Donanımın Sesi, Yazılımın Aklı: Fiziksel Sahadan Dijital İş Emrine Uçtan Uca Motohub Mimarisini Nasıl İnşa Ettim?

​Endüstriyel tesislerde bir motorun aniden durması sadece mekanik bir arıza değil, tüm üretim zincirinin kırılmasıdır. Sahada elektrik panoları ve motor arızalarıyla bizzat uğraşırken hep aynı problemi gözlemledim: Makineler aslında bizimle konuşur. Artan bir titreşimle, dalgalanan bir akımla veya yükselen ısıyla yaklaşan arızayı fısıldarlar. Ancak geleneksel bakım yöntemleri sağır olduğu için, biz onları ancak tamamen sustuklarında, yani arızalandıklarında duyarız.

​Bu sağırlığı ortadan kaldırmak için sadece veri okuyan bir IoT projesi değil; uçtan uca tasarlanmış, çalıştıkça eskiyen değil, veri gördükçe gelişen ve öğrenen bir Varlık ve İş Yönetimi (Asset & Work Management) ekosistemi olan Motohub’ı inşa ettim.

​Amacım sahadaki fiziksel varlıklara bir “ses”, dijital yönetime ise bir “akıl” vermekti. Peki fiziksel sahadan dijital iş emrine uzanan bu mimariyi nasıl kurguladım ve hangi teknolojileri neden seçtim?

​1. Donanımın Sesi: Uç Bilişim (Edge Computing) ile Veriyi Kaynağında Süzmek

​Mimari Yaklaşım: Özelleştirilmiş IoT Veri Toplama Üniteleri ve Uç Katman

​Sahadaki her ham veriyi doğrudan buluta göndermek, ağı gereksiz yere boğmak ve karar mekanizmasını yavaşlatmak anlamına gelir. Makinelerin sesini doğru duymak için sahadaki dinamiklere uyum sağlayabilen “Uç Bilişim” (Edge Computing) mimarisini kurdum. Motohub’ın veri toplama katmanı, motorun fiziksel durumunu doğrudan kaynağında okuyup ön işlemden geçiriyor. Buluta tüm veri yığını değil; sadece anlamlı, filtrelenmiş ve işlenebilir paketler iletiliyor. Donanım veya sensör tipleri ileride değişse bile, mimarinin bu süzgeç mantığı sabit kalıyor.

​2. Sistemin Omurgası: FastAPI ve .NET ile Çift Motorlu Mimari

​Kullandığım Teknoloji: FastAPI ve .NET

​Sahadan gelen bu veriyi yönetecek, hem çok hızlı hem de çok kurumsal bir sinir sistemine ihtiyaç vardı. Bu yüzden arka planda (backend) iki devin gücünü birleştirdim:

​Hızın Merkezi (FastAPI): IoT cihazlarından akan saniyede yüzlerce zaman serisi (time-series) verisini ve yapay zeka çıkarımlarını milisaniyelik gecikmelerle (asenkron olarak) yönetmek için FastAPI’yi kullandım.

​Kurumsallığın Merkezi (.NET): Tesisin karmaşık varlık yönetimi (Asset Management), dijital ikizlerin (digital twins) yaşam döngüleri ve katı kurumsal iş mantıklarını (Business Logic) hatasız yönetmek için sistemin kalbine .NET mimarisini yerleştirdim.

​3. Yazılımın Aklı: Statik Limitlerden Dinamik Teşhise

​Kullandığım Teknoloji: Makine Öğrenmesi (Isolation Forest)

​Bir motorun yazın tam yükte çalışırken ulaştığı sıcaklık ile kışın ulaştığı sıcaklık aynı “normali” ifade etmez. Statik limitlerle (örneğin; “65°C’yi geçerse uyar”) akıllı bir izleme yapılamaz. Bu yüzden sisteme anomali tespiti yapan yapay zeka modelleri entegre ettim. Motohub, motorun geçmiş verilerinden öğrenerek “kendi normalini” belirler. Yeni veri aktıkça arıza örüntülerini daha iyi tanır ve “Limit aşıldı” demek yerine “Mekanik kaynaklı sürtünme artışı var, müdahale gerekli” diyerek bir mühendislik teşhisi üretir.

​4. Dijital Gözetim Kulesi: Fonksiyonel ve Analitik Arayüz

​Kullandığım Teknoloji: Next.js (React)

​Verinin gücü, kullanıcısına sunduğu deneyim kadardır. Tesis yöneticilerinin akan devasa veriyi anlık ve tarayıcıyı yormadan izleyebilmesi için web panelini SEO uyumlu ve yüksek render performanslı Next.js ile geliştirdim. Tasarımda kullandığım karanlık mod (dark mode) ve cam efekti (glassmorphism); sadece modern bir görünüm için değil, uzun saatler ekran başındaki operatörlerin göz yorgunluğunu azaltmak ve kritik AI uyarılarını hiyerarşik olarak öne çıkarmak için planlanmış bir UX/UI stratejisidir.

​5. Karar Destek ve Sahada Aksiyon: İş Emri Yönetimi

​Kullandığım Teknoloji: Flutter

​Mükemmel veriler toplayıp kusursuz analizler yapsanız bile, bunu sahaya kontrollü bir şekilde ulaştıramazsanız süreç yönetilemez hale gelir. Motohub’ı gerçek bir ekosistem yapan şey, makine ile insan arasındaki bu köprüdür. Yapay zeka bir anomali teşhis ettiğinde sistemde detaylı bir rapor oluşturur. Tesis yöneticisi bu durumu panelden inceleyip stratejik kararı vererek ilgili teknisyene bir “İş Emri” (Work Order) atar. Atama yapıldığında, tek kod tabanıyla geliştirilmiş Flutter mobil uygulaması sayesinde sahadaki teknisyenin cebine arızanın tam konumu, geçmiş verileri ve AI teşhis raporu anında düşer. Teşhis yapay zekanın, karar insanın, aksiyon ise dijitalin hızında gerçekleşir.

​Sonuç

​Motohub ile sadece kod yazmadım; sahadaki verinin, arka plandaki yazılımın ve insan kararının kusursuz uyum içinde çalıştığı bir ekosistem tasarladım. Fiziksel sahanın gerçeklerini, modern yazılım mimarisi ve yapay zekanın vizyonuyla buluşturduğumuzda, “beklenmeyen duruş” kavramını endüstri tarihinden siliyoruz. Makinelere konuşmayı, sistemlere ise dinlemeyi öğretiyoruz.