AI Arıza Ön Teşhis & Süre/Maliyet Tahmini

AI Arıza Ön Teşhis ve Süre/Maliyet Tahmini sistemi, veriyle karar alan servis operasyonları için tasarlanmıştır. Sezgiyle değil, geçmiş iş verisiyle çalışmak isteyen her teknik servis firması bu sistemden fayda sağlayabilir.

• Çok şubeli yetkili servis ağları: Her şubede tutarlı ön değerlendirme standardı sağlar; farklı teknisyen deneyim düzeylerinden kaynaklanan fiyat tutarsızlıklarını azaltır. Merkezi model tüm şubelerde aynı kaliteyi sunar.
• Yüksek hacimli beyaz eşya ve klima servisleri: Günlük onlarca arıza kaydını hızlıca sınıflandırır; öncelik sıralama ve teknisyen ataması veriye dayalı biçimde otomatikleşir. Acil vakalar kuyruğun önüne geçer.
• Elektronik ve mobil cihaz zincirleri: Ekran, şarj, batarya, kamera gibi sık arıza kategorilerinde geçmiş veriye dayalı maliyet aralığı üretir; müşteri ilk görüşmede gerçekçi bir beklenti kazanır.
• Kurumsal filo servis operatörleri: Araç içi elektronik veya endüstriyel cihaz filolarında periyodik bakım ve arıza bütçe planlamasını destekler; mali yıl bütçesi daha güvenilir tahminlere dayanır.
• Sigorta ve hasar değerlendirme firmaları: Cihaz tipine ve belirtiye göre ön değerlendirme raporu üretir; bu raporlar kesin ekspertiz yerine ön referans ve önceliklendirme amacıyla kullanılır.
• Büyüme hedefli bağımsız servis firmaları: Küçük ekiple çok müşteri yönetmek için teknisyen zamanını teklif hazırlığından kurtarır; elde edilen süre tamire harcanır.

En az 12 ay geçmiş servis verisi bulunan ve aylık 50'den fazla arıza kaydı işleyen firmalar modelin doğruluğunu maksimize eder. Daha az veriyle başlamak mümkündür ancak ilk dönemde tahmin güveni daha düşük olur ve ek kalibrasyon gerekir. Sistemi en verimli kullananlar, teknisyen geri bildirimlerini düzenli olarak modele aktaran ve aylık sapma raporlarını inceleyen firmalardır; bu döngü modeli zaman içinde daha isabetli kılar.

Bu sistem bir yapay zekâ karar destek aracıdır. Ürettiği ön tahminler kesin teşhis, garanti veya sözleşmesel taahhüt niteliği taşımaz. Nihai teşhis ve fiyat belirleme yetkili teknisyene aittir; cihaz açıldıktan sonra durum değişebilir.

Teknik servis süreçlerinde belirsizlik hem müşteriyi hem de servisi olumsuz etkiler; bu belirsizlik genellikle verimlilik kayıplarına ve müşteri memnuniyetsizliğine dönüşür:

AI Arıza Ön Teşhis sistemi bu sorunları şu şekilde ele alır:

• Ön maliyet aralığı: Belirti, model ve geçmiş servis verisini birleştirerek tahmini parça ve iş gücü aralığı üretir. Müşteriye telefonda veya chatbot ekranında gösterilebilir; kesin fiyat değil, beklenti yönetimi aracıdır.
• Tahmini onarım süresi: Benzer arızaların ortalama tamamlanma süresi üzerinden ön süre tahmini hesaplanır; gerçekçi teslim tarihi planlaması ve kaynak ataması mümkün hale gelir.
• Otomatik önceliklendirme: Yüksek maliyet veya uzun süre tahmin edilen işler önceden yöneticiye iletilir; kritik vakalar ve acil müşteriler kuyruğun önüne taşınır.
• Teklif hazırlığını hızlandırma: Teknisyen ilk incelemede sistemi referans alır; tekrarlayan veri girişi azalır, yönetici onayı gereken teklifler daha hızlı tamamlanır.
• Tutarlılık ve standart: Deneyimli teknisyen veya yeni personel fark etmeksizin tüm arıza kayıtları aynı ön değerlendirme standardından geçer; firma içi fiyat tutarsızlığı azalır.

Kritik not: Yapay zekânın ürettiği tahminler istatistiksel ön değerlendirmedir; geçmiş verideki örüntülere dayanır. Aynı belirti farklı cihazlarda farklı arızaya işaret edebilir. Kesin teşhis ve kesin maliyet yalnızca teknisyen incelemesi sonrası belirlenir; sistem bunu asla garanti etmez ve bu sınırı müşteriye açıkça bildirir.

Beklenti Yönetimindeki Değer

Sistem en büyük etkisini müşteri iletişim kalitesinde gösterir. Teknisyen müşteriye cihazı açmadan önce bir maliyet aralığı ve süre tahmini sunabildiğinde, müşteri tamirat kararını daha hızlı verir ve bekleme sürecinde daha az belirsizlik hisseder. Bu güven, tamamlanan onarım oranını artırır ve müşteri elde tutmayı güçlendirir.

Sistem dört katmandan oluşur ve aşamalı olarak devreye alınır; her katmanın net girdisi ve çıktısı vardır:

Proje Aşamaları ve Süreler

1. Veri Denetimi (1–2 hafta): Geçmiş servis kayıtları analiz edilir; model için yeterli veri kalitesi ve miktarı doğrulanır. Eksik veya tutarsız kayıtlar tespit edilir, temizleme planı hazırlanır.
2. Veri Hazırlama ve Etiketleme (2–3 hafta): Arıza kategorileri standardize edilir; eksik değerler doldurulur; eğitim ve test setleri ayrılır. Servis firmasının terminolojisine uygun etiket şeması oluşturulur.
3. Model Eğitimi ve Değerlendirme (2–3 hafta): Sınıflandırma ve regresyon modelleri farklı algoritmalar denenerek eğitilir; doğruluk metrikleri (F1 skoru, MAE, MAPE) raporlanır; en iyi model seçilir.
4. Entegrasyon ve Kullanıcı Arayüzü (2–3 hafta): API veya doğrudan entegrasyon ile servis yazılımına bağlantı kurulur; teknisyen ekranı ve yönetici panosu tasarlanır ve test edilir.
5. Canlıya Alış ve İzleme (1 hafta): Gerçek iş verileriyle pilot; tahmin sapmaları izlenir, model gerekirse yeniden eğitilir; ekip kullanım eğitimi tamamlanır.

Teknisyen Günlük Akışı

• Arıza kaydı açılırken sistem belirti, marka, model ve cihaz yaşını otomatik alır veya teknisyen girer.
• Ekranda olası arıza kategorisi, tahmini maliyet aralığı ve tahmini süre anlık olarak görüntülenir.
• Teknisyen bu bilgiyi referans alarak cihazı açar; gerçek tespiti sisteme girer; sapma kaydedilir.
• Gerçek vs. tahmin farkı modelin sürekli iyileştirilmesine katkı sağlar; her geçen ay tahminler daha isabetli hale gelir.
• Yönetici ayrı bir panelden tahmin doğruluk trendini, kategori dağılımını ve maliyet sapma raporunu izler.

Sistem, teknisyenin sahada verdiği gerçek sonucu geri bildirim olarak toplar; böylece modelin bir sonraki tahminleri işletmenizin kendi cihaz profili ve arıza geçmişiyle zaman içinde uyumlanır. Yönetici panelinde tahmin ile gerçekleşen onarım arasındaki sapma raporlanır, isabet oranı şeffaf biçimde izlenir ve süreç sürekli iyileştirilir.

Servis verisi işletme için kritik ve rekabetçi bir varlıktır; sistemin güvenlik mimarisi bu gerçek üzerine kurulmuştur. Aşağıdaki önlemler standart proje tesliminin parçasıdır:

• Veri güvenliği ve izolasyon: Geçmiş servis verileri şifreli aktarım (TLS 1.3) ve şifreli depolama (AES-256) ile korunur; üçüncü taraflarla, rakiplerle veya reklam ağlarıyla kesinlikle paylaşılmaz. Her müşteri firmanın verisi izole ortamda tutulur.
• KVKK uyumu: Müşteri kimlik verisi model eğitiminde anonim hale getirilir; kişisel veri işleme aydınlatma metnine eklenir. Veri saklama süresi firmanın politikasına göre yapılandırılır ve süresi dolunca veriler otomatik silinir.
• Model sürüm kontrolü: Her model güncellemesi versiyonlanır; performans düşüşü tespit edildiğinde önceki sürüme anlık geri dönüş yapılabilir. Hiçbir güncelleme test edilmeden canlıya alınmaz.
• Denetim izi: Tüm tahmin çıktıları ve gerçek sonuçlar zaman damgasıyla loglanır; sapmalar aylık raporlanır ve düzenli model kalibrasyon döngüsüne girer.
• Yedek çalışma modu: AI servisi erişilemez olduğunda sistem manuel giriş moduna geçer; servis akışı ve arıza kaydı süreci durmaz. Teknisyen ekibi fark etmeksizin çalışmaya devam eder.
• Rol bazlı erişim: Teknisyen, şube yöneticisi ve genel müdür farklı görünüm ve yetki düzeyleriyle sisteme erişir; hassas maliyet verileri yalnızca yetkili personele açıktır.

Yasal Uyarı: Bu ürün bir yapay zekâ karar destek sistemidir. Üretilen ön tahminler istatistiksel nitelikte olup kesin teşhis, garanti veya sözleşmesel fiyat teklifi oluşturmaz. Aynı belirti farklı cihazlarda farklı arızaya işaret edebilir; cihaz açıldıktan sonra durum değişebilir. Kesin teşhis ve fiyat belirleme sorumluluğu yetkili teknisyene aittir; sistem bu sorumluluğu üstlenmez ve devredemez. Bu sınır müşteriye her iletişimde açıkça bildirilir.

Veri Saklama ve Süreklilik

Tahmin logları ve gerçek sonuçlar düzenli olarak yedeklenir; sistem erişimi kesilse dahi veriler korunur. Felaket kurtarma planı çerçevesinde belirlenen kurtarma süresi hedefi (RTO) dahilinde sisteme yeniden erişim sağlanır. Periyodik güvenlik denetimleri gerçekleştirilir ve bulgular kapatılmadan yeni özellik eklenmez.