Yapay Zeka ile Lojistik ve Ulaşım Optimizasyonu

Eğitim Hakkında

Bu eğitim, lojistik, dağıtım ve ulaşım operasyonlarında rota, filo, yükleme ve depo kararlarını yapay zeka ve yöneylem araştırması yöntemleriyle iyileştirmek isteyen ekipler için tasarlanmış dört günlük ileri düzey programdır. Katılımcılar Python ile coğrafi veri işleme, zaman pencereli araç rotalama, varış süresi tahmini, depo optimizasyonu ve emisyon hesabını gerçekçi vakalarla uygular.

Neden Bu Eğitim?

Gerçek Yol Ağı. Kuş uçuşu mesafe yerine gerçek yol ağı, trafik ve zaman pencereleriyle uygulanabilir rota planları üretin.

Rotalamada Ustalık. Kapasite, zaman penceresi ve çoklu depo kısıtlı araç rotalama problemlerini hazır çözücülerle modelleyin.

Maliyet ve Emisyon. Kilometre, araç sayısı ve karbon emisyonunu birlikte azaltan senaryoları ölçülebilir biçimde karşılaştırın.

“Lojistikte kazanç çoğu zaman daha hızlı araçtan değil, her kilometreyi ve her dakikayı daha akıllıca planlamaktan gelir.”

Ön Koşullar

Python ve pandas — pandas ve NumPy ile veri işleme, birleştirme ve temel görselleştirme yapabilmek.
Lojistik Bilgisi — Dağıtım planlama, taşıma, filo veya depo operasyonlarından birinde deneyim sahibi olmak.
Analitik Temel — Temel istatistik, regresyon ve optimizasyon kavramlarına genel düzeyde aşinalık.
Çalışma Ortamı — Python 3, Jupyter ve paket kurulum yetkisi olan bilgisayar; harita verisi için internet erişimi.

Eğitim İçeriği

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

Günün hedefiLojistik karar problemlerini sınıflandırmak, coğrafi veriyi Python ile işlemek, gerçek yol ağında mesafe ve süre matrisleri üretmek ve talebi mekânsal olarak analiz etmek.

Modül 1

Lojistikte Yapay Zeka ve Yöneylem Araştırması

Lojistik maliyet kalemleri ve temel performans göstergeleri
Planlama ufukları: ağ, filo, günlük rota ve anlık kararlar
Tahmin, optimizasyon ve simülasyonun birlikte kullanımı
Kesin çözüm, sezgisel ve metasezgisel yöntem farkları
Taşıma yönetim sistemi (TMS) ve telematik veri kaynakları
Vaka: Bölgesel dağıtım ağında maliyet kırılımı analizi

Modül 2

Coğrafi Veri İşleme

Koordinat sistemleri, projeksiyonlar ve mesafe hesabı
GeoPandas ile nokta, çizgi ve poligon verisi
Adres coğrafi kodlama (geocoding) ve veri temizliği
Uber H3 altıgen ızgarası ile mekânsal toplulaştırma
Folium ve Kepler.gl ile harita görselleştirme
Laboratuvar: Teslimat noktalarının haritalanması

Modül 3

Yol Ağı ve En Kısa Yol Analizi

OpenStreetMap verisi ve OSMnx ile yol ağı çıkarımı
Graf olarak yol ağı: düğüm, kenar ve ağırlıklar
Dijkstra ve A* algoritmalarıyla en kısa yol
OSRM ile mesafe ve süre matrisi üretimi
Tek yön, köprü ve ağır vasıta kısıtlarının etkisi
Laboratuvar: Şehir içi süre matrisi oluşturma

Modül 4

Mekânsal Talep ve Bölgelendirme

Teslimat yoğunluğunun mekânsal ve zamansal analizi
K-means ve kısıtlı kümeleme ile bölge oluşturma
Dengeli iş yükü için teslimat bölgesi tasarımı
Aktarma merkezi ve mikro depo yeri seçimi
Laboratuvar: H3 tabanlı talep ısı haritası ve bölgeler
Günün değerlendirmesi ve rotalama gününe köprü

Günün hedefiAraç rotalama problemlerini kapasite ve zaman penceresi kısıtlarıyla modellemek ve OR-Tools ile sezgisel yöntemleri karşılaştırarak uygulanabilir rotalar üretmek.

Modül 1

Gezgin Satıcı ve Araç Rotalama Temelleri

Gezgin satıcı problemi (TSP) ve karmaşıklığı
Araç rotalama problemi (VRP) varyantları
Tasarruf (Clarke-Wright) ve en yakın komşu sezgiselleri
Tam sayılı programlama ile küçük ölçekli VRP modeli
Çözüm kalitesi, süre ve ölçek ödünleşimi
Laboratuvar: Sezgisel yöntemlerle ilk rota planı

Modül 2

OR-Tools ile Kısıtlı Rotalama

Google OR-Tools routing kütüphanesinin yapısı
Kapasite kısıtlı araç rotalama (CVRP) modeli
Zaman pencereli rotalama (VRPTW) ve servis süreleri
Heterojen filo, sürücü mesaisi ve mola kuralları
Arama stratejileri ve zaman limiti ayarları
Laboratuvar: Zaman pencereli market dağıtım rotası

Modül 3

İleri Rotalama Varyantları

Çoklu depo ve açık rota problemleri
Toplama ve dağıtım (pickup and delivery) problemi
Öncelikli sipariş, ceza maliyeti ve durak atlama
Periyodik rotalama ve haftalık ziyaret planlaması
PyVRP kütüphanesi ile yüksek performanslı çözüm
Laboratuvar: İade toplamalı dağıtım rotası

Modül 4

Metasezgisel Yöntemler ve Çözüm Değerlendirme

Tabu arama, benzetilmiş tavlama ve genetik algoritma
Yerel arama operatörleri: 2-opt, yer değiştirme
Kısıt ihlali ve çözüm uygulanabilirliği kontrolü
Plan ile gerçekleşen rota arasındaki sapma analizi
Vaka: Rota optimizasyonu ile araç sayısının azaltılması
Günün değerlendirmesi ve tahmin gününe köprü

Günün hedefiVarış süresi ve taşıma talebini makine öğrenmesiyle tahmin etmek, gün içi değişikliklere dinamik rotalamayla yanıt vermek ve yükleme ile filo kararlarını optimize etmek.

Modül 1

Varış Süresi (ETA) Tahmini

GPS ve telematik verisinin temizlenmesi ve eşleştirilmesi
Saat, gün, hava ve bölge özellikleriyle süre modeli
LightGBM ile varış süresi ve servis süresi tahmini
Tahmin aralıkları ile müşteriye güvenilir zaman penceresi
Tahmin edilen sürelerin rotalama matrisine aktarılması
Laboratuvar: Teslimat süresi tahmin modeli

Modül 2

Taşıma Talebi ve Kapasite Planlama

Günlük sipariş ve sevkiyat hacmi tahmini
Bölge ve saat bazında kurye ve araç ihtiyacı
Filo büyüklüğü kararı: sahip olma ve kiralama dengesi
Vardiya ve sürücü planlaması için optimizasyon
Navlun fiyatı eğilimleri ve spot taşıma kararları
Laboratuvar: Bölgesel araç ihtiyacı planı

Modül 3

Dinamik Rotalama ve Pekiştirmeli Öğrenme

Gün içi yeni sipariş, iptal ve trafik değişikliği
Yeniden optimizasyon ve kayan ufuk yaklaşımı
Sipariş-kurye eşleştirme ve atama problemleri
Pekiştirmeli öğrenmenin (RL) rotalamadaki yeri
Simülasyonla dinamik politika testleri
Demo: Anlık siparişle rotanın güncellenmesi

Modül 4

Yükleme ve Konsolidasyon Optimizasyonu

Kutu paketleme (bin packing) ve araç doluluk oranı
Konteyner ve tır yükleme: ağırlık ve istif kısıtları
Parsiyel yüklerin konsolidasyonu ve çapraz sevkiyat
Taşıma modu seçimi: karayolu, demiryolu, intermodal
Laboratuvar: Palet yükleme planı optimizasyonu
Günün değerlendirmesi ve depo gününe köprü

Günün hedefiDepo içi yerleşim ve toplama süreçlerini optimize etmek, son mil teslimatını tasarlamak, emisyonu standartlara uygun hesaplamak ve uçtan uca lojistik projesini sunmak.

Modül 1

Depo İçi Operasyon Optimizasyonu

Adres atama (slotting) ve ürün hız sınıflandırması
Toplama rotası optimizasyonu ve yürüme mesafesi
Sipariş gruplama (batching) ve dalga planlaması
Birlikte satın alınan ürünlerle yerleşim analizi
Depoda görüntü işleme ve otonom mobil robotlar
Laboratuvar: Sipariş gruplama ve toplama rotası

Modül 2

Son Mil Teslimat Tasarımı

Son mil maliyet yapısı ve başarısız teslimat etkisi
Teslimat zaman aralığı tasarımı ve fiyatlandırma
Teslimat dolapları, bırakma noktaları ve kitle kuryeleri
Elektrikli araçlarda menzil ve şarj kısıtlı rotalama
Başarısız teslimat olasılığı tahmini
Vaka: E-ticaret şehir içi aynı gün teslimat modeli

Modül 3

Sürdürülebilirlik ve Operasyonel Yapay Zeka

ISO 14083 ve GLEC Çerçevesi ile emisyon hesabı
Rota ve mod seçiminde karbon ile maliyet dengesi
Telematik verisiyle sürüş davranışı ve yakıt analizi
Üretken YZ ile sevkiyat istisnası ve müşteri bildirimleri
Konum verisi, KVKK ve sürücü mahremiyeti
Demo: Planlamacı için doğal dil rota sorgulama asistanı

Modül 4

Uçtan Uca Lojistik Projesi ve Kapanış

Grup projesi: talep, bölge, rota ve emisyon senaryosu
Proje sunumları ve çözüm kalitesi geri bildirimi
Rota optimizasyonunu TMS ile entegre etme yol haritası
Eğitim değerlendirmesi ve interaktif Soru-Cevap
Sertifika takdimi ve laboratuvar not defterlerinin teslimi
İleri öğrenme kaynakları ve kapanış oturumu

Eğitim Kazanımları

Coğrafi Analitik — GeoPandas, H3 ve OSMnx ile teslimat noktalarını, yol ağını ve mekânsal talebi analiz edebileceksiniz.
Süre Matrisleri — OSRM ve graf algoritmalarıyla gerçek yol ağında mesafe ve süre matrisleri oluşturabileceksiniz.
Araç Rotalama — OR-Tools ve PyVRP ile kapasite, zaman penceresi ve çoklu depo kısıtlı rotalama problemlerini çözebileceksiniz.
Varış Süresi Tahmini — Telematik ve sipariş verisinden makine öğrenmesiyle güvenilir varış ve servis süresi tahminleri üretebileceksiniz.
Dinamik Operasyon — Gün içi sipariş ve trafik değişikliklerine yeniden optimizasyon ve atama modelleriyle yanıt verebileceksiniz.
Yükleme ve Depo — Araç yükleme, sipariş gruplama ve toplama rotası problemlerini optimizasyonla iyileştirebileceksiniz.
Emisyon Yönetimi — ISO 14083 ve GLEC Çerçevesi ile taşıma emisyonunu hesaplayıp maliyet ile karbon dengesini kurabileceksiniz.
Uçtan Uca Proje — Talep, bölgelendirme, rota ve emisyon adımlarını birleştiren uygulanabilir bir lojistik çözümü tasarlayacaksınız.

Kimler İçin Uygundur?

Lojistik ve dağıtım planlama uzmanları
filo ve taşıma yöneticileri
depo operasyon analistleri
endüstri mühendisleri ile lojistik ve e-ticaret firmalarının veri bilimcileri.

Sıkça Sorulan Sorular

Yapay Zeka ile Lojistik ve Ulaşım Optimizasyonu Eğitimi kimler için uygundur?

Program; lojistik ve dağıtım planlama uzmanları, filo ve taşıma yöneticileri, depo operasyon analistleri, endüstri mühendisleri ile lojistik ve e-ticaret firmalarının veri bilimcileri için tasarlanmıştır.

Eğitim ne kadar sürer ve nasıl yapılandırılmıştır?

Eğitim 4 tam gün ve 16 modülden oluşur. Coğrafi veri ve yol ağı, araç rotalama problemleri, tahmin ve dinamik operasyon ile depo, son mil ve sürdürülebilirlik günleri işlenir; son gün grup projesi sunulur.

Katılım için hangi ön bilgiler gerekli?

Python ve pandas ile veri işleme yapabilmek, temel istatistik ve optimizasyon kavramlarına aşina olmak ve dağıtım, taşıma, filo veya depo operasyonlarından birinde deneyim sahibi olmak beklenir.

Eğitimde hangi araç ve kütüphaneler kullanılıyor?

GeoPandas, OSMnx, H3, Folium, OSRM, Google OR-Tools, PyVRP ve LightGBM başta olmak üzere açık kaynak araçlar kullanılır. Harita verisi OpenStreetMap üzerinden sağlanır; ticari lisans gerekmez.

Kendi dağıtım verimizle çalışılabilir mi, sertifika veriliyor mu?

Kapalı kurum gruplarında anonimleştirilmiş teslimat, araç ve depo verileriyle proje yürütülebilir. Programı tamamlayan katılımcılar Digital Vizyon Akademi sertifikası alır.

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 LOJİSTİK VE ULAŞIM OPTİMİZASYONU EĞİTİMİ

Eğitim Hakkında

Neden Bu Eğitim?

Ön Koşullar

Eğitim İçeriği

Lojistikte Yapay Zeka ve Yöneylem Araştırması

Coğrafi Veri İşleme

Yol Ağı ve En Kısa Yol Analizi

Mekânsal Talep ve Bölgelendirme

Gezgin Satıcı ve Araç Rotalama Temelleri

OR-Tools ile Kısıtlı Rotalama

İleri Rotalama Varyantları

Metasezgisel Yöntemler ve Çözüm Değerlendirme

Varış Süresi (ETA) Tahmini

Taşıma Talebi ve Kapasite Planlama

Dinamik Rotalama ve Pekiştirmeli Öğrenme

Yükleme ve Konsolidasyon Optimizasyonu

Depo İçi Operasyon Optimizasyonu

Son Mil Teslimat Tasarımı

Sürdürülebilirlik ve Operasyonel Yapay Zeka

Uçtan Uca Lojistik 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