Gemba’dan Gelişmiş Algoritmalara: Otonom Araçlarda Yerinde İyileştirme Yaklaşımları

Yazan: TOLGA AKAGÜN

Otonom araç teknolojileri günümüzde sadece bir mobilite devrimi değil, aynı zamanda üretim ve hizmet süreçlerinin yerinde iyileştirilmesine dair önemli bir paradigma kaymasını temsil ediyor. “Gemba” kavramı, Japon yönetim felsefesinden doğan ve “gerçek yer” anlamına gelen bir terim olarak, sahada gerçekleşen olaylara doğrudan gözlemle müdahale etmeyi önerir. Peki, yapay zekâ ile çalışan otonom sistemlerin karar alma mekanizmalarına Gemba’nın yerinde iyileştirme ilkeleri nasıl entegre edilebilir?

Gemba yaklaşımı, bir sürecin gerçek zamanlı, yerinde, çalışanlarla birlikte gözlemlenmesi ve sorunların kaynağında çözülmesini temel alır. Bu yöntemi otonom araçlara uyarlamak, sistemin kendi operasyon ortamında, kendi kendine gözlem yaparak öğrenmesini ve hata kaynaklarını yerinde analiz edip anında çözüm geliştirmesini mümkün kılar. İşte bu noktada devreye gelişmiş algoritmalar ve makine öğrenmesi giriyor. Örneğin, otonom bir aracın sensör verileri aracılığıyla hatalı bir şerit takibini fark edip bu hatayı sürücü müdahalesi olmadan düzeltmesi, dijital bir Gemba uygulamasıdır.

Türkiye’de yerli üretim elektrikli araç projeleri kapsamında geliştirilen sürücü destek sistemleri, bu felsefenin izlerini taşıyor. Özellikle Bursa’daki otomotiv kümelenmesinde yapılan Ar-Ge çalışmalarında, araçların gerçek yol verisiyle simülasyonları karşılaştırarak sistemlerini sürekli güncellemesi, yerinde öğrenme ve iyileştirmenin bir örneğidir. Benzer şekilde, Almanya’daki Audi ve BMW gibi markalar, test pistlerinde değil doğrudan şehir trafiğinde veri toplayan otonom test araçlarıyla gerçek zamanlı geliştirme yapmaktadır. Bu da, otonom sistemlerin artık laboratuvarlarda değil, sahada büyüdüğünü gösteriyor.

Ancak otonom sistemlerde Gemba yaklaşımının başarısı, sadece teknolojik değil, aynı zamanda kültürel bir dönüşümü de gerektiriyor. İnsan odaklı karar alma süreçlerinden, veri temelli ve kendini sürekli yenileyen sistemlere geçiş kolay değil. Bu noktada, “Kaizen” felsefesiyle beslenen sürekli iyileştirme kültürü, Gemba’nın dijital çağdaki yol arkadaşı oluyor. Otonom araçlar artık sadece hareket etmiyor; gözlemliyor, öğreniyor ve gelişiyor.

Ayrıca, yazılım güncellemelerinin sadece bakım amaçlı değil, aynı zamanda performans iyileştirmeye yönelik olması da bu yaklaşımın yansımasıdır. Tesla’nın araçlarına uzaktan gönderdiği yazılım güncellemeleriyle sürüş menzilini artırması veya sürücü hatalarını azaltacak yeni algoritmalar eklemesi, yerinde iyileştirmenin algoritmik versiyonudur. Bu da gösteriyor ki, artık araçlar üretildikleri anda değil, kullandıkları ortamda mükemmelleşiyorlar.

Gemba’dan gelişmiş algoritmalara uzanan bu yolculuk, bizlere teknolojinin yalnızca makinelere değil, aynı zamanda felsefeye, yönteme ve insana dokunduğunu gösteriyor. Otonom sistemler sadece hızlı değil, aynı zamanda akıllı ve öğrenmeye açık olmalı. Ve belki de en önemlisi: Hatalarından öğrenerek kendini yerinde, sahada iyileştirmeli.

Alıntılar:

• Ohno, T. (1988). Toyota Production System: Beyond Large-Scale Production. Productivity Press.
• Coccia, M. (2023). “Artificial Intelligence and Systemic Innovation in Transport Technologies.” Technology Analysis & Strategic Management.
• Çevik, A. ve Yılmaz, E. (2021). “Yerli Otonom Araçlarda Sürekli İyileştirme Modelleri”, Teknoloji ve İnovasyon Dergisi, 6(2), 45-59.
• Şimşek, H. (2022). “Gemba Kavramının Endüstri 4.0 Bağlamında Yorumlanması”, Yönetim Bilimleri Bülteni, 4(1), 10-25.