Bir önceki yazımda yapay zekâ ajanlarının kullanılmasının yapay zekâ dünyası yeni bir boyuta taşıdığını yazmıştım. Okuyucularımdan gelen istek üzerine, bu yapay zekâ ajanlarının kullanımlarını bir üretim süreci örneği ile anlatmak istiyorum:
Önce orta ölçekli ama ulusal düzeyde satış yapan bir deterjan firmasını ele alalım. Cem markası ile üretim yapan bu firmanın üretim süreçlerini hem geleneksel üretim modeli ile hem de yapay zekâ ajanlarının kullanıldığı akıllı üretim modeliyle inceleyip, karşılaştıralım:
Geleneksel üretim modelinde,
- Satış verileri haftalık veya aylık raporlarla merkeze iletilir
- Üretim tahminlere dayanır
- Fazla stok veya stok yetersizliği sık görülür
Yapay Zekâ Ajanı modelinde ise, Talep Ajanı devreye girer ve şu işleri insana ihtiyaç duymadan yerine getirir:
- Market POS sistemlerinden,
- E-ticaret platformlarından,
- Kampanya verilerinden,
- Mevsim, hava durumu ve bölgesel tüketim alışkanlıklarından gerçek zamanlı veri toplar. Şöyle bir öneride bulunabilir: “Ege Bölgesi’nde sıvı deterjan satışları son 48 saatte yüzde 18 arttı. Nedeni: Isınan hava + hafta sonu kampanyası.”
Ajan, talep artışının geçici mi kalıcı mı olduğunu analiz eder. Hangi ürün çeşitlerinin etkilendiğini belirler ve bu bilgiyi Üretim Planlama Ajanı'na iletir.
Üretim planlama aşaması
Şimdi gelelim üretim planlama aşamasına; geleneksel yöntemde işler aşağıdaki gibi yürür:
- Üretim aylık olarak planlanır
- Statik vardiya ve kapasite kullanımı vardır
- Ani talep değişimlerine geç tepki verilir
Yapay zekâ ajanı destekli modelde şu sorulara cevap aranır:
- Hangi ürün ne kadar üretilecek?
- Mevcut stok ne durumda?
- Hangi fabrikanın kapasitesi daha uygun?
Bu sorular için elde ettiği verilerden yola çıkarak şöyle bir sonuca varabilir:
“İzmir tesisinde sıvı deterjan hattı yüzde 70 dolu. Talep artışı için bu hatta +1 vardiya öneriyorum. Toz deterjan üretimi İstanbul tesisine kaydırılmalı.”
Hammadde ve tedarik zinciri aşaması
Üretimin en yorucu ve riskli aşamalarından biri de hammadde ve tedarik zinciri yönetimidir. Geleneksel yöntemde şu aşamalardan geçilir; Siparişler genellikle manuel olarak alınır. Genellikle aynı tedarikçilerle çalışılır. Gecikme ve fiyat dalgalanmalarına çok sık rastlanır.
Yapay Zekâ destekli Tedarik Zinciri Ajanı ise şu aşamaları insan katkısı olmadan gerçekleştirir:
- Kimyasal hammaddeleri (yüzey aktif maddeler, enzimler, esanslar),
- Ambalaj malzemelerini (plastik şişe, kapak, etiket),
- Nakliye süreleri ve maliyetleri güncel olarak takip edip, analiz yapar ve aşağıdakine benzer önerilerde bulunur: “Bir tedarikçinin gecikme riski yüzde 12 arttı. Alternatif tedarikçi yüzde 3 daha pahalı ama teslim süresi yüzde 40 daha kısa.”
Buradan da yola çıkarak, üretim planını riske sokmayacak tercihi önerir ve gerekirse siparişi firmalara bölerek verir.
Üretim ve kalite kontrol aşaması
Gelelim üretim aşamasına. Bu aşamada geleneksel yöntemde sabit üretim süreç ve modelleri vardır. Bu süreç ve modeller değişmez. Operatörlere bağımlılık vardır. En önemlisi ise üretim hataları süreç sonunda, ürün ortaya çıkınca fark edilir.
Üretim Operasyonu Ajanı'nın kullanıldığı (dijital ikiz modelini bir önceki yazımdan hatırlayınız) modelde ise işler şöyle ilerler: Ajan;
- Karışım oranlarını
- Sıcaklık ve basıncı
- Enerji tüketimini sensörlerden anlık izler ve şöyle bir sonuca varabilir: “Bir tedarikçinin gecikme riski yüzde 12 arttı. Alternatif tedarikçi yüzde 3 daha pahalı ama teslim süresi yüzde 40 daha kısa.”
Bu aşamada Dijital İkiz yöntemi sayesinde, değişiklik önce simülasyonda test edilir, uygun bulunursa gerçek üretime aktarılır.
Bir sonraki aşama kalite kontrol aşamadır. Geleneksel yöntemde kalite kontrol şöyle yapılır:
- Numune bazlı testler yapılır,
- Hata genel olarak geç fark edilir
- Hatları mallar için geri çağırmalar başlar ve bu da bir hayli yüksek maliyetli bir operasyondur.
Yapay zekâ destekli operasyonda ise Kalite Kontrol Ajanı devreye girer ve şu işlemleri insan katkısı olmadan gerçekleştirir:
- Görüntü işleme ile dolum seviyelerini,
- Kimyasal sensörlerle formül tutarlılığını,
- Ambalaj bütünlüğünü anlık kontrol eder.
Hata yayılmadan müdahale edilir ve bu sayede fire ve iade oranı düşer.
Lojistik ve geri bildirim takibi
Lojistik aşamasına geldiğimizde, geleneksel yöntemin önceden belirlenmiş sabit dağıtım rotaları vardır. Genel olarak bu rotaların dışında çıkılmaz ve bu rotalar çoğu zaman yakıt ve zaman kaybına neden olurlar.
Yapay zekâ destekli Lojistik Planlama Ajanı ise:
- Depo stoklarını,
- Bölgesel talebi,
- Trafik ve yakıt maliyetlerini birlikte değerlendirir.
Bu değerlendirme sonucunda şöyle bir uyarı verebilir:
“Ankara deposu 48 saat içinde kritik stok seviyesine düşecek. İzmir’den değil, Bursa’dan sevkiyat daha uygun.”
Bu uyarı ise zaman ve para tasarrufu anlamına gelir.
Satış sonrası ve geri besleme işlemlerinde, geleneksel modelde şikayetler genel olarak geç değerlendirilir ve bu şikayetlerin üretime yansıması oldukça zayıftır.
Yapay zekâ destekli modelde ise Müşteri geri Bildirim Ajanı şu işleri yapar:
- Çağrı merkezi kayıtlarını,
- Sosyal medya yorumlarını,
- İade nedenlerini birlikte analiz eder.
Piyasaya sürülen ürün hakkında şikayetler varsa, bu şikayetleri AR-Ge ajanına ve Üretim Ajanı'na aktarır ve şikayetlerin giderilmesi için gerekli girişimler başlar.
Bu ve benzeri ajanlar sayesinde üretim talep bazlı olarak planlanır. Gereğinden fazla ürün depoları doldurmaz. Daha az stokla, daha az hata ve daha düşük maliyetle üretim gerçekleşir.
İnsan bu süreçte, üretici ve uygulayıcıdan çok denetleyici ve stratejik karar verici konumuna geçer.
Not: Yukarıda belirtilen Yapay Zekâ Ajanları benim hayal gücümün ürünleridir. Şayet deterjan üretimi ile ilgili bir işte çalışıyor olsaydım, yukarıda belirtilen iş süreçleri için bu tür ajanların üretilmesini ve kullanılmasını talep ederdim. Haftaya Karanlık Fabrikaları anlatıp, bu konuyu sonlandıracağım…
