İnsan‑makine sistemleri ve otomasyon stratejilerinin bütünleştirilmesiyle belirsizlikler altında akıllı üretim için hibrit bir değerlendirme modeli

Daha akıllı fabrikalar neden daha akıllı tercihlere ihtiyaç duyar

Fabrikalar robotlar, sensörler ve yapay zekâyla doldukça yöneticilerin karşısına aldatıcı derecede basit görünen bir soru çıkar: ne kadar otomasyon yapmalıyız ve ne kadarına hâlâ insanlara güvenmeliyiz? Cevap nadiren net olur. Gerçek üretim hatları gürültülü, öngörülemez ortamlardır; burada insan güveni, güvenlik ve iş yükü hız ve maliyet kadar önem taşır. Bu makale, bu karmaşık gerçeği hesaba katan yeni bir otomasyon düzenlemeleri değerlendirme yöntemi sunuyor; karar vericilerin verimli, dayanıklı ve gerçekten insan odaklı konfigürasyonları seçmelerine yardımcı oluyor.

İnsan–makine ekip çalışmasını değerlendirme zorluğu

Modern “akıllı üretim” sistemleri insanları, robotları ve dijital araçları harmanlar. Bu tür sistemleri değerlendirmek zordur çünkü en önemli faktörlerin birçoğu—operatör güveni, algılanan güvenlik, işbirliği kolaylığı—öznel olup zaman içinde değişir. Aynı zamanda fabrikalar, eksik veya gürültülü olabilen sensörler ve siber‑fiziksel sistemlerden okyanuslarca veri akıtır. Geleneksel puanlama yaklaşımları ya katı kontrol listelerine dayanır, ya uzman görüşüne aşırı bağımlıdır, ya da sadece sayısal performansa bakar. Hiçbiri değişen insan algılarını, çelişen kriterleri ve somut verileri aynı anda yakalayamaz—oysa Endüstri 5.0’ın insan merkezli ve dayanıklı üretim vurgusu tam da bu bileşimi gerektirir.

Uzman yargısındaki belirsizliğe yeni bir bakış

Çalışmanın ilk yeniliği, uzman görüşünü tanımlamak için matematiksel bir mercek olarak dairesel küresel bulanık kümeler adını taşıyan bir yaklaşımı sunmasıdır. Basitçe söylemek gerekirse, bir mühendisi bir seçeneği yalnızca “iyi” ya da “kötü” olarak etiketlemeye zorlamak yerine yöntem, seçeneğin ne kadar iyi göründüğünü, ne kadar iyi olmadığı izlenimini verdiğini, ne kadar kararsız olunabileceğini ve güvenin nasıl dalgalanabileceğini ifade etmeye izin verir. Örneğin, işbirlikçi bir robota duyulan güven üretkenlik arttıkça yükselip, yakın çarpışma gibi bir olaydan sonra keskin düşebilir ve yeniden eğitimle yavaşça toparlanabilir. Bu tür döngüsel tereddütler, belirsizliğin doğrusal hareket ettiğini varsayan önceki bulanık araçlarla iyi işlenemez. Dairesel uzantı, tereddüte yönsel, neredeyse pusula benzeri bir öğe ekleyerek, gerçek insanların durum geliştikçe yargılarını nasıl revize ettiğini daha iyi yansıtır.

Sezgiyle somut veriyi dengelemek

Bu zengin ama düzensiz görüşleri otomasyon seçeneklerinin net sıralamalarına dönüştürmek için yazar iki karar tekniğini tek bir hibrit modelde birleştirir. Bir bölüm olan CRITIC, veriye bakar ve hangi kriterlerin gerçekten ağırlık taşıdığını, ne kadar değiştiklerini ve birbirleriyle ne kadar çeliştiklerini görerek belirler. Diğer bölüm MAIRCA ise her seçeneği hayali bir “ideal” puan setiyle karşılaştırır ve onun ne kadar uzakta olduğunu ölçer. Uzmanlardan gelen dairesel bulanık değerlendirmeler önce özel olarak tasarlanmış sayısal puanlara dönüştürülür; böylece CRITIC bunlar üzerinde çalışabilirken alttaki belirsizlik yok sayılmamış olur. Birlikte, bu üçlü—dairesel bulanık modelleme, veri odaklı ağırlıklandırma ve ideal‑gerçek karşılaştırma—insan içgörüsü ile nesnel yapı arasında bir denge kurmayı amaçlar.

Modeli bir deneme fabrikasında uygulamak

Çerçevenin nasıl davrandığını göstermek için makale, orta ölçekli bir üreticinin dört otomasyon tasarımı arasından seçim yaptığı varsayımsal bir vakayı adım adım ele alır: yarı otomatik hibrit hat, operatör‑yönlendirmeli siber‑fiziksel sistem, tam otomatik hat ve işbirlikçi robot senaryosu. Sekiz kriter ekonomik, teknik ve insan odaklı kaygıları karıştırır; maliyet, verimlilik, esneklik, insan faktörü entegrasyonu, güvenlik, bakım yükü, güvenilirlik ve veri kullanımı bunlar arasındadır. Uzmanlar her seçeneği “yüksek” veya “orta” gibi dilsel terimlerle değerlendirir; bu ifadeler dairesel bulanık değerlere çevrilir. Hibrit yöntem daha sonra her kriterin ne kadar önemli olduğunu hesaplar, ideal bir kıyas oluşturur, her seçeneğin bu ideali ne kadar sapma gösterdiğini ölçer ve bunlara göre sıralama yapar. Bu sınamada, yarı otomatik hibrit hat en öne çıkar; bunun nedeni büyük ölçüde tüm kriterler arasında önemli bir zayıflığı olmadan dengeli performans göstermesidir; maksimum otomasyonu hedefleyen seçenekler ise insan faktörü entegrasyonu ve karmaşıklık açısından maliyete katlanır.

Gerçek fabrikalarda kararları nasıl değiştirir

Örneğin ötesinde, çalışma hibrit modelini AHP ve TOPSIS gibi yaygın yöntemlerle ve bu araçların bulanık varyantlarıyla karşılaştırır. Klasikler uygulaması daha kolay olmakla birlikte kararsız sıralamalara ve belirsizliğin zayıf ele alınmasına yatkındır. Buna karşılık yeni yaklaşım, temel parametreler değiştirildiğinde daha istikrarlı sıralamalar gösterir ve özellikle uzman tereddütü bağlama güçlü biçimde bağlı olduğunda birbirine yakın alternatifleri daha iyi ayırt edebilir. Yazar, mevcut sonuçların sentetik verilere dayandığını ve gerçek üretim hatlarında tam doğrulamanın gelecekteki çalışma olduğunu dikkatle belirtir. Yine de çerçeve, fabrikaları zaman içinde birlikte uyum sağlayan sosyo‑teknik sistemler olarak gören karar araçlarına işaret eder.

Bu, iş ve otomasyonun geleceği için ne anlama geliyor

Günlük terimlerle makalenin sonucu şudur: otomasyon kararları ne insan yargısını görmezden gelmeli ne de onu verilerin içinde boğmalıdır. Bunun yerine, insanların görüşlerinin deneyim kazandıkça, olaylarla karşılaştıkça ve yeni teknolojiye uyum sağladıkça nasıl değiştiğini açıkça modellemelidir. Önerilen model bunu yapmanın yapılandırılmış bir yolunu sunar; aynı zamanda maliyetleri, güvenliği, esnekliği ve dijital yetenekleri de hesaba katar. Bilinçli kullanıldığında bu tür araçlar şirketlerin yalnızca kağıt üzerinde verimli değil, aynı zamanda çalışanlar tarafından güvenilen, uygulamada daha güvenli ve koşullar değiştiğinde daha dayanıklı otomasyon stratejileri seçmesine yardımcı olabilir—Endüstri 5.0 kapsamında öngörülen fabrikaların temel bileşenleri bunlardır.

Atıf: Chen, Z. A hybrid evaluation model for intelligent manufacturing under uncertainties by integrating human-machine systems and automation strategies. Sci Rep 16, 10936 (2026). https://doi.org/10.1038/s41598-026-45749-x

Anahtar kelimeler: akıllı üretim, insan–makine işbirliği, otomasyon stratejisi, karar verme modeli, bulanık belirsizlik