MIP OSB Üreticileri için AI Görüntü İşleme: Kalite Kontrol Otomasyonu

AI Görüntü İşleme Nedir ve MIP OSB'de Neden Kritik?

AI görüntü işleme, endüstriyel kameralardan gelen görüntüleri makine öğrenmesi algoritmaları ile analiz edip kusur, sapma veya montaj hatası gibi kalite sorunlarını otomatik tespit eden bir teknolojidir.

MIP OSB'de bu teknolojinin kritik olmasının iki temel nedeni var:

1. Liman yakınlığı = ihracat hassasiyeti
MIP'in Mersin Limanı'na 8 km mesafede olması, buradaki üreticilerin çoğunu ihracatçı yapıyor. AB veya Körfez ülkelerine giden bir konteyner dolusu ürün, varış noktasında kalite problemi nedeniyle reddedilirse, hem maliyet hem itibar kaybı çok büyük. Manuel kontrolde %2-3 kaçan kusur oranı, AI ile %0.1'in altına çekilebiliyor.

2. Çok çeşitli üretim, dar toleranslar
MIP OSB'de metal işleme, plastik enjeksiyon, otomotiv yan sanayi gibi farklı sektörler var. Her biri farklı kusur tipi: metal levhada çizik, plastik parçada renk farkı, CNC işleminde boyut sapması. Geleneksel otomasyon bu çeşitliliğe ayak uyduramıyor; AI modelleri ise yeni ürün için hızlıca yeniden eğitilebiliyor.

Hangi Kusurlar Tespit Edilebiliyor?

• Yüzey kusurları: Çizik, çatlak, çöküntü, kaynak hatası, boya kusuru
• Boyut sapmaları: Delik çapı, kenar uzunluğu, kalınlık ölçümü (±0.05 mm hassasiyete kadar)
• Montaj hataları: Eksik parça, yanlış yerleşim, ters montaj
• Renk ve ton sapmaları: Boya tonundaki fark, yüzey pürüzlülüğü
• Etiket ve işaretleme kontrolleri: Barkod okunabilirliği, logo baskı kalitesi

Adım 1: İhtiyaç Analizi ve Sistem Mimarisi Tasarımı

Her üretim hattı farklı, kopya-yapıştır çözüm olmaz. Başlamadan önce şu soruları cevaplamak gerekiyor:

Hangi üretim noktasında kontrol yapılacak?
Örneğin Tarsus OSB'deki bir tekstil üreticisinde kumaş sarma bandında kurduk; MIP'teki bir metal işlemecide ise CNC tezgahından çıkan her parça, konveyör üzerindeyken taranıyor.

Hat hızı ne?
Dakikada 10 parça mı, 100 parça mı? Hız, kamera çözünürlüğü ve işlemci seçimini doğrudan etkiler. MIP'te metal levha üretiminde dakikada 30 parça işleyen bir hatta 4K çözünürlükte, 60 FPS kamera kullanıyoruz.

Kusur tipi ve boyutu?
0.5 mm'lik bir çatlak mı, 5 mm'lik bir renk lekesi mi? Küçük kusurlar daha yüksek çözünürlük ve özel aydınlatma (coaxial light gibi) gerektirir.

Sistem Mimarisi Bileşenleri

1. Endüstriyel kameralar (GigE veya USB3 Vision standardı)
2. Aydınlatma sistemi (LED ring light, backlight, dome light — kusur tipine göre)
3. Edge bilgisayar veya PLC (görüntü işleme yazılımı çalıştırmak için)
4. AI/ML modeli (önceden eğitilmiş veya sizin verilerinizle özelleştirilmiş)
5. ERP/MES entegrasyonu (kusurlu parça numarası, operatör, vardiya gibi verileri kaydetmek için)

Mersin'deki bir proje örneği: MIP OSB'de otomotiv yan sanayi parçası üreten firmada, enjeksiyon çıkışına 2 kamera (üstten ve yandan), dome light aydınlatma ve Jetson Xavier NX edge bilgisayar yerleştirdik. Her parça 0.8 saniyede taranıyor, kusurlu olanlar pnömatik itici ile ayrı hatta yönlendiriliyor.

Adım 2: Donanım Seçimi ve Fiziksel Kurulum

Kamera Seçimi

Çözünürlük hesabı:
Görüntülemek istediğiniz alan 200x200 mm ve tespit etmek istediğiniz en küçük kusur 0.5 mm ise, her kusur için en az 5-10 piksel gerekir. Bu durumda minimum 4 MP kamera (2048x2048) şart.

MIP OSB'deki metal levha üreticisinde 12 MP monokrom kamera kullandık. Neden monokrom? Çünkü metal yüzeyde renk bilgisi gereksiz, monokrom sensörler aynı fiyata daha yüksek hassasiyet sunuyor.

Enstürman ve vibrasyon:
Üretim hattında titreşim varsa (CNC, pres gibi), kamerayı izole bir yapıya monte edin. Mersin'de nem ve toz faktörü de var — IP65 veya daha yüksek koruma sınıfı tercih edin.

Aydınlatma

Yüzey kusuru tespitinde doğru aydınlatma, doğru kameradan daha önemli. Yanlış ışık açısı, kusuru gizleyebilir veya olmayan kusur gösterebilir.

Kusur tipine göre aydınlatma:

• Çizik/çatlak: Düşük açılı grazing light (ışık parçaya yan açıdan)
• Renk sapması: Diffuse dome light (homojen dağılımlı)
• Şeffaf malzeme: Backlight (arkadan ışık)
• Boyut ölçümü: Telecentric lens + backlight kombinasyonu

Tarsus OSB'deki plastik enjeksiyon tesisinde, beyaz plastik parça üzerindeki sarımsı lekeyi yakalamak için RGB kamera + polarize ışık kullandık. İlk testte standart LED ring light yansıma yapıyordu, kusur görünmüyordu.

Edge Bilgisayar ve İşlemci

AI modeli nerede çalışacak? Üç seçenek:

1. Bulut: Görüntü internete yüklenir, analiz bulutta yapılır. Gecikme var, internet kesintisi riskli.
2. Sunucu (lokal): Fabrika içinde sunucu. Gecikme az, maliyet orta.
3. Edge (hat başı): Kamera yanında mini bilgisayar. Sıfır gecikme, maksimum güvenilirlik.

MIP OSB'de çoğunlukla edge çözüm tercih ediliyor. Nvidia Jetson serisini (Xavier NX, Orin Nano) veya endüstriyel Intel mini PC'leri kullanıyoruz. Üretim hattı durup internet kopunca sistem çökmemeli.

Adım 3: AI Modelinin Eğitimi ve Özelleştirilmesi

Burası "sihir" denen kısım — ama sihir değil, veri mühendisliği.

Veri Toplama

AI modeli, örneklerden öğrenir. "İyi parça" ve "kusurlu parça" görselleri gerekiyor. İdeal olarak:

• 500-1000 adet her kusur tipi için görsel
• Farklı aydınlatma koşulları, açılar, parça varyasyonları
• Etiketlenmiş (labeled) veri: "Bu çizik, bu çatlak, bu OK"

Gerçek dünyada bu kadar veri genelde yok. Çözümler:

Transfer learning: Genel amaçlı bir model (ResNet, YOLOv8 gibi) alıp, sizin 100-200 görselinizle fine-tune ediyoruz. MIP OSB'deki projelerde bu yöntemi kullanıyoruz; 2-3 hafta veri toplama, 1 hafta eğitim süresi.

Synthetic data: Kusursuz parça görsellerini 3D render veya GAN ile çoğaltıp, yapay kusurlar ekleme. Özellikle nadir kusurlar için işe yarıyor.

Model Seçimi

Kusur tespiti için yaygın modeller:

• YOLO (You Only Look Once): Hızlı, real-time. Çoklu kusur tespiti için ideal.
• U-Net: Segmentasyon gerekiyorsa (kusurun tam konturunu çizmek).
• Anomaly detection: "Normal" parça öğretip, sapan her şeyi kusur sayan modeller.

Mersin'deki metal levha projesinde YOLOv8 kullandık. Model eğitimi Ankara'daki sunucuda 2 gün sürdü (GPU ile), sonra Jetson'a export edildi. Hat başında çalışan model, parça başına 120 ms'de karar veriyor.

Hata Oranları ve Kalibrасyon

Hiçbir AI %100 doğru değildir. İki hata tipi var:

• False positive: İyi parçayı kusurlu görme (gereksiz fire)
• False negative: Kusurlu parçayı kaçırma (müşteriye gidiyor)

Bu ikisi arasında denge kurmalısınız. İhracatçıysanız false negative kabul edilemez, o yüzden eşik değerini düşürüp biraz false positive kabul ediyorsunuz.

MIP OSB'deki bir tekstil üreticisinde ilk kurulumda %5 false positive vardı (her 100 iyi parçadan 5'i reddediliyordu). 2 hafta ek veri toplama ve model yeniden eğitimi sonrası %1.2'ye düştü.

Adım 4: Yazılım Entegrasyonu ve Otomasyon

Görüntü işleme yazılımı tek başına yeterli değil; üretim hattı ve ERP ile konuşması gerekiyor.

PLC Entegrasyonu

Kusur tespit edildiğinde ne olacak?

1. Otomatik ayırma: Pnömatik itici veya sorter ile kusurlu parça ayrı hatta yönlendirilir
2. Hat durdurma: Kritik kusur varsa tüm hat durabilir (montaj hattında)
3. İşaretleme: Kusurlu parça sadece işaretlenir, operatör sonradan kontrol eder

MIP OSB'deki CNC metal işleme hattında, kusurlu parça tespit edildiğinde:

• Edge PC, OPC UA protokolü ile Siemens PLC'ye sinyal gönderiyor
• PLC, konveyör üzerindeki pnömatik silindiri tetikliyor
• Parça, konveyörden 300 ms içinde ayrı kasa itiliyor

Bu entegrasyonu kurarken dikkat: PLC programcısı ile görüntü işleme yazılımcısının aynı dili konuşması gerekiyor. Biz genelde MQTT veya OPC UA tercih ediyoruz.

ERP ve MES Entegrasyonu

Her kusur kaydı şunları içermeli:

• Parça seri numarası / lot numarası
• Kusur tipi (çizik, boyut sapması vb.)
• Tespit zamanı, vardiya, operatör
• Kusur görseli (troubleshooting için)

Bu veriler ERP'ye REST API veya veritabanı senkronizasyonu ile aktarılıyor. Mersin'deki bir müşteride SAP kullanıyordu; SAP HANA'ya direkt JSON ile kusur kayıtlarını push ediyoruz.

Faydası: Hangi vardiyada daha çok kusur çıkıyor, hangi hammadde partisinde problem var, hangi operatör daha az hata yapıyor — hepsi veriyle görülüyor.

Adım 5: Test, Kalibrasyon ve Devreye Alma

Pilot Test (1-2 hafta)

Sistemi hemen tüm hatta yaymayın. Bir hatta veya bir vardiyada pilot test:

• İlk 100 parça: AI karar versin ama ayırmadan sadece kaydet
• Operatör manuel kontrol yapsın
• AI ile operatör kararlarını karşılaştırın

MIP OSB'deki bir projede, AI ilk hafta operatörün gözden kaçırdığı 3 kusuru yakaladı — ama 12 iyi parçayı da kusurlu görmüş. İkinci haftada eşik değerini ayarlayarak 12'yi 2'ye düşürdük.

Kalibrasyon

Kamera lens, ışık, mesafe gibi fiziksel parametreler zamanla kayabilir. Aylık kalibrasyon rutini:

• Referans parça (bilinen ölçülerde) ile test
• Aydınlatma şiddeti kontrolü (lümen metre ile)
• Lens temizliği

Mersin'de nem yüksek, MIP OSB sahil şeridine yakın. Birkaç ayda kamera lensi üzerinde toz/nem birikimi oluyor. IP65 korumalı kamera + hava perdesi ile bu sorunu çözdük.

Devreye Alma ve Operatör Eğitimi

Sistemi açtınız, çalışıyor — ama operatörler "bu bizi işsiz bırakacak" diye direniyor. Gerçek şu: AI operatörün işini değil, göz yorgunluğunu alıyor.

Eğitim içeriği:

1. Sistem nasıl çalışıyor (sihir değil, kamera + yazılım)
2. Kusurlu parça algılandığında ne yapılacak
3. Yanlış alarm durumunda (false positive) nasıl müdahale edilecek
4. Sistem arızası/kamera kayması durumunda acil prosedür

MIP'teki bir üreticide, operatörler başta "zaten ben görüyorum kusuru" dedi. İki vardiya sonra "aslında 6. saatte gerçekten kaçırabiliyormuşum" diye itiraf ettiler. İş yükü azalınca moral arttı.

ROI Hesaplama: Gerçek Maliyet ve Geri Dönüş

Fiyat aralığı vermeyeceğiz (çünkü her proje farklı), ama maliyet kalemlerini ve ROI hesap yöntemini görelim.

Maliyet Kalemleri

1. Donanım: Kamera, lens, aydınlatma, edge PC
2. Yazılım lisansı: Ticari görüntü işleme kütüphanesi kullanılırsa (Cognex, Halcon vb.) veya özel geliştirme
3. Entegrasyon: PLC, ERP bağlantısı, mekanik montaj
4. Eğitim ve devreye alma: Veri toplama, model eğitimi, operatör eğitimi
5. Bakım: Yıllık kalibrasyon, yazılım güncellemeleri

Örnek (hipotetik, sizin durumunuz için keşif gerekir):

• Donanım: Orta ölçekli hat için 4.000-8.000 EUR
• Yazılım + entegrasyon: Özel geliştirme 6.000-12.000 EUR
• Devreye alma: 2.000-4.000 EUR
• Toplam ilk yatırım: ~12.000-24.000 EUR (tek hat için)

Geri Dönüş Hesabı

Senaryo: MIP OSB'de metal parça üreticisi

• Günlük üretim: 2.000 parça
• Manuel kontrol ile kusurlu kaçma oranı: %2
• Kaçan kusurlu parça maliyeti (iade, reklamasyon, itibar): Parça başına 10 EUR
• Aylık kayıp: 2.000 × 0.02 × 10 EUR × 22 gün = 8.800 EUR

AI sistemi kusur kaçırma oranını %0.1'e düşürürse:

• Aylık kayıp: 2.000 × 0.001 × 10 EUR × 22 gün = 440 EUR
• Aylık tasarruf: 8.800 - 440 = 8.360 EUR
• ROI süresi: 18.000 EUR / 8.360 EUR ≈ 2.2 ay

Bu hesap ihracat yapan, yüksek reklamasyon maliyeti olan firmalar için. Yerel pazara çalışan, düşük katma değerli üretimde ROI 6-12 ay olabilir.

MIP OSB'nin Lojistik Avantajı

MIP'te kurulu bir AI sistemi, ihracatta ek değer:

• Müşteri "kalite belgesi" yerine gerçek görüntü analizi raporu istiyor
• Her konteyner için kusur istatistiği (hangi parçalar tarandı, kaç ret oldu)
• Mersin Limanı'ndan yükleme öncesi son kontrol (kamera + AI ile)

Avrupa müşterileri bu şeffaflığı çok seviyor. Bir MIP firması, AI kalite raporu göstererek sigorta priminde %15 indirim aldı.

MIP OSB'de AI Görüntü İşleme: Sektörel Örnekler

Metal İşleme ve CNC

Kusur tipleri: Yüzey pürüzlülüğü, takım izi, çapak, boyut sapması
Çözüm: Yüksek çözünürlüklü monokrom kamera + grazing light + profilometre entegrasyonu

MIP'teki bir CNC atölyesinde, delik çaplarını ±0.03 mm hassasiyetle ölçüyoruz. Kamera kalibrasyonu her 3 ayda bir, referans gage block ile yapılıyor.

Plastik Enjeksiyon

Kusur tipleri: Renk farkı, çöküntü, flash (taşma), yanık izleri
Çözüm: RGB kamera + dome light + renk kalibrasyon

Tarsus OSB'de bir projede, beyaz plastik parçalarda 2 ton farkı bile tespit ediliyordu. Kalıp sıcaklığı düştüğünde renk tonu değişiyor, AI bunu yakalayıp operatöre uyarı veriyor.

Otomotiv Yan Sanayi

Kusur tipleri: Montaj hataları (eksik O-ring, yanlış konumlu klips), etiket yanlışlığı
Çözüm: Çoklu kamera (farklı açılardan) + derin öğrenme modeli (object detection)

Mersin'deki bir yan sanayi firması, montaj hattında 4 farklı açıdan kamera ile parçayı tarıyor. Eksik O-ring, ters montaj gibi hatalar anında yakalanıyor.

SSS: MIP OSB Üreticileri İçin AI Kalite Kontrol

AI görüntü işleme sistemi kurulumu ne kadar sürer?

Proje büyüklüğüne göre değişir. Tek hat, tek kusur tipi için 4-6 hafta; çoklu hat veya karmaşık kusurlar için 8-12 hafta. Süreç şöyle ilerler: İhtiyaç analizi ve tasarım (1 hafta), donanım tedarik ve montaj (2 hafta), veri toplama ve model eğitimi (2-3 hafta), entegrasyon ve test (1-2 hafta), devreye alma ve eğitim (1 hafta). MIP OSB'deki son projemizde, metal levha hattı için toplam 7 hafta sürdü. Hızlandırma faktörleri: Hazır donanım stoku (ithalat beklemeye gerek yok), önceden benzer sektörde eğitilmiş model kullanımı. Yavaşlatma faktörleri: PLC entegrasyonu gecikmeleri (eski marka PLC'lerde protokol desteği zayıf), operatör eğitimindeki direnç, beklenmedik aydınlatma sorunları.

Mevcut üretim hatlarına sonradan eklenebilir mi?

Evet, çoğu durumda mevcut hatlara retrofit edilebilir. Yeni hat kurmaya gerek yok. Şu koşullar gerekli: Konveyör veya taşıma sistemi üzerinde kameranın parçayı görebileceği bir nokta (duran veya yavaş hareket eden parça ideal), 220V elektrik ve network bağlantısı (kablosuz da olabilir ama kablolu daha stabil), PLC varsa haberleşme portu (Ethernet IP, Profinet, Modbus TCP gibi). MIP OSB'deki bir üretici, 15 yıllık CNC hattına AI sistemi eklemek istedi. Eski Mitsubishi PLC'nin Ethernet modülü yoktu; RS-232 seri port üzerinden Arduino gateway ile çözdük. Ek maliyet 500 EUR, ama sistem sorunsuz çalışıyor. Tarsus OSB'de bir tekstil bandına kamera montajı için özel alüminyum profil bracket tasarladık — mekanik atölyede 2 günde yapıldı.

Hangi kusurlar AI ile tespit edilemez?

AI güçlü ama sınırları var. Şu tip kusurlar zor veya imkansız: Fonksiyonel kusurlar (parça görünüşte sağlam ama çalışmıyor — elektrik testi gerekir), iç kusurlar (malzeme içindeki boşluk — X-ray veya ultrason gerekir), çok nadir kusurlar (eğitim verisi yoksa model öğrenemez), insan sübjektif değerlendirmesi ("bu renk yeterince mat mı?" gibi net ölçüt yoksa). Örnek: MIP OSB'deki bir üreticide, plastik parçanın "elle hissedilen pürüzlülük" kusurusunu AI ile yakalayamadık; çünkü görselde fark yok, dokunsal. Çözüm olarak yüzey profilometresi ekledik (lazer tabanlı). Başka örnek: Metal parçanın içindeki hava cebini AI göremez; ultrasonik test cihazı ile entegre çalışıyor. AI'nin gücü: Görsel kusurları insan gözünden hızlı ve tutarlı tespit etmek.

Sistem maliyeti ne kadar, ROI ne zaman gerçekleşir?

Maliyet, projeye özel çünkü her üretim hattı farklı. Genel kalemler: Donanım (kamera, aydınlatma, edge PC), yazılım geliştirme, entegrasyon, devreye alma. Basit tek kamera sistemi ile çok kameralı kompleks kurulum arasında büyük fark var. ROI hesabı şöyle: Aylık reklamasyon/iade maliyetinizi hesaplayın. AI sistemi bu maliyeti ne kadar düşürür? Fark, aylık tasarrufunuz. İlk yatırımı bu tasarrufa bölün, ROI süresini bulursunuz. MIP OSB'deki gerçek örnek: Metal parça ihracatçısı, aylık 12 konteyner gönderiyor. Konteynerde ortalama %1 kusurlu parça var, reklamasyon maliyeti konteyner başına 1.500 EUR. Toplam aylık kayıp: 18.000 EUR. AI sistemi kusuru %0.2'ye düşürdü, yeni kayıp 3.600 EUR. Aylık tasarruf 14.400 EUR. Sistem maliyeti 20.000 EUR ise ROI: 1.4 ay. Sizin durumunuz farklıdır — keşif görüşmesinde gerçek rakamlarla hesaplayalım.

D'Cloud Software MIP OSB'de fiziksel olarak mevcut mu?

D'Cloud Software merkezi Mersin'de, MIP OSB dahil tüm Mersin genelinde proje yürütüyoruz. Ofisimiz Toroslar'da ama MIP OSB'ye 25 dakika mesafedeyiz; kurulum, kalibrasyon ve destek için yerinde oluyoruz. Ayrıca Tarsus OSB, Hatay'daki Antakya OSB ve İskenderun Liman bölgesinde de projelerimiz var. Kurulum sonrası 15 gün ücretsiz hata düzeltme garantisi veriyoruz — bu sürede sistemde ayar gerektiren herhangi bir şey varsa ek ücret yok. Bakım için yıllık sözleşme opsiyonel; bazı müşteriler kendi IT ekibiyle yönetiyor, bazıları bizim uzaktan destek paketini tercih ediyor. Fiyatlandırma sabit ve sözleşmede yazılı; "proje büyüdü, fiyat arttı" gibi sürpriz olmaz. İlk adım: Ücretsiz online keşif görüşmesi — üretim hattınızı, kusur tiplerinizi, beklentilerinizi dinliyor, uygun sistem mimarisini öneriyoruz. Sonra detaylı teklif ve sabit fiyat sözleşmesi.

AI sistemi internet bağlantısı olmadan çalışır mı?

Evet, edge çözümlerde internet gerekmez. Kamera ve edge PC (Jetson gibi) üretim hattı başında çalışır; AI modeli lokalde yüklü. Internet kopsa da sistem kesintisiz devam eder. Bulut tabanlı çözümlerde (görüntü buluta gönderilip analiz edilirse) internet şart — ama üretim hatlarında pek tercih etmiyoruz, güvenilirlik riski var. MIP OSB'de bazı firmalarda internet bazen yavaşlıyor (özellikle öğle saatlerinde); edge sistemler bu sorundan etkilenmiyor. Veri senkronizasyonu (ERP'ye kusur kayıtları göndermek gibi) için internet gerekebilir, ama bu anlık değil; lokal veritabanında biriktirip, internet gelince toplu gönderilebilir. Siber güvenlik açısından da edge avantajlı: Üretim görüntüleri dışarı çıkmaz, fabrika içinde kalır. Bazı müşteriler gizlilik için bunu özellikle istiyor.

Sonuç: MIP OSB'de Rekabetçi Kalmanın Yolu Otomasyon

Mersin'in MIP Organize Sanayi Bölgesi, limana yakınlığı ve altyapısı ile ihracatçı üreticiler için stratejik bir konum. Ama AB ve Asya ile rekabet edebilmek için kalite standartlarını yukarı taşımak zorundasınız. Manuel kalite kontrol, sekizinci saatte yorulan gözler, sevkiyat sonrası reklamasyonlar — bunlar artık kabul edilebilir riskler değil.

AI destekli görüntü işleme sistemleri, bu noktada teorik bir "gelecek teknolojisi" değil, bugün MIP OSB'de, Tarsus OSB'de, Mersin genelinde aktif olarak kullanılan, ROI'si kanıtlanmış çözümler. 0.3 mm'lik bir çatlamayı yakalayan kamera, yanlış montajı 120 milisaniyede tespit eden algoritma, vardiya sonunda kusur istatistiğini ERP'nize aktaran entegrasyon — hepsi mevcut üretim hatlarınıza eklenebilir.

Bu rehberde gördünüz: İhtiyaç analizinden kamera seçimine, model eğitiminden PLC entegrasyonuna, pilot testten devreye almaya kadar tüm adımlar. Teorik değil, Mersin'de kurduğumuz sistemlerden gelen gerçek bilgiler. Hangi aydınlatmayı nereye koyacağınızı, false positive oranını nasıl düşüreceğinizi, operatörleri nasıl ikna edeceğinizi biliyorsunuz artık.

Sırada sizin üretim hattınız var. MIP OSB'deki CNC atölyenizde, plastik enjeksiyon makinenizde, montaj hattınızda hangi kusurlar kaçıyor? Hangi reklamasyonlar itibarınızı zedeliyor? Bunları konuşmak için ücretsiz bir keşif görüşmesi yapalım. Üretim hattınızın fotoğraflarına bakar, kusur örneklerini inceleriz, size özel bir sistem mimarisi tasarlarız. Sonra sabit fiyatlı, sözleşmeye bağlı bir teklif sunarız — sürpriz maliyet olmaz.

D'Cloud Software olarak, Mersin'de 3 kıtaya hizmet veren projeler geliştiriyoruz. MIP OSB sizin için bir üretim üssü; bizim için de bir yenilik laboratuvarı. Gelin birlikte, kalite kontrolü otomatikleştirip, rekabette bir adım öne geçelim. 15 gün ücretsiz hata düzeltme garantisiyle başlayın — kaybedecek bir şey yok, kazanacak çok şey var.

Yazar: Doğuhan Bulut
D'Cloud Software – Endüstri 4.0 & IIoT Çözümleri