SENA
SAYGIN ŞENYÜZ
ENDÜSTRİ MÜHENDİSİ · YAPAY ZEKÂ · İŞ ANALİZİ
- M-012021–2024ÜRETİM SAHASINDA
- M-02180.519ANALİZ EDİLEN SİPARİŞ
- M-0333DÜĞÜMLÜ YAPAY ZEKÂ AJANI
- M-040,39 → 0,71F1 · TABAN → AYARLI
OP-10HAT DÖNÜŞÜMÜmalzeme akışı → veri akışıTAMAMLANDI
← şemayı yatay kaydırın · ok tuşlarıyla da kaydırılabilir →
Fabrikada malzeme akıtan hat ile burada veri akıtan sistem aynı nesnedir — aynı istasyonlar, aynı tamponlar, aynı hurda dalı. Akan şey değişti.
OP-20KONTROL KARTIkontrol limiti = karar eşiğiCANLI
← kartı yatay kaydırın · ok tuşlarıyla da kaydırılabilir →
- doğru alarm
- boş alarm
- kaçan gecikme
- doğru geçildi
Ölçülen eşik tablosu — yakalanan gecikme / alarm isabeti: 0,35 → %99,8 / %57,4 · 0,40 → %78,0 / %66,4 · 0,50 → %56,0 / %87,4 · 0,55 → %54,4 / %88,7. Sınıf dengesi: %54,8 geç, %45,2 zamanında.
Örneklem temsilîdir; oranlar projedeki gerçek ölçümlerdir. Doğru limit matematiğin değil, maliyetin sorusudur — kararı model değil, iş verir.
Veri seti: DataCo Smart Supply Chain (açık veri, 180.519 sipariş kaydı) · kod ve ölçümler: github.com/senasayginsenyuz/supply-chain-late-delivery-ml ↗
OP-25KARAR AJANIeşiği maliyet seçerCANLI
Model burada çalışıyor: 200 ağaçlı XGBoost, eğitimden sonra düzleştirilip saf JavaScript'e taşındı; 5.000 test satırında Python'daki orijinaliyle farkı 1,9·10⁻⁷. Dil modeli hiçbir sayıyı hesaplamıyor — bütün sayılar önce burada üretiliyor, Gemini yalnızca cümleyi yazıyor.
Kod, ölçümler ve testler: github.com/senasayginsenyuz/late-delivery-agent ↗
OP-30SÜREÇ ANALİZİdört katman, tek kişi
BOM, ERP, darboğaz — hepsini yerinde gördüm. Toplantı odasında değil.
Temizleme, birleştirme. Model kurulmadan önce kazanılan — ya da kaybedilen — aşama.
Marifet dört modeli yarıştırmak değil; iş maliyetiyle hizalanmış tek eşiği seçmek.
Kim, neyi, ne zaman farklı yapacak? Cevabı yoksa analiz bitmemiştir.
OP-40İŞ EMİRLERİprojeler
180.519 sipariş üzerinde uçtan uca ML hattı. Teslimattan sonra dolan 3 kolon (Delivery Status, Days for shipping (real), shipping date) tespit edilip çıkarıldı; özellik sayısı 53'ten 25'e indi. Sızıntı temizlendikten sonra taban F1 0,39; hiperparametre ve eşik ayarıyla 0,71. Eğitim 0,713 / test 0,714 — aşırı öğrenme yok. Eşik dört noktada ölçüldü (0,35–0,55). Veri tavanı: eklenen özellikler F1'i değiştirmedi — gerçek sürücüler (hava, trafik, taşıyıcı güvenilirliği) veri setinde yok.
TAMAMLANDI İE-2602 Doküman Kontrol AjanıN8N · GEMINI · NOTION · TELEGRAM33 düğümlü ajan tabanlı iş akışı: gelen e-postayı aciliyet ve belge türüne göre sınıflandırır, ekleri arşivler, Notion'ı araç olarak sorgulayıp soruları yanıtlar. Hafızalı LLM ajanı + komut arayüzü.
TAMAMLANDI İE-2603 Makine Arızası TahminiRANDOM FOREST · XGBOOST · SHAP · CANLI DEMOAI4I 2020 veri seti; 10.000 kayıt, %3,4 arıza oranı — yani dengesiz sınıf. Hedef sızıntısı tespit edilip çıkarıldı; lojistik regresyon, karar ağacı, rastgele orman ve XGBoost katmanlı 5 katlı çapraz doğrulamayla karşılaştırıldı. Veri seti belgelerinden türetilen iki fiziksel özellik — sıcaklık farkı ve mekanik güç — F1'i 0,66'dan 0,85'e çıkardı; kaçan arıza 32'den 15'e indi. Model davranışı SHAP ile doğrulandı; tarayıcıda çalışan demo yayında.
TAMAMLANDI İE-2604 Gecikme Karar AjanıUÇTA XGBOOST · MALİYET EŞİĞİ · GEMINIİE-2601'in modelini karar veren bir sisteme bağlar — yukarıdaki OP-25 bölümü bunun canlı hâli. 200 ağaç saf JavaScript'e taşındı, uçta çalışıyor; 5.000 test satırında Python'daki orijinaliyle fark 1,9·10⁻⁷. Eşiği planlamacının maliyet yapısından seçer ve kendi katkısının olmadığı yeri söyler: yalnız Shipping Mode'a bakan 4 satırlık tablo siparişlerin %99,03'ünde aynı kararı veriyor.
CANLI İE-2605 Sıfırdan Doğrusal RegresyonNUMPY · GRADYAN İNİŞİMaliyet fonksiyonu, gradyan ve güncelleme kuralı elle yazıldı — kütüphane kısayolu yok.
TAMAMLANDIKısıtlı makine ve iş gücü altında üretim sıralamasının matematiksel optimizasyonu.
KUYRUKTA · 2026 Q4Makine arızası tahmini demosu tarayıcıda çalışıyor — Python yok, model istemcide: senasayginsenyuz.com/makine-arizasi-tahmini/demo ↗
OP-50ROTA GEÇMİŞİ2016 → bugün
- Üç uygulamalı ML projesi — geç teslimat tahmini, 33 düğümlü ajan tabanlı doküman kontrol akışı ve canlı demolu makine arızası tahmini; üçü de GitHub'da açık kaynak
- Machine Learning Specialization — Stanford & DeepLearning.AI
- Huawei Student Developers veri bilimi ve makine öğrenmesi bootcamp'i — Türkiye Yapay Zekâ Akademisi
- ECBA® iş analizi sertifikası — IIBA
- Veri Analizi Okulu (YÖK · Marmara / ODTÜ / İTÜ / Boğaziçi) — iki yapay zekâ modülü, ~85'er saat: üretken yapay zekâ ve büyük dil modelleri; denetimli ve denetimsiz öğrenme; veri analizini hızlandıran araçlar
- Python for Everybody (PY4E) uzmanlığı, 5 kurs — University of Michigan
- BOM'dan malzeme eksiklerini çıkarıp üretim takvimini yönettim
- Satın alma koordinasyonu; dört proje bazlı işte sipariş takibi
- İki planlama projesini uçtan uca yürüttüm; MS Project'te 15+ Gantt şeması
- Logo ERP ve R-MES ile sipariş takibi, malzeme planlama, stok kontrolü
OP-60YETKİNLİK ENVANTERİüç disiplin, tek tezgâh
DİLLER — Türkçe (ana dil) · İngilizce (B2)
OP-70BELGE VE EĞİTİMon dört belge · 2023 → 2026
SEVKSEVKİYATiletişim
Üretimde ya da tedarik zincirinde, veriyle çözülmeyi bekleyen bir problem varsa — konuşalım.
ARADIĞIM ROLLERÜretim ve tedarik zinciri için yapay zekâ / veri analisti · yapay zekâ iş analisti · ajan tabanlı yapay zekâ ve süreç otomasyonu
MESAJ FORMUForm JavaScript ile açılıyor; kapalıysa LinkedIn üzerinden ulaşabilirsiniz — bağlantı yanda.