Proje İçeriği

DIM AI Shift Maker & Shift Control, Doğuş Otomotiv DİM çağrı merkezinin vardiya planlamasını uçtan uca otomatikleştiren ve hazırlanan planları 4857 sayılı İş Kanunu'na göre denetleyen, GenAI destekli kurumsal bir servistir. FastAPI tabanlı REST API ve yönetim amaçlı Streamlit arayüzünden oluşur. İki temel modülü vardır:

A) Vardiya Oluşturma — Matematiksel Optimizasyon Modülü

Modül, çağrı tahmin verilerinden yola çıkarak Erlang-C kuyruk teorisi formülüyle her saat dilimi için gereken minimum müşteri temsilcisi sayısını hesaplar. Ardından PuLP + CBC çözücü ile bir karma tam sayılı (Mixed-Integer) optimizasyon modeli kurar. Modelin karar değişkeni X[personel][gün][vardiya] matrisinden oluşur.

Amaç fonksiyonu beş kritik bileşenin ağırlıklı toplamını optimize eder:

  ▸  Hizmet seviyesi sapması: Eksik veya fazla personel atamalarına uygulanan ceza fonksiyonu

  ▸  Haftalık çalışma düzeni tutarlılığı: Düzen bozulmalarının minimize edilmesi

  ▸  Pazar günü izin ödülü: Hafta sonu dinlenmesinin teşvik edilmesi

  ▸  Gece saati adaleti: Gece vardiyalarının personeller arasında eşit dağıtılması

  ▸  Kısmi çalışanların uygun vardiyaya atanması

Kısıtlar: Kişi başı günde tek vardiya veya izin, eğitim günlerinde zorunlu izin, işe giriş/çıkış tarihleri, haftalık çalışma saati üst sınırları, vardiya başına min/max/tam personel kuralları, yasaklı vardiya tanımları ve mola kuralları. Ek olarak doğum günü çakışması, kurs/yüksek lisans çakışması ve tam gün eğitim uyarıları otomatik olarak kontrol edilir.

Çıktı: 5 sayfalı kapsamlı bir Excel raporu (saatlik/kodlu atama tabloları, günlük vardiya sayıları, personel bazlı gece saati dağılımı, saatlik hizmet seviyesi karşılama analizi). Her rapor otomatik versiyonlanarak AWS S3 arşivine kaydedilir.

B) Vardiya Kontrol — GenAI Destekli Yasal Uygunluk Denetimi

Yüklenen vardiya planları, 4857 sayılı İş Kanunu'nun aşağıdaki kurallarına göre otomatik denetlenir:

  ▸  Üst üste en fazla 6 gün çalışma (7. gün zorunlu izin)

  ▸  Tek vardiya en fazla 11 saat

  ▸  İki vardiya arası en az 11 saat dinlenme

  ▸  Gece çalışması (20:00–06:00) tek vardiyada en fazla 6 saat

  ▸  Engelli/hamile personel için en fazla 9 saat çalışma ve 20:00 sonrası çalışma yasağı

Referans dönem birleştirme: "Üst üste 6 gün" gibi ay sınırını aşan kurallar için önceki dönemin planı, mevcut planla tek bir takvimde birleştirilip denetlenir; ihlaller yalnızca kontrol dönemi için raporlanır. Referans olarak yeni yüklenen Excel, geçmiş optimizasyon çıktısı veya onaylanmış bir kontrol kaydı kullanılabilir.

Yapay zeka katmanı: Azure OpenAI (GPT-5.2) entegrasyonu, tespit edilen ihlal verilerini analiz ederek Türkçe, profesyonel ve çözüm odaklı bir yönetici raporu üretir. Rapor; genel plan sağlığı değerlendirmesi, kritik ihlallerin önceliklendirilmesi, personel bazlı risk analizi ve somut düzeltme önerilerini içerir.

Dayanıklı parser: Tanınmayan hücreler sistemi durdurmaz; "anomali" olarak ayrıca raporlanır. Tek bir yazım hatası tüm denetimi bozmaz, plan yine işlenir.

Taslak → Onay akışı: Her kontrol önce S3'e çok sayfalı Excel olarak taslak kaydedilir; kullanıcı onayladığında kalıcı geçmiş kaydına dönüşür ve sonraki denetimlerde referans olarak kullanılabilir.

Teknik altyapı: FastAPI, Python 3.13, Gunicorn/Uvicorn, PuLP/CBC, Pandas/NumPy, Azure OpenAI, Langfuse (LLM gözlemlenebilirlik), Keycloak (rol bazlı kimlik doğrulama), AWS S3 (stateless mimari), Elasticsearch (metrik loglama), Kubernetes/Docker. Servis dışarıya tamamen kapalıdır; tüm trafik merkezi BaseProxyApi gateway üzerinden yönlendirilir.

Projenin Amacı

Bu proje, hem mevcut bir sürecin köklü dönüşümünü hem de daha önce hiç var olmayan bir kurumsal yeteneğin sıfırdan yaratılmasını kapsamaktadır.

Süreç iyileştirme boyutu: DİM çağrı merkezinde vardiya planlaması daha önce tamamen manuel yürütülüyordu. Planlama sorumlusu, Excel üzerinde elle personel atamalarını yapıyor, yasal kısıtları hafızasına dayanarak kontrol ediyordu. Bu süreç her dönem için günlerce süren, hata riski yüksek ve tekrara dayalı bir iş yükü oluşturuyordu. DIM AI Shift Maker ile bu süreç saniyeler mertebesine indirildi.

Yeni hizmet yaratma boyutu: Yapay zeka destekli İş Kanunu uygunluk denetimi ve otomatik yönetici raporlaması, kurum bünyesinde daha önce hiç var olmayan bir yeteneği temsil etmektedir. Planlama yapıldıktan sonra yasal uygunluğun sistematik olarak denetlenmesi, ihlallerin otomatik tespiti ve bunların anlaşılır bir yönetici raporuna dönüştürülmesi tamamen yeni bir iç hizmettir.

Öncesi: Günlerce süren manuel Excel çalışması + yasal kontrollerin insan hafızasına bağlı olması.

Sonrası: Tek tıkla optimize edilmiş vardiya planı + otomatik yasal denetim + AI destekli yönetici raporu.

Proje içindeki en büyük inovasyon nedir? (yeni bir teknoloji veya var olan teknolojinin farklı kullanımı gibi. IOT, M2M, AI vb.)

Projenin temel inovasyonu, klasik yöneylem araştırması (Operations Research) disiplini ile üretken yapay zekanın (Generative AI) tek bir uçtan uca akışta birleştirilmesidir. Bu hibrit yaklaşım, sektörde benzersiz bir konumlandırma sunmaktadır.

1. Optimizasyon + GenAI hibriti: Vardiya planı, deterministik matematiksel modelle (PuLP/CBC) optimize edilir — bu aşamada kararlar ölçülebilir ve tekrarlanabilirdir. Ardından uygunluk denetiminin çıktısı, bir büyük dil modeliyle (GPT-5.2) yorumlanıp yöneticinin anlayacağı Türkçe, eyleme dönük bir rapora dönüştürülür. İnsanın normalde yaptığı "planı satır satır oku, ihlalleri bul, gerekçesini yaz" iş yükü tamamen otomatikleştirilmiştir.

2. Dönem sınırını aşan kural denetimi (Referans dönem birleştirme): "Üst üste 6 gün çalışma yasağı" gibi kurallar ay geçişlerinde kırılgandır. Sistem, önceki dönemin planını mevcut dönemle tek bir takvimde birleştirerek bu kuralları ay sınırlarından bağımsız olarak doğru hesaplar. Bu yaklaşım, piyasadaki standart vardiya yazılımlarında bulunmayan bir özelliktir.

3. Erlang-C ile talebe dayalı dinamik planlama: Sabit kadro varsayımı yerine, gerçek çağrı yoğunluğu tahminine dayalı saatlik personel ihtiyacı hesabı yapılır. Erlang-C kuyruk modeli, çağrı merkezleri için en doğru kapasite planlama yöntemidir.

4. Dayanıklı veri işleme (Fault-tolerant parsing): Hatalı, eksik veya tanınmayan veriler sistemi durdurmaz; anomali olarak ayrı raporlanır ve plan üretimi devam eder. Gerçek dünya verisinin düzensizliğine karşı endüstriyel düzeyde dayanıklılık sağlanmıştır.

5. Adalet kısıtları: Gece nöbetlerinin ve Pazar izinlerinin personeller arasında adaletli dağıtılması, çalışan memnuniyetini doğrudan etkileyen ve modelin matematik katmanına gömülü bir özelliktir. Bu, yalnızca operasyonel verimlilik değil, aynı zamanda çalışan deneyimi odaklı bir optimizasyon yaklaşımını temsil eder.

Proje kurum içindeki hangi bölüme fayda sağlamıştır?(satış, pazarlama, finans, İK, IT, Üretim, Planlama, Satın alma, Lojistik Müşteri İlişkileri gibi)

Birincil fayda alanı — DİM Çağrı Merkezi Operasyonu ve İş Gücü Planlama Ekibi: Vardiya planlama süresi günlerden dakikalara indi. Planlama sorumlusu, operasyonel detaylarla uğraşmak yerine stratejik kapasite kararlarına odaklanabilir hale geldi. Hizmet seviyesi hedefleri (SLA), gerçek çağrı yoğunluğu tahminine dayalı bilimsel bir temele oturtuldu. İnsan Kaynakları ve Çalışan İlişkileri: Gece vardiyalarının ve hafta sonu izinlerinin adil dağıtılması sayesinde çalışan memnuniyetine doğrudan katkı sağlandı. Personel bazlı çalışma süreleri şeffaf ve izlenebilir hale geldi. Hukuk ve Uyum Birimi: 4857 sayılı İş Kanunu'na uygunluk, insan hafızasına bağlı manuel kontrolden otomatik ve sistematik bir denetime dönüştürüldü. Olası yasal riskler, plan onaylanmadan önce tespit edilerek proaktif risk yönetimi sağlandı. Çağrı Merkezi Yönetimi: Saatlik kapasite analizi ile hizmet seviyesi boşlukları önceden görülebilir hale geldi. Yönetici raporları, operasyonel kararları veri odaklı almayı mümkün kıldı.

Projenin hayata geçirilmesi konusunda üst yönetimin desteğini tam olarak alabildiniz mi?

Proje, Doğuş Otomotiv DİM Çağrı Merkezi yönetiminin ve Doğuş Teknoloji İleri Veri Analitiği biriminin doğrudan koordinasyonuyla hayata geçirilmiştir. Üst yönetim, projenin hem operasyonel verimlilik hem de yasal uyum açısından stratejik önemini benimsemiş ve gerekli kaynak tahsisini sağlamıştır. Proje, Doğuş Teknoloji'nin yapay zeka odaklı dijital dönüşüm vizyonunun somut bir çıktısı olarak konumlandırılmıştır.

Proje sonunda ortaya çıkan sonuçları analiz edebildiniz mi? Rakamsal verilerle ifade eder misiniz?(ROI, maliyetlerde yüzdesel azalma, üretim süresinde azalma, hata payının düşmesi vs.)

Evet. Servis, ürettiği her çıktıyı ölçülebilir metriklerle destekler ve kapsamlı bir analiz altyapısına sahiptir:

Optimizasyon çıktı metrikleri: Her çalışma için çözüm durumu (Optimal / Infeasible), saatlik hizmet seviyesi karşılama analizi (talep edilen vs. atanan kapasite), personel başına gece saati dağılımı ve tüm uyarılar otomatik raporlanır.

Denetim çıktı metrikleri: Her plan için toplam ihlal sayısı, kural bazında ihlal dağılımı, en çok ihlal eden personeller ve dönemler arası karşılaştırmalı analiz üretilir.

Operasyonel izleme: Tüm API istekleri, sonuç durumları ve yanıt süreleri (ms) Elasticsearch'e loglanır. LLM çağrıları Langfuse ile izlenir (token tüketimi, gecikme, trace zinciri).

Kalıcı arşiv ve kıyaslama: Kontrol kayıtları S3'te versiyonlanarak arşivlenir; dönemler arası trend analizi ve kıyaslama yapılabilir.
Somut iş etkisi:

Projenin en çarpıcı sonucu planlama süresindeki dramatik kısalmadır: İki haftalık vardiya planının hazırlanması, daha önce yaklaşık 2 iş günü süren manuel bir Excel çalışmasıyken, DIM AI Shift Maker ile bu süre yaklaşık 2 dakikaya inmiştir. Bu, planlama süresinde %99,8'lik bir azalmaya karşılık gelmektedir.

Bu kazanım yalnızca bir hız artışı değildir; planlama sorumlusunun iki günlük tekrara dayalı, hata riski yüksek iş yükünden kurtularak stratejik kapasite kararlarına, personel gelişimine ve hizmet kalitesi iyileştirmelerine odaklanabilmesi anlamına gelmektedir. Ayrıca her plan döngüsünde kazanılan adam-günler, yıl bazında önemli bir verimlilik tasarrufuna dönüşmektedir.

Buna ek olarak, vardiya kontrol modülü sayesinde daha önce fark edilmesi zor olan İş Kanunu ihlalleri plan onaylanmadan önce sistematik olarak tespit edilmekte; yasal risk proaktif biçimde yönetilmektedir.

Projenizde şirket içinden kaç kişi aktif olarak görev almıştır? Ekip birimleri hakkında kısaca bilgi verir misiniz?

Projede 3 kişilik bir ekip aktif rol almıştır.

Projenizde (varsa)işbirliği kurduğunuz veya destek aldığınız bilişim şirketlerini belirtiniz.

Proje, Doğuş Teknoloji bünyesinde tamamen kurum içi (in-house) olarak geliştirilmiştir. Dış kaynak kullanımına ihtiyaç duyulmamış; tüm tasarım, geliştirme, test ve canlıya alma süreçleri Doğuş Teknoloji İleri Veri Analitiği ekibi tarafından yürütülmüştür. Bu durum, kurumun yapay zeka alanındaki iç yetkinliğinin somut bir kanıtıdır.

Proje sırasında kullandığınız ve spesifik önemi olan markaları (varsa) belirtiniz. (Yazılım veya donanım markaları)

Yapay Zeka: Microsoft Azure OpenAI (model: GPT-5.2) — ihlallerin analizi ve yönetici raporunun üretilmesi için Bulut Altyapı: Amazon Web Services (AWS) S3 — plan ve raporların güvenli, versiyonlu arşivlenmesi için LLM Gözlemlenebilirlik: Langfuse — yapay zeka çağrılarının izlenmesi, token analizi ve trace yönetimi Metrik ve Log Yönetimi: Elasticsearch (Elastic) — operasyonel metriklerin loglanması ve analizi Kimlik Doğrulama: Keycloak — rol bazlı erişim kontrolü ve kurumsal kimlik doğrulama Konteyner ve Orkestrasyon: Kubernetes, Docker Açık Kaynak Kütüphaneler: FastAPI (REST API framework), PuLP + CBC çözücü (matematiksel optimizasyon), Pandas, NumPy, Streamlit, OpenAI Python SDK Kurum İçi Platform: DAI (Doğuş Teknoloji AI) GenAI Platformu