Yapay zeka metotları ile iş süreçlerinde robotik süreç otomasyonu uygulaması

Abstract

Günümüzde üretim ve yönetim sistemleri, performans ve kurumsal kaynak yönetimi büyük veri dünyasına sürekli olarak veri yaratmaktadır. İşletmeler satış, planlama, üretim ve lojistik sistemleri gibi tüm süreçlerinin takip edilmesi için entegre sistemler kullanmaktadır. Bu sistemlerin takip ve kullanımında birçok durumlarda ofis çalışanları rutin, tekrar eden ve katma değersiz işlemler yapan çalışanlar haline dönüşmektedir. Fatura girişleri, satış veri girişi, sipariş aktarımı gibi manuel işlemler çalışan memnuniyetini önemli derecede düşürmekle birlikte bazı kişisel hatalara sebep olmaktadır. Ortaya çıkan ihtiyaç nedeniyle, son yıllarda birçok program ve müşteri sistemlerinde insan gibi işlem yapabilen Robotik Süreç Otomasyonu (RPA) kavramı ve ürünleri ortaya çıkmıştır. RPA tanımlı, yoruma dayalı olmayan, kural tabanlı ve standart işlerin yapılması için işletmelerde metal yaka çalışan olarak görev almaktadır. Bu çalışmada standart ve rutin işlemlerden biri olan lojistik süreçlerindeki sipariş yükleme evraklarının müşteri sistemine yüklenmesi olan bir sürecin RPA ile otomasyonu sağlanmıştır. Yazılım robotları işlemleri tekrar etmekte ve katma değersiz işlemlerden süreci arındırmaktadır. Yazılım robotları işlem yaptıkları süreçlerde bazı hatalar almaktadır. Robotun çalıştığı süreçlerin sonuçlarının incelenmesi için veri madenciliği yöntemleri kullanılarak çıktı tahmini çalışması yapılmıştır. Sürecin hangi parametrelerle hatalı, hangi parametrelerle başarılı sonuçlandığına dair raporlar WEKA yazılımı ile bazı makine öğrenmesi yöntemleri kullanılarak analiz edilmiştir. Çalışma sonucunda, çıktı tahmininde en iyi sonucu %89,32 F-değeri ile rastgele orman algoritması vermiştir. Çalışmada hataya etki eden parametrelerin birliktelik kuralları araştırılmış ve bu kurallara göre süreç aşamalarında iyileştirme önerileri verilmiştir. Yapılan yazılım iyileştirmeleri sonucunda robotun son bir aylık verisi üzerinden doğrulama yapılmıştır.

Today, production and management systems, performance and enterprise resource management are constantly creating data. Businesses use integrated systems to track all their processes such as sales, planning, production and logistics systems. In many cases, office workers turn into employees who perform routine, repetitive and non-value-added operations in the monitoring and use of these systems. Manual operations such as invoice entries, sales data entry, and order transfer significantly reduce employee satisfaction and cause some personal errors. Due to the emerging need, the Robotic Process Automation (RPA) concept and products that can perform human-like operations in many programs and customer systems have emerged in recent years. He works as a metal collar employee in businesses to perform RPA-defined, non-interpretation-based, rule-based and standard jobs. In this study, a standard and routine operation, the uploading of order loading documents to the customer system in logistics processes, has been automated with RPA. Software robots repeat operations and purify the process from non-value-added operations. Software robots receive some errors during their processing processes. In order to examine the results of the processes in which the robot operates, an output prediction study was carried out using data mining methods. Reports showing which parameters resulted incorrectly and which parameters resulted successfully in the process were analyzed using WEKA software and some machine learning methods. As a result of the study, the random forest algorithm gave the best result in output prediction with an F-value of 89.32%. In the study, the association rules of the parameters affecting the error were investigated and suggestions for improvement were given at the process stages according to these rules. As a result of the software improvements made, verification was made based on the last one month of data of the robot.