Beybi Kurumsal Kaynak Planlama Danışmanı Banu Semizoğlu
Üretim sektöründe IT’nin rolü artık yalnızca sistemlerin çalışmasını sağlamakla sınırlı değil. Özellikle üç vardiya devam eden üretim operasyonlarında, IT sistemleri ile saha arasındaki süreklilik doğrudan üretim performansını etkiliyor. Bu nedenle yalnızca sistemlerin çalışıp çalışmadığını görmek değil, bir problem ortaya çıktığında sorunun nerede ve neden oluştuğunu anlayabilmek kritik hale geliyor.
İstanbul ve Bursa’da iş eldiveni, nitril eldiven ve vinil eldiven üretimi yapan bir şirket olarak, üretim süreçlerimizi gerçek zamanlı takip edebildiğimiz bir IoT altyapımız bulunuyor. Bu sistem üzerinden üretim makinelerinin operasyonel durumunu ve çeşitli proses verilerini izliyoruz. Üç vardiya devam eden üretim yapısında bu veriler, operasyonun sürekliliği açısından önemli bir rol oynuyor.
Ancak burada asıl ihtiyaç yalnızca veriyi görmek değil.
Örneğin gece saatlerinde IoT sisteminden veri gelmediğinde, ilk bakılması gereken noktanın neresi olduğunu her zaman doğrudan göremeyebiliyoruz. Server’lar çalışıyor olabilir, ilgili servisler ayakta olabilir ve sistemler teknik olarak erişilebilir durumda görünebilir. Buna rağmen sahada üretim açısından gerçek bir problem yaşanıyor olabilir.
Bu noktada IT’nin önündeki temel soru “Sistem çalışıyor mu?” olmaktan çıkıyor; “Sorun tam olarak nerede?” sorusuna dönüşüyor.
Problem bağlantıda mı? Bir serviste mi? Makine ile sistem arasındaki iletişimde mi? Veri aktarımında mı? Yoksa üretim tarafındaki başka bir bileşende mi?
Bugün bu ara katmanı yeterince görünür hale getiremediğimiz durumlarda, sorunun kaynağını bulmak için farklı sistemleri tek tek kontrol etmek gerekiyor. Üretim devam ederken bunun zaman açısından ciddi bir maliyeti var. Özellikle fiziksel müdahalenin hemen mümkün olmadığı durumlarda, sorun devam ediyorsa IoT sistemini devreden çıkarmak gibi operasyonel açıdan ideal olmayan çözümlere başvurulabiliyor.
Oysa burada ihtiyaç duyulan şey daha fazla veri değil; mevcut verinin anlamlandırılması ve farklı sistemler arasındaki ilişkinin görülebilmesi.
Bir üretim şirketinde IT açısından değer yaratacak izleme altyapısının, yalnızca “şu makine çalışıyor, şu servis ayakta” bilgisini vermesi yeterli değil. Sistemlerin birbirleriyle olan ilişkisini de ortaya koyması gerekiyor. Bir makineden veri gelmiyorsa bunun hangi noktadan kaynaklandığını gösterebilmek, IT ekiplerinin müdahale süresini kısaltırken üretim tarafındaki belirsizliği de azaltabilir.
Bu nedenle bizim için bir sonraki aşama, izleme sistemlerinden daha gelişmiş bir gözlemlenebilirlik (observability) yapısına geçebilmek.
Burada yapay zekâ önemli bir rol oynayabilir.
Bugün SIEM ve DLP gibi güvenlik çözümlerinde yapay zekâdan yararlanıyoruz. Ancak yapay zekâdan beklentimizin yalnızca mevcut veriyi sınıflandırması veya alarm üretmesi olmadığını düşünüyorum. Asıl değer, farklı kaynaklardan gelen verileri birlikte değerlendirerek normal ile anormal davranış arasındaki farkı anlayabilmesi ve IT ekibine doğrudan anlamlı bir sonuç sunabilmesi.
Örneğin sistem, yalnızca “IoT verisi gelmiyor” şeklinde bir alarm üretmek yerine; bağlantı durumunu, ilgili servisleri, sunucuları, geçmiş olayları ve mümkünse makine tarafındaki verileri birlikte değerlendirerek problemin muhtemel kaynağını ortaya koyabilmeli.
IT ekibinin ihtiyacı yüzlerce alarm arasından hangisine bakacağını bulmak değil, hangi problemin gerçekten önemli olduğunu ve neden oluştuğunu hızlıca anlayabilmek.
Bu yaklaşım özellikle sınırlı IT kaynağıyla çalışan üretim şirketleri açısından daha da önemli. Kalabalık bir IT ekibimiz yok ancak oldukça ciddi bir operasyon yürütüyoruz. Yeni teknolojileri mümkün olduğunca erken inceleyip sistemlerimize entegre etmeye çalışıyoruz. Daha az insan kaynağıyla daha yüksek verimlilik sağlamak zorunda olduğumuz bir yapıda, teknolojinin yalnızca işimizi kolaylaştırmasını değil, karar verme sürecimizi de güçlendirmesini bekliyoruz.
Burada AI’ın sağlayabileceği en önemli katkılardan birinin de kök neden analizi olduğunu düşünüyorum. Bir olay gerçekleştiğinde sistemin bütün veriyi IT çalışanının önüne koyması yerine, verileri ilişkilendirerek olası nedeni ortaya çıkarması ve mümkünse önerilen aksiyonu sunması önemli bir kazanım olacaktır.
Çünkü üretim ortamında bir sistemin çalışmaması yalnızca bir IT problemi değildir. O sistemin durması üretimi, sevkiyatı, satışı ve dolayısıyla doğrudan iş sonuçlarını etkileyebilir. Bu nedenle IT tarafındaki kesintilerin iş etkisini de ölçülebilir hale getirmek gerekiyor.
Bugün bizim için önemli olan nokta, kurduğumuz teknolojik altyapıyı yalnızca çalışır durumda tutmak değil; bu altyapının bize ne söylediğini anlayabilmek.
Bir IoT sisteminden veri alamadığımız için sistemi devre dışı bırakmak zorunda kalmak, teknolojik olarak bir adım geri gitmek anlamına geliyor. Bunu akıllı telefonu bırakıp yeniden çevirmeli telefona dönmeye benzetiyorum.
Asıl hedefimiz ise sistemi kapatmak zorunda kalmadan, problemin kaynağını görebilmek.
Önümüzdeki dönemde IT operasyonlarında fark yaratacak yaklaşımın da burada olduğunu düşünüyorum: Daha fazla sistem ve daha fazla veri toplamak değil; sistemler arasındaki ilişkiyi görebilmek, veriyi anlamlandırabilmek ve sorunun kaynağına mümkün olduğunca hızlı ulaşabilmek.
