Röportaj: Bikem Ögünç Demir
MECHANICA; IoT, endüstriyel analitik, görüntü işleme ve yapay zeka destekli üretim planlama ve depo optimizasyon çözümleri konularında mühendislik yazılımları geliştiren bir Ar-Ge şirketi. Terzi usulü çalışan ve her müşterisine ihtiyaçları doğrultusundaki çözüm önerileriyle hizmet veren firmanın Dijital Dönüşüm Çözümleri Yöneticisi ve Genel Müdür Yardımcısı İrfan Çolak ile çok özel bir röportaj yaptık.
Öncelikle sizi tanıyabilir miyiz? Bize kendinizden ve profesyonel geçmişinizden bahseder misiniz?
Adım İrfan Çolak. Makine Mühendisiyim. Mechanica 7 yıl önce kuruldu ancak tabi bunun öncesi de var. Mechanica kurulmadan önce ağırlıklı olarak endüstriyel tesis kurulum operasyon süreçlerinde yönetici olarak görev yaptım. Kimi zaman sahada kimi zaman da Ar-Ge ofisindeydim. Ar-Ge ve saha mühendisi olarak çalıştım. Türkiye ve dünyanın çeşitli tesislerinde bu amaçla görev aldım. Demir çelik kökenliyim. 2017 itibariyle de bugün Mechanica’nın hem satış sürecini yönetiyorum hem de genel müdür yardımcılığı görevini üstleniyorum.
Şirket yapılanmanızdan bahseder misiniz?
Mechanica niş projeler geliştiren, merkezine yapay zekayı alan bir şirket. Multidisipliner bir yapısı var. Kimya ve mimari dışında bütün mühendislik disiplinlerini bu yapı içinde bulabilirsiniz. Bu bağlamda şirketimizi küçük bir fabrika olarak değerlendirebilirsiniz. Başarının sırrı da burada gizli sanırım. Biz yalnızca yazılımcılardan ibaret bir IB şirketi değiliz. Örneğin, Mechanica’nın masasına bir proje geldiğinde endüstri mühendisleri, matematik, mekatronik mühendisleri, elektronik ve makine mühendisleri oturup kendi disiplinine göre o projeyi yorumlar ve hızlıca sonuca ulaşılır. Galiba endüstri de bizim bu yönümüzü çok seviyor. Projeye başlayıp da bitirince sırtımızı dönüp gittiğimiz hiçbir fabrika olmadı şimdiye kadar. İşlerin devamı her zaman geldi. Bunun en iyi örneği Tofaş Fabrikası’dır. Tofaş’la çok ciddi projeler yaptık, yapmaya da devam ediyoruz. 4 yıl önce bir projeyle başlayan hikayemiz, yılda ortalama 8 ila 10 modernizasyon projesi ile devam ediyor. Projeler ağırlıklı olarak otomotiv ana ve yan sanayiler özelinde yürüyor. Ama onun dışında kimya endüstrisi, makine dünyası, enerji de proje geliştirdiğimiz endüstri kolları arasında.
Üretimde izlenebilirlik, üretimde depo optimizasyonu gibi çözümleriniz var. Bu çözümlerle ne gibi avantajlar sağlıyorsunuz?
Üretimin, daha doğrusu ülkemizin genelinin en büyük dar boğazı şu; biz sürece dahil olmadan önce, mevcutta yürüyen üretim prosesleri var ve günün sonunda her fabrika bir şey üretiyor. Biz o fabrikanın ne kadar “verimli” çalıştığını ölçmek için bugüne kadar bazı araçlar geliştirmiştik. İşte bunlar kimi zaman karşımıza geleneksel yöntemler olarak çıktı, kimi zaman da dijital yöntemler….
Bu, kronikleşmiş problemleri çözme noktasında süreci iyileştirdi mi derseniz, hayır. O yüzden bugün IIoT’den, yapay zekayla akıllandırılmış platformlardan bahseder olduk. Bunların her biri ihtiyaçtan doğdu. Şöyle düşünün, hafta başında bir planlama gerçekleştiriyorsunuz ve haftanın tam ortasında müşterinizden acil bir sipariş geliyor. Hafta başındaki planlamaya sadık kalarak çok majör bir değişikliği planlamaya dahil ettiğimizde, üretim alanını yönetmek tam bir kaostur fabrikalarda. Oysa ki biz üretimi ilgilendiren ve fabrikalarda üretimi ilgilendiren her dinamik yapıdan verileri anlık olarak bir potada toplayıp, birbirleriyle entegrasyonunu sağlayıp üstüne de bir karar destek sistemini inşa ettiğimizde, günler alan o planlama süreçlerini dakikalara indirmiş oluyoruz. Böylece, üretim, planlama ve tedarik zincir yönetimi departmanlarındaki verimliliği arttırarak müşteri memnuniyetinde sürekliliği sağlıyor. Aynı zamanda, stok ve tedarikçilerin yönetimini veriye dayalı otomatize edebiliyoruz. Akıllı üretim planlama ve yönetim sistemini sadece planlamaya sıkıştırmanın doğru olmadığını düşünüyoruz. Örneğin; fabrikalarda, özellikle de üretim sahasında kritik noktalarda çalışan karar destek sistemleri planlamacılara veya yöneticilere şu tip bilgileri de fısıldayabiliyor: “Ben mevcut yapı içerisinde, üç noktada şöyle bir dar boğaz öngörüyorum. Darboğazı ortadan kaldırabilmek için şu tip bir aksiyon almanız gerek” ya da “Bu tempoyla gittiğinizde A ünitesinin X hücresinde plansız bir duruşla karşılaşacaksınız.” Bu da elimizde şöyle bir silaha dönüşüyor; bakım birimi olarak artık durum bazlı bakım planlaması yapabiliyorum. Böylelikle yaşanabilecek anomalileri öncesinde tahminleyerek ona göre iş dağılımı yapılabiliyor. Bu tip sistemler ortaya çıkmadan neyle karşılaşıyorduk peki? Diyelim ki makineler arızalandı; “Ne yapacağız şimdi?” sorusu cevapsız kalıyordu.
Farklı sanayi dallarına, sektörlere hizmet sağlıyorsunuz. Sektörler bazında ihtiyaçlarla ilgili ayrışmalarda ne gibi farklı çözümler öneriyorsunuz?
Açıkçası bugüne kadar hayata geçirdiğimiz hiçbir proje bir diğerinin benzeri olmadı çünkü terzi usulü çözüm geliştirmek zorunda kaldık. Sanırım üretimin tabiatı böyle. Şu çok kritik bana göre; örneğin bir fabrika otomobil üretiyor, hemen yanındaki fabrika da otomobil üreten fabrikanın yan sanayisi, üretilen otomobilin bir parçasını üretiyor özetle. Üretimde planlamayı dinamik yapabilmek için bu iki tesis entegre çalışmak zorundalar. Oysaki aynı ürün üzerinde çalışan bu iki yapı farklı üretim metodolojilerine ve proseslerine sahipler. Üretim, planlama ve kalite tarafında yaşadıkları problemler çok özgün. Tamda bu sebeple, sınırları ve yetenekleri önceden belirli planlama ve optimizasyon çözümleri, süreç yönetimi konusunda müşteri beklentilerinden bir hayli uzaktalar.
Özetlemem gerekirse, müşterilerimiz bize kronik problemleriyle gelirler. En yaygın talepleri “benim mevcut üretim kapasiteme göre verimliliği A noktasından B noktasına taşımak istiyorum. Bunu yaparken fabrikada herhangi bir objenin yerini değiştirmek istemiyorum. Ekstra makine almak istemiyorum, kalitesizlik maliyetlerim planlananın çok üzerinde, personel verimliliğini arttırmaya yönelik bazı öngörülerim var ve günün sonunda bu tesisin daha verimli çalışacağını düşünüyorum.” Peki, bu noktada biz ne yapıyoruz? Ne ürettiğinden bağımsız olarak, üretim prosesinin analizini gerçekleştiriyoruz. Yani bu fabrikaya mamul ya da yarı mamul nereden ve nasıl giriyor, ürüne dönüşürken izlediği yollar nelerdir? Özetle tüm prosesi analiz ettikten sonra sahadan toplanan canlı veriler ışığında fabrika size, çözülmesi gereken yüzlerce konu başlığını zaten fısıldıyor; “Benim üretim hattımın şu noktasında kronik problemler var, benim iyileştirme noktaların şu bölgelerdir. Bu değerlendirmelerle şöyle bir sonuca ulaşabilirsiniz” gibi farklı bilgiler veriyor. İşte biz insanı aşan ve bazen fabrikayı riske sokacak o kritik kararları, karar destek sistemlerine bu başlıkta devretmiş oluyoruz.
Mechavision ile Mechavision Thermal var gibi görüntü işleme çözümleriniz var? Görüntü işleme çözümleri fabrikalara ne gibi avantajlar sağlıyor?
Mechavision’ın esas görevi özellikle üretimde kalitesizlik maliyetini ortadan kaldırmak. Kalite kontrol süreçlerini dijitalize eden ünitelerden bahsediyorum aslında. İçerisinde endüstriyel kameraların, robot kolların olduğu, reject sistemlerin yer aldığı ve bir sunucuya sahip olan kalite kontrol makineleri. Bunlar genellikle akan hatlar ve analiz gerektiren noktalarda çalışıyor. Öncelikli görevi, problemi kaynağında tespit edip ortadan kaldırmak. Diyelim bir müşterimiz bir kolonya şişesi getiriyor bize ve talebi “Kolonya şişesi üzerinde etiket var mı yok mu?” bunun sonuçlarını gözlemlemek istiyor. Mechavision’ın önceliği hiçbir zaman bu olmadı. Çünkü birazdan bahsedeceğim anomaliyi ortadan kaldırmak, önemli bir darboğazı da ortadan kaldırmaya yönlendiriyor bizleri. “Evet burada etiket var ama bu etiket üstünde bazı deformasyonlar başlamak üzere. Hatta etiketi yapıştıran makinede bazı anomaliler var ve bu anomalilerin giderilmesi gerekiyor”. Mechavision tam olarak size bunu söylüyor. Özetle diyor ki “Bazı problemler baş göstermek üzere, git problemi kaynağında çöz.” O yüzden derin öğrenme algoritmaları koşuyor geliştirdiğimiz endüstriyel kabinlerin içerisinde… Sunucularımız nispeten biraz büyüktür ve bu sunucular aynı zamanda konuldukları yerdeki prosesin bütün muhataplarıyla da çift taraflı konuşurlar. Yani bir Mechavision’a sahip olan üretim tesisi, üretim hattındaki bütün PLC’lerle çift taraflı haberleşir. Çünkü şöyle bir özgürlüğü vardır; anomaliyi tespit et ve artık anomalinin neden kaynaklandığını öğren ve gerektiğinde oradaki üretimi durdur. Bu başlıkta çok fazla rakibi de yok Mechavision görüntü işleme ünitelerinin.
Thermal’e gelirsek, yine Mechavision ünitelerinin içerisinde çalışan, Isıyla çok fazla muhatap olan ürünlerde yaşanan anomalileri tespit etmek üzerine çalışan bir sistem. Özellikle gıda sanayinde çok fazla kullanılıyor. Örneğin kap margarinlerin üzerinde alüminyum folyo vardır. O alüminyum folyo ısıtılarak yapıştırıldıktan hemen sonra kapak montajı gerçekleştirilir ve ürün paketlemeye gider. Ama alüminyum folyo yapıştırılıp montaj yapıldıktan sonra ürünü artık fiziksel olarak kontrol edemezsiniz. Folyoda yaşanan bir anomali, örneğin tam yapışmama ya da yırtılma gibi durumlarda gıdada bozulma, dökülme gibi riskleri de yaşıyor. Mechavision Thermal tam olarak size bu sorunun cevabını verir: Ürün sağlıklı olarak yapıştı mı yapışmadı mı? Sadece yapışmaya bakmaz, aynı zamanda birçok parametreyi de inceler. Böylelikle ürünün kalitesiz bir şekilde transfer edilmesine engel olur.
Peki, diyelim ki Mechavision Thermal bir problemi tespit etti. O noktada nasıl bir çözüm sunuyor?
Kabin olmasının sebebi tam olarak da bu. Yani ünitenin içerisinde reject sistemleri var. O biraz müşteri talepleriyle şekilleniyor. Hatalı ürünü tespit ettikten hemen sonra bir robot kol yardımı ile üretim hattından alınabiliyor veya bir pistonla konduğu banttan buffer alanına doğru hızlıca itilebiliyor. İçerisinde pistonlar ve robot kollar var. Taleplere göre sayıları da arttırılabiliyor. Reject işlemini kendi buffer alanlarına alıp, bekletip, anomali orada düzeldikten sonra o ürünü yeniden üretim hattına dahil edebiliyor.
Siz çözüm sunduğunuz yapıların dijital dönüşüm yolculuğunda kendinizi tam olarak nerede konumlandırıyorsunuz?
Biz açıkçası bu hikayeyi uzun bir evlilik olarak değerlendiriyoruz. Salt sahada bilgileri toplayıp onu bir ekranda akıtan bir firma olsaydık evet, işimiz o noktada biterdi. Ama Mechanica bir veri bilimi firması ve müşterilerimizin talepleri bu anlamda hayal dünyalarıyla sınırlı… Her talep bizim için bir Ar-Ge konusu. Biraz önce bahsettiğim gibi bizim için her proje terzi usulü geliştirilir ve uygun bir kumaşın seçilmesi gerekir; müşterilerimiz masaya bir projeyle geldiklerinde, eğer projenin çözümü çok uzun zaman ve yüksek efor gerektiriyorsa bizlerden, o projeye özel bir ekip kurmamızı isteyebiliyorlar. Bunun bizim yapımızdaki en iyi örneği TOFAŞ’tır. Şirketimizin bir TOFAŞ departmanı var. Bu departman yoğun bir şekilde yalnızca TOFAŞ için projeler geliştiriyor. Bir başka departman Türkiye’nin önemli bir yan sanayi için kurulacak yakında. Bu yeteneğimizi bildikleri için gönül rahatlığıyla çok majör, çok büyük projeleri bizlerle paylaşabiliyorlar. Özetle, bulunduğumuz kabın formunu hızlıca entegre olabilen bir şirketiz.
Diyelim ki bir projeyi gerçekleştirdiniz. Uzun süren bir yolculuk olabiliyor bu. Teknoloji çok hızlı ilerliyor, yeni ihtiyaçlar çok hızlı ortaya çıkabiliyor, ihtiyaçlar değişebiliyor. Süreç içerisinde değişiklik gerektiyse bu noktada nasıl bir aksiyon alıyorsunuz?
Sanırım Ar-Ge firması olmamızdan kaynaklı, biz biraz burnunun dikine giden ve projede ki problemlerle ile kavga etmeyi seven bir firmayız. Müşterimiz, proje özelinde birçok noktada tespitlerini yapmış olarak geliyor bizlere; “Ben şöyle bir probleme sahibim ama daha önce şu yolları izledim ve çözüme ulaşamadım.” Kolay olan yol sırtınızı dönüp gitmektir. Madem denenmiş ve başarıya ulaşamamış, ekstradan efor sarf etmeye gerek yok. Bizce aslolan, problem masada duruyorsa ve bu problem makinelerden, insanlardan ve insanların üretime dair almış oldukları kararlardan kaynaklıysa bunun illa ki bir çözümü de vardır. O yüzden multidisipliner bir yapıya sahibiz dedim en başında. Bizde aslolan kurgudur ve özgün algoritmaları kurgunun üstüne inşa ederiz. Çok karışık bir yapı kabul ediyoruz ancak kendimizi özgür ve esnek hissettiğimiz alanlarda olmak bizi daha mutlu ve başarılı kılıyor.
Kolay bir sene geçirmedik aslında, döviz kurlarındaki dengesizlik, ekonomik gidişat vs. hiç kimse öyle çok parlak tablolar çizmese de herkes bir yanından da umutlu yine de. Sizin 2022 değerlendirmelerinizi ve 2023 hedeflerinizi öğrenebilir miyim?
Türkiye’de, sahada kritik kararları yapay zekaya devreden ne yazık ki çok fazla proje örneği yok. Bunu ilk yapan firmalardan biriyiz biliyorsunuz. İlk optimizasyon sistemini TOFAŞ ekibiyle beraber geliştirdiğimizde, bu proje dünyada ilkler arasında gösterildi. Şu an farklı firmalarla, çok daha kompleks ve farklı parametreleri olan başka bir yolculuğun içerisindeyiz. “Bunları müşteri hikayeleri olarak bizden sonra gelen nesle aktaralım” diyen bir şirketiz. Bizim hayata geçirdiğimiz her bir proje akademik makale değerinde; bilgiyi hiçbir zaman saklamadık. Kimisi bir doktora tezi kimisi yüksek lisans tezi olarak sunuldu akademiye. Üniversitelerle aramız bu başlıkta çok iyidir.
Mechanica 2022’yi yüzde 42 büyümeyle kapatıyor. Hedefimiz yüzde 35’ti. Hedefimizin üstüne çıktık. Bu süre zarfında yeni müşterilerimiz oldu. Bundan sonraki hedefimiz hızlı bir şekilde Avrupa’da yapılanmak. 2022’de Almanya’daki ofisimizi açacaktık ama teknik sebeplerden ötürü yetiştiremedik. Birkaç ay içinde açacağız çünkü projesini Türkiye’de geliştirdiğimiz ancak yurt dışında da üretim tesisleri olan müşterilerimiz var ve dijital dönüşüm süreçlerini yine Mechanica ile yürütmek istiyorlar. Ocak ayı sonrası Ar-Ge yi İzmir Yüksek Teknoloji Enstitüsü’ne taşıyoruz. Yeni yılda endüstrimiz, otomotiv sektörü dışında geliştirdiğimiz farklı çözümlerimizle Mechanica’yı daha yakından tanıyacak.