Envanter Optimizasyonu

Modül OPS-02 — Envanter Optimizasyonu

Bu sayfa, kurumunuzda hayata geçirebileceğim somut bir AI dönüşüm modülünün uçtan uca özetidir: problem ifadesinden ROI modeline, ön koşullardan risk yönetimine ve ilk 2 haftalık hızlı kazanım versiyonuna kadar her şey burada.

1. Problem Tanımı

Sipariş noktası ve emniyet stoku genelde "deneyimle" belirlenir; SKU/lokasyon başına optimize edilmez. Sonuç: aynı kategoride bazı SKU'larda 90 günlük stok, diğerlerinde stoksuz kalma.

2. Önerdiğim Çözüm

Talep tahmini + tedarik süresi + bulundurma maliyeti + servis seviyesi hedefini birleştirerek; her SKU/lokasyon için optimum sipariş miktarı, emniyet stoku ve yeniden sipariş noktası öneren motor.

3. Mimari ve Yaklaşım

Stochastic optimization, multi-echelon inventory, ToolsGroup, Slimstock, Relex, custom Python (PuLP, scipy).

Seçilen bileşenler kurumunuzun mevcut altyapısına, veri olgunluğuna ve regülasyon profiline göre kalibre edilir. Açık kaynak yığınlar ile kurumsal SaaS platformları arasındaki tercih genellikle veri ikametgâhı, kontrol seviyesi ve toplam operasyon yüküne göre netleşir.

4. Süre ve Faz Yapısı

Süre aralığı geniş tutulmuştur çünkü mevcut bulut altyapı olgunluğu, iç ekip katılım yoğunluğu ve seçilecek entegrasyon hedefi (kaç sistem) toplam süreyi önemli ölçüde etkiler. Pilot fazında daraltılmış kapsamla başlar; kanıtlanan değere göre tam ölçek planı onaylanır.

**Tipik faz akışı:**

5. ROI ve KPI Beklentileri

Envanter seviyesi %15-25 azalır; servis seviyesi %2-5 puan artar; çalışma sermayesi tasarrufu yıllık ciddi tutar (orta ölçek).

Aralıkların alt bandı disiplinsiz uygulamayı, üst bandı ise süreç yeniden tasarımıyla birlikte yürütülmüş AI projelerini temsil eder. Yalnız teknoloji kurmak yetmez; mevcut iş akışlarının AI-öncesi mantığa göre yeniden tasarlanması en yüksek değer kaynağıdır.

6. Dünyadan Referans Vaka

P&G, Unilever, Walmart envanter optimizasyonuyla çok yüksek tutarda tasarruf raporladı; Türkiye'de Migros, Doğuş Otomotiv gibi şirketler benzer uygulamaları yayınladı.

7. Ön Koşullar

Temel talep tahmini (OPS-01), tedarik süresi verisi, maliyet parametreleri, servis seviyesi hedefi.

Ön koşullar tamamlanmadan ilerlemek, pilotun başarısız olma olasılığını dramatik biçimde artırır. Bunlar tamamlanmamışsa ilk fazı 2–3 haftalık bir hazırlık atölyesiyle başlatıyorum.

8. Risk ve Azaltma Planı

Yanlış parametrelerle aşırı agresif stok azaltma → kademeli devreye alma. Tedarikçi belirsizliği eklenmeli.

KVKK ve AB AI Act 2026 uyumu doğrudan tasarım fazına gömülür; ISO/IEC 42001 (AI Yönetim Sistemi) çerçevesiyle uyumlu model dokümantasyonu (model cards), açıklanabilirlik (XAI) ve bias auditi süreçleri her teslimatın parçasıdır.

9. 2 Haftalık Hızlı Kazanım (Quick Win)

A-sınıfı SKU'ların %20'si için optimize edilmiş yeniden sipariş noktası tablosu; 3 haftada.

Quick Win versiyonu küçümsenmemelidir: 2–4 haftalık prototipler hem yönetim kurulu için kanıt üretir hem de tam ölçek proje öncesi kritik öğrenme sağlar.

10. Çalışma Modelim ve Teslimatlar

Modülü uçtan uca hayata geçiriyorum: keşif atölyesi → mimari tasarım → veri ve entegrasyon hazırlığı → pilot inşa ve canlıya alım → ROI takibi ve ölçekleme. Her fazda KVKK uyum kontrolü, model gözlemlenebilirliği (LLMOps) ve değişim yönetimi planı dahildir.

**Tipik teslimatlar:**