden OEE verisi toplama yazımızda anlattık. Sensör verisini makinenin o anki çalışma durumuyla (hangi ürün, hangi hız, yükte mi boşta mı) birlikte kaydetmek önemlidir; aksi halde normal bir yük değişimi arıza belirtisi gibi görünebilir.

Veriden karara: yapay zekâ nerede gerekir?

Kestirimci bakım projelerinin çoğu üç basamakta olgunlaşır:

  1. Görünürlük: Ölçüm alınır, trend grafikleri çizilir, bakım ekibi makinenin "normalini" öğrenir.
  2. Kural ve eşik: Belirli değerler aşıldığında alarm üretilir. Birçok arıza tipi için bu basamak tek başına ciddi fayda sağlar.
  3. Model: Birden çok sinyalin birlikte değişimini, çalışma koşullarındaki farkları ve yavaş bozulmaları yakalamak için makine öğrenmesi modelleri kullanılır. Normal davranışı öğrenip sapmayı işaretleyen anomali tespiti, etiketli arıza verisi azken iyi bir başlangıçtır; yeterli arıza örneği biriktiğinde arıza tipini veya kalan ömrü tahmin eden modellere geçilebilir.

Yapay zekâ ancak arkasında düzgün veri ve tutarlı bakım kayıtları olduğunda işe yarar. Hangi tarihte hangi arızanın olduğu, ne yapıldığı ve hangi parçanın değiştiği kayıt altına alınmıyorsa model neyi öğreneceğini bilemez. Saha ekiplerinin kaydı kolay tutması için sesle bakım kaydı gibi yöntemler kullanılabilir; bunun sınırlarını Türkçe sesle bakım kaydı yazımızda tartıştık.

Maliyet ve geri dönüş nasıl hesaplanır?

Genel geçer yüzde vaatleri yerine kendi rakamlarınızla hesap yapın:

  • Kazanç tarafı: Son iki yılda bu makinenin plansız duruş saatleri × bir saatlik duruş maliyeti, arıza nedeniyle oluşan ikincil hasarlar, acil parça ve fazla mesai giderleri ve gereksiz yapılan periyodik bakımların maliyeti.
  • Maliyet tarafı: Sensörler ve ağ geçitleri, kurulum, yazılım (lisans veya geliştirme), veri saklama ve sistemin bakımı, ekibin zamanı.
  • Ölçüm: Pilotun başında hangi göstergenin (plansız duruş süresi, arızalar arası ortalama süre, bakım maliyeti) ne kadar iyileşmesini beklediğinizi yazın ve pilot sonunda aynı yöntemle ölçün.

Finansman: TÜBİTAK ve KOSGEB

Kestirimci bakım, TÜBİTAK'ın 2026-2028 Öncelikli Ar-Ge ve Yenilik Konuları belgesinde ayrı bir konu olarak yer alıyor: "Yapay Zeka Temelli Kestirimci Bakım Uygulamaları", Dijital Liderlik ana hedefi altındaki "Yapay Zeka ve Veri Bilimi" teknoloji alanının "Üretim ve Endüstride Yapay Zeka" grubunda yer alıyor. Kapsam, akıllı üretim sistemleri ve havacılıkta yapay zekâ tabanlı kestirimci bakım yaklaşımlarının geliştirilmesi; Teknoloji Hazırlık Seviyesi aralığı 4-8. Proje konuları arasında cihazların sırf periyodik bakım zamanı geldiği için durdurulmasının önlenmesi, bakıma etki eden parametre havuzunun oluşturulması ve son kullanıcı sektörlerde kestirimci bakım sayesinde maliyetin en az %25 azalması sayılıyor.

Bunun pratik anlamı şu: Gerçek bir Ar-Ge içeriği olan (örneğin kendi makinenize özgü bir arıza tespit yöntemi geliştiren) bir kestirimci bakım projesi, TÜBİTAK 1507 2026-2 çağrısında, hakem değerlendirmesinde 60 puanlık eşiği geçmesi şartıyla, öncelikli konu kapsamında 5 ek puan alabilir. Hazır bir izleme yazılımını satın alıp kurmak ise Ar-Ge sayılmaz. 1507 çağrısının güncel takvimi ve değerlendirme kuralları için TÜBİTAK 1507 Başvurusu 25 Kasım'a Uzatıldı yazımıza bakabilirsiniz.

İmalat sektöründeki küçük ve orta ölçekli işletmeler için sensör, donanım ve yazılım yatırımı KOSGEB KOBİ Dijital Dönüşüm Destek Programı kapsamında, kredi faiz desteğiyle de finanse edilebilir; ancak bunun için yetkili kurumlardan alınmış onaylı dijital olgunluk raporu ve en az 1 milyon TL'lik yatırım kredisi gerekiyor. Ayrıntılar KOSGEB Dijital Dönüşüm Desteği 2026 yazımızda.

Sık yapılan hatalar

  • Sensör var, aksiyon yok: Alarm geldiğinde kimin ne yapacağı, iş emrinin nasıl açılacağı tanımlanmamışsa sistem kısa sürede görmezden gelinir.
  • Çok fazla alarm: Eşikler makinenin gerçek çalışma koşullarına göre ayarlanmazsa yanlış alarmlar güveni yok eder.
  • Bakım kayıtları tutulmuyor: Arıza ve müdahale kayıtları olmadan modeller gelişmez, geri dönüş de ölçülemez.
  • Tek seferlik proje: Makine değişir, ürün değişir; eşiklerin ve modellerin düzenli gözden geçirilmesi bir süreç olarak tanımlanmalıdır.
  • Bütün fabrikayla başlamak: Kapsam büyüdükçe pilot uzar, sonuç gecikir ve ekip ilgisini kaybeder.

Busana nasıl yardımcı oluyor?

Kestirimci bakım; sensör ve elektronik, saha verisinin toplanması, yazılım ve yapay zekâ modellerinin birlikte çalışmasını gerektirir. Bu üç alanı tek ekip olarak yürütüyoruz: makineye uygun sensör ve gerekiyorsa elektronik kart tasarımı, PLC ve sensörlerden veri toplama, izleme ve alarm yazılımı ve veriler biriktikçe yapay zekâ modelleri. Jeneratör verilerini yapay zekâ ile yorumlayan Akıllı Jeneratör Asistanı bu alandaki projelerimizden biri.

İlk görüşmede hangi makineyle başlanacağını, hangi verinin zaten mevcut olduğunu ve pilotun nasıl ölçüleceğini birlikte belirliyoruz. Projenizde gerçek bir Ar-Ge içeriği varsa TÜBİTAK desteğine uygunluğunu da aynı görüşmede değerlendirebiliriz.

Kaynaklar