Üretim hattı, filo veya tesisteki ekipmanın önleyici bakım programını oluşturmak — duruşa neden olmadan, ne erken ne geç (literatürde Preventive Maintenance Scheduling).
Kısaca
Tanıdık geliyor mu?
- Bakım planı yıl başında yapılıyor sonra değişmiyor; gerçek arıza sayısı plana göre tutmuyor
- Ayda 1-3 kez 'beklenmedik' arıza var; vardiya durduğunda yedek parça ya stokta yok ya tedariki bekleniyor
- Bakım kayıtları ekipmanın seri numarasıyla değil yer/oda numarasıyla tutuluyor; geçmiş arıza eğilimi izlenmiyor
- Bakım ekibi haftada 3-5 gün 'hangi makineyi şimdi durdurabilirim, hangisi acil bekleyemez' sorusuyla geçiyor
- Çok erken bakım yapılan ekipmanlar olduğu için yedek parça stoğu yüksek; aynı zamanda diğerleri arızalanıyor
- Üretim duruşunun yıllık maliyeti hesaplanamamış; bakım bütçesi 'geçen yıla göre %X' diye karar veriliyor
- Bakım kayıtları kâğıt ya da yerel hesap tablosunda; üretim sistemi ile bağlantı yok
Niye önemli?
Nasıl çözülür?
Teknik derinlik
Nasıl çözülür?
Teknik derinlikTek satırla: Her ekipman için iki maliyeti dengele — çok erken bakım (bitmemiş ömür atma + iş gücü israfı) vs. çok geç bakım (ani arıza + üretim duruşu). Geçmiş arıza eğilimine bakarak her ekipman için optimum bakım aralığını çıkar; takvim oraya göre kurulur.
Yazılımın yaptığı iş şu: her ekipmanın geçmiş arıza ve kullanım verisine bakarak optimum bakım sıklığını sayısal olarak hesaplar; bakım ekibinin haftalık iş yükünü dengeleyip parça tedarikini öne çeker. Üç aşama hâlinde anlatalım:
1. Önce ekipman ve veriyi toplar. Her ekipman için kullanım saati veya çevrim sayısı, geçmiş arıza tarih ve nedenleri (sensör verisi varsa otomatik, manuel kayıt varsa formdan), tahmini ortalama arıza arası süre (MTBF — Mean Time Between Failures), bakım süresi, kullanılan yedek parça, bakım maliyeti ve duruş maliyeti. Bu veri ya tesis varlık yönetim sisteminden otomatik gelir, ya bir kez doğru tabloya girilir.
2. Optimum bakım sıklığını hesaplar. Yazılım her sıklığı tek tek denemez — olasılıksal güvenilirlik modeli (geçmiş arıza tarihçesinden ‘bir sonraki arıza ne kadar zaman sonra’ eğrisini çıkaran istatistik yöntem, literatürde Weibull dağılımı denir) ile ekipmanın ‘şu anda arıza olasılığı’ eğrisini çıkarır. İki maliyeti dengeler: çok sık bakım (bitmemiş ömür atma + iş gücü), çok seyrek bakım (ani arıza olasılığı + duruş maliyeti). Sonuç her ekipman için ‘optimum bakım aralığı’ (örnek ‘bu pompa 850 çalışma saatinde bir bakım istiyor’). Sonra haftalık çizelgeyi kurar: hangi ekipman, hangi gün, hangi ekiple, parça tedariki gözetilerek.
3. Saha ekibine ulaşır. Plan bakım ekibinin uygulamasında günlük iş listesi olarak görünür: “Pazartesi 09:00 5 numaralı pompa — yağ değişimi, parça stoğu hazır.” Sensör verisinden anormallik yakalandığında (örnek titreşim artışı) yazılım uyarı verir, planı öne almayı önerir. Yedek parça tedariki bakım takvimine bağlı olarak otomatik sipariş edilir.
Bakımcının deneyimini ortadan kaldırmaz; 20 ekipmanda kafadan tuttuğu bakım sıklığını 300 ekipmana ölçekleyen ve geçmiş arıza eğilimini hesabına katan bir hesap makinesi gibi düşün. Karar yine senin, ama bakım sıklığı her zaman sayısal ve gerekçeli.
Alternatifler
Kâğıt-defter / hesap tablosu + bakım şefinin kafası
ÜcretsizÜcretsiz
Kim için: 10-20 ekipman, sabit kullanım, basit arıza türleri
- + Sıfır maliyet
- + Esnek — anlık öncelik değişikliği kolay
- + Yatırım kararı gerekmez
- − 30'dan fazla ekipman için bakım sıklığı kafadan optimum bulunamaz
- − Geçmiş arıza eğilimi izlenemez — aynı arıza tekrar ediyor olabilir
- − Yedek parça tedarik zinciri ile bağlantı yok
- − Yasal denetim kayıt gereği yetersiz
Yerel tesis varlık yönetim yazılımı (CMMS)
Kurumsal15.000–60.000 TRY kurulum + aylık 3.000–10.000 TRY (TR pazar gözlemi)
Kim için: 30-100 ekipman, sabit kadro, üretim tesisi veya orta otel
- + Türkçe arayüz ve destek
- + Bakım iş emri yönetimi, kayıt ve raporlama olgun
- + Yedek parça stoğu entegre
- − Önleyici bakım sıklığı genelde 'sabit aralık' olarak tanımlanır — gerçek arıza eğilimine göre optimize etmez
- − Olasılıksal güvenilirlik modeli sınırlı veya yok
- − Sensör entegrasyonu (IoT) zayıf
Uluslararası uzmanlaşmış güvenilirlik / EAM yazılımı
Kurumsal30–100 EUR/varlık/yıl veya 100.000–500.000 EUR yıllık lisans
Kim için: 100+ ekipman, sürekli üretim veya 7/24 servis, sensör yatırımı var
- + Olgun: olasılıksal güvenilirlik, sensör tabanlı durum izleme, çoklu tesis yönetimi tam destekli
- + Üretim ve ERP sistemleri ile entegrasyon hazır
- + Algoritmaları yıllar boyunca olgunlaşmış
- − Yüksek lisans + danışmanlık maliyeti
- − Kurulum 4-9 ay sürer
- − Türkçe destek sınırlı olabilir, sensör yatırımı gerekebilir
Açık kaynak çözücü ile özel yazılım
Açık KaynakLisans ücretsiz; geliştirme 10-20 hafta kendi ekibinle veya 300.000-900.000 TRY danışmanlık
Kim için: Büyük üretici, çoklu tesisli zincir, içinde veri ve mühendislik ekibi olan firma
- + Lisans maliyeti yok
- + Tam özelleştirme — kendi ekipman türlerine ve bakım kalemlerine göre
- + Buluta veya kendi sunucuna kurulabilir
- − İçeride teknik kapasite ve güvenilirlik mühendisliği bilgisi şart
- − Sürekli bakım gerekir
- − Sensör + analitik + iş emri ayrı uzmanlık alanları; ekip kurmak pahalı
Tavsiye
Çözüm görüşmesinde sor
- Önleyici bakım sıklığı sabit aralık mı, yoksa ekipmanın geçmiş arıza verisinden olasılıksal hesaplama mı yapıyor? Hangi güvenilirlik dağılımları destekleniyor (örnek Weibull)?
- Sensör verisi (titreşim, sıcaklık, akım) ile bakım planı arasındaki bağlantı nasıl — durum tabanlı bakıma (Condition-Based Maintenance) geçiş hazır mı?
- Yedek parça stoğu ile bakım planı entegre mi? Bakım tarihine göre parça otomatik sipariş ediliyor mu?
- Bakım ekibi iş yükü dengelemesi ve atama optimizasyonu sistem üzerinden mi yapılır, manuel mi?
- Yasal denetim (örnek IATF, ISO 55000, GMP) kayıt gereği otomatik mi karşılanır, ek doküman hazırlığı mı gerekir?
- Bir ekipman planlı bakıma alındığında üretim planı (örnek MRP, MES) otomatik haberdar oluyor mu?
- Pilot dönemini nasıl kurguluyorsunuz — kaç ekipman, kaç hafta, başarılı sayılma kriteri nedir?
- Bizimle çalışmayı bırakırsak ekipman geçmişi, arıza kayıtları ve bakım sıklığı verisini nasıl alırız? Standart format export var mı?
Teknik detay
Editör notu
Bu problem halk dilinde “bakım takvimi”, “periyodik bakım” veya “duruş planı” diye anılır. Akademik literatürde adı Preventive Maintenance Scheduling — Türkçesi “önleyici bakım çizelgeleme”. 1960’larda güvenilirlik mühendisliğiyle (reliability engineering) birlikte gelişti; günümüzde olasılıksal modeller, sensör tabanlı durum izleme ve makine öğrenmesi ile zenginleşti. Bunu bilmeden bir yazılım firmasıyla görüşmeye gidersen, sana satılmaya çalışılan “bakım yönetim modülü"nün gerçekten arıza eğilimi modeli ile optimum sıklık hesaplayan bir motor mu, yoksa sadece sabit aralık takip eden bir takvim mi olduğunu test edemezsin.
Sektörde en sık atlanan nokta: çoğu yazılım “önleyici bakım” diyerek reklam verir ama altında sadece sabit takvim mantığıyla çalışır — örnek “bu motor her 500 saatte yağ değişimi” sabit kural. Bu yaklaşım kısmen yardımcıdır; ama gerçek önleyici bakım optimizasyonu ekipmanın geçmiş arıza verisinden hesaplanan olasılıksal eğriye göre sıklığı belirler. Yüksek kullanımlı ekipmanın sıklığı sıkılaşır, düşük kullanımlı ekipmanın sıklığı seyrekleşir. Demo gösteriminde mutlaka 20 ekipman + 12 aylık geçmiş arıza verisi + farklı kullanım yoğunluğu senaryosu üzerinden “her ekipmanın bakım sıklığını nasıl hesaplıyorsunuz” diye sor.
Adım adım yol — KOBİ için
Aşama 1 — Önce ölç, sonra plan. En az 12 ay boyunca dört şeyi bir tabloya kaydet:
- Her ekipmanın seri numara bazında arıza tarih ve nedeni
- Toplam çalışma saati veya çevrim sayısı (sensör yoksa manuel saat sayacı veya operatör kaydı)
- Bakım kalemleri ve süreleri (yağ değişimi, filtre, contası, ana revizyon)
- Bakım/arıza nedeniyle üretim duruşunun saatlik etkisi (kayıp birim × birim katkı)
Bu veri olmadan hangi yazılımın hangi sonucu vereceğini hesaplayamazsın.
Aşama 2 — Ekipman kritiklik analizi yap. Her ekipmanı üç boyutta puanla: (1) arıza olasılığı yüksek mi, (2) arıza olunca etki ne kadar (üretim duruşu, güvenlik, çevre), (3) erken uyarı sinyali var mı (sensör veya operatör fark eder mi?). Bu üç boyutun çarpımı kritiklik puanı verir. A grubu (yüksek kritik) ekipmanlar için sıkı plan; B-C grubu için orta-basit plan. Bu sınıflandırma senin bilgi sermayen — hangi yazılım gelirse gelsin önce bunu soracak.
Aşama 3 — Pilot dönem. A grubundan 10-20 kritik ekipmanla başla, 12-16 hafta sürsün. Başarı kriterin önceden yazılı olsun: örnek “6 ayda A grubunda ani arıza %40 düşmeli, planlı duruş süresi yarıya inmeli.” Hedef tutmazsa pilot iptal — sözleşmede bu hak açıkça yazılı olmalı.
Aşama 4 — Yaygınlaştırma. Pilot başarılıysa tüm ekipmana 3-6 ay içinde yay. Bakım ekibi eğitimi 2-3 hafta sürer; sensör entegrasyonu yapılacaksa 4-12 hafta ek süre (sensör yatırımı maliyeti ayrı).
Riskler — ne yanlış gidebilir
- Geçmiş arıza verisi kalitesizliği. Kayıtlar sadece “bozuk” / “tamir edildi” düzeyindeyse, olasılıksal model yanlış hesap yapar. Pilot başlamadan önce neden-sonuç (failure mode) kayıtlarını standartlaştır.
- Bakım ekibi direnci. “Yazılım benim ne zaman bakıma gideceğimi söylemesin, ben biliyorum” tepkisi yaygın. Pilot dönemde bakımcıyla beraber sonuçları gözden geçir; yazılım hangi kuralı uyguladığını ve neden bu sıklığı önerdiğini şeffaf göstermeli.
- Sensör yatırımı maliyeti. Durum tabanlı bakıma (CBM) geçmek için sensör (titreşim, sıcaklık) yatırımı 5.000-50.000 TRY/ekipman olabilir. Her ekipman için ROI ayrı hesaplanmalı; sadece kritik ekipmanlarda yatırım dönüşü hızlıdır.
- Tek tedarikçiye bağımlılık. Ekipman geçmişi, arıza kayıtları ve bakım kuralları kendi özel biçiminde tutulan yazılımdan, yıllar sonra çıkmak zor. Sözleşmede “verimizi standart açık formatlarda (CSV, XML gibi) istediğimiz zaman alma hakkımız var” maddesi yazılı olsun.
İlgili acı ders (yayına geçince linkli olur): “Orta ölçekli bir üretim tesisinde 14 ayda terk edilen bakım yönetim yazılımı — neyi atladılar”.
Çözüm yöntemine teknik bakış
Bu bölüm, yazılım ekibiyle veya danışmanla konuşurken ihtiyaç duyacağın temel bilgileri tutar. Bakımcının günlük ekranında göreceği şey değil — perde arkasında olan iş.
Önleyici bakım çizelgeleme için kullanılan ana yaklaşımlar:
| Yaklaşım | Türkçe adı | Tipik kullanım | Veri ihtiyacı | Karar mantığı |
|---|---|---|---|---|
| Sabit aralık (Time-Based) | Sabit takvim | Geçmiş veri yok, basit ekipman | Düşük | “X ayda bir bakım yap” |
| Yaş tabanlı (Age Replacement) | Yaş tabanlı yenileme | Tek parça, MTBF biliniyor | Orta | Optimum yaşta önle |
| Blok yenileme (Block Replacement) | Blok yenileme | Çoklu benzer ekipman | Orta | Toplu yenile, ekonomik |
| Durum tabanlı (CBM) | Durum tabanlı bakım | Sensörlü ekipman | Yüksek | Sensör verisinden anlık karar |
| Prognostik (PHM) | Prognostik sağlık yönetimi | Yüksek değer + sensör + ML | Çok yüksek | Kalan ömür tahmini |
| Çok kriterli MIP | Karma tam sayılı programlama | Çoklu ekipman + ekip + parça | Yüksek | Tam optimizasyon |
Pratik öneri: 30 ekipman altı ve sabit kullanımlı tesis için yaş tabanlı veya sabit aralık yeterli. 100+ ekipman, çoklu vardiya, sensörlü ekipman varsa CBM + prognostik tercih edilir. Çok değişkenli kısıtlar (ekip, parça, üretim) varsa MIP veya hibrit yaklaşım.
Hedef fonksiyonu seçimi çözümün biçimini değiştirir:
- Toplam bakım maliyeti (önleyici + tamir): “Bütçeyi en aza indir” — bütçesi sıkı tesis için
- Beklenen üretim duruşu süresi: “Hat hiç durmasın” — sürekli üretim için
- Güvenilirlik / kullanılabilirlik (availability) hedefi: “%99,5 hat erişilebilirliği” — sözleşme kalitesi için
- Bakım ekibi iş yükü dengesi: “Hafta hafta dengeli yük” — personel devrini azaltmak için
Çoğu pratik vakada bu dördünün ağırlıklı bir karışımı kullanılır.
Akademik kaynaklar
Sayfanın sources bölümünde listelidir. Türkçe akademik çalışmalar için: YÖK Tez Merkezi’nde “önleyici bakım” veya “güvenilirlik” anahtar kelimesiyle 170+ tez bulunur — özellikle endüstri mühendisliği ve makine mühendisliği yüksek lisans tezleri TR sanayi pratiğine yakındır. Önleyici bakım alanı 1960’lardan bu yana güvenilirlik mühendisliği ve operasyon araştırmasının kesiştiği aktif konulardan biri; günümüzde IoT, makine öğrenmesi ve dijital ikiz teknolojileri ile zenginleşiyor.
Kaynaklar
- Wang, H. (2002). A survey of maintenance policies of deteriorating systems. European Journal of Operational Research, 139. cilt — bakım politikaları alanının kapsamlı derlemesi.
- Dekker, R. (1996). Applications of maintenance optimization models: A review and analysis. Reliability Engineering & System Safety, 51. cilt — uygulamaya yönelik temel derleme.
- Nakagawa, T. (2005). Maintenance Theory of Reliability. Springer. Güvenilirlik-bakım matematiğinin standart ders kitabı.
- YÖK Tez Merkezi — anahtar kelime: ‘önleyici bakım’, ‘güvenilirlik’, ‘bakım çizelgeleme’ — TR akademisinden 170+ tez. tez.yok.gov.tr
Sözlük
- Önleyici Bakım
- Ekipman arızalanmadan önce belirli aralıklarla yapılan planlı bakım — beklenmedik duruşları önlemek için.
- MTBF
- Bir ekipmanın iki ardışık arıza arasında ortalama ne kadar süre çalıştığını gösteren güvenilirlik ölçütü.
- MIP
- Karar değişkenlerinin bir kısmının tam sayı (örn. 'kaç kamyon', 'kaç vardiya') olduğu optimizasyon türü.
Benzer problemler
Aynı Malzemeyi Beş Tedarikçi Veriyor — Hangisinden Ne Kadar Alayım?
20-200 kişilik bir üretici firmada aynı hammaddeyi veya bileşeni 4-8 farklı tedarikçiden alıyorsunuz. Her tedarikçi fiyat, kalite, teslim süresi, kapasite, ödeme koşulları ve finansal sağlamlık açısından farklı; hangisini onaylı listeye alacağınız ve her sipariş için kime ne miktarda yükleyeceğiniz iki ayrı karardır. Yanlış seçim aylar süren bir kalite krizine veya tek tedarikçi kesintisinde hattın durmasına yol açabilir; 'en ucuz teklif' yaklaşımı kalite, geç teslim ve uyum maliyetlerini görmediği için %15-40 daha pahalıya çıkabilir. 5-15 teklifi 8-12 kriter üzerinden manuel skorlamak hesap tablosunda tutarsızlaşır.
Bir Seferde Ne Kadar Üreteyim, Ne Zaman Tekrar Başlayayım?
Bir üreticinin önündeki temel sorulardan biri: belli bir dönem için talep verisi var, her yeni üretim partisi başlatmak setup (kurulum) maliyeti gerektiriyor (kalıp değişimi, hat ayarı, kalibrasyon), üretilip de hemen satılmayan ürün stok maliyeti yaratıyor (depo, sermaye bağlama, eskime). Hangi haftada ne kadar üreteceğini önceden planlamak gerekir; bu sorunun matematiksel adı Lot Sizing Problem'dir. Tek ürünlü, deterministik talepli, kapasitesiz versiyonu 1958'de Wagner ve Whitin tarafından dinamik programlama ile çözüldü. Çok ürünlü, kapasiteli, çok aşamalı varyantları MRP, Capacitated Lot Sizing (CLSP) ve Economic Lot Scheduling (ELSP) olarak gelişti.
Bir Üründen Yılda Kaç Kez, Her Seferde Ne Kadar Sipariş Versem — Sipariş + Depo Maliyeti Toplam Minimum Olsun?
Yıllık 5-50M TRY ciroda toptan tedarikçi, ambalaj-hammadde alan orta-ölçekli üretici veya 50-500 SKU tüketen KOBİ depo/satınalma sorumlusu için her SKU'da iki karar tekrar eder: ne kadar büyük partilerle sipariş verelim, ne sıklıkta. Çok büyük parti → para depoda yatar, depo dolar, bozulma + eskime + finansman maliyeti şişer; çok küçük parti → sipariş başına nakliye + gümrük + sipariş işleme bedeli ezilir ve sipariş sıklığı patlar. Pratisyen sezgisel 'bir aylık stok al' veya 'kamyon dolacak kadar al' kuralıyla çalışır, optimumdan tipik %20-50 sapar — toplam yıllık maliyette %10-25 fazla. SKU başına doğru denge yıllık talep, sipariş başına sabit maliyet, sermaye bağlama oranı (TR son 5 yıl %25-45 bandı) ve birim depo maliyetinden hesaplanır; tedarikçi miktar iskontosu varsa kademe-kademe karşılaştırma gerekir. 200M TRY satın alma hacminde doğru hesap yıllık 300K-2M TRY operasyonel marj demek.