Haberler

Çiğ Süt Arzını Yapay Zeka ile Öngörmek

Süt sektörünün en kritik konulardan biri çiğ süt arz tahminlemesidir. Çünkü; mevsimsel etkiler, yem tedariği, hayvanların laktasyon döngüleri ve hayvan varlığındaki değişimler, ekonomik koşullar gibi birçok faktör sektörde süt arzında önemli dalgalanmalara neden olmaktadır. Bu belirsizlikler süt arzında düzensizliklere ve çiğ süt tedariğinde planlama zorluklarına yol açar.

Lactalis Türkiye olarak, işimizin başlangıç noktası olan çiğ süt tedariğindeki bu zorluğa çözüm üretmek amacıyla yapay zekanın tahminlemedeki gücünden yararlanmaya karar verdik. TÜBİTAK desteğiyle, Yıldız Teknik Üniversitesi ve Medyasoft iş birliğinde geliştirdiğimiz Yapay Zeka Destekli Çiğ Süt Arz, Miktar ve Fiyat Tahminleme Projesi’ni hayata geçirdik. Projenin temel amacı, Türkiye genelindeki çiğ süt arzını öngörebilmek, karar alma süreçlerini veriye dayalı hale getirmek ve süt tedarik zincirinde oluşabilecek riskleri önceden görünür kılmaktır.

Sektördeki Problem

Geleneksel tahmin yöntemleri genellikle sınırlı sayıda değişken üzerinden çalıştığı için çiğ süt arzını etkileyen mevsimsel değişimler, yem maliyetleri, hayvan varlığı, iklim koşulları, et piyasasındaki gelişmeler ve ekonomik dinamikler gibi çok sayıda değişkenin karmaşık ilişkilerini yeterince açıklayamamaktadır. Bu durum, süt üreticilerinden sanayi kuruluşlarına kadar tüm paydaşlar için öngörülebilirliği azaltmaktadır.

Çözüm ve Teknik Yaklaşım

Proje kapsamında çiğ süt arzını etkilediği belirlenen hayvan varlığı, yem fiyatları, et kesim oranları ve ithalat verileri gibi yirminin üzerinde iç ve dış değişken on yılı aşkın tarihsel veriyle birlikte analiz edilmektedir.

Çiğ süt arzı; güçlü mevsimsellik etkileri gösteren ve birçok dış faktörden etkilenen karmaşık bir zaman serisi problemi olduğundan, projede tek bir model yaklaşımına bağlı kalınmamıştır. Akademik ve endüstriyel değerlendirme süreci kapsamında farklı yapay zeka ve ileri analitik yöntemleri test edilmiştir.

Bu kapsamda;

SARIMAX (Seasonal AutoRegressive Integrated Moving Average with Exogenous Variables) modeli ile geçmiş dönem ilişkileri, mevsimsel etkiler ve dış değişkenlerin arz üzerindeki etkileri analiz edilmiştir.
XGBoost (Extreme Gradient Boosting) algoritması kullanılarak çok sayıda değişken arasındaki doğrusal olmayan ilişkiler modellenmiştir.
Prophet modeli ile uzun dönemli trendler, takvim etkileri ve dönemsel değişimler değerlendirilmiştir.
LSTM (Long Short-Term Memory) tabanlı derin öğrenme modelleri kullanılarak zaman içerisindeki karmaşık örüntülerin öğrenilmesi hedeflenmiştir.
Farklı algoritmaların güçlü yönlerini birleştirmek amacıyla da çeşitli Topluluk Modeli yaklaşımları geliştirilmiş ve test edilmiştir.

Model geliştirme sürecinde her yaklaşım; tahmin doğruluğu, açıklanabilirlik, operasyonel sürdürülebilirlik ve canlı ortam performansı açısından karşılaştırılmıştır. Elde edilen sonuçlar doğrultusunda zaman serisi analitiği, makine öğrenmesi ve topluluk modeli yaklaşımlarını bir araya getiren hibrit bir mimari oluşturulmuştur.

Canlı ortamda çalışan sistem, tahmin sonuçlarını gerçekleşen verilerle sürekli olarak karşılaştırmakta ve model performansını düzenli olarak izlemektedir. Böylece yapay zeka yalnızca geçmişi analiz eden bir araç değil, sürekli öğrenen ve gelişen bir karar destek sistemi haline gelmektedir.

Kimler İçin Değer Üretiyor?

Çözüm sektördeki; Süt Alım, Üretim Planlama, Satın Alma, Tedarik Zinciri ekipleri ve üst yönetim başta olmak üzere birçok paydaş için değer üretmektedir.

Öngörülebilen arz eğilimleri sayesinde üretim kapasitesi daha etkin planlanabilmekte, lojistik operasyonlar optimize edilebilmekte ve olası risklere karşı alternatif senaryolar önceden hazırlanabilmektedir. Ayrıca karar alma süreçleri daha hızlı, objektif ve veri temelli hale gelmektedir.

Sonuçlar ve Projenin Temel Özellikleri

Projenin canlıya alınmasının ardından elde edilen ilk sonuçlar, yapay zeka destekli yaklaşımın tahminleme başarısını ortaya koymuştur. TÜİK tarafından açıklanan verilere göre gerçekleşen rakamlar ile model tahminleri karşılaştırıldığında;

Ocak ayında %99,99,
Şubat ayında %99,38,
Mart ayında %99,33
Nisan ayında %98,32

oranında doğru tahminleme yapıldığı gözlemlenmiştir. Böylece proje başlangıcında hedeflenen %95 doğruluk seviyesinin üzerine çıkılmıştır.

Projenin fark yaratan özellikleri ise şunlardır:

On yılı aşkın veri üzerinden eğitilmiş yapay zeka modelleri kullanılması,
Yirminin üzerinde değişkenin aynı anda değerlendirilmesi,
Çoklu algoritma ve ensemble yaklaşımının uygulanması,
Akademi–sanayi iş birliği modeliyle geliştirilmesi,
Canlı performansın sürekli ölçülmesi,
Operasyonel karar alma süreçlerine doğrudan katkı sağlaması.

Türkiye’nin Dijital ve Teknolojik Dönüşümüne Katkı

Proje, yalnızca bir tahminleme uygulaması olmanın ötesinde, Türkiye’nin yapay zeka ve veri bilimi alanındaki yetkinliklerinin geliştirilmesine katkı sağlayan bir Ar-Ge çalışmasıdır. TÜBİTAK desteğiyle üniversite-sanayi iş birliği modeli kapsamında yürütülen proje; özel sektör, akademi ve teknoloji ekosistemini ortak bir hedef etrafında buluşturmuştur.

Bu yönüyle çalışma, Sanayi ve Teknoloji Bakanlığı tarafından desteklenen Milli Teknoloji Hamlesi vizyonunun; yapay zeka teknolojilerinin sanayide yaygınlaştırılması, veri odaklı karar alma kültürünün geliştirilmesi ve yüksek katma değerli teknoloji üretiminin artırılması hedeflerine somut katkı sunmaktadır. Gıda sektöründe yapay zeka uygulamalarının ölçülebilir sonuçlar üretebileceğine ilişkin somut bir uygulama örneği sunmaktadır.

Gelecek Vizyonu

Projenin ikinci fazında çiğ süt talep tahminleme yetenekleri de sisteme entegre edilecektir. Böylece yalnızca arzı değil, arz ve talebi birlikte değerlendiren bütünleşik bir karar destek platformu oluşturulacaktır. Bu yapı; fiyatlama, stok yönetimi, üretim planlama ve tedarik stratejilerine daha güçlü veri desteği sağlayacaktır.

Yapay zekanın iş süreçlerine somut değer kattığını gösteren bu proje, süt sektöründe veri temelli karar kültürünün yaygınlaşmasına katkı sağlarken, gıda sektörünün dijital dönüşümünde önemli bir referans noktası oluşturmaktadır.

Teknoloji Özeti

Başlık	Bilgi
Proje Türü	Yapay zeka destekli çiğ süt arz tahminleme
Veri Geçmişi	10+ yıl
Değişken Sayısı	20+
Test Edilen Modeller	SARIMAX, XGBoost, Prophet, LSTM, Ensemble Modeller
Yaklaşım	Hibrit zaman serisi + makine öğrenmesi mimarisi
Doğruluk Seviyesi	İlk 4 ayda %98+
İş Birliği	Lactalis Türkiye, Yıldız Teknik Üniversitesi, Medyasoft
Destek Programı	TÜBİTAK ve Milli Teknoloji Hamlesi vizyonuna katkı
Gelecek Faz	Arz + Talep Tahminleme ve bütünleşik karar destek sistemi