Fazla Mesai Tahminleme: Geçmiş Veriden Bütçe Planlamasına
Yapay zeka ile fazla mesai tahminleme nasıl çalışır? Geçmiş PDKS verisinden mesai öngörüsü, bütçe planlaması ve maliyet kontrolü rehberi.
Fazla mesai, çoğu işletmede bütçenin en öngörülemeyen kalemlerinden biridir. Ay kapanır, puantaj çıkar ve finans ekibi sürprizle karşılaşır: Planlanan mesai bütçesi yüzde 30 aşılmıştır. Oysa fazla mesai rastgele oluşmaz; sipariş yoğunluğu, mevsimsellik, devamsızlık ve vardiya planındaki boşluklar gibi ölçülebilir etkenlerin sonucudur. Etkenler ölçülebiliyorsa, sonuç da tahmin edilebilir. Yapay zeka destekli fazla mesai tahminlemesinin temel fikri budur.
Fazla mesainin yasal çerçevesini ve hesaplama kurallarını fazla mesai rehberimizde anlatmıştık. Bu yazıda konuya veri ve planlama tarafından bakıyoruz.
Fazla Mesai Neden Tahmin Edilebilir?
PDKS verisi, geriye dönük bakıldığında şaşırtıcı derecede düzenli örüntüler içerir:
- Mevsimsellik: Bir lojistik firmasında kasım-aralık mesaileri her yıl benzer oranda artar.
- Haftalık döngü: Üretim tesislerinde ay sonu sevkiyat haftası mesai zirvesidir.
- Devamsızlık etkisi: Bir vardiyada iki kişi raporlu olduğunda kalan ekibin mesaisi öngörülebilir biçimde yükselir.
- Sipariş/iş hacmi bağlantısı: Satış veya üretim planı verisi PDKS ile birleştirildiğinde en güçlü tahmin sinyali ortaya çıkar.
Tahmin modeli (çoğunlukla zaman serisi modelleri veya gradyan artırma tabanlı regresyon) bu sinyalleri öğrenir ve önümüzdeki hafta ya da ay için departman bazında beklenen mesai saatini, bir güven aralığıyla birlikte üretir.
Tahminin Çıktısı Nasıl Görünür?
İyi tasarlanmış bir tahmin raporu, tek bir sayı değil karar destek tablosu sunar:
| Departman | Geçen ay (saat) | Tahmin (saat) | Aralık | Ana etken |
|---|---|---|---|---|
| Üretim - Hat 2 | 410 | 520 | 470-580 | Sevkiyat takvimi |
| Depo | 180 | 175 | 150-200 | Stabil seyir |
| Müşteri hizmetleri | 95 | 160 | 130-190 | Kampanya dönemi |
| Bakım | 60 | 110 | 80-140 | Planlı duruş haftası |
Bu tablo finans için bütçe girdisi, operasyon için ise erken müdahale listesidir: Müşteri hizmetlerindeki artış kampanya kaynaklıysa geçici personel veya esnek vardiya planı gündeme alınabilir.
Güven aralığı neden önemli?
Tek sayılık tahmin ("önümüzdeki ay 520 saat mesai olacak") yanıltıcıdır. Sağlıklı modeller her tahmini bir aralıkla verir. Aralık çok genişse model henüz yeterli veri görmemiş demektir; karar verirken bunu bilmek, yanlış kesinlik duygusundan iyidir.
Örnek Vaka: 320 Kişilik Bir Lojistik Merkezi
İstanbul'da 320 personelle çalışan bir e-ticaret lojistik merkezini ele alalım. İşletmenin yıllık fazla mesai maliyeti yaklaşık 9 milyon TL ve en büyük şikâyet "ayın son haftasında patlayan plansız mesai" idi.
On sekiz aylık PDKS ve sipariş verisiyle eğitilen tahmin modeli devreye alındıktan sonra süreç şöyle işledi:
- Her pazartesi, gelecek iki haftanın departman bazlı mesai tahmini operasyon müdürüne raporlandı.
- Tahminin eşiği aştığı haftalarda vardiya planı önceden revize edildi; kısmi zamanlı havuzdan takviye yapıldı.
- Üç ayın sonunda plansız (son dakika onaylı) mesai oranı toplam mesainin yüzde 46'sından yüzde 18'ine düştü.
- Toplam mesai saati yüzde 12 azaldı; daha önemlisi, kalan mesai artık bütçelenmiş ve onaylı hale geldi.
Dikkat edilmesi gereken nokta: Model mesaiyi kendiliğinden azaltmadı. Azalmayı sağlayan, tahmine dayanarak planı erkenden değiştiren yöneticilerdi. Yapay zeka burada karar vericinin görüş mesafesini uzatan bir araç işlevi gördü.
Tahmin Modelinin Beslendiği Veriler
Modelin isabeti, girdi verisinin zenginliğiyle doğru orantılıdır:
- Zorunlu: Günlük giriş-çıkış ve mesai kayıtları (en az 12 ay; mevsimselliği yakalamak için ideali 24 ay).
- Güçlü katkı: Vardiya planları, izin ve devamsızlık kayıtları, resmi tatil takvimi.
- İleri seviye: Sipariş hacmi, üretim planı, kampanya takvimi gibi operasyonel veriler.
Veri tarafında en sık yapılan hata, puantajı denetlenmemiş ham PDKS verisiyle model eğitmektir. Eksik çıkış kayıtları mesai saatlerini sistematik olarak çarpıtır; bu yüzden tahminleme projesinden önce otomatik puantaj denetiminin kurulması doğru sıralamadır.
Bütçe Planlamasında Pratik Kullanım
Tahmin çıktısını maliyete çevirmek için departman bazlı tahmini saatleri, ilgili personel gruplarının saatlik fazla mesai ücretiyle çarpmak yeterlidir. Brüt ücretten saatlik mesai maliyetine giderken fazla mesai hesaplama aracımızı, toplam işveren maliyetini görmek içinse personel maliyeti hesaplama aracımızı kullanabilirsiniz.
Bütçe döngüsüne entegrasyon için önerilen ritim:
- Aylık: Gelecek ayın tahmini, bütçe revizyonuna girdi olur.
- Haftalık: İki haftalık ufukta operasyonel plan güncellenir.
- Çeyreklik: Tahmin-gerçekleşme sapması raporlanır; model yeniden değerlendirilir.
Sınırlar: Modelin Göremeyeceği Şeyler
Dürüst bir çerçeve çizmek gerekirse, tahmin modelleri şunları öngöremez:
- Beklenmedik tekil olaylar: büyük bir makine arızası, ani toplu sipariş iptali.
- Geçmişte hiç yaşanmamış durumlar: yeni açılan bir hat, ilk kez girilen bir pazar.
- Veri dışı kararlar: yönetimin duyurmadığı organizasyon değişiklikleri.
Bu yüzden tahmin, planlamanın yerine değil yanına konmalıdır. Model "normal koşullarda ne bekleneceğini" söyler; istisnaları yönetmek insan işidir. Tahmin ile fiili arasında açıklanamayan büyük sapmalar görüyorsanız, bu da başlı başına bir sinyaldir ve anomali tespiti süreciyle birlikte incelenmelidir.
Fazla mesai tahminlemesi, PDKS verisinin "kayıt defteri" olmaktan çıkıp planlama aracına dönüştüğü en somut örneklerden biridir. Vardiya tarafındaki devamı için vardiya optimizasyonu yazımıza geçebilirsiniz.