Dergiler / Black Sea Journal of Engineering and Science / 2026 / Cilt: 9 Sayı: 4

Dökümhanelerde Gerçek Zamanlı Üretim Takibi ve Karar Destek Sistemlerinin Geliştirilmesi

Development of Real-Time Production Monitoring and Decision Support Systems in Foundries

Ferhat Saydam(ATATÜRK ÜNİVERSİTESİ)0000-0003-2679-7225
Abdulhadi Koşatepe(AĞRI İBRAHİM ÇEÇEN ÜNİVERSİTESİ)0000-0002-7767-4981
Çağlar Yüksel(MARMARA ÜNİVERSİTESİ)0000-0001-9591-6430
Sayfa
1636–1643
Yayın Tarihi
2026-07-15
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Sonuç olarak bu çalışma, dijital üretim yönetim platformlarının dökümhanelerde operasyonel verimliliği artırmada ve sürdürülebilir rekabet avantajı sağlamada önemli bir araç olduğunu ortaya koymaktadır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Son yıllarda internet teknolojilerinin yaygınlaşması, nesnelerin interneti (IoT), büyük veri analitiği ve yapay zekâ uygulamalarının hızlı gelişimi, imalat sanayinde olduğu gibi döküm sektöründe de üretim anlayışının yeniden şekillenmesine neden olmuştur.
📊
Temel Bulgular & Veri:Buna rağmen, özellikle küçük ve orta ölçekli dökümhanelerde üretim verilerinin toplanması ve değerlendirilmesi süreçlerinde hâlen kâğıt formlar, manuel kayıtlar ve karmaşık Excel tabloları gibi geleneksel yöntemlerin kullanıldığı görülmektedir.
💡
Sonuç & Katkı:Sonuç olarak bu çalışma, dijital üretim yönetim platformlarının dökümhanelerde operasyonel verimliliği artırmada ve sürdürülebilir rekabet avantajı sağlamada önemli bir araç olduğunu ortaya koymaktadır.
🔬Tür:Uygulamalı Anket & Alan Araştırması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Dökümhane · Dijital dönüşüm · Üretim yönetimi

Özet

Son yıllarda internet teknolojilerinin yaygınlaşması, nesnelerin interneti (IoT), büyük veri analitiği ve yapay zekâ uygulamalarının hızlı gelişimi, imalat sanayinde olduğu gibi döküm sektöründe de üretim anlayışının yeniden şekillenmesine neden olmuştur. Buna rağmen, özellikle küçük ve orta ölçekli dökümhanelerde üretim verilerinin toplanması ve değerlendirilmesi süreçlerinde hâlen kâğıt formlar, manuel kayıtlar ve karmaşık Excel tabloları gibi geleneksel yöntemlerin kullanıldığı görülmektedir. Bu yöntemler, veri bütünlüğünün sağlanmasını zorlaştırmakta, hataya açık ve gerçek zamanlı karar almayı önemli ölçüde sınırlandırmaktadır. Zaman, enerji ve maliyet unsurları, dökümhane işletmeleri için rekabet gücünü doğrudan etkileyen parametrelerin etkin yönetilebilmesi, üretim süreçlerinden elde edilen verilerin doğru, hızlı ve anlamlı şekilde analiz edilmesini gerektirmektedir. Bu çalışmada, dökümhanelerin dijital dönüşüm sürecine katkı sağlamayı amaçlayan DÖKÜMHANEM adlı dijital üretim yönetim platformu ele alınmıştır. Geliştirilen platform; ergitme, alaşımlandırma, döküm, kalite kontrol, stok ve sevkiyat gibi temel üretim adımlarından sahadan veri toplanmasını, bu verilerin merkezi bir veri tabanında işlenmesini ve işletme içerisinde anlık olarak izlenebilmesini mümkün kılmaktadır. Çalışma kapsamında, DÖKÜMHANEM platformunun bir dökümhane ortamında uygulanmasıyla elde edilen verilerin üretim yönetimi, izlenebilirlik, kalite kontrol ve karar destek süreçlerine olan katkıları incelenmiştir. Sistem sayesinde manuel veri girişlerinden kaynaklanan hataların azaltıldığı, üretim süreçlerinin daha şeffaf hale getirildiği ve yöneticilerin gerçek zamanlı verilere dayalı hızlı kararlar alabilmesinin sağlandığı görülmüştür. Ayrıca platformun modüler yapısı, Endüstri 4.0 ve dijital dönüşüm yaklaşımlarıyla uyumlu bir altyapı sunarak gelecekte sensör, PLC ve IoT tabanlı sistemlerle entegrasyona imkân tanımaktadır. Sonuç olarak bu çalışma, dijital üretim yönetim platformlarının dökümhanelerde operasyonel verimliliği artırmada ve sürdürülebilir rekabet avantajı sağlamada önemli bir araç olduğunu ortaya koymaktadır.

Abstract

The widespread adoption of internet technologies, along with the rapid development of the Internet of Things (IoT), big data analytics, and artificial intelligence, has significantly transformed manufacturing paradigms, including those in the foundry industry. Despite these developments, data collection and production monitoring in small and medium-sized foundries are still predominantly performed using traditional methods such as paper-based forms, manual records, and complex spreadsheet systems. These approaches often lead to data inconsistency, increased error rates, and limited real-time visibility, thereby restricting effective decision-making processes. Time, energy, and cost are critical performance indicators that directly influence the competitiveness of foundry operations. Efficient management of these factors requires accurate, timely, and meaningful analysis of production data. In this study, a digital production management platform named DÖKÜMHANEM is introduced with the aim of supporting the digital transformation of foundry operations. The proposed platform enables systematic data collection from the shop floor across key production stages, including melting, alloying, casting, quality control, inventory, and dispatch. Collected data are centrally stored, processed, and visualized, allowing real-time monitoring of production activities within the organization. The study evaluates the practical implementation of the DÖKÜMHANEM platform in a foundry environment and examines its contributions to production management, traceability, quality assurance, and decision support processes. The results indicate that the system significantly reduces errors associated with manual data entry, enhances process transparency, and enables managers to make timely, data-driven decisions based on real-time information. Furthermore, the modular and scalable architecture of the platform is fully aligned with Industry 4.0 principles, providing a flexible infrastructure for future integration with sensor-based systems, PLCs, and IoT technologies. Overall, the findings demonstrate that digital production management platforms play a crucial role in improving operational efficiency and establishing sustainable competitive advantage in foundry operations.

🔖

Bu Makaleye Atıf Yap

Saydam, F., Koşatepe, A., Yüksel, Ç. (2026). Dökümhanelerde Gerçek Zamanlı Üretim Takibi ve Karar Destek Sistemlerinin Geliştirilmesi. Black Sea Journal of Engineering and Science, Cilt: 9 Sayı: 4, 1636–1643. https://doi.org/10.34248/bsengineering.1940016

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (15)

  1. Ashton, K. (2009). That “Internet of Things” thing. RFID Journal, 22(7), 97–114.
  2. Chaudhuri, S., Dayal, U., & Narasayya, V. (2011). An overview of business intelligence technology. Communications of the ACM, 54(8), 88–98. https://doi.org/10.1145/1978542.1978562
  3. Google. (2024). Firebase Firestore documentation. Firebase. https://firebase.google.com/docs/firestore
  4. Groover, M. P. (2010). Fundamentals of modern manufacturing: materials, processes, and systems. John Wiley & Sons.
  5. ISO- International Organization for Standardization. (2015). ISO 9001:2015—Quality management systems—Requirements.
  6. Jacobs, F. R., Chase, R. B., & Lummus, R. R. (2011). Operations and supply chain management (Vol. 567). New York: McGraw-Hill Irwin.
  7. Kagermann, H., Wahlster, W., & Helbig, J. (2013). Recommendations for implementing the strategic initiative Industrie 4.0. Acatech—National Academy of Science and Engineering.
  8. Kletti, J. (2007). Manufacturing execution systems (MES). Springer. https://doi.org/10.1007/978-3-540-49744-8
  9. Laudon, K. C., & Laudon, J. P. (2004). Management information systems: Managing the digital firm. Pearson Educación.
  10. Lee, J., Bagheri, B., & Kao, H. A. (2015). A cyber-physical systems architecture for industry 4.0-based manufacturing systems. Manufacturing letters, 3, 18-23.
  11. Meyer, H., Fuchs, F., & Thiel, K. (2009). Manufacturing Execution Systems (MES): Optimal design, planning, and deployment. McGraw-Hill Professional.
  12. Tokatlı, M., Saydam, F., Hal, M., Koşatepe, A., Çolak, M., & Yüksel, Ç. (2022). Alüminyum Alaşımlarının Dökümünde Yaygınca Kullanılan Sıvı Metal Temizleme Yöntemlerinin İncelenmesi. Journal of the Institute of Science and Technology, 12(1), 423-434. https://doi.org/10.21597/jist.940414
  13. Turban, E., Sharda, R., & Delen, D. (2011). Decision support and business intelligence systems (9th ed.). Pearson.
  14. Wagner, B. J., & Monk, E. F. (2011). Concepts in enterprise resource planning. South-Western.
  15. Yin, R. K. (2018). Case study research and applications (Vol. 6). Thousand Oaks, CA: Sage.