01
Tedarik zinciri optimizasyonu
ML talep tahmini + tedarikçi risk skor + alternatif öneri. Stok maliyetinde %28 azalma.
OTOMOTİV · YEDEK PARÇA · İKİNCİ EL
KPI: %28 STOK MALİYET
KALİTE: %99.5
SÜRE: 24-32 HAFTA
Otomotiv sektörü için AI çözümleri.
Otomotiv sektörü için yapay zeka çözümleri. Tedarik zinciri, kalite kontrol AI, yedek parça talep tahmini, ikinci el değerleme, satış sonrası servis.
Tedarik zinciri optimizasyonu, kalite kontrol AI (üretim hattında), yedek parça talep tahmini, ikinci el araç değerleme, çağrı merkezi otomasyonu.
OTOMOTİV SEKTÖRÜ · TÜRKİYE
Otomotiv, Türkiye sanayisinin lokomotifi.
Türkiye otomotiv sektörü, ihracatın yaklaşık %14'ünü oluşturan ve doğrudan/dolaylı 500K istihdam yaratan sektördür. OEM'ler (Ford Otosan, Toyota, Mercedes, Renault, Hyundai), 1000+ tier-1/tier-2 tedarikçi, yedek parça pazarı ve ikinci el ekosistemi ile geniş bir değer zinciri oluşturur. Bu kompleksite AI dönüşüm için hem fırsat hem zorluk.
Sektörün dört temel zorluğu: (1) Tedarik zinciri kırılganlığı — çip krizi, salgın etkileri, jeopolitik riskler envanter ve üretim planını altüst ediyor. (2) Manuel kalite kontrolü — üretim hattında insan göz denetimi yetersiz, geri çağırma maliyetleri yüksek. (3) Yedek parça envanter optimizasyonu — 50K+ parça SKU'su, talep dalgalı, stok-out + ölü stok dengesi zor. (4) İkinci el değerleme manuelliği — Türkiye'de yıllık 9M+ ikinci el araç işlemi, manuel ekspertiz tutarsız ve yavaş.
Yazılım Koçu otomotiv yaklaşımı beş modül: (1) Tedarik zinciri optimizasyonu — ML tabanlı talep tahmini, tedarikçi risk skorlama, alternatif tedarikçi önerisi. Stok maliyetinde %28 azalma. (2) Görsel kalite kontrol — üretim hattında konveyör üzerinde CNN tabanlı defekt tespit. %99.5 doğruluk, < 50ms karar. Geri çağırma riski dramatic azalır. (3) Yedek parça talep tahmini — sezonsallık + araç parkı yaşı + servis verisi entegre ML model. Stok-out %85 azalır. (4) İkinci el değerleme AI — model, yıl, KM, hasar geçmişi, piyasa arz-talep + 30+ faktör. ±%4 doğrulukta değerleme, 5 dakikada sonuç. (5) Çağrı merkezi otomasyonu (VoiceNomi entegre) — servis randevu, parça sorgu, şikayet yönlendirme.
Teknik mimari: ERP entegrasyonu (SAP, IFS otomotiv özelleştirilmiş). MES (Manufacturing Execution System) entegrasyonu. OPC UA, Modbus TCP üretim hattı protokolleri. NVIDIA Jetson Edge AI kalite kontrol istasyonları. Üretici plaka veritabanı + sigorta kasko verisi entegre.
Mevzuat ve sertifikasyon: TSE, ISO/TS 16949 (otomotiv kalite standartı), GDPR + KVKK (müşteri verisi), TÜV uyum doğrulama. Yazılım Koçu projelerinde bu standartlar yerleşik bileşendir.
Beklenen etki SAEE verilerine göre: stok maliyetinde %28 azalma, kalite kontrol doğruluğunda %99.5, geri çağırma maliyetinde %60 azalma, ikinci el değerleme süresinde %95 hızlanma (3 saat → 5 dakika), servis randevu çağrı otomasyonunda %70 yük azalması. ROI 10-16 ay.
KARŞILAŞILAN ZORLUKLAR
Otomotiv sektörünün üç temel zorluğu.
ZORLUK 01
Tedarik zinciri kırılganlığı
Çip krizi, salgın etkileri, jeopolitik riskler envanter ve üretim planını altüst ediyor.
ZORLUK 02
Manuel kalite kontrolü
Üretim hattında insan göz denetimi yetersiz. Geri çağırma maliyetleri yüksek.
ZORLUK 03
İkinci el değerleme manuelliği
Yıllık 9M+ işlem, manuel ekspertiz tutarsız ve yavaş. Standart eksik.
BİZİM YAKLAŞIMIMIZ
Bizim yaklaşımımız.
02
Görsel kalite kontrol
Konveyör + CNN defekt tespit. %99.5 doğruluk, < 50ms. Geri çağırma riski dramatic azalır.
03
İkinci el değerleme AI
Model + yıl + KM + hasar + 30+ faktör. ±%4 doğruluk, 5 dakikada sonuç.
04
VoiceNomi servis çağrı merkezi
Servis randevu, parça sorgu, şikayet otomatik yanıt. %70 yük azalması.
BEKLENEN ETKİ · TEMSİLİ
Beklenen etki · temsili değerler.
%28
STOK MALİYET
tedarik zinciri AI
%99.5
KALİTE DOĞRULUĞU
görsel kontrol
%60
GERİ ÇAĞIRMA
azalma
%95
DEĞERLEME HIZI
3 sa → 5 dk
TEKNOLOJİ YIĞINI
Bu sektörde kullandığımız açık kaynak öncelikli araçlar.
YOLOv8PyTorchOpenCVNVIDIA Jetson (Edge AI)TensorRTCognex VisionProXGBoostLightGBMProphetscikit-learnTimescaleDBApache KafkaOPC UAModbus TCPMQTTSAP / IFS ERP entegrasyonuMES entegrasyonuMLflow
Sektör raporu · resmi verilerle
Türkiye Otomotiv Sanayii · 2025 Verileri
Otomotiv Sanayii Derneği verilerine göre Türkiye’de 2025 yılında toplam otomotiv üretimi %4 artışla 1 milyon 419 bin 464 adede ulaştı. Toplam ihracat adet bazında %4 artarak 1 milyon 57 bin 920 adet oldu; ihracat değeri %12 artışla 41,5 milyar dolara çıktı.
“Türkiye’de üretilen her 4 araçtan yaklaşık 3’ü ihraç ediliyor (ihracatın üretime oranı %74,5).”
Toplam otomotiv üretimi
1.419.464 adet
Yıllık artış: %4
Kaynak: Otomotiv Sanayii Derneği (OSD) · 2025 yılı verileri · 2025
Toplam otomotiv ihracatı (adet)
1.057.920 adet
Yıllık artış: %4
Kaynak: Otomotiv Sanayii Derneği (OSD) · 2025 yılı verileri · 2025
İhracatın üretime oranı
Yazılım Koçu hesabı%74,5
Sektör ağırlıklı olarak ihracata çalışıyor; tedarik zinciri ve izlenebilirlik gereksinimi buradan doğuyor.
Nasıl hesaplandı: 1.057.920 ÷ 1.419.464 ≈ %74,5. İki resmi rakamdan hesaplanan oran.
Otomotiv ihracat değeri
41,5 milyar $
Yıllık artış: %12
Adet %4 artarken değerin %12 artması, birim başına değerin yükseldiğini gösteriyor.
Kaynak: Otomotiv Sanayii Derneği (OSD) · 2025 yılı verileri · 2025
Otomobil üretimi
872.538 adet
Yıllık değişim: −%4
Otomobil gerilerken ticari araç üretimi %19 arttı.
Kaynak: Otomotiv Sanayii Derneği (OSD) · 2025 yılı verileri · 2025
Bu veriler ne anlama geliyor?
Üretimin %74,5’inin ihraç edilmesi, otomotiv tedarikçileri için ERP ve izlenebilirlik sistemlerinin ihracat mevzuatı ve müşteri denetimlerine uyumlu olmasını zorunlu kılıyor.
Adet bazında %4, değer bazında %12 büyüme, katma değerin arttığını gösteriyor; bu da üretim planlama ve kalite verisinin daha hassas yönetilmesini gerektiriyor.
Otomobil üretimi gerilerken ticari araçta %19 artış olması, tedarikçi tarafında ürün karması değişimine hazırlıklı olmayı gerektiriyor.
Metodoloji ve kaynaklar
Bu bölümdeki tüm sayılar resmi kaynaklardan alınmıştır; hiçbiri tarafımızca tahmin edilmemiştir. “Yazılım Koçu hesabı” etiketli göstergeler, resmi verilerden tarafımızca hesaplanan türetilmiş oranlardır — her birinin hesap yöntemi ilgili kutuda açıkça yazılıdır. Bunlar anket veya ölçüm sonucu değildir. Kaynaklar yeni dönem verisi yayımladığında bu bölüm güncellenir.
Son güncelleme: 16 Ağustos 2026
OTOMOTIV SEKTÖRÜ · SIK SORULAN SORULAR
Bu sektöre özgü sorular.
Genel SSS sayfasındaki sorulara ek olarak, bu sektör özelinde en sık aldığımız sorular.
01Üretim hattında görsel kalite kontrolü AI ile nasıl çalışıyor?
Konveyör üzerine yerleştirilen endüstriyel kameralar ile CNN tabanlı defekt tespit modelleri (YOLOv8, segmentasyon) birlikte çalışır. Çizik, kaynak hatası, montaj eksikliği ve yüzey kusuru gibi defektler NVIDIA Jetson edge istasyonlarında < 50ms'de sınıflandırılır — bulut bağımlılığı yoktur, hat hızını yavaşlatmaz. Beklenen doğruluk temsili olarak %99 bandındadır; amaç hatalı ürünün son müşteriye ve pahalı geri çağırma sürecine ulaşmasını engellemektir. Sistem ISO/TS 16949 kalite kayıt gereksinimleriyle uyumlu izlenebilirlik üretir ve Yazılım Koçu 4VS Yönteminin V3 Geliştirme fazında hatta entegre edilir.
02Üretim hattı ekipmanları için prediktif bakım kuruyor musunuz?
Evet. Pres, robot, konveyör ve CNC ekipmanlarından gelen sensör verisi (vibrasyon, sıcaklık, akım, akustik) OPC UA ve Modbus TCP protokolleriyle toplanır, TimescaleDB üzerinde saklanır. LSTM/anomali tabanlı modeller arıza öncesi tipik 7-30 gün uyarı üreterek bakımın planlı yapılmasını sağlar. Böylece plansız duruş — otomotiv üretiminde saatlik maliyeti çok yüksek olan kalem — belirgin biçimde azalır. Bu rakamlar pilot kurulumlar için temsili değerlerdir; net etki hat kritikliğine göre değişir ve Sektörel AI Etki Endeksi (SAEE) çerçevesiyle projeye özel hesaplanır.
0350K+ SKU'lu yedek parça envanterinde talep tahmini nasıl yapılıyor?
Yedek parça talebi, klasik min-max envanter yöntemleriyle yönetilemeyecek kadar dalgalıdır. Modellerimiz sezonsallığı, sahadaki araç parkı yaşı ve dağılımını, yetkili servis iş emri geçmişini ve arıza paternlerini birleştiren ML tahmini (gradient boosting + zaman serisi) kullanır. Her SKU için dinamik re-order point hesaplanır; hızlı hareket eden ve yavaş/ölü stok kalemleri ayrıştırılır. Beklenen etki temsili olarak stok-out oranında belirgin azalma ve bağlı sermayenin düşmesidir. Kurgu, mevcut ERP/DMS envanter modülü üzerine inşa edilir, sıfırdan sistem dayatılmaz.
04Bayi ve yetkili servis ağı için CRM/AI çözümü sunuyor musunuz?
Evet. Dağınık bayi ve servis ağlarında en büyük sorun, müşteri verisinin merkezi olmaması ve lead'lerin takipsiz kalmasıdır. Merkezi CRM üzerinde lead skorlama ve otomatik bayi yönlendirme, satış sonrası servis hatırlatmaları, bayi performans karnesi ve churn (müşteri kaybı) riski tahmini kurgulanır. VoiceNomi entegrasyonu ile servis randevusu, parça sorgusu ve şikâyet yönlendirmesi otomatikleşir. Üç-Boyutlu ROI Modeli (3DR) ile bakıldığında asıl kazanç yalnız satışta değil; tekrar servis oranı, müşteri yaşam boyu değeri ve bayi ağı verimliliğindedir.
Konuyla ilgili diğer içerikler
OTOMOTİV ÖZEL DEĞERLENDİRME
Sektörünüze özel çözüm haritası.
30 dakikalık keşif görüşmesi · sektörünüze, ölçeğinize ve önceliklerinize uygun çözüm haritası birlikte çıkarılır.
Keşif Görüşmesi