General Motors 1982 yılında, “geleceğin fabrikası”nı inşa ettiğini açıkladı. Michigan’daki Saginaw tesisi, Japon otomobil üreticileri Toyota ve Nissan ile rekabetin yoğun olduğu bu dönemde GM’in işini canlandırarak üretimi otomatikleştirecekti. GM, bu karardan iki yıl önce zarar hanesine 763 milyon dolar yazmıştı: Bu, şirketin 72 yıllık tarihinde zarar açıkladığı ikinci yıldı. CEO Roger Smith, Toyota’ya ait bir fabrikayı ziyaret ettikten sonra, GM’in rekabet edebilmek için otomasyona geçmesi gerektiğine karar verdi.

Saginaw projesi, üretimi üstlenecek 4 bin robottan oluşan bir ordu üzerine kuruluydu. Amaç üretkenliği ve esnekliği artırmaktı. Robotlar, GM’in beş yıllık üretim döngüsünü iki yıl kadar kısaltacak ve çeşitli GM modelleri arasında geçiş yapabilecekti. Çalışan üretkenliği yüzde 300 artacaktı. Manuel sistemler ve arayüzler ortadan kaldırılacaktı. Robotlar o kadar etkin olacaktı ki insan çalışan sayısı ciddi anlamda azalacaktı, hatta ışıkları açmaya dahi gerek kalmayacaktı.

Ne var ki GM’in “karanlık fabrika” deneyi tam bir fiyaskoyla sonuçlandı. Geleceğin fabrikasındaki üretim maliyetleri, binlerce sendikalı işçiye istihdam sağlayan fabrikalardaki maliyetleri aştı. Tesislerin birçoğunda robotlar bir araba modelini diğerinden ayırt etmekte dahi zorlanıyordu: Düşünün, Buick’lerin tamponlarını Cadillac’lara monte ediyorlardı ya da tam tersi. Robotlar aynı zamanda boya işinde de korkunç derecede kötülerdi; üretim bandındaki arabaları unutup birbirlerini spreyliyorlardı. GM, Saginaw fabrikasını 1992 yılında kapattı.

Bilim adamları ve mühendisler, tesisin kapanmasından bu yana geçen 30 yılda robotik donanımında (fiziksel makineler) ve otomasyon yazılımında (makinelere güç veren bilişim zekası) kayda değer ilerlemeler kaydettiler. Robot ve benzeri otomasyon teknolojileri, yinelemeli görevleri giderek daha güvenli ve daha doğru bir şekilde gerçekleştiriyor. Robotlar metalleri tutarlı bir biçimde ve yaralanmalara mahal vermeksizin kesebiliyor ve kaynak yapabiliyorlar. Birbirlerini değil, arabaları boyuyorlar. Yani otomasyon artık fabrikaların da ötesinde yeni ve daha sofistike bağlamlarda uygulamalara sahip.

Ne var ki otomasyon teknolojisindeki gelişmelere rağmen, karanlık, yani minimum insan çalışan ile verimli ve esnek otomasyon temelli üretim, iki temel nedenden dolayı gerçeklikten uzak bir fikir olarak kalmaya mahkum. İlk olarak, söz konusu teknoloji sınırlı düzeyde benimsenmiş durumda. ABD Nüfus Sayımı Bürosu’nun verilerine göre, 2018 yılında Amerikalı imalat firmalarının yüzde 10’undan azı robotlardan faydalanıyordu. Covid pandemisinin ve evde kalmaya bağlı olarak artan sipariş yükünün fabrika otomasyonuna olan talebi artırmasının beklendiği 2020 yılında dahi ABD, Almanya ve Japonya’daki robot satın alımları 2019 seviyelerinin altındaydı. Çin’de ise, otomasyonu artırmaya yönelik ulusal strateji kapsamında robotların benimsenmesi için sağlanan ciddi sübvansiyonlara rağmen, robot kullanan üreticilerin genele oranı kabaca ABD ile aynı seviyelerde. Üstelik çalışmalar, otomasyon teknolojisini benimseyen şirketlerin verimlilikleri arttıkça daha az değil, daha fazla işçi işe aldıklarını gözler önüne seriyor.

İkincisi, araştırmamız şirketlerin bir taraftan otomasyon sayesinde verimliliklerini artırırken diğer taraftan ise süreç esnekliği anlamında kayıplar yaşadıklarını gösteriyor. Üçüncü taraf danışmanların desteğiyle yürütülen rutin robot bakımlarında (örneğin sensörlerin yeniden kalibrasyonu) üretim durma noktasına gelebiliyor. Önceden programlanmış robotlar, sadece belirlenen görevleri tamamlamak için çalıştığından bu durum operasyon çalışanlarının inovasyon yapma kapasitesini engelleyebiliyor. Bunun gibi daha pek çok örnek sıralayabiliriz. Biz buna sıfır toplamlı otomasyon diyoruz.

MIT’nin Work of the Future görev gücü kapsamında yürüttüğümüz onlarca görüşme ve saha ziyaretinin yanı sıra, yapay zeka ve robotik araştırma, geliştirme ve uygulama deneyimlerimizden de yararlanarak, şirketlerin sıfır toplamlı otomasyondan kaçınabileceklerini gördük. Tabii ki bunun için karanlıkta üretim stratejisinden vazgeçmeleri gerek. Şirketler projelerin başarısını, makinelerin maliyetini ve çıktısını insan işçilerin maliyet ve çıktısıyla karşılaştırarak ölçmeyi bırakmalılar; bu yaklaşım, otomasyonun bir süreci birden fazla boyutta iyileştirmeye nasıl katkıda bulunabileceğini gözden kaçırıyor. Şirketler bunun yerine şu gibi sorulara odaklanmalılar: Mevcut durumda otomatikleştirilecek görevleri yerine getiren bir ekip yeni bir şey yaparken daha verimli sonuçlar çıkarabilecek mi? Otomasyon teknolojisini kullanan ekipler, bu teknolojiyi kullanmayan ekiplere göre daha yenilikçi fikirler üretecek mi veya daha çeşitli görevler üstlenecek mi?

Bu makalede, verimliliği ve esnekliği artıran yeni teknolojilerin tasarımı ve dağıtımı olarak tanımladığımız pozitif toplamlı otomasyon kavramını tanıtıyoruz. Pozitif toplamlı otomasyon, operasyon çalışanlarının robotları eğitmesini ve hata ayıklamasını kolaylaştıran teknolojilerin tasarlanmasına, hangi görevlerin otomatikleştirileceğini belirlemek için aşağıdan yukarıya bir yaklaşım benimsenmesine ve başarıyı ölçmek için doğru metriklerin seçilmesine bağlı.

“KARANLIK” OTOMASYONUN SINIRLAMALARI

Verimliliği en üst seviyeye çıkarmak için tasarlanan otomasyon teknolojileri esnekliği üç temel şekilde sınırlayabilir: 1) Dış ortamlarındaki değişikliklere kolayca adapte olamazlar; 2) programlama ve onarım için özel, derin teknik beceriler gerektirirler ve 3) insan geribildirimi veya girdisi olmadan çalışan “kara kutular” olma eğilimindedirler. Bu sınırlamalar genellikle şirketleri karanlıkta üretim hedefinden vazgeçmeye ve bunun yerine insan çalışanların esneklik, yaratıcılık ve doğaçlama becerilerine güvenmeye zorluyor.

Elon Musk, 2017’de Tesla’nın Model 3’ünün seri üretimi için karanlık fabrika fikrini yeniden canlandırmaya çalıştı. Şirket, Kaliforniya’daki fabrikasında üretimi artırmaya yardımcı olmak, işe alım ve eğitim zorluklarının üstesinden gelmek için robotlar üretti. Ancak Tesla üretimde gecikmeler yaşadı ve Musk’ın “çılgın, karmaşık bir konveyör bant ağı” olarak tanımladığı bu sistemde yol almakta zorlandı. GM gibi Tesla da rotasını ters yöne çevirerek otomasyon yatırımlarının bir kısmından vazgeçti ve kalifiye işgücünü artırdı. Musk’ın vardığı sonuç şu oldu: “İnsanlara hak ettikleri önem verilmiyor.”

Çin’deki üreticiler de benzer bir sonuca vardı. Başlangıçta robotları, elektronik bileşenleri elle hareket ettirmek ve monte etmek için fabrikalarda yaygın olarak kullanmayı planladılar, ancak robotların elektronik bileşenlerin montajı için gerekli hassas görevleri insanlar kadar iyi yapamadığı ortaya çıktı. Harvard’dan sosyolog Ya-Wen Lei, bir imalat şirketinin üst düzey yöneticisinin şu sözlerini aktarıyor: “Robotlar hassas ve pahalı bileşenleri genellikle kırıyor. Bu süreçte insan vücudunun sihirli bir mekanizma olduğunu gördüm.”

Dilerseniz bir de üretim ve robotik dünyasının dışından bir örnek ele alalım. MD Anderson Kanser Merkezi, 2013 yılında doktorların kapsamlı araştırma veritabanlarındaki tedavi seçeneklerini hızlı bir şekilde bulmalarına yardımcı olmak için IBM’in Watson adlı yazılımını kullanmaya başladı. Ancak yazılım, hastaların karmaşık tıbbi kayıtlarını anlamlandırmakta zorlanıyor, teşhis önerileri sunmak için ayrıntılı insan girdilerine ihtiyaç duyuyordu. Watson bazı vakalarda ortaya güvenilmez veya eksik bulgular çıkarıyordu. Ayrıca tıbbi bulgular değiştiğinde (örneğin, yeni bir klinik çalışma sonucu yeni bir tedavi yaklaşımı önerildiğinde) insanların Watson’ın önerilerini manuel olarak güncellemesi gerekiyordu. Kullanıcılar ilk coşku dalgasının ardından Watson’ın uygulamalarının sınırlı olduğuna kanaat getirdiler. MD Anderson programı 2017 yılında iptal etti.

Bir robotun dış koşulları değiştiğinde otomatik sistemin yeniden programlanması, yeniden test edilmesi ve yeniden eğitilmesi gerekir. Kaldı ki koşulların değişmesi kaçınılmazdır; tıpkı bir firmanın üretim sürecini güncellemek veya bir ürünün yeni bir versiyonunu üretmek istediğinde olacağı gibi. Yeni bir şey yapmak için otomatik bir sisteme geçmenin maliyeti, genellikle insan çalışanlardan oluşan bir ekibe geçiş yapmaktan çok daha yüksektir. Değiştirme maliyetlerinin bu kadar yüksek olmasının bir nedeni, otomatik sistemi ayarlamak, onarmak ve yeniden programlamak için gereken uzmanlığın ekseriyetle sistemi kullanan ekibin dışındaki kişilerden tedarik edilmesidir. Bir üretim ekibi, otomatik bir sistemi yeniden programlamak için üçüncü taraf bir entegratörün veya onarım ekibinin desteğine ihtiyaç duyabilir. Bir hastanede faturalandırma sistemi hata verdiğinde ise muhasebe ekibinin yazılımı düzelttirmek için BT’den yardım istemesi gerekebilir. İşte gerçek “karanlık” bu noktada başlar.

POZİTİF TOPLAMLI OTOMASYON

Şirketler pozitif toplamlı otomasyon sağlayabilmek için sistemlerini hem üretkenlik hem de esneklik açısından tasarlamalılar. Esnek otomasyon için üç kuraldan bahsedebiliriz.

Kolay anlaşılır araçlar tasarlayın ve eğitime yatırım yapın. Birçok robot ve otomatik sistem, üçüncü taraf teknik danışmanlar tarafından katı ve kırılgan olacak şekilde tasarlanıp yapılandırılıyor. Üretim ortamındaki veya süreçteki küçük değişiklikler dahi sistemi engelleyebiliyor. Şirketler bu gibi sorunları önlemek için, sınırlı teknik becerilere sahip operasyon çalışanlarının söz konusu sistemleri gerçek zamanlı olarak tamir etmelerine veya ayarlamalarına olanak tanıyacak, düşük kodlu programlama arayüzleri gibi kolayca anlaşılabilir teknolojileri otomasyon sistemlerine dahil etmeliler.

Çalışanların, otomasyonun işleyişine ince ayar yapamadıkları için sistemi kullanmayı bütünüyle reddettikleri bir örnek ele alalım. Amerika’da bilimsel algılama ekipmanlarının montajının yapıldığı bir fabrikada, bir robot bir teknisyenle yakın bir işbirliği içinde çalışıyor. Teknisyen pedala bastığında, robot tepedeki düzeneği manevra ettiriyor, önce sola döndürüp ardından teknisyenin bağlantı elemanlarını yerleştirme ve hassas sensörleri takma gibi el hassasiyeti gerektiren işleri gerçekleştirebileceği şekilde aşağıya ve öne doğru eğiyor. Teknisyen ve robot beraber çalışarak, görevleri teknisyenin tek başına yapabileceği sürede veya daha erken tamamlayabiliyor. Burada robotun yaptığı iş sayesinde teknisyen boynunu rahatsız pozisyonlara sokmak veya bileğini bükmek zorunda kalmıyor. Ne var ki bu robot çoğunlukla kullanılmıyor. Teknisyenler seçme şansları olduğunda robot desteği olmadan çalışabilecekleri bir sonraki istasyonu tercih ediyorlar. Bir çalışan kendisine neden diye sorulduğunda, robotun hareket setinin önceden programlandığını ancak kendisinin farklı bir sıralama ile çalışmayı tercih ettiğini belirtti. Sistem robotun hareketlerini yönlendiren karmaşık kodlama nedeniyle çok katı bir işleyişe sahip olduğu için, teknisyen robotu veya çalışma alanını kendi tercihlerine göre ayarlayamıyor.

Start-up’lar ve araştırma laboratuvarları artık operasyon çalışanlarının robotları yapılandırmasına ve sorunları gidermesine yardımcı olabilecek düşük kodlu otomasyon yazılımlarına odaklanıyor. Diğer düşük kodlu araçlar, robotların bir insan uzmandan yeni ve çok adımlı görevleri öğrenmelerini sağlıyor. İnsan süreci gösterirken, robot ise izliyor ve öğreniyor. Robot görevi yerine getirmeye hazır olduğunda insan, robotun işi düzgün bir şekilde yapmasını sağlamak için süreci gözlemliyor.

Şirketler, doğru donanım ve yazılımı seçmenin yanı sıra, operasyon çalışanlarının teknolojiyi yalnızca kullanmaları noktasında değil, aynı zamanda yeni uygulamalar için yeniden yapılandırma konusunda da bağımsızlıklarını geliştirmelerini sağlamak amacıyla eğitime yatırım yapmalılar. Eğitimin birden fazla rolde birden fazla kişiyi kapsaması gerekir, ki tek bir başarısızlık noktası olmasın ve çıktıların tasarımı, entegrasyonu ve ölçümüne yönelik farklı bakış açılarının dikkate alınması sağlansın. Otomasyona yatırım yapan şirketler, teknolojinin hangi yöne, nasıl evrildiğini takip etmeli ve gelişen teknolojilere paralel olarak beceri geliştirmek veya güçlendirmek için yeni fırsatları tespit etmeliler.

Operasyon çalışanlarından geribildirim isteyin. Şirketler otomasyonda yukarıdan aşağıya bir yaklaşım benimsediklerinde, birincil hedef genellikle verimliliği en üst düzeye çıkarmak olur. Üst düzey yöneticiler organizasyonun süreçlerini analiz eder ve bir danışmanlık firmasının veya BT ekibinin yardımıyla otomasyona yönelik araçlar geliştirirler. Ancak bu yöneticiler genellikle sürecin ne içerdiğine, otomasyona ne kadar esneklik kazandırılması gerektiğine ve sistemin hangi tür durumlarda yetersiz kalabileceğine dair ayrıntılı bir kavrayıştan yoksundur. Aşağıdan yukarıya yaklaşım, bir sürecin nasıl yürütüleceğiyle ilgili en yakın perspektife sahip olan operasyon çalışanlarına, sürecin nasıl otomatikleştirileceğine dair öneriler sunma ve fikir geliştirme sorumluluğu yükler. Araştırmamız operasyon çalışanları (fabrika işçisi, faturalandırma uzmanı, müşteri hizmetleri temsilcisi gibi) tarafından esnek bir şekilde yönlendirilebilen ve yönetilebilen otomasyonların, gerek çalışanların gerek şirketlerin inovasyon yapma kabiliyetini geliştirdiğini ve ileri taşıdığını gösteriyor. Otomasyonu aşağıdan yukarıya doğru uygulamak, çalışanların sürece katkı sunmasını kolaylaştırıyor.

Örneğin, Mass General Brigham hastane sisteminin tamamında idari otomasyonu aşağıdan yukarıya bir yaklaşımla kurguladı. Uygun teknolojiyi belirlemeye yardımcı olacak bir danışmanlık firmasıyla işbirliği yaparak işe başlayan hastane ağı, daha sonra idari departmanlarındaki dağıtık ekiplere hangi görevlerin otomatikleştirilmesi gerektiğini sordu. Rutin süreçlere yakın çalışanlar, uzman kliniklere yapılan hasta sevklerini takip etmek, çalışanların lisanslarının güncel olup olmadığını kontrol etmek ve gelen ödemeleri yönetmek gibi birçok sıradan faaliyet belirledi. Hastane daha sonra botları programlayacak insanları işe aldı ve başta otomasyonu uygulayacak ekiplerden olmak üzere şirket içinden yetenekler bulmaya odaklandı. Ekip üyelerinin her biri, yazılımı sürecin incelikleriyle tam olarak nasıl eşleştireceklerini tespit etmek amacıyla, botları programlama konusunda eğitimli kişilerle birlikte çalıştı. Görevleri otomatik hale getirilen insanlar projeyi desteklediler çünkü ilk kez 2018 yılında faaliyete geçen bu botlar sayesinde artık aşırı sıkıcı buldukları işleri yapmak zorunda kalmıyorlardı.

Ohio merkezli G&T Manufacturing, 2016 yılında benzer bir dönüşüme başladı. Yirmi kişilik fabrika, havacılıktan tarıma kadar pek çok endüstri için çok çeşitli parçalar üretiyor. Fabrika çalışanları eskiden neredeyse 20 kilo ağırlığındaki parçaları, metal kesen ve şekillendiren bir torna tezgahına fiziksel olarak sokup çıkarıyor ve bu işlemi bir saat içinde defalarca tekrarlıyorlardı. G&T, elle yapılan bu işi otomatikleştirmek istedi. Benzer durumdaki şirketler genelde otomasyon sürecini yönetmeye yardımcı olması için üçüncü taraf bir entegratörün uzmanlığına güvenir.

Burada da entegratör, G&T’nin robotları çalıştırmasına yardımcı oldu; ancak şirketin başkan yardımcısı Colin Cutts onları nasıl eğiteceğini kendi kendine çözmek durumunda kaldı. Daha sonra G&T’nin makinistlerine robotları programlamayı ve sorun gidermeyi öğretti. Makinistler, fabrikanın robotları için G&T bir parçanın üretiminden diğerine geçerken, süreçleri iyileştirirken veya yeni bir şey keşfederken uyarlanabilecek programlama talimatları kütüphaneleri geliştirdiler. Cutts’ın amacı, robotları değişen üretim ortamına adapte etmek için gereken uzman bilgisini, yani yazılım becerilerini bir makinistin günlük işinin bir parçası haline getirmek.

G&T bu yeni sistemi benimsemeden önce, makine başına parça yükleme, indirme ve denetlemeden sorumlu tek bir makinist çalışıyordu. Şimdi her üç makineye sadece denetleyici rolü üstlenen bir makinist düşüyor. Makinistler kaldırma ve yükleme işleri yerine parça incelemeye ve ortaya çıkan sorunları çözmeye odaklanıyorlar. Bu görev otomatikleştirildiğinden beri, G&T’deki hurda ve atık yüzde 12 seviyesinden yüzde 1’in altına düştü, işçi başına üretim ise üç kattan fazla arttı.

Doğru KPI’ları seçin. Otomasyonda başarının anahtarı olabilecek tek bir denklem yok. Şirketler, otomatikleştirilecek her bir süreci, ilgili her ekibi ve görevleri değişebilecek her bir çalışanı dikkate alan KPI’lar geliştirmeliler. Ayrıca, ürün inovasyonu, çalışan memnuniyetini ve güvenliğini artırma ve yeniden tasarlanan süreçler gibi maddi olmayan faydaları da hesaba katmalılar.

Verimlilik, otomasyon teknolojisini benimseyen şirketler için bir numaralı motivasyondur; ancak daha derine indiğimizde ve yöneticilerden kararlarını daha ayrıntılı olarak açıklamalarını istediğimizde, motivasyonlarının büyük ölçüde farklı olduğunu gördük. Bazı şirketler tehlikeli görevleri yerine getirecek otomasyon sistemleri kurdu. Bazıları, çalışanlarının üstlenmek istemediği görevleri otomatize etme yoluna gitti. Diğerleri atık azaltımına veya süreç güvenilirliğinin iyileştirilmesine odaklandı. Görüştüğümüz birkaç şirket robotları ya meraktan kullanmaya başlamıştı ya da rakiplerinin yolundan gittikleri için. Öyle ki uygulamayı başlattıktan aylar sonra hâlâ iş gerekçelerinin ne olduğunu çözmeye çalışıyorlardı.

Nüanslı motivasyonlara sahip işletmeler için asıl meydan okuma, başarıyı ölçmenin de nüanslı hale gelmesi gerektiğini kavrayabilmektir. Bazı durumlarda, manuel bir sistemi otomatik bir sistemle “elma-elma” mantığıyla karşılaştırmak mantıklı olmayacaktır: Otomatik sistemler süreçlerin yeniden yapılandırılmasını gerektirir; verimsiz olan adımların kaldırılması ve belki de başka adımların eklenmesi söz konusudur. Şirketler bunu hesaba katmak için üç seviyede, bir dizi metrik geliştirmeliler: makine, sistem ve ekip. Makine düzeyinde, başarı ölçütleri pratik esnekliğe odaklanabilir: Otomatik bir sistemin yeni bir görevi öğrenmesi bir insan çalışana kıyasla ne kadar sürer? Sistem düzeyinde, ölçüt anahtarlama maliyetlerine odaklanabilir: Bir robotun veya otomatikleştirilmiş bir yazılımın yeni bir süreci başlatıp çalıştırması ne kadar zaman alır?

En önemlisi elbette insan ekiplerin başarı ölçütleri: Otomatik sistem insanların işlerinde daha iyi olmalarını sağlıyor mu? Ekip üyelerinin performansı daha önceki dönemlere kıyasla daha yüksek mi? Becerilerinden daha yaratıcı bir biçimde faydalanabiliyorlar mı? Otomasyon teknolojisinin varlığı, ekiplerin başka türlü yapamayacakları şeyleri yapmalarına olanak sağlıyor mu?

General Motors’UN geleceğin fabrikası için belirlediği vizyon, çalışanların görüş alanını ışıklandırmaya gerek kalmadan üretkenlik ve esneklik elde edebilmekti. Ancak otomasyonun sınırındaki şirketlerden öğrendiğimiz şey şu: Karanlıkta üretim gibi bir konuda başarılı olsalar dahi muhtemelen ancak geçer not alabilir durumdalar. Şirketler verimlilik ve esnekliği bir araya getirmenin, insanların döngüde kalmasını gerektirdiğini; teknolojilerin nerede işe yaradığını ve nerede geliştirilebileceğini bu şekilde öğrenebileceklerini gördüler. İşletmeler için en faydalı çözüm akıllı makinelerin, yöneticilerin, mühendislerin ve operasyon çalışanlarının güçlü yönlerinden yararlanan pozitif toplamlı bir otomasyon olacaktır. Amaç insansız değil, otomatik sistemlerin insanları işlerinde daha ehil ve daha elzem hale getirdiği bir vizyon kurgulamak olmalıdır.

HBR – Ben Armstrong – Julie Shah

BEN ARMSTRONG, MIT Industrial Performance Center’da idari direktör ve araştırmacı bilim insanı olarak görev almaktadır ve merkezin bünyesindeki Work of the Future inisiyatifinin eş yöneticisidir. JULIE SHAH, MIT’de H.N. Slater Havacılık ve Uzay Bilimleri Profesörüdür. Interactive Robotics grubunu yönetmektedir ve Work of the Future inisiyatifinin eş yöneticisidir.