Bağlantı İle Üye Ol 
Plastikte Dijital Dönüşüm: Neden Önemli?
Buna rağmen niyet hâlâ eylemin önünde gidiyor. Büyük plastik işleyicilerini de kapsayan araştırmalara göre katılımcıların %92’si akıllı üretimi önümüzdeki üç yılın rekabet gücünü belirleyen başlıca unsur olarak görüyor. Ancak pek çok şirket, teknolojik olgunluk seviyelerinin hâlâ “temel düzeyde” olduğunu kabul ediyor. Rockwell Automation’ın 10. Akıllı Üretim Durumu raporuna göre şirketlerin yalnızca %20’si akıllı sistemleri ölçeklendirmiş durumda. %56’sı pilot aşamasında, %20’si ise hâlâ ilk yatırımlar için bütçe ayırma aşamasında. Bu da dikkate değer bir benimseme açığını ortaya koyuyor.
Türkiye açısından bu açığı kapatmak stratejik bir hamle olabilir. 2023 yılında Türkiye’nin plastik sektörü Avrupa’da ikinci, dünyada ise altıncı sırada yer aldı. 2024’te yaklaşık 10 milyon ton üretim gerçekleştirilerek 41 milyar dolarlık ciro elde edildi. Bugün akıllı teknolojilerin üretime entegre edilmesi uzun vadede maliyet tasarrufu sağlayabilir, sıkılaşan AB izlenebilirlik kurallarını karşılayabilir ve dijital standartların piyasa normu haline geldiği ortamda Türkiye’nin ihracat avantajını koruyabilir.
IoT Destekli Ekstrüzyon ve Enjeksiyon Kalıplama
Ekstrüzyon ve enjeksiyon kalıplama makineleri tasarım gereği sıcaklık, basınç ve motor hızlarının hassas kontrolüne dayanır. IoT katmanının eklenmesi bu makinelerin kendi kendini yönetmesini mümkün kılar. Sisteme yerleştirilen sensörler, her çevrimde eriyik basıncı, vida torku, kapama kuvveti ve enerji tüketimi gibi değişkenleri ölçer. Bu veriler anında analiz edilerek makine ayarlarının otomatik olarak düzenlenmesinde kullanılır. Böylece üretim süreci dengelenir ve hatalar ortaya çıkmadan önlenebilir.
Ekstrüzyon sürecinde sensör dizileri, hazne sıcaklıklarını bölge bazında izler ve bunları vida hızı ile motor yüküyle ilişkilendirir. Aşırı ısınma belirtileri ortaya çıkarsa sistem tahriki hafifçe yavaşlatır ve soğutmayı artırır. Bu sayede jel lekeleri önlenir ve gereksiz enerji kaybı engellenir.
Enjeksiyon kalıplama da aynı mantıkla çalışır: Kalıp içi basınç sensörleri, dolum başladıktan milisaniyeler sonra, kısa enjeksiyonları tespit eder ve makinenin ek paket basıncı uygulamasını tetikler. Tüm bunlar aynı çevrim içerisinde gerçekleşir. Otomatik süreç kontrolü, her kalıp değişiminde saatler süren ayar işlemlerini ortadan kaldırır ve parti başına çok sayıda hatalı ürünün üretilmesini önler. Bu teknolojiyi endüstriyel ölçekte geliştiren ENGEL firmasına göre bu yöntem reddedilen ürün sayısında %50 azalma ve süreç istikrarında %66 artış sağlamaktadır.
Braun, iQ Weight Control ile Süreç Kararlılığını Artırıyor
Almanya’nın Walldürn kentindeki hassas kalıplama tesisinde Braun, tıraş makinelerinde kullanılan ince duvarlı fonksiyonel parçaların tutarlılığını artırmak için ENGEL’in iQ weight control sistemini devreye aldı. Parça — polifenilsülfon (PPS) malzemeden üretilmiş salınımlı bir köprü — uzun akış yolları ve değişken duvar kalınlıkları nedeniyle ciddi zorluklar barındırıyordu.
Braun, yazılımı çubuksuz bir ENGEL e-victory enjeksiyon kalıplama makinesine entegre ederek, eriyik viskozitesi ve atış hacmindeki dalgalanmaları her çevrimde, gerçek zamanlı olarak tespit edip telafi etmeyi başardı. Sonuçlar dikkat çekiciydi: ağırlık tutarlılığında %85 iyileşme ve hurda oranında %0,1’den %0,047’ye düşüş. Bu kazanımlar, Braun’un kalite kontrol maliyetlerini azaltmasına ve genel üretim verimliliğini artırmasına olanak sağladı.
Test serisinin ardından Braun, iQ weight control sisteminin kullanımını diğer makinelere de genişletti ve teknolojiyi kapsamlı süreç optimizasyon stratejisinin ayrılmaz bir parçası haline getirmeye devam ediyor.
Yapay Zekâ ile Hata Tespiti ve Öngörücü Bakım
Plastik üretiminde tek bir gözden kaçan hata ya da plansız ekipman duruşu, maliyetli hurda, üretim kesintisi veya müşteri şikâyetleriyle sonuçlanabilir. Yapay zekâ tabanlı sistemler, bu tür sorunları büyümeden önce öngörmenin bir yolunu sunar. Sensörlerden ve görüntüleme sistemlerinden gelen gerçek zamanlı verileri analiz eden AI araçları, süreçteki ince anormallikleri saptayabilir, hataları meydana geldikleri anda tespit edebilir ve makinelerin ne zaman bakıma ihtiyaç duyacağını öngörerek operatörlerin arıza yaşanmadan önce harekete geçmesini sağlar.
Öngörücü bakım uygulamalarında AI modelleri, titreşim, enerji tüketimi, tork eğrileri veya sıcaklık kaymaları gibi sinyalleri işleyerek vida, pompa veya motor gibi bileşenlerde aşınma ya da arıza riskini tahmin eder. Bu sayede üreticiler arıza gerçekleştikten sonra tepki vermek yerine proaktif davranarak bakımı planlı duruşlarda gerçekleştirebilir ve maliyetli kesintilerden kaçınabilir. Bu sistemler aynı zamanda yedek parça planlamasını iyileştirir ve özellikle yüksek hacimli veya kesintisiz çalışan üretim hatlarında ekipman ömrünü uzatır. Böylece hem verimlilik artar hem de operasyonel sürdürülebilirlik güçlenir.
Enjeksiyon Kalıplamada Kalıp Aşınmasının Tahmini
Danimarka Teknik Üniversitesi, bir plastik enjeksiyon tesisiyle iş birliği yaparak kalıp aşınmasını gerçek zamanlı tahmin eden AI tabanlı bir sistem geliştirdi. Sistem, yüzlerce üretim çevriminden sıcaklık, basınç ve enerji tüketimi gibi canlı sensör verilerini topladı. Gelişmiş yaşam analiz modelleri ve makine öğrenimi algoritmaları sayesinde aşınma desenlerini belirleyerek kalıbın kalan ömrünü öngördü. Bir pano arayüzü üzerinden uygulanan bu öngörücü sistem, görünür hatalar ortaya çıkmadan önce müdahalelerin planlanabilmesini sağlayan erken uyarı doğruluğuna ulaştı. Bu yaklaşım kalıp ömrünü uzattı, plansız duruşları azalttı ve parça değişimi planlamasını kolaylaştırdı.
Ürün hatalarını gözle tespit etmek hem zahmetli hem de güvenilmezdir. AI tabanlı görüntü sistemleri bu yükü devralarak tutarlılığı artırır. Kameralar, üretim sırasında veya hemen sonrasında parçaları izleyerek kısa enjeksiyonlar, yüzey kusurları, çapaklanma ya da kontaminasyon gibi hataları işaretler. Kural tabanlı görüntü tanımanın aksine, AI modelleri kabul edilebilir varyasyonlarla gerçek kusurları ayırt etmeyi öğrenir. Bu yetenek, siyah üzerinde siyah ya da yarı saydam parçalar gibi zor ürünlerde dahi geçerlidir. Makine öğrenimiyle desteklenen görsel denetim sistemleri, yeni ürün geometrilerine minimum yeniden programlama ile uyum sağlar. Bu da kalıp değişim sürelerini azaltır ve üretim sürekliliğini güçlendirir.
Bosch, Hızlı Geri Dönüş için AI Görü Kullanıyor
Bosch, Waiblingen tesisinde enjeksiyonla üretilen elektrik konnektörlerinin denetimi için Inspekto S70 sistemini kurdu. Daha önce yanlış reddetmelerin ve gözden kaçan mikro kusurların sıkça yaşandığı bu süreç, yapay zekâ destekli görsel denetim aracı ile yeniden tasarlandı. Sistem, yalnızca 20–30 sağlam parça örneğinden öğrenerek çalışmaya başladı ve herhangi bir insan programlamasına ya da kontrol senaryosuna ihtiyaç duymadan hataları tespit etmeye başladı.
Bosch mühendislerine göre bir gün içinde devreye alınan sistem, anında kalite iyileşmesi sağladı ve bir aydan kısa sürede yatırım geri dönüşünü tamamladı.
Akıllı Sistemlerle Enerji Verimliliği ve Emisyon Takibi
Plastik üretiminde enerji, üreticilerin doğrudan kontrol edebildiği az sayıdaki girdiden biridir ve aynı zamanda en değişken olanıdır. Küçük verimsizlikler bile ciddi maliyetlere yol açabilir, ancak ayrıntılı ve gerçek zamanlı veriler olmadan bu kayıpların çoğu görünmez kalır. İşte bu noktada bağlantılı sistemler, bulut tabanlı analizler ve yapay zekâ destekli optimizasyon araçları fark yaratmaya başlıyor.
Enerji izleme sistemleri, elektrik tüketimi, çevrim süreleri ve ısıl yükler hakkında ayrıntılı veriler toplar. Aylık elektrik faturalarına ya da ortalama tüketim oranlarına dayanmak yerine, üreticiler artık her çevrim, işlenen kilogram başına plastik veya ürün türüne göre enerji kullanımını takip edebilir.
Filthaus, Bulut Tabanlı İzleme ile Gizli Kayıpları Ortaya Çıkardı
Alman üretici Filthaus GmbH, enjeksiyon kalıplama operasyonlarında enerji kullanımını gerçek zamanlı izlemek için WITTMANN’ın iMAGOxt sistemini devreye aldı. Sistem, boşta dahi 300 watt’tan fazla bekleme gücü çeken bir presi hızlıca tespit etti. Bu tek bulgu sayesinde yapılan ayarlamalar, şirkete her yıl binlerce avro tasarruf sağlayacak. Filthaus, 30 ölçüm noktasını izliyor ve sistem sayesinde işlenen her kilogram plastik başına enerji tüketimini ve CO₂ emisyonlarını hesaplıyor. Böylece operatörler ve yöneticiler, üretim hattındaki verimliliği net biçimde görebiliyor.
Bir sonraki adım sadece izlemek değil, aynı zamanda optimize etmek. Akıllı tahrik sistemleri ve uyarlanabilir kontroller, gerçek süreç koşullarına göre motor hızlarını, pompa yüklerini, ısıtıcı bölgelerini veya soğutma ayarlarını değiştirerek enerji tüketimini azaltabilir. Sabit seviyelerde çalışan geleneksel sistemlerin aksine, bu teknolojiler çıktıyı anlık talebe göre hassas biçimde ayarlar; boşta kayıpları en aza indirir ve enerji dalgalanmalarını önler. Tesis genelinde AI tabanlı sistemler, yük profillerini dengelemek, talep zirvelerini azaltmak ve yerinde enerji depolamayı dengelemek için kullanılmaktadır. Bu da hem maliyet düşüşünü hem de emisyon kontrolünü daha güçlü biçimde destekler.
Yapay Zekâ, Güç Kullanımını Optimize Ederek Emisyonları Azaltıyor
California’daki Universal Plastic Mold tesisi, Stem Inc.’in “Athena” adlı yapay zekâ tabanlı enerji yönetim platformunu kullanmaya başladı. Sistem, dakikada 400 MB’tan fazla tesis verisini işleyerek enerji kullanımını gerçek zamanlı optimize ediyor. Tesisin operasyonel alışkanlıklarını öğrenen Athena, yükleri sahadaki bataryaya kaydırıyor ve pik saatlerde şebekeden enerji çekilmesini önleyerek hem elektrik maliyetlerini hem de buna bağlı karbon emisyonlarını düşürüyor.
Yapay zekâ ve akıllı sistemler artık üretim alanına girmiş durumda ve Avrupa başta olmak üzere plastik fabrikalarında kaliteyi, enerji verimliliğini ve çalışma sürekliliğini iyileştiriyor. Vaka çalışmaları, kusur oranlarında ciddi azalmalar, süreç kontrolünde artış ve somut enerji tasarrufları sağlandığını ortaya koyuyor.
Türkiye’de ise 2024 TÜİK verilerine göre işletmelerin yalnızca %4,4’ü herhangi bir yapay zekâ teknolojisi kullanıyor. 250+ çalışanı olan büyük ölçekli firmalarda bu oran %22,3’e çıkıyor. Bu durum, Türkiye’nin plastik endüstrisinde yapay zekâ için uzun bir yolculuk olduğuna işaret ediyor. Ancak yapay zekânın giderek daha erişilebilir hale gelmesiyle birlikte benimsemenin hız kazanması bekleniyor.
