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) ile üretim, depo ve saha verisini gerçek zamanlı olarak merkezi sistemlerinize nasıl taşıyacağınızı ele alıyoruz: hangi sensörleri seçeceğinizi, bağlantı mimarisini nasıl kuracağınızı ve internetin kesildiği gerçek koşullarda sistemin nasıl ayakta kalacağını.

IoT ve Saha Entegrasyonu Nedir?

Sahadaki her makine, aslında sisteme veri gönderen bir kaynak

IoT, en yalın haliyle makinelerin, sensörlerin ve araçların internet üzerinden veri gönderip alabilmesi demek. Saha entegrasyonu ise işin sizi ilgilendiren kısmı: bu ham veriyi ERP, BI, MES gibi merkezi sistemlere taşıyıp işletme kararına dönüştürdüğünüz aşama.

Klasik yöntemde saha çalışanı günde iki kez makine sayacını okur, kağıda yazar, akşam Excel’e girer. IoT’de sensör her 5 saniyede bir okumayı kendisi yapar, veri anında sisteme düşer ve bir anormallik varsa yönetime bildirim gider. Aradaki fark, birkaç saatlik gecikmeyle birkaç saniyelik gecikme arasındaki fark.

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

Somut bir örnek: üretim bandındaki titreşim sensörü, makinenin normal çalışma aralığının dışına çıktığını yakalar. Gateway veriye timestamp ekler, cloud’a gönderir, sistem de bakım ekibine otomatik iş emri açar. Baştan sona 30 saniye içinde tamamlanan bir süreç.

Operasyonel Faydalar: Gerçek Zamanlı İzleme

Canlı bir ekranda “şu an ne oluyor” sorusunun cevabı

1. Manüel Veri Girişinin Ortadan Kalkması

Eskiden saha çalışanının kağıda yazıp ofise getirdiği veriyi artık sensör doğrudan sisteme yazıyor. İnsan hatası pratikte sıfırlanıyor, veri gecikmesi de saatlerden dakikalara iniyor.

2. Arıza Öncesi Uyarı (Predictive Maintenance)

Makine bozulmadan önce titreşim, sıcaklık ve akım değerlerindeki sapmalar fark edilir. Böylece planlı bakım devreye girer, beklenmedik duruşlar en aza iner.

3. Envanter ve Lojistik Görünürlüğü

Depo sıcaklığı, ürün konumu (RFID), araç konumu (GPS) anlık izlenir. Soğuk zincir ihlali daha ilk dakikada yakalanır, araç rotaları buna göre düzenlenir.

4. Karar Hızının Artması

Üst yönetim güncel veriyi canlı dashboard’da görür. “Geçen hafta ne olmuş?” sorusu yerini “şu an ne oluyor?” sorusuna bırakır. Kararlar tahmine değil veriye dayanır.

5. Enerji ve Maliyet Optimizasyonu

Makine bazlı enerji tüketimi izlenir, boşta çalışan ekipman ortaya çıkar. Çoğu tesiste ilk fark edilen israf da tam olarak burada saklıdır; enerji maliyeti oransal olarak düşer.

Sensör Türleri ve Kullanım Alanları

Doğru sensör seçimi, hangi problemi çözdüğünüze bağlı

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, işi üç katmana bölerek paylaşır

Katman 1: Edge (Kenar Bilişim)

Sensöre en yakın katman. Çok hızlı tepki gerektiğinde, örneğin acil durdurmada, veri cloud’a hiç gitmez; edge cihazı kararı yerinde verir. 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. Ama asıl kritik özelliği şu: offline buffer. İnternet kesildiğinde veriyi yerel hafızada tutar, bağlantı geri gelince hepsini 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, analitiğin yapıldığı, raporların üretildiği katman. ERP, BI ve dashboard entegrasyonları da bu katmanda gerçekleşir.

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

Mimari 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 İşleme Katmanları

Bir 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: İş 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 ise adanın genelinde internet kesintisi bir istisna değil, sıradan bir gerçek. Bir IoT projesinin başarısı da büyük ölçüde internet olmadan da çalışabilme yeteneğine bağlı.

Offline Mod Mimarisi

Gateway cihazı, sensör verilerini yerel hafızasında (SD kart, SSD) tutar. İnternet geri geldiğinde senkronizasyon kendiliğinden başlar; kullanıcının hiçbir şey yapmasına gerek kalmaz.

Offline Buffer Kapasite 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 rahatça dayanır. Oysa gerçekte en uzun kesinti birkaç saati bulur, yani veri kaybı diye bir şey yaşanmaz.

KKTC Özel Durumu

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

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 gerçeğini görmezden gelmek. Gateway’i buffer kapasitesi olmadan kurmak. Sonuç: daha ilk kesintide veri kaybı ve sarsılan kullanıcı güveni.

2. Çok Fazla Sensör, Çok Az Analiz

“Her yere sensör takalım” yaklaşımı. Veri toplanır ama kimse bakmaz, karar alınmaz. Oysa IoT’nin çıktısı veri değil, aksiyon olmalı.

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 verinin timestamp’i de yanlış olur, raporlarda zaman tutarsızlığı çıkar. NTP sunucusuyla otomatik saat senkronizasyonu şart.

5. Ölçekleme Planı Yapmamak

Pilot 3 sensörle başlar, ama iş 100 sensöre çıkınca gateway kapasitesi yetmez. Mimariyi baştan ölçeklenebilir seçmek gerekir.

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 bağlı değildir. IoT verisi ERP’ye akmıyorsa faydası da sınırlı kalır.

Hataların çoğu, sahaya çıkmadan planlama masasında önlenir

IoT Proje KPI Tablosu

IoT entegrasyonunun gerçekten işe yarayıp yaramadığını görmek için izlemeniz gereken metrikler:

IoT Entegrasyon Kontrol Listesi

Sıkça Sorulan Sorular (SSS)