Mağazada görüntü işleme · FLO Group · 2025 – 2026
Kamera olayından doğru kişinin cebine
Mağaza kameraları işe yarar olaylar üretiyordu, ama bu olaylar bir panoda kalıyordu.
Kısaca
Durum: Yapay zeka analitiği taşıyan mağaza kameraları olay üretiyordu (kasada kuyruk, boş bırakılan alan, doluluk) ve bu olaylar bir panoya düşüyordu. Mağaza çalışanı panoya bakarak çalışmaz. Olaylar da bu yüzden nadiren bir eyleme dönüşüyordu. Karar: Her olayı bir iş akışının başlangıcı saymak. Dokuz kullanım senaryosu tanımlamak, her birini mağaza çalışanının zaten kullandığı araçlar üzerinden belirli bir role yönlendirmek ve süreye göre üst kademeye taşımak: on dakika, otuz dakika, bir gün. Sonuç: Eskalasyon kuralları ve Power BI raporlamasıyla grubun yaklaşık 600 mağazasının tamamında devreye alındı. Kamera sağlayıcısı bir olay katmanının arkasında durduğu için sağlayıcı değişse de mantık yerinde kalır. Bildiride raporlanan, on iki mağazada altı ay süren pilotta yoğun saatlerde kasa bekleme süresi yaklaşık %25, kabin koridorundan denemeden ayrılma yaklaşık %20, personelsiz saatlerde enerji tüketimi yaklaşık %15 azaldı. Rolüm: Ürün sahibi: senaryo tanımı, bildirim tasarımı, entegrasyon mimarisi, sağlayıcıyla açık soru listesi.
- Rolüm
- Ürün sahibi · BT
- Dönem
- 2025 – 2026
- Ölçek
- Grubun tüm mağazaları (~600) · her format
- Ana rakam
- 9 senaryo · 3 kademeli eskalasyon
Durum ve karmaşıklık
Kameralar zaten oradaydı, üstelik akıllıydı. Kasada oluşan kuyruğu, boş bırakılan alanı, mağazadaki kişi sayısını tespit edebiliyorlardı. Çıktıları ise mağazada kimsenin izlemeye vakti olmayan bir sağlayıcı panosuydu. Bu yüzden o zeka hiçbir eyleme dönüşmüyordu.
Zor olan, farklı büyüklük ve kadrodaki yaklaşık 600 mağaza için kimin neyi, ne kadar hızlı bilmesi gerektiğine ve neyin “halledildi” sayılacağına karar vermekti.
Masadaki seçenekler
- Sağlayıcının panosunu ve uyarılarını olduğu gibi kullanmak
Reddedildi. Sahibi olmayan uyarı bir haftada gürültüye dönüşür. Üstelik mantık sağlayıcıya ait olurdu.
- Kameraları izleyecek bir merkez kurmak
Reddedildi. Sorunu mağazada harekete geçebilecek kişiye değil, yeni bir ekibe taşır.
- Yönlendirilen ve kademeli yükselen bildirimlerle bir olay katmanıSeçildi
Olaylar standart biçime getirilir, bir senaryoyla eşleşir, çalışanın zaten kullandığı araçlardan bir role gider ve kimse ilgilenmezse üst kademeye çıkar.
Karar ve nasıl yürütüldüğü
Dokuz senaryoyu operasyon ekipleriyle birlikte tanımladık. Her senaryonun bir sahip rolü, bir kanalı ve bir süresi var. On dakika içinde onaylanmayan bildirim bir sonraki role gider, otuz dakika sonra daha yukarı çıkar. Bir gün geçtiğinde artık uyarı değil, rapor maddesidir. Sonunda her olayın bir sorumlusu olur.
Entegrasyonu, kamera sağlayıcısı değiştirilebilsin diye tasarladık. Olaylar sağlayıcının API'sinden platforma ait bir olay katmanına çekildi. Bildirimler grubun mevcut iç araçlarından gitti, raporlama Power BI'a aktı. Mağaza kimlikleri SAP ile eşleştirildi, böylece bir mağaza her sistemde aynı kimlikle görünür.
Sağlayıcıyla açık soruları (istek limitleri, test ortamı, kimlik bilgileri, veri saklama) numaralı bir listede tuttuk ve tek tek kapattık. Görüntü işlemeyi IoT telemetrisi ve işlem sinyalleriyle birleştiren akademik çalışma bilimsel bir kongrede sunuldu ve bildiri kitabında yayımlandı.
Sonuç
Müdahale süreleri Power BI'da her mağaza ve senaryo için ayrı raporlandı. Pilot rakamları bildiride yayımlandığı gibidir: nedensel tahmin değil, gözleme dayalı yön göstergesi.
Yayımlanmış kaynaklar: Bildiri: Multi-Modal Sensing for Real-Time Operations Monitoring in Physical Retail, 1. Uluslararası Edessa Bilimsel Çalışmalar Kongresi, Haziran 2026, s. 365–374
Ne ters gitti, ne öğrendim
Plan: Her şeyi canlı mağazalara dokunmadan önce ayrı bir test ortamında doğrulamak.
Ne ters gitti: Sağlayıcıyla test ortamını kurmak beklenenden yavaş ilerledi ve doğrulama geç başladı.
Sonra ne değişti: “Nerede test edilecek?” sorusu programdaki her talep olgunlaştırma dokümanında zorunlu satır oldu.