Otomotiv üretim süreçlerinde çok kriterli karar verme modelleri ile optimal robot yatırım kararlarının belirlenmesi

Küresel imalat sektörü, Endüstri 4.0 paradigmasının etkisiyle köklü bir yapısal dönüşüm içerisindedir. Bu ekosistemin sürükleyici unsurlarından olan otomotiv sanayisinde; tolerans sınırlarının daralması, ürün yaşam döngülerinin kısalması ve hata payını sıfıra indirme hedefleri, konvansiyonel üretim pratiklerini yetersiz kılmaktadır. Bilhassa araç emniyeti ve yapısal mukavemet açısından kritik bir konuma sahip olan BIW (beyaz gövde) hattındaki kaynak süreçleri, barındırdığı yüksek hassasiyet gereksinimi sebebiyle robotik otomasyon sistemlerinin en yoğun entegre edildiği alanlardan biri haline gelmiştir. Öte yandan, bu sistemlerin gerektirdiği yüksek sermaye yatırımları ve teknolojik demode olma (eskime) riski, doğru endüstriyel robotun seçilmesini işletmeler adına stratejik bir karar problemi biçimine dönüştürmektedir. Bu çalışmada, otomotiv yan sanayi bünyesindeki bir kaynak hattının modernizasyonu kapsamında en elverişli endüstriyel robotun seçimine odaklanan bütünsel bir karar modeli geliştirilmiştir. Araştırma metodolojisinde, değerlendirme kriterlerinin ağırlıklandırılması aşamasında FUCOM yöntemi; alternatiflerin öncelik sırasının belirlenmesinde ise MARCOS yöntemi entegre biçimde uygulanmıştır. Geliştirilen model kapsamında, sektörde derin tecrübeye sahip altı uzmanın yargılarına başvurulmuş; teknik performans, finansal kısıtlar ve dijitalleşme uyumu boyutlarını kapsayan dokuz temel kriter temelinde dokuz farklı küresel robot markası analize tabi tutulmuştur. Araştırmadan elde edilen bulgular, "Yatırım Maliyetleri" kriterinin en yüksek ağırlık derecesine sahip olduğunu, bu parametreyi ise sırasıyla "Dijitalleşme/Uyumluluk" ve "Çalışma Hızı" kriterlerinin izlediğini göstermektedir. MARCOS algoritması sonucunda elde edilen sıralamada A9 alternatifi, teknik yetkinlikv ile mali kararlılık arasında en optimal dengeyi kurarak ilk sırada yer almıştır. Son aşamada gerçekleştirilen 90 farklı senaryolu duyarlılık analizi ise önerilen karar modelinin, kriter ağırlıklarındaki olası dalgalanmalara karşı son derece dirençli ve yüksek kararlılıkta sonuçlar ürettiğini ortaya koymuştur.