İnci Akü & İnci Radar Açık İnovasyon Çağrısı

Akü Üretiminde Yapay Zekâ Destekli Kalite ve İzlenebilirlik

İnci Akü ve İnci Radar olarak, akü üretim süreçlerimizde kaliteyi artırmak, fire oranlarını azaltmak ve veri odaklı karar alma yetkinliklerimizi güçlendirmek amacıyla teknoloji geliştiriciler ve startup’larla iş birliği yapmak istiyoruz.

Bu çağrı kapsamında, üretim hatlarımızda karşılaştığımız kritik problemlere yönelik AI destekli, uygulanabilir ve ölçeklenebilir çözümler arıyoruz.

🚀 Challenge Alanları

1. AI Destekli Proses Optimizasyonu (Kapama & Yapıştırma Süreçleri)

Akü üretim hattında kapama istasyonunda gerçekleştirilen kutu-kapak yapıştırma işlemi, üretim kalitesi açısından kritik bir proses adımıdır. Yapıştırma işleminin yeterli kalitede tamamlanamaması durumunda ürünler, bir sonraki aşama olan sızdırmazlık test istasyonunda red edilerek fire’a dönüşmektedir.

Bu fire kalemi, fabrikanın en büyük 3 hurda kaynağından biri olup HD, AGM ve Flooded olmak üzere üç farklı akü tipinde gözlemlenmektedir. Kapama istasyonundaki makine parametrelerinin (sıcaklık, baskı, süre, yapıştırıcı miktarı vb.) optimum değerlerden sapması, tutarsız yapıştırma kalitesine ve yüksek red oranlarına yol açmaktadır.

Mevcut durumda parametre ayarları büyük ölçüde operatör deneyimine dayanmakta; akü tipine, ortam koşullarına veya malzeme varyasyonlarına göre dinamik bir optimizasyon mekanizması bulunmamaktadır.

🎯 Beklentimiz:

Proses verilerini analiz eden
Optimum parametre setlerini belirleyen
Bu parametreleri makinelere otomatik veya yarı otomatik uygulayabilen
Sürekli öğrenen AI destekli sistemler

2. Batarya Üretiminde Bileşen Bazlı Ürün İzlenebilirliği & Uçtan Uca İzlenebilirlik

Akü üretiminde “eleman set” (plaka grubu) seviyesinde test verileri toplanmasına rağmen, bu setlerin hangi nihai akü içerisinde kullanıldığı izlenememektedir. Bu kopukluk, üretim hattında oluşan kalite problemlerinin ilgili bileşenlerle ilişkilendirilmesini zorlaştırmakta ve kök neden analizini sınırlamaktadır.

Ayrıca üretim parametreleri çoğunlukla manuel veya deneyime dayalı olarak optimize edilmekte; bu durum yüksek fire oranlarına, verimlilik kayıplarına ve kalite dalgalanmalarına yol açmaktadır.

Problemin temelinde, eleman set üretimi ile akü montajı arasındaki izlenebilirlik eksikliği yer almaktadır. Eleman setlerin hangi aküye gittiği bilinmediği için hatalı üretim partileri geriye dönük olarak takip edilememekte ve kalite problemleri çoğunlukla yalnızca final test aşamasında görünür hale gelmektedir.

🎯 Beklentimiz:

Eleman set (plaka grubu) seviyesinden başlayarak nihai ürüne kadar uçtan uca izlenebilirlik sağlayan
Üretim ve test verilerini entegre eden
AI destekli analizlerle kalite problemlerini öngören
Kalite sorunlarını doğru bileşen ve proses parametreleri ile eşleştiren
Aksiyon alınabilir içgörüler sunan sistemler

💡 Aranan Çözüm Alanları

Yapay zekâ ve makine öğrenmesi
Endüstriyel veri analitiği
Görüntü işleme ve sensör teknolojileri
IoT ve edge çözümler
Üretim izlenebilirlik sistemleri

🎯 Hedeflenen Etki

Fire oranlarında azalma
Üretim verimliliğinde artış
Daha stabil ve sürdürülebilir kalite
Hızlı ve doğru kök neden analizi
Veri odaklı üretim yönetimi

🤝 Kimler Başvurmalı?

Startup’lar
Teknoloji sağlayıcıları
Ar-Ge ekipleri ve akademik spin-off’lar

Çağrı Takvimi

📅 Çağrı İlanı: 27.04.2026
📅 Son Başvuru Tarihi: 30 Mayıs 2026
📅 Ön Değerlendirme: 2 Haziran 2026
📅 Tanışma & Q&A Oturumu: 8 Haziran 2026
📅 PoC & Pilot Süreci: Haziran & Ağustos 2026