IoT Çözümleri ve Endüstri 4.0 Sistemleri

Nesnelerin İnterneti (IoT) ile akıllı üretim! Sensör entegrasyonu, gerçek zamanlı veri toplama, uzaktan izleme ve kontrol, predictive maintenance ile üretim verimliliğini %40-60 artırın, maliyetleri düşürün.

IoT (Internet of Things) Nedir?

IoT (Nesnelerin İnterneti), fiziksel cihazların (sensörler, makineler, ekipmanlar) internete bağlanarak veri toplaması, paylaşması ve birbirleriyle iletişim kurmasıdır. Endüstri 4.0’ın temel teknolojisidir.

🏭 Endüstri 4.0 ve IoT

Sanayi Devrimleri:

Sanayi Evrimleri:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Endüstri 1.0 (1780):
  🚂 Buhar makinesi
  → Mekanik üretim

Endüstri 2.0 (1870):
  ⚡ Elektrik
  → Seri üretim (assembly line)

Endüstri 3.0 (1970):
  💻 Bilgisayar ve otomasyon
  → Dijital üretim, PLC, SCADA

Endüstri 4.0 (2010+):
  🌐 IoT, AI, Big Data, Cloud
  → Akıllı fabrika, bağlantılı makineler
  → Gerçek zamanlı karar verme
  → Predictive maintenance
  → Cyber-physical systems
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

📊 IoT İstatistikleri

Global Veriler (2024-2025):

IoT Büyüme:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📱 Bağlı cihaz sayısı: 16.7 milyar (2024)
📈 Tahmin (2030): 29.4 milyar
💰 IoT market: $1.1 trilyon
🏭 Endüstriyel IoT: $263 milyar

Verimlilik Artışı:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📊 Üretim verimliliği: %40-60 artış
💰 Maliyet azalması: %30-50
⚙️ Duruş süresi (downtime): %70 azalma
🔧 Bakım maliyeti: %40 azalma
📈 OEE (Overall Equipment Effectiveness): %25 artış
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

IoT Sistem Mimarisi

🏗️ IoT Katmanları

IoT Architecture (4 Layer):
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

┌─────────────────────────────────────────┐
│  Layer 4: APPLICATION LAYER             │
│  • Web Dashboard                        │
│  • Mobile App                           │
│  • Analytics & BI                       │
│  • AI/ML Models                         │
│  • ERP/MES Entegrasyon                  │
└───────────────┬─────────────────────────┘
                │
┌───────────────▼─────────────────────────┐
│  Layer 3: PLATFORM LAYER (Cloud/Edge)   │
│  • IoT Platform (AWS IoT, Azure IoT)    │
│  • Data Storage (Time-series DB)        │
│  • Data Processing (Stream processing)  │
│  • Device Management                    │
│  • Security & Authentication            │
└───────────────┬─────────────────────────┘
                │
┌───────────────▼─────────────────────────┐
│  Layer 2: NETWORK LAYER                 │
│  • Wi-Fi, Ethernet                      │
│  • LoRaWAN, NB-IoT, 4G/5G               │
│  • Modbus TCP, MQTT, OPC UA             │
│  • Gateway (Edge device)                │
└───────────────┬─────────────────────────┘
                │
┌───────────────▼─────────────────────────┐
│  Layer 1: PERCEPTION LAYER (Devices)    │
│  • Sensors (sıcaklık, basınç, titreşim) │
│  • Actuators (motorlar, valfler)        │
│  • PLC, SCADA                           │
│  • Industrial Equipment                 │
└─────────────────────────────────────────┘

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

IoT Sensör Tipleri ve Uygulamalar

🌡️ Endüstriyel Sensörler

Sensör Kategorileri:

1. Sıcaklık Sensörleri

Uygulama Alanları:
  - Fırın, kazan sıcaklık kontrolü
  - Soğutma sistemi izleme
  - Ürün kalite kontrolü
  - HVAC sistemleri

Sensör Tipleri:
  - Thermocouple (K, J, T tipi): -200°C ile +1350°C
  - RTD (PT100, PT1000): -200°C ile +850°C
  - Thermistor: -50°C ile +150°C
  - IR (infrared) sensörler: Temassız ölçüm

Protokol: Modbus RTU, 4-20mA analog
Çıktı: Digital (I²C, SPI) veya Analog

Örnek Senaryo:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Gıda Fabrikası - Pastörizasyon:
• Termostat: 72°C olmalı
• Sensör her 1 sn ölçüm
• 70°C altı → Alarm + Otomatik ısıtıcı devreye
• 75°C üstü → Soğutma devreye
• Tüm veriler SCADA'da loglanıyor

2. Basınç Sensörleri

Uygulama:
  - Hidrolik sistemler
  - Pnömatik sistemler
  - Boru hattı basıncı
  - Tank seviye ölçümü (basınç ile)

Tipler:
  - Piezoresistive
  - Capacitive
  - Strain gauge

Range: 0-10 bar, 0-100 bar, 0-600 bar

Örnek: Kompresör izleme
  Normal basınç: 6-8 bar
  Alarm (düşük): < 5 bar
  Alarm (yüksek): > 10 bar

3. Titreşim Sensörleri

Uygulama: Predictive Maintenance (kestirimci bakım)
  - Motor rulman aşınması tespiti
  - Pompa dengesizliği
  - Fan blade hasarı

Sensör: Accelerometer (ivmeölçer)
  - 3-axis (X, Y, Z)
  - Frequency: 0-10 kHz
  - Sensitivity: ±2g, ±4g, ±8g

Analiz:
  - FFT (Fast Fourier Transform)
  - Titreşim spektrum analizi
  - Rulman hata frekansları (BPFO, BPFI)

Örnek Tespit:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Motor Titreşimi:
  Normal: 0.5-1.5 mm/s RMS
  Dikkat: 2.5-6.3 mm/s (bakım planla)
  Tehlike: > 6.3 mm/s (acil dur)

AI Model:
  → 30 gün sonra rulman değişimi gerekecek
  → Bakım planla (duruş önlenir)

4. Akım/Güç Sensörleri

Uygulama:
  - Enerji tüketimi izleme
  - Motor yük analizi
  - Güç kalitesi (harmonik)

Sensör Tipi:
  - Current transformer (CT)
  - Hall effect sensor
  - Rogowski coil

Ölçümler:
  - Akım (A): Gerçek zamanlı
  - Voltaj (V): 3-phase
  - Güç (W, kW): Aktif, reaktif
  - Enerji (kWh): Kümülatif
  - Power Factor (cos φ)
  - Harmonics (THD)

Örnek Dashboard:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Motor-1 (Kompresör):
  Akım: 12.5 A (normal: 10-15A)
  Güç: 8.2 kW
  Enerji (bugün): 127 kWh
  Verimlilik: %87
  Durum: ✅ Normal

Motor-2 (Pompa):
  Akım: 22.8 A ⚠️ (normal: 15-18A)
  Güç: 15.1 kW
  Alarm: Aşırı akım! Pompa tıkanmış olabilir
  Aksiyon: Bakım ekibi bilgilendirildi

5. Mesafe/Seviye Sensörleri

Tank seviye ölçümü:
  - Ultrasonik sensör: 0.3m - 8m
  - Radar (FMCW): 0.1m - 70m
  - Hidrostatik (basınç)

Örnek: Yakıt tankı izleme
  Kapasite: 10,000 litre
  Sensör: Ultrasonik (tanka monte)

  Seviye: %75 (7,500 L)
  Tüketim (bugün): 850 L
  Tahmin: 8 gün sonra dolum gerekli
  Otomatik sipariş: Aktif

📡 IoT İletişim Protokolleri

Endüstriyel Protokoller:

MQTT (Message Queuing Telemetry Transport)

MQTT Özellikleri:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
✅ Lightweight (düşük bandwidth)
✅ Publish/Subscribe modeli
✅ QoS (Quality of Service) 0, 1, 2
✅ Retain messages
✅ Last Will and Testament (LWT)

Örnek Topic Yapısı:
  factory/machine-01/temperature
  factory/machine-01/vibration
  factory/machine-02/power
  factory/alerts/critical

Python Örnek:
import paho.mqtt.client as mqtt

client = mqtt.Client()
client.connect("mqtt.example.com", 1883)

# Publish
client.publish("factory/machine-01/temp", "72.5")

# Subscribe
def on_message(client, userdata, msg):
    print(f"{msg.topic}: {msg.payload}")

client.subscribe("factory/+/temperature")
client.on_message = on_message
client.loop_forever()

Modbus TCP/RTU

Modbus:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
En yaygın endüstriyel protokol

Modbus RTU:
  • Serial (RS-485)
  • Master-slave
  • CRC error checking

Modbus TCP:
  • Ethernet üzerinden
  • TCP/IP (port 502)

Python Örnek (Modbus TCP):
from pymodbus.client import ModbusTcpClient

client = ModbusTcpClient('192.168.1.100', port=502)
client.connect()

# Read holding register (adres 0, 10 adet)
result = client.read_holding_registers(0, 10, unit=1)

if result.isError():
    print("Hata!")
else:
    print(f"Register değerleri: {result.registers}")
    # Örnek: [723, 150, 50, ...] (sıcaklık, basınç, rpm)

client.close()

OPC UA (Unified Architecture)

OPC UA:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Yeni nesil endüstriyel protokol

Özellikler:
✅ Platform bağımsız
✅ Güvenli (encryption, authentication)
✅ Semantic data modeling
✅ Pub/Sub + Client/Server
✅ Tarihsel veri erişimi

Kullanım:
  SCADA → OPC UA Server
  IoT Platform → OPC UA Client

IoT Cloud Platformları

☁️ Managed IoT Platforms

AWS IoT Core

AWS IoT Architecture:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Device (MQTT client)
   ↓
AWS IoT Core (Message broker)
   ↓
IoT Rules Engine
   ├→ Lambda (processing)
   ├→ Kinesis (streaming)
   ├→ DynamoDB (storage)
   ├→ S3 (raw data)
   └→ SNS (alarms)

Özellikler:
✅ MQTT, HTTPS, WebSocket
✅ Device shadow (offline state)
✅ Fleet management
✅ OTA updates
✅ Greengrass (edge computing)

Fiyat:
  • Messaging: $1.00/milyon mesaj
  • Device shadow: $1.25/milyon güncelleme

Azure IoT Hub

Azure IoT Stack:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Devices → IoT Hub
   ↓
Azure Stream Analytics
   ↓
Power BI (dashboard)
Time Series Insights (analytics)

Özellikler:
✅ Bi-directional communication
✅ Azure Digital Twins (simulasyon)
✅ IoT Edge (edge computing)
✅ Device provisioning service

Fiyat:
  • Basic: $10/ay (400K mesaj/gün)
  • Standard: $25/ay (6M mesaj/gün)

ThingsBoard (Open Source)

ThingsBoard:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Açık kaynak IoT platform

Özellikler:
✅ Self-hosted (kendi sunucunuz)
✅ MQTT, CoAP, HTTP
✅ Rule engine
✅ Dashboard designer
✅ Alarm management
✅ Multi-tenancy

Fiyat: Ücretsiz (community edition)
Cloud: ThingsBoard Cloud ($10/ay başlangıç)

Endüstri 4.0 Uygulama Senaryoları

🏭 Akıllı Fabrika Örneği

Senaryo: Otomotiv Yan Sanayi

Fabrika Düzeni:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Üretim Hattı:
  [CNC-1] → [CNC-2] → [Kalite Kontrol] → [Paketleme]

IoT Sensörler (Her Makine):
  • Titreşim (accelerometer)
  • Sıcaklık (thermocouple)
  • Akım (current transformer)
  • Kapı sensörü (magnetic switch)
  • Ürün sayacı (photoelectric)

Edge Gateway:
  • Raspberry Pi 4 / Industrial PC
  • Modbus RTU → MQTT dönüştürme
  • Edge AI (anomaly detection)
  • Lokal HMI (7" touchscreen)

Cloud:
  • AWS IoT Core
  • TimescaleDB (zaman serisi)
  • Grafana (dashboard)
  • Python (veri analizi)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

Gerçek Zamanlı Dashboard:

CNC-1 Makine Durumu:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Status: 🟢 Çalışıyor
Üretim (bugün): 1,247 parça
Hedef: 1,500 parça (83% tamamlandı)
Verimlilik (OEE): %87

Sensör Verileri:
  Spindle RPM: 3,250 rpm
  Sıcaklık: 68°C (normal)
  Titreşim: 1.2 mm/s (normal)
  Akım: 18.5 A (normal)
  Güç: 12.8 kW

Son Alarm: 2 gün önce
Sonraki Bakım: 15 gün sonra

Predictive Maintenance:
  Rulman durumu: %78 sağlıklı
  Tahmin: 45 gün ömrü var
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

Alarm Senaryosu:

⚠️ ALARM: CNC-2 Aşırı Titreşim
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Zaman: 14:23:15
Titreşim: 8.5 mm/s (normal: < 2.5)
Olası Sebep: Rulman hasarı

Otomatik Aksiyonlar:
✅ SMS gönderildi (bakım ekibi)
✅ Email gönderildi (üretim müdürü)
✅ WhatsApp mesajı (vardiya amiri)
✅ SCADA alarm ekranı
✅ Makine otomatik durduruldu (critical alarm)

Tavsiye Edilen:
  → Rulman kontrolü
  → Titreşim analizi (FFT)
  → Yedek parça sipariş
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

⚡ Enerji İzleme Sistemi

Fabrika Geneli Enerji Yönetimi:

Enerji Dağılımı:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Toplam Tüketim (Anlık): 487 kW

Bölüm Bazlı:
  🏭 Üretim: 320 kW (66%)
     • CNC makineleri: 180 kW
     • Pres makineleri: 90 kW
     • Konveyörler: 50 kW

  ❄️ HVAC: 85 kW (17%)
     • Klima: 50 kW
     • Havalandırma: 35 kW

  💡 Aydınlatma: 42 kW (9%)

  🏢 Diğer: 40 kW (8%)

Bugün (08:00-16:00):
  Tüketim: 3,250 kWh
  Maliyet: 2,600 TL (0.80 TL/kWh)

Bu Ay:
  Tüketim: 48,500 kWh
  Maliyet: 38,800 TL
  Geçen aya göre: ↓ %8 (tasarruf!)

AI Önerisi:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
🔍 CNC-3 boşta bile 8 kW harcıyor
   → Idle modda motor durdurulabilir
   Tasarruf: ~120 kWh/gün (2,880 TL/ay)

💡 Aydınlatma 19:00'da hala açık (hafta sonu)
   → Otomatik zamanlayıcı öneriyoruz
   Tasarruf: ~15 kWh/gün (360 TL/ay)

🚗 Filo Takip ve Lojistik IoT

Kamyon Filosu İzleme:

Araç: TR-34-ABC-1234 (Kamyon-5)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📍 Konum: Ankara-İstanbul Yolu, 42. km
🚛 Hız: 87 km/s (limit: 90)
⛽ Yakıt: 240 L (%60)
🌡️ Kargo sıcaklık: 4°C (soğutmalı)
📦 Yük: 12 ton

Sensörler:
  • GPS (konum, hız)
  • Yakıt seviye sensörü
  • Soğutucu sıcaklık sensörü
  • Kapı sensörü (açık/kapalı)
  • OBD2 (motor verileri)

Durum: ✅ Normal

Rota Optimizasyonu (AI):
  Mevcut rota: 450 km, 5.5 saat
  Önerilen: 438 km, 5.2 saat
  Tasarruf: 12 km, 18 dakika
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

⚠️ ALARM:
Kamyon-3: Soğutucu sıcaklık 10°C (limit: 2-6°C)
  Konum: İzmir-Manisa arası
  Aksiyon: Şoför bilgilendirildi
           En yakın servis: 15 km

🏗️ Akıllı Bina Yönetimi

Ofis Binası IoT Sistemi:

Akıllı Bina Özellikleri:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
HVAC (Isıtma/Soğutma):
  • Kat bazlı sıcaklık kontrolü
  • Doluluk sensörü entegrasyonu
  • Hava kalitesi (CO2, PM2.5)
  • Otomatik pencere kontrolü

Aydınlatma:
  • PIR (hareket) sensörleri
  • Işık seviyesi sensörleri
  • Circadian lighting (doğal ritim)

Güvenlik:
  • Kapı erişim kontrolü (RFID)
  • Kamera (IP camera)
  • Yangın alarm (smoke detector)

Enerji:
  • Akıllı sayaçlar
  • Güneş paneli üretimi
  • Batarya depolama

Örnek Senaryo:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
3. Kat Toplantı Salonu:
  08:30 - Toplantı başladı (takvim entegrasyonu)
  → Işıklar otomatik açıldı (70% parlaklık)
  → Klima 22°C'ye ayarlandı
  → Projeksiyon ekranı indi

  10:30 - Toplantı bitti
  → PIR sensör 10 dk hareket görmedi
  → Işıklar otomatik kapandı
  → Klima eko moda geçti (24°C)

Tasarruf: %35 enerji (boş odaların otomatik kapatılması)

Predictive Maintenance (Kestirimci Bakım)

🔧 AI Destekli Bakım Tahmini

Geleneksel vs Predictive Maintenance:

Bakım Stratejileri:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
1. Reactive (Arıza sonrası):
   Makine → Bozuldu → Tamir
   Maliyet: Yüksek (üretim kaybı)
   Downtime: 4-24 saat

2. Preventive (Önleyici):
   Zaman bazlı (örn: Her 6 ayda bakım)
   Gereksiz bakım yapılabilir
   Downtime: Planlı

3. Predictive (Kestirimci):
   IoT + AI → Makine bozulmadan önce tahmin
   Optimal zamanda bakım
   Downtime: Minimum
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

Predictive Maintenance Workflow:

# Pseudocode - Predictive Maintenance
import numpy as np
from sklearn.ensemble import RandomForestClassifier

# 1. Veri Toplama (IoT sensörlerden)
data = {
    'temperature': [65, 68, 70, 72, 75, 78, 82, 85],  # °C
    'vibration': [1.0, 1.2, 1.5, 2.0, 2.8, 4.5, 6.2, 8.0],  # mm/s
    'current': [15, 15.5, 16, 17, 18, 19, 21, 23],  # Ampere
    'rpm': [3000, 3000, 2980, 2950, 2900, 2850, 2750, 2600],
    'label': [0, 0, 0, 0, 1, 1, 1, 1]  # 0=normal, 1=arıza yaklaşıyor
}

# 2. Model Eğitimi (Tarihsel verilerle)
model = RandomForestClassifier()
X = np.array([data['temperature'], data['vibration'],
              data['current'], data['rpm']]).T
y = np.array(data['label'])
model.fit(X, y)

# 3. Gerçek Zamanlı Tahmin
current_data = [80, 7.5, 22, 2700]  # Anlık sensör verileri
prediction = model.predict([current_data])

if prediction == 1:
    print("⚠️ UYARI: 7-10 gün içinde arıza riski yüksek!")
    print("Tavsiye: Rulman değişimi planla")
    send_alert_to_maintenance_team()

Gerçek Başarı Hikayesi:

Otomotiv Fabrikası:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Önce (Reactive Maintenance):
  Yıllık arıza: 12 kez
  Ortalama downtime: 18 saat/arıza
  Toplam kayıp: 216 saat/yıl
  Üretim kaybı: ~2.5M TL

Sonra (Predictive Maintenance):
  Yıllık arıza: 2 kez (plansız)
  Planlı bakım: 10 kez
  Ortalama downtime: 2 saat/bakım
  Toplam: 20 saat/yıl

Kazanç:
  ✅ Downtime %91 azaldı (216 → 20 saat)
  ✅ Üretim kaybı önlendi: 2M TL
  ✅ Bakım maliyeti %30 azaldı
  ✅ ROI: 8 ay
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

IoT Güvenliği

🔐 Security Best Practices

IoT Security Checklist:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Network Seviyesi:
✅ VPN/firewall (fabrika ağı izolasyonu)
✅ VLAN segmentasyonu (IoT ayrı VLAN)
✅ IDS/IPS (intrusion detection)

Device Seviyesi:
✅ Güçlü şifreler (default şifre değiştir!)
✅ Firmware update düzenli
✅ Secure boot
✅ Hardware encryption (TPM chip)

İletişim Seviyesi:
✅ TLS/SSL encryption (MQTT over TLS)
✅ Certificate-based authentication
✅ Message signing

Uygulama Seviyesi:
✅ API authentication (JWT, OAuth)
✅ Role-based access control (RBAC)
✅ Audit logging
✅ Data encryption at rest
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

IoT Geliştirme Stack’i

💻 Teknoloji Stack

Hardware:

Edge Devices:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Küçük Projeler:
  • Arduino (Uno, Mega, Nano)
  • ESP8266 / ESP32 (Wi-Fi built-in)
  • Raspberry Pi Pico

Endüstriyel:
  • Raspberry Pi 4 (Linux)
  • Industrial PC (fanless)
  • Siemens IoT2000
  • Advantech edge gateway

PLC (Programmable Logic Controller):
  • Siemens S7-1200/1500
  • Allen-Bradley CompactLogix
  • Schneider Modicon

Software Stack:

Backend:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
• Python + FastAPI (API server)
• Node.js + Express (real-time)
• Mosquitto (MQTT broker)
• TimescaleDB / InfluxDB (zaman serisi)
• PostgreSQL / MongoDB (metadata)
• Redis (cache)

Frontend:
• React / Vue.js (web dashboard)
• Grafana (monitoring)
• Node-RED (low-code flow)

AI/ML:
• Python + scikit-learn (ML)
• TensorFlow / PyTorch (deep learning)
• Prophet (time series forecasting)

Başarı Hikayeleri

🏭 Tekstil Fabrikası - Enerji Optimizasyonu

Firma: 500 kişilik tekstil fabrikası

Sorun:

Yüksek enerji maliyeti (50,000 TL/ay)
Kompresörler sürekli çalışıyor
Hangi makine ne kadar harcıyor bilinmiyor

IoT Çözümü:

Kurulum:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
• 45 adet akım sensörü (her makineye)
• 8 adet kompresör basınç sensörü
• Modbus gateway (RS-485 → Ethernet)
• ThingsBoard IoT platform
• Grafana dashboard

Tespit Edilen Sorunlar:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
1. Kompresör-2 hava kaçağı
   → Sürekli çalışıyor, 12 kW gereksiz tüketim
   Aksiyon: Hava kaçağı tamiri

2. Baskı makineleri gece kapalı ama
   ısıtıcılar çalışmaya devam ediyor
   → 18 kW gereksiz
   Aksiyon: Otomatik zamanlayıcı

3. Aydınlatma 24/7 açık (eski alışkanlık)
   → Gece 8 kW
   Aksiyon: Hareket sensörlü LED

Sonuçlar (6 Ay):
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
✅ Enerji tüketimi: 62,500 kWh → 43,000 kWh/ay
✅ Tasarruf: %31
✅ Maliyet: 50,000 TL → 34,400 TL/ay
✅ Yıllık kazanç: 187,200 TL
✅ Yatırım geri dönüşü: 4.5 ay

🥛 Gıda Fabrikası - Soğuk Zincir İzleme

Firma: Süt ürünleri üreticisi