Yapay Zekâ ile Nakliyat Teklif Hesaplama Sistemi Nasıl Yapılır?

Hedef belli değilse panel de dağılır

Nakliyat Teklif Hesaplama Sistemi konusunda yapay zekâdan yararlanmak, işi tamamen otomatikleştirmek anlamına gelmez. Araç; soru sorma, alternatif karşılaştırma, örnek kayıt üretme ve kontrol listesi hazırlamada güçlüdür. İşletmenin sorumluluğu, yetki ve kabul ölçütleri yine insanlar tarafından belirlenir.

Bu işte aynı kayda farklı yerlerden dokunan kişiler var: operasyon sorumlusu, depo, sürücü, kurye, müşteri ve gerektiğinde taşıyıcı firma. Temel kayıtlar araç, sürücü, yük, durak, rota, zaman penceresi, masraf ve teslimat kanıtı kayıtları. Hedef, planlanan sevkiyatla sahada gerçekleşeni aynı işlem geçmişinde görebilmek ve istisnaya erken müdahale etmektir. Kullanıcıların sorumluluğu ve veri sahipliği netleşmeden üretilen ekranlar kısa sürede elle düzeltme alanına dönüşür.

Kullanıcıdan önce süreci anla

Tek bir gerçek kaydı seçip kim oluşturuyor, kim değiştiriyor, hangi aşamada bekliyor ve kapanınca hangi rapora giriyor sorularını cevapla. Ekran taslağı bu cevaplardan sonra gelmeli. Böylece panel insanların işini takip eder; insanlar panelin istediği gereksiz işi yapmak zorunda kalmaz.

Nakliyat Teklif Hesaplama Sistemi için özellikle tutulması gereken bilgi şudur: belge sahibi, sürüm, geçerlilik, kalemler, koşullar, talep eden, onaylayan, karar zamanı ve ret gerekçesi. Bunların hepsini tek geniş tabloda toplamak yerine ana kayıt, hareket geçmişi ve dosyaları görevlerine göre ayır. Böylece bir alan değiştiğinde hangi eski işlemin etkilenmeyeceği daha kolay görülür.

İlk çalışan akış

İlk sürümde bütün departmanları veya bütün istisnaları çözmeye çalışma. Nakliyat Teklif Hesaplama Sistemi için aşağıdaki sıra, hatayı daha ucuzken görmeyi ve modelden her aşamada daha somut yardım almayı sağlar.

1. Bir sevkiyatı görev oluşturulmasından teslim kanıtına kadar zaman çizelgesine dök.

Çıktıyı küçük bir örnek üzerinde uygula. Beklenenle gerçek sonuç farklıysa yeni bir genel komut yazmak yerine farkı, hata mesajını, veri durumunu ve kullanılan sürümü açıkça ver.

2. Plan, görev, konum olayı ve teslim sonucunu ayrı kayıtlar olarak modelle.

Her önerinin yanına sorumlu kişi, kabul ölçütü ve geri alma yolu ekle. “Entegre et” veya “optimize et” tek başına teslim tanımı değildir; görülebilir bir sonuç bulunmalı.

3. Tek bölge ve az sayıda araçla çevrimdışı çalışabilen ilk sürümü dene.

Bir sonraki adıma geçme koşulunu önceden yaz. Bu küçük kural, yapay zekânın sürekli özellik eklemesini engeller ve ilk sürümü gereksiz büyümekten korur.

4. Gecikme, yanlış adres, araç arızası, eksik teslim ve yeniden atama senaryolarını çalıştır.

Mümkünse sahte veri ve ayrı test ortamı kullan. Canlı değişiklik gerekiyorsa kapsamı daralt, yedek al ve önceki durumu kaydet. Anlamadığın komutu çalıştırma.

Örnek yapay zekâ talimatı

> “Nakliyat Teklif Hesaplama Sistemi için küçük bir ilk sürüm planlıyorum. Kullanıcılarım: operasyon sorumlusu, depo, sürücü, kurye, müşteri ve gerektiğinde taşıyıcı firma. Ana hedefim planlanan sevkiyatla sahada gerçekleşeni aynı işlem geçmişinde görebilmek ve istisnaya erken müdahale etmektir. Tutulacak temel bilgiler: belge sahibi, sürüm, geçerlilik, kalemler, koşullar, talep eden, onaylayan, karar zamanı ve ret gerekçesi. Şu riski özellikle kontrol et: onaylandıktan sonra belgenin değişmesi, onaylayanın kendi talebine karar vermesi ve müşteriye eski sürümün gönderilmesi. Bana hemen kod verme. Önce eksik gördüğün en fazla sekiz soruyu sor. Cevaplarımdan sonra rol-yetki tablosu, veri varlıkları, izin verilen durum geçişleri ve dört aşamalı uygulama planı yaz. Her aşamaya kabul ölçütü, hata senaryosu ve geri alma yolu ekle. Gerçek parola, müşteri veya çalışan verisi isteme; sürümden emin değilsen varsayımını açıkça belirt.”

Komutu kendi işlem hacmin, kullanılan yazılım sürümleri ve değiştirilemeyecek iş kurallarıyla tamamla. İlk cevap çok genişse yalnız bir kullanıcı rolü ve bir ana işlem için veri alanlarını, durum geçişlerini ve üç hata senaryosunu iste. Parçayı doğrulamadan sonraki modüle geçme.

Bakımı unutma

Araçların görevi belli olmalı. Yönetim paneli CodeIgniter ve MySQL üzerinde, sürücü veya kurye ekranı Flutter ile hazırlanabilir. Harita ve bildirim servisleri ayrı sağlayıcılardır; kota, çevrimdışı çalışma ve başarısız istek davranışı önceden hesaplanmalı. Metin modeli kapsam, alan açıklaması, örnek sahte veri, SQL veya kod taslağı ve test listesinde yardımcı olabilir. Canlı bağlantı, yetki ve veri değişikliği doğrudan modelin kontrolüne verilmemeli.

Kod üreten araçtan aldığına yalnız sözdizimi açısından bakma. Başka kullanıcının kimliği gönderildiğinde ne olduğu, aynı isteğin iki kez gelmesi, boş ya da aşırı uzun değer, işlem yarıda kalınca kayıtların durumu ve hata mesajında hassas bilgi bulunup bulunmadığı da kontrol edilmeli.

Canlı kullanım kontrolü

Bu konudaki genel tehlike harita görüntüsünü operasyonun kendisi sanmak, eski konum verisiyle karar vermek ve kişisel konum bilgisini gereğinden uzun saklamaktır. Başlığa özgü kritik nokta ise onaylandıktan sonra belgenin değişmesi, onaylayanın kendi talebine karar vermesi ve müşteriye eski sürümün gönderilmesi. Uyarıyı metinde bırakmak yerine teste çevir: sorun hangi girdide oluşur, sistem ne yapmalı, kullanıcı ne görmeli ve işlem geçmişinde ne kalmalı?

Küçük bir kabul deneyi hazırla. İlk sürümü reddedilen, ikinci sürümü onaylanan ve geçerlilik süresi dolan bir örnek oluştur. Her aşamada görüntülenen belgenin değişmez kopyasını karşılaştır. Yapay zekâdan beklenen ve gerçekleşen sonucu tablo halinde karşılaştırmasını isteyebilirsin; gerçekleşen değeri aracın kendisinin ölçtüğünü varsayma.

Ana akış bir kez çalışınca sistem bitmiş sayılmaz. Yetkisiz erişim, eşzamanlı iki istek, iptal, düzeltme, bildirim hatası ve dış servis kesintisi denenmeli. Rapor veya bakiye üretiliyorsa birkaç kaydı elle hesaplayıp karşılaştır. Yedek alma işareti görmekle geri yüklenebilir yedeğe sahip olmak aynı şey değildir; küçük bir geri dönüş denemesi yap.

İlk sürümün amacı her ihtimali çözmek değil, en sık yapılan işi güvenilir biçimde yürütmektir. Gerçek kullanım verisi geldikçe ikinci sürüm kararları daha az tahmine dayanır.