Ali Özgür

Endüstri 4.0 döneminde dijital dönüşümün gerçek değeri, sadece veriyi toplamakta değil, veriyi anlamlı hale getirmekte yatıyor.

Üretim hatlarında, tesis altyapısında ve kurumsal uygulamalarda oluşan bu veriyi bütünleştirmek; hem teknik hem de operasyonel açıdan ciddi bir mühendislik gerektiriyor.

İşte tam bu noktada, trex Digital Manufacturing tarafından geliştirilen NightWatch, sahadan kurumsal sistemlere veri akışını yöneten, açık, standart uyumlu ve lisans ücreti gerektirmeyen bir middleware platformu olarak öne çıkıyor.

NightWatch, trex MOP (Manufacturing Operations Platform) bileşenleriyle hazır entegrasyona sahip olup, MES, MOM, enerji, bakım ve kalite yönetimi sistemleri arasında veri akışını kolaylaştıran güçlü bir altyapı sunar.

Üretim dünyası son on yılda köklü bir dijital dönüşüm sürecinden geçiyor.
Endüstri 4.0, IoT, yapay zekâ ve büyük veri gibi kavramlar artık yalnızca akademik sunumlarda değil, üretim hattında günlük kararların parçası. Bu dönüşümün merkezinde ise MES (Manufacturing Execution System) çözümleri yer alıyor.

MES sistemleri, ERP’den gelen planları sahadaki gerçek zamanlı üretim verileriyle buluşturarak fabrikanın “sinir sistemi” işlevini görür. Ancak bu sinir sisteminin nasıl kurgulanacağı — yani mimarisi — çoğu zaman yanlış anlaşılıyor.
Özellikle “web tabanlı sistem modern, client–server mimari eski” söylemi, endüstriyel gerçeklikten çok BT sektöründeki genel eğilimlerin bir yansıması.

Bu yazıda bu algının neden oluştuğunu, neden tam olarak doğru olmadığını ve neden hibrit mimarinin modern MES çözümlerinde fiili standart haline geldiğini tüm boyutlarıyla inceleyeceğiz.

AI is no longer a futuristic concept - it’s embedded in how we work, write, code, communicate, and even think. I’ve been reflecting on a question that feels more urgent by the day:

What if AI usage, as it becomes more widespread, slowly erodes the very foundations of human learning and creativity?

“I know you remember.”

That’s what I say to ChatGPT when I want a brutally honest reflection of myself.
Not as a coach. Not as a therapist. But as an objective record keeper of the questions I’ve asked, the code I’ve shared, the decisions I’ve debated, and the doubts I’ve wrestled with.

And here’s the twist: if an AI knows you well enough to help you improve - could it also help others see you better?

Türkçe Versiyon - Yapay Zeka Sizi Özgeçmişinizden Daha İyi Tanıyor

Search has evolved.

We started with simple keyword search, improved it with full-text search, and are now entering the era of semantic search powered by vectors.

But here’s the reality: most software systems today are still stuck somewhere between keyword and full-text.

In this post, we’ll walk through:

• Keyword vs Full-Text vs Vector search
• Why you need vector databases — even if you already use PostgreSQL full-text search
• Similarity algorithms: cosine, dot product, Euclidean — with visuals
• A full .NET 9 RAG implementation using PostgreSQL + pgvector + Ollama