IoT ve Saha Entegrasyonu | Üretim/Depo/Saha Verisini Yönetime Taşımak

Üretim bandındaki makine arızalarını arıza olduktan sonra mı öğreniyorsunuz? Depo sıcaklığı kritik seviyeyi aştığında ürün kaybı mı yaşıyorsunuz? Saha ekibiniz kağıt formlarla mı çalışıyor, veri merkeze 2 gün sonra mı ulaşıyor?

Bu rehberde, IoT (Nesnelerin İnterneti) teknolojisi ile üretim, depo ve saha verilerini gerçek zamanlı olarak merkezi yönetim sistemlerinize nasıl taşıyacağınızı, hangi sensörleri kullanacağınızı, bağlantı mimarisini nasıl tasarlayacağınızı ve internet kesintisi gerçeklerinde nasıl çalışacağınızı göreceksiniz.

IoT ve Saha Entegrasyonu Nedir?

IoT, fiziksel dünyayı dijital veriye dönüştürür

IoT (Internet of Things / Nesnelerin İnterneti), fiziksel cihazların (makineler, sensörler, araçlar) internet üzerinden veri gönderip alabilmesi teknolojisidir. Saha entegrasyonu işe bu verilerin ERP, BI, MES gibi merkezi sistemlere aktarılıp işletme kararlarına dönüştürülmesi sürecidir.

Klasik yaklaşımda, saha çalışanı günde iki kez makine sayacını okur, kağıda yazar, akşam Excel’e girer. IoT ile, sensör her 5 saniyede bir otomatik okuma yapar, veri anlık olarak sisteme düşer, anormallik olursa yönetime bildirim gider.

IoT Entegrasyonunun Temel Bileşenleri

• Sensörler: Fiziksel büyüklükleri (sıcaklık, basınç, titreşim) ölçer
• Gateway: Sensör verilerini toplar, protokol dönüşümü yapar, internet olmasa bile yerel olarak saklar
• Cloud/Sunucu: Veriyi depolar, analiz eder, raporlar üretir
• API/Entegrasyon: ERP, MES, dashboard gibi sistemlerle veri alışverişi sağlar

Örnek: Üretim bandında titreşim sensörü, makinenin normal çalışma aralığının dışına çıktığını tespit eder, gateway veriye timestamp ekler, cloud’a gönderir, sistem otomatik olarak bakım ekibine iş emri oluşturur. Tüm süreç 30 saniye içinde tamamlanır.

Operasyonel Faydalar: Gerçek Zamanlı İzleme

IoT dashboard’ları anında görünürlük sağlar

1. Manüel Veri Girişinin Ortadan Kalkması

Saha çalışanının kağıda yazıp ofise getirdiği veriler, artık sensör tarafından otomatik olarak sisteme aktarılır. İnsan hatası sıfıra iner, veri gecikmesi dakikalara düşer.

2. Arıza Öncesi Uyarı (Predictive Maintenance)

Makine bozulmadan önce, titreşim, sıcaklık, akım değerlerindeki anormallikleri tespit eder. Planlı bakım yapılır, duruş süresi minimize edilir.

3. Envanter ve Lojistik Görünürlüğü

Depo sıcaklığı, ürün konumu (RFID), araç konumu (GPS) gerçek zamanlı izlenir. Soğuk zincir ihlalleri anlık fark edilir, araç rotaları optimize edilir.

4. Karar Hızının Artması

Üst yönetim, güncel veriyi canlı dashboard’da görür. “Geçen hafta ne olmuş?” yerine “şu an ne oluyor?” sorusuna yanıt alır. Stratejik kararlar veri odaklı hale gelir.

5. Enerji ve Maliyet Optimizasyonu

Makine bazlı enerji tüketimi izlenir, boşta çalışan ekipman tespit edilir. Enerji maliyeti oransal olarak düşer.

Sensör Türleri ve Kullanım Alanları

Her sensör türü farklı fiziksel büyüklüğü ölçer

1. Sıcaklık ve Nem Sensörleri

Kullanım Alanı: Depo iklim kontrolü, üretim ortamı, gıda soğuk zinciri.
Örnek: Gıda deposunda sıcaklık 8°C’nin üzerine çıktığında otomatik alarm.

2. Titreşim Sensörleri (Accelerometer, Vibration)

Kullanım Alanı: Makine sağlığı izleme, bakım planlaması.
Örnek: CNC tezgahında titreşim seviyesi normalin üstüne çıktığında bakım ekibine bildirim.

3. Akım ve Enerji Sensörleri

Kullanım Alanı: Enerji tüketimi izleme, boşta çalışan ekipman tespiti.
Örnek: Kompresör gece boyunca boşta çalışıyor, enerji israfı tespit ediliyor.

4. Basınç Sensörleri

Kullanım Alanı: Hidrolik ve pnömatik sistemler, sıvı tankları.
Örnek: Hidrolik pressin basıncı düştüğünde yağ seviyesi kontrol uyarısı.

5. GPS ve Konum Sensörleri

Kullanım Alanı: Araç takibi, saha ekibi rotaları, lojistik optimizasyonu.
Örnek: Servis ekibi hangi müşteride, kaç dakika önce ayrıldı, trafik durumu.

6. RFID (Radyo Frekans Tanıma)

Kullanım Alanı: Ürün takibi, envanter sayımı, giriş-çıkış kontrolü.
Örnek: Depo kapısından geçen her palet otomatik olarak sisteme kaydedilir.

7. Kamera ve Görüntü Sensörleri

Kullanım Alanı: Kalite kontrol, yapay zeka destekli hata tespiti.
Örnek: Üretim bandında yüzey kusuru otomatik tespit edilir, arızalı ürün ayrılır.

Bağlantı Mimarisi: Edge, Gateway ve Cloud

Edge, Gateway ve Cloud üç katmanlı mimarı oluşturur

Katman 1: Edge (Kenar Bilişim)

Sensöre en yakın katman. Çok hızlı tepki gerektiğinde (örneğin acil durdurma) veri cloud’a gitmez, edge cihazı direkt karar alır. Gecikme milisaniye seviyesindedir.

Örnek: Makine titreşimi tehlikeli seviyeye çıktığında, edge cihazı cloud’a sormadan röleyi kapatır, makineyi durdurur.

Katman 2: Gateway (Veri Toplayıcı)

Birden fazla sensörü toplar, protokol dönüşümü yapar (Modbus, OPC UA, MQTT gibi), veriyi paketler, cloud’a gönderir. En önemli özelliği: offline buffer. İnternet kesildiğinde veriyi yerel hafızada saklar, bağlantı geri gelince otomatik yükler.

Örnek: Üretim sahasında 12 makine var, her biri farklı protokol kullanıyor. Gateway tümünü toplayıp merkezi sisteme HTTPS ile gönderir.

Katman 3: Cloud (Bulut Sunucu)

Tüm verinin toplandığı, analitik yapıldığı, raporların üretildiği katman. ERP, BI, dashboard entegrasyonları bu katmanda gerçekleşir.

Örnek: Tüm şubelerin üretim verisi cloud’da birleşir, yönetim tek bir dashboard’dan tüm operasyonu izler.

Mimarı Seçim Kriterleri

• Karar hızı: Milisaniye gerekliyse edge, dakikalar yeterliyse cloud
• Internet güvenilirliği: Düşükse gateway zorunlu
• Veri hacmi: Yüksekse edge’de ön işleme, sonra cloud’a özet gönder
• Güvenlik: Kritik veri varsa edge/gateway şifrelemesi şart

Veri Toplama ve İ̇şleme Katmanları

IoT verisi, ham sensör okumasından iş zekası raporuna dönüşene kadar birkaç katmandan geçer:

Katman 1: Ham Veri (Raw Data)

Sensörün direkt çıktısı. Örnek: “43.2°C, 12:34:56”

Katman 2: Temizlik ve Filtreleme

Hatalı okumalar (outlier) filtrelenir, birim dönüşümü yapılır.

Katman 3: Anlamlandırma (Contextualization)

Veriye metadata eklenir: hangi makine, hangi lokasyon, hangi süreç.

Katman 4: Agregasyon ve Analiz

Saatlik, günlük ortalamalar hesaplanır. Trendler tespit edilir.

Katman 5: İ̇ş Kuralları ve Aksiyon

Eşik değer aşıldığında otomatik iş emri oluşturulur, bildirim gönderilir.

Katman 6: Raporlama ve Görselleştirme

Dashboard, Power BI, Excel raporu olarak sunulur.

Örnek Veri Akışı:
Sensör: 92.4 mA → Gateway: “Makine-003, 92.4 mA, 14:22:10” → Cloud: “Normal aralık 80–100 mA, OK” → Dashboard: “Makine-003 sağlıklı, tüketim normal”

Türkiye/KKTC Gerçekleri: Offline Mod ve İnternet Kesintisi

Türkiye’de sanayi bölgelerinde, KKTC’de tüm adalarda internet kesintisi gerçektir. IoT projesinin başarısı, internet olmadan da çalışabilme yeteneğine bağlıdır.

Offline Mod Mimarisi

Gateway cihazı, sensör verilerini yerel hafızasında (SD kart, SSD) saklar. İnternet geri geldiğinde otomatik senkronizasyon başlar. Kullanıcı hiçbir müdahale yapmaz.

Offline Buffer Kapasıte Hesabı

Örnek hesaplama:
– 10 sensör, her biri 10 saniyede bir okuma (dakikada 60 kayıt)
– Her kayıt 100 byte
– Saatlik veri: 60 × 60 × 100 byte = 360 KB
– 7 günlük buffer: 360 KB × 24 × 7 = 60 MB

Sonuç: 1 GB hafıza, 4 aylık kesintiye dayanır. Gerçekte en uzun kesinti birkaç saattir, veri kaybı olmaz.

KKTC Özel Durumu

KKTC’de elektrik kesintisi de sık olduğundan, gateway cihazında UPS (kesintisiz güç kaynağı) zorunludur. En az 2 saatlik pil kapasitesi önerilir.

Offline Mod Kritik Noktaları

• Zaman senkronizasyonu: Gateway saatinin doğru olması şart (NTP sunucusu)
• Hafıza yönetimi: Buffer dolarsa en eski veri silinir (FIFO)
• Çakışma yönetimi: Aynı veri iki kez gönderilmemeli (unique ID)
• Hata bildirimi: 24 saattir internet yoksa yönetime SMS

Sahadan Örnek: Çok Lokasyonlu Üretim ve Depo

En Sık Yapılan 7 IoT Uygulama Hatası

1. Offline Mod Olmadan Başlamak

Internet kesintisi gerçekliğini görmezden gelmek. Gateway buffer kapasitesi olmadan kurulum yapmak. Sonuç: ilk kesintide veri kaybı, kullanıcı güveni sarsılır.

2. Çok Fazla Sensör, Çok Az Analiz

“Her yere sensör takalım” yaklaşımı. Veri toplanır ama kimse bakmaz, karar alınmaz. IoT veri değil, aksiyon üretmelidir.

3. Güvenlik ve Şifrelemenin İhmal Edilmesi

Sensör verisi açık protokolle (HTTP, plain MQTT) gönderilir. Üretim verisi dışarıya sızabilir, cihaz hijack edilebilir. TLS/SSL şart.

4. Zaman Senkronizasyonunu Unutmak

Gateway saati yanlışsa, veri timestamp’i hatalı olur. Raporlarda zaman tutarsızlığı çıkar. NTP sunucusu ile otomatik saat senkronizasyonu zorunlu.

5. Ölçekleme Planı Yapmamak

Pilot 3 sensörle başlar, ama 100 sensöre çıktığında gateway kapasitesi yetersiz kalır. Baştan ölçeklenebilir mimarı seçilmeli.

6. Bakım ve Kalibrasyon Sürecini Atlamak

Sensörler zamanla drift yapar (ölçüm kayması). 6 ayda bir kalibrasyon yapılmazsa veri güvenilirliği düşer. Bakım takvimi şart.

7. ERP Entegrasyonunu Ertelemek

“Önce sensörü kuralım, entegrasyon sonra” denir. Dashboard’da veri vardır ama iş sürecine entegre değildir. IoT verisi ERP’ye aktarılmazsa faydası sınırlıdır.

Doğru planlama ile hataların önüne geçin

IoT Proje KPI Tablosu

IoT entegrasyonunun başarısını ölçmek için izlenmesi gereken metrikler:

IoT Entegrasyon Kontrol Listesi

Sıkça Sorulan Sorular (SSS)