Yapay Zeka ile Tedarik Zinciri Optimizasyonu Eğitimi

Eğitim Hakkında

Bu eğitim, tedarik zinciri planlama ve satın alma ekiplerinin talep tahmini, stok politikası, ağ tasarımı ve tedarikçi riski kararlarını makine öğrenmesi, matematiksel optimizasyon ve simülasyonla güçlendirmesi için tasarlanmış dört günlük ileri düzey bir programdır. Katılımcılar perakende ve üretim vakalarında Python ile tahmin ve optimizasyon modelleri kurup S&OP sürecine bağlar.

Neden Bu Eğitim?

Olasılıksal Planlama. Tek sayılı tahmin yerine belirsizliği gösteren olasılıksal tahminlerle servis seviyesi ve stok kararlarını birlikte verin.

Tahmin ve Optimizasyon. Makine öğrenmesi tahminlerini doğrusal ve tam sayılı optimizasyon modelleriyle birleştirerek karara dönüştürün.

Uçtan Uca Görünürlük. Talepten tedarikçiye, depodan ağ tasarımına kadar zincirin tamamını tek bir analitik çerçevede ele alın.

“Dayanıklı tedarik zincirleri belirsizliği yok sayarak değil, onu ölçüp optimizasyonun merkezine koyarak kurulur.”

Ön Koşullar

Python ve pandas — pandas ile zaman bazlı veri işleme, gruplama ve görselleştirme yapabilmek.
Planlama Deneyimi — Talep planlama, stok yönetimi, satın alma veya S&OP süreçlerinde görev almış olmak.
İstatistik Temeli — Olasılık dağılımları, regresyon ve hata ölçütleri gibi temel istatistik kavramlarını bilmek.
Çalışma Ortamı — Python 3 ve Jupyter kurulu, paket yükleyebilen bilgisayar veya bulut not defteri erişimi.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiTedarik zincirinde yapay zeka kullanım alanlarını tanımak, planlama verisini hazırlamak ve istatistiksel zaman serisi modelleriyle hiyerarşik talep tahmini yapmak.

Modül 1

Tedarik Zincirinde Yapay Zeka ve Karar Katmanları

Stratejik, taktik ve operasyonel tedarik zinciri kararları
Tanımlayıcı, tahmine dayalı ve reçeteleyici analitik
Kamçı etkisi (bullwhip) ve belirsizliğin maliyeti
Planlama sistemleri: ERP, APS ve kontrol kulesi
Yapay zeka kullanım alanlarının değer haritası
Vaka: Perakende zincirinde stoksuzluk ve fazla stok

Modül 2

Planlama Verisinin Hazırlanması

Satış, sipariş, stok, fiyat ve promosyon veri kaynakları
Kayıp satış ve kısıtlı talebin düzeltilmesi
Ürün hiyerarşisi, lokasyon ve zaman ağacı kurgusu
Yeni ürün, ürün geçişleri ve kısa geçmişli seriler
Talep örüntüleri: düzenli, mevsimsel, kesintili
Laboratuvar: Mağaza-ürün satış verisinin keşfi

Modül 3

İstatistiksel Zaman Serisi Tahmini

Üstel düzleştirme (ETS) ve ARIMA modelleri
StatsForecast ile binlerce seride hızlı tahmin
Kesintili talep için Croston ve TSB yöntemleri
Zaman serisi çapraz doğrulama ve geriye dönük test
Hata ölçütleri: MAPE, WAPE, MASE ve sapma (bias)
Laboratuvar: Ürün bazında istatistiksel tahmin modeli

Modül 4

Hiyerarşik Tahmin ve Tahmin Katma Değeri

Hiyerarşik ve gruplanmış zaman serileri
Aşağıdan yukarı, yukarıdan aşağı ve MinT uzlaştırma
Laboratuvar: HierarchicalForecast ile tutarlı tahminler
Tahmin katma değeri (FVA) analizi ve yorumu
Planlamacı düzeltmelerinin ölçülmesi ve yönetimi
Günün değerlendirmesi ve makine öğrenmesi gününe köprü

Günün hedefiDışsal değişkenleri kullanan global makine öğrenmesi modelleri kurmak, promosyon ve fiyat etkisini modellemek ve stok kararlarına girdi olacak olasılıksal tahminler üretmek.

Modül 1

Global Makine Öğrenmesi Tahmin Modelleri

Yerel ve global tahmin modelleri yaklaşımı
Gecikme, hareketli ortalama ve takvim özellikleri
LightGBM ile çok serili talep tahmini
MLForecast ile özellik hattı ve özyinelemeli tahmin
Doğrudan ve özyinelemeli çok adımlı tahmin stratejileri
Laboratuvar: Global LightGBM talep modeli

Modül 2

Promosyon, Fiyat ve Dışsal Faktörler

Promosyon, indirim ve kampanya etkisinin modellenmesi
Fiyat esnekliği ve ikame ürünlerin yamyamlık etkisi
Hava durumu, tatiller ve bölgesel etkinlik verisi
Gelecekte bilinen ve bilinmeyen değişken ayrımı
Model açıklanabilirliği: SHAP ile talep etkenleri
Laboratuvar: Promosyon dönemi talep tahmini

Modül 3

Olasılıksal Tahmin ve Belirsizlik

Nokta tahmin ile olasılıksal tahmin arasındaki fark
Kantil regresyon ve tahmin aralıkları
Uyumlu tahmin (conformal prediction) ile aralık kalibrasyonu
Pinball kaybı ve kapsama oranı değerlendirmesi
Tahmin dağılımından stok kararına geçiş
Laboratuvar: P50 ve P90 talep tahminleri üretme

Modül 4

Derin Öğrenme ve Talep Algılama

NeuralForecast ile N-BEATS ve NHITS modelleri
Zaman serisi temel modelleri (foundation models) yaklaşımı
Kısa vadeli talep algılama (demand sensing)
Model seçimi: doğruluk, maliyet ve bakım dengesi
Vaka: Tahmin sürecinin S&OP döngüsüne bağlanması
Günün değerlendirmesi ve optimizasyon gününe köprü

Günün hedefiServis seviyesi hedefiyle stok politikalarını optimize etmek, belirsizliği simülasyonla test etmek ve tam sayılı programlamayla ağ ve üretim kararları vermek.

Modül 1

Stok Politikaları ve Emniyet Stoku

Döngü stoku, emniyet stoku ve ekonomik sipariş miktarı
Sürekli ve periyodik gözden geçirme: (s,Q) ve (R,S)
Servis seviyesi türleri: döngü servisi ve doluluk oranı
Tedarik süresi belirsizliğini içeren emniyet stoku
ABC-XYZ segmentasyonuyla farklılaştırılmış politika
Laboratuvar: Olasılıksal tahminle emniyet stoku

Modül 2

Çok Kademeli Stok ve Simülasyon

Çok kademeli (multi-echelon) stok optimizasyonu mantığı
Merkez depo ve bölge depoları arasında stok dağılımı
SimPy ile ayrık olay simülasyonu temelleri
Monte Carlo ile talep ve tedarik süresi senaryoları
Politikaların maliyet ve servis seviyesiyle kıyaslanması
Laboratuvar: İki kademeli ağda stok politikası simülasyonu

Modül 3

Matematiksel Optimizasyon ile Planlama

Doğrusal ve tam sayılı programlama modelleme mantığı
Karar değişkeni, amaç fonksiyonu ve kısıt yazımı
Pyomo, PuLP ve Google OR-Tools ile model kurma
HiGHS ve ticari çözücülerin karşılaştırılması
Kapasite kısıtlı üretim ve satın alma planlaması
Laboratuvar: Çok ürünlü üretim planı optimizasyonu

Modül 4

Tedarik Ağı Tasarımı

Tesis yeri seçimi ve depo sayısı kararları
Laboratuvar: Karma tam sayılı modelle depo ağı tasarımı
Taşıma, depolama ve sabit maliyet ödünleşimleri
Senaryo analizi: talep artışı ve tesis kapanışı
Karbon emisyonunu amaç veya kısıt olarak ekleme
Günün değerlendirmesi ve risk gününe köprü

Günün hedefiTedarikçi kararlarını analitikle desteklemek, tedarik riskini izlemek, üretken yapay zekayı planlamaya eklemek ve uçtan uca optimizasyon projesini sunmak.

Modül 1

Satın Alma ve Tedarikçi Analitiği

Büyük dil modelleriyle harcama sınıflandırması
Çok kriterli tedarikçi seçimi ve sipariş dağıtımı
Miktar indirimli teklif değerlendirme optimizasyonu
Tedarikçi performans skorkartı ve teslimat tahmini
Fiyat ve emtia maliyeti eğilim analizi
Laboratuvar: Tedarikçi sipariş dağıtım modeli

Modül 2

Tedarik Riski ve Dayanıklılık

Tedarik riski türleri: tek kaynak, jeopolitik, lojistik
Haber ve metin analitiğiyle tedarikçi risk sinyalleri
Kesinti senaryolarında stres testi ve toparlanma süresi
Dayanıklılık ile maliyet verimliliği arasındaki denge
Tedarik zinciri dijital ikizi ve kontrol kulesi
Vaka: Kritik bileşende tedarik kesintisi senaryosu

Modül 3

Üretken YZ ve Planlama Süreçleri

Planlamacı için doğal dilde veri sorgulama asistanı
Optimizasyon sonuçlarının yöneticilere açıklanması
Yapay zeka ajanlarıyla istisna yönetimi ve uyarılar
S&OP toplantılarında senaryo karşılaştırma desteği
Yapay zeka önerilerinde insan onayı ve sorumluluk
Demo: Stok istisnalarını özetleyen planlama asistanı

Modül 4

Uçtan Uca Planlama Projesi ve Kapanış

Grup projesi: tahmin, stok politikası ve ağ senaryosu
Proje sunumları ve teknik geri bildirim
Kurumsal tedarik zinciri analitiği yol haritası
Eğitim değerlendirmesi ve interaktif Soru-Cevap
Sertifika takdimi ve laboratuvar not defterlerinin teslimi
İleri öğrenme kaynakları ve kapanış oturumu

Eğitim Kazanımları

Planlama Verisi — Satış, stok ve promosyon verisini kayıp satış ve hiyerarşi yapısını gözeterek tahmine hazır hale getirebileceksiniz.
Talep Tahmini — ETS, ARIMA, LightGBM ve derin öğrenme modelleriyle hiyerarşik ve tutarlı talep tahminleri üretebileceksiniz.
Belirsizlik Yönetimi — Kantil ve uyumlu tahmin yöntemleriyle olasılıksal tahminler üretip planlama kararlarına aktarabileceksiniz.
Stok Optimizasyonu — Servis seviyesi hedeflerine göre emniyet stoku ve çok kademeli stok politikalarını optimize edebileceksiniz.
Optimizasyon — Pyomo, PuLP ve OR-Tools ile üretim, satın alma ve dağıtım planlama modellerini kurup çözebileceksiniz.
Ağ Tasarımı — Tesis yeri, depo sayısı ve akış kararlarını maliyet, servis ve karbon senaryolarıyla değerlendirebileceksiniz.
Tedarik Riski — Tedarikçi risk sinyallerini izleyip kesinti senaryolarında zincirin dayanıklılığını test edebileceksiniz.
Karar Entegrasyonu — Tahmin ve optimizasyon çıktılarını S&OP sürecine ve üretken yapay zeka asistanlarına bağlayabileceksiniz.

Kimler İçin Uygundur?

Tedarik zinciri analistleri ve planlama uzmanları
talep ve stok planlama yöneticileri
satın alma analitiği ekipleri
endüstri mühendisleri ve tedarik zinciri veri bilimcileri.

Sıkça Sorulan Sorular

Yapay Zeka ile Tedarik Zinciri Optimizasyonu Eğitimi kimler için uygundur?

Program; tedarik zinciri analistleri, talep ve stok planlama uzmanları, satın alma analitiği ekipleri, endüstri mühendisleri ve tedarik zinciri alanında çalışan veri bilimciler için tasarlanmıştır.

Eğitim ne kadar sürer ve hangi konuları kapsar?

Eğitim 4 tam gün ve 16 modülden oluşur. İstatistiksel ve makine öğrenmesi tabanlı talep tahmini, stok optimizasyonu ve simülasyon, matematiksel optimizasyonla ağ tasarımı ile satın alma ve tedarik riski analitiği işlenir.

Katılım için hangi ön bilgiler gerekiyor?

Python ve pandas ile veri işleme yapabilmek, temel istatistik kavramlarını bilmek ve talep planlama, stok yönetimi veya satın alma süreçlerinde deneyim sahibi olmak beklenir.

Eğitimde hangi kütüphane ve araçlar kullanılıyor?

StatsForecast, MLForecast, HierarchicalForecast, NeuralForecast, LightGBM, SHAP, SimPy, Pyomo, PuLP, Google OR-Tools ve HiGHS çözücüsü kullanılır. Üretken yapay zeka örnekleri kurumun tercih ettiği modelle gösterilebilir.

Bu eğitim lojistik ve ulaşım optimizasyonu eğitiminden nasıl ayrışır?

Bu program talep tahmini, stok politikası, ağ tasarımı ve tedarikçi kararlarına odaklanır. Araç rotalama, teslimat süresi tahmini, filo ve depo içi operasyon optimizasyonu ise Lojistik ve Ulaşım Optimizasyonu Eğitiminde ele alınır.

Sertifikalandırma

Bu eğitim Katılım Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

YAPAY ZEKA İLE TEDARİK ZİNCİRİ OPTİMİZASYONU EĞİTİMİ

Eğitim Hakkında

Neden Bu Eğitim?

Ön Koşullar

Eğitim İçeriği

Tedarik Zincirinde Yapay Zeka ve Karar Katmanları

Planlama Verisinin Hazırlanması

İstatistiksel Zaman Serisi Tahmini

Hiyerarşik Tahmin ve Tahmin Katma Değeri

Global Makine Öğrenmesi Tahmin Modelleri

Promosyon, Fiyat ve Dışsal Faktörler

Olasılıksal Tahmin ve Belirsizlik

Derin Öğrenme ve Talep Algılama

Stok Politikaları ve Emniyet Stoku

Çok Kademeli Stok ve Simülasyon

Matematiksel Optimizasyon ile Planlama

Tedarik Ağı Tasarımı

Satın Alma ve Tedarikçi Analitiği

Tedarik Riski ve Dayanıklılık

Üretken YZ ve Planlama Süreçleri

Uçtan Uca Planlama Projesi ve Kapanış

Eğitim Kazanımları

Kimler İçin Uygundur?

Sıkça Sorulan Sorular

Sertifikalandırma

Eğitim Bilgileri

Benzer Programlar

Yapay Zeka Güvenliğine Giriş Eğitimi

Yapay Zeka Kurumsal Strateji Yönetimi Eğitimi

Yapay Zeka Küresel Yönetişim Çerçeveleri Eğitimi