Tedarik Zinciri ve İzlenebilirlik

Kazanimlar:

• Lot/parti izlenebilirliği, geri çağırma (recall) ve tedarikçi kalite kavramlarını uygulayabilme
• AI ile izlenebilirlik kaydı, geri çağırma senaryosu ve kök-neden taslağı üretebilme
• AI'ın önerdiği izlenebilirlik ve geri çağırma adımlarını kayıt ve mevzuatla doğrulayabilme

Cuma öğleden sonra, bir süt ürünleri tesisinde kalite biriminde çalışıyorsun. Tedarikçiden gelen bir çilek partisinde, sevkiyattan üç gün sonra, harici bir laboratuvar analizinde beklenenin üstünde küf/maya sayımı çıkıyor. Bu çilek hangi üretim lotlarına girdi? O lotlar hangi müşterilere, hangi marketlere gitti? Depoda kaç palet kaldı? Geri çağırma (recall) gerekir mi, gerekirse hangi sınıfta? Elinde bir ERP ekranı, bir sürü Excel dosyası ve giderek artan bir baskı var. Bir yapay zeka asistanına "bana recall planı çıkar" demek cazip. Bu ünitede lot izlenebilirliğini, geri çağırma mantığını ve tedarikçi kalitesini uygulamalı olarak işleyecek; AI ile izlenebilirlik kaydı, recall senaryosu ve kök-neden taslağı üretmeyi öğrenecek; en önemlisi AI'ın önerdiği her adımı gerçek kayıtlar ve mevzuatla doğrulamayı çalışacağız.

İzlenebilirliğin temeli: bir adım geri, bir adım ileri

Gıda güvenliği mevzuatının izlenebilirlik ilkesi "bir adım geri, bir adım ileri" (one step back, one step forward) prensibidir. Her işletme en azından şunu bilmek zorundadır:

• Bir adım geri: Hammadde/ambalaj hangi tedarikçiden, hangi lot/parti numarasıyla, ne zaman geldi?
• Bir adım ileri: Ürettiğim mamul hangi lotla, hangi müşteriye/dağıtıcıya, ne miktarda, ne zaman gitti?

Bu iki halkanın arasını birbirine bağlayan şey lot/parti kodudur. Hammadde lotları ile mamul lotları arasındaki eşleştirme yoksa, izlenebilirlik kopar ve tek bir tedarikçi sorununda tüm üretimi geri çağırmak zorunda kalırsın.

İpucu: İyi bir lot kodu okunabilir ve anlamlıdır. Örneğin 24W29-L2-A = 2024 yılı, 29. hafta, 2. hat, A vardiyası. Kodun içine üretim tarihi, hat ve vardiya gömülüyse, bir sorun anında hangi değişkenlerin ortak olduğunu saniyeler içinde görürsün. AI'a kod şeması tasarlatabilirsin ama şemanın kayıt sisteminde tutarlı uygulandığını sen doğrularsın.

Örnek izlenebilirlik kayıt tablosu

Mamul lot

Üretim tarihi

Hat/Vardiya

Çilek hammadde lotu

Tedarikçi

Üretim miktarı

Sevk edilen müşteri

Depoda kalan

24W29-L2-A

17.07.2026

Hat2 / A

CLK-2607-B

Tarım A.Ş.

4.800 kova

Market X (3.000), Market Y (1.200)

600

24W29-L2-B

17.07.2026

Hat2 / B

CLK-2607-B

Tarım A.Ş.

4.500 kova

Market Z (4.000)

500

24W30-L1-A

18.07.2026

Hat1 / A

CLK-2801-C

Bahçe Ltd.

5.000 kova

Market X (5.000)

0

Bu tabloda şüpheli çilek lotu CLK-2607-B ise, etkilenen mamul lotları yalnızca 24W29-L2-A ve 24W29-L2-B'dir; 24W30-L1-A başka bir tedarikçinin lotundan geldiği için kapsam dışıdır. İzlenebilirliğin gücü tam da budur: sorunu tüm üretime değil, sadece etkilenen lotlara daraltır.

Geri çağırma (recall) sınıfları ve adımları

Geri çağırma, riskin ciddiyetine göre sınıflandırılır. Genel çerçeve (isimlendirme kaynağa göre değişebilir):

• Sınıf I: Sağlığa ciddi/ölümcül risk (ör. patojen bulaşı, beyan edilmemiş alerjen, yabancı madde-cam). Acil ve halka açık geri çağırma.
• Sınıf II: Geçici veya geri dönüşlü sağlık riski (ör. sınırda mikrobiyolojik aşım).
• Sınıf III: Sağlık riski düşük ama mevzuata aykırılık (ör. etikette küçük hata, ağırlık uygunsuzluğu).

Bir geri çağırmanın temel adımları:

1. Durdur ve karantinaya al: Şüpheli lotların sevkini durdur, depodaki stoğu fiziksel olarak ayır ve "KARANTİNA" etiketle.
2. Kapsamı belirle: İzlenebilirlik kayıtlarından etkilenen tüm mamul lotlarını ve dağıtım noktalarını çıkar.
3. Risk değerlendir ve sınıflandır: Tehlike türü ve maruziyete göre recall sınıfını belirle.
4. Bildir: İç yönetim, müşteriler ve gereken durumda yetkili otoriteyi (Tarım ve Orman Bakanlığı / il müdürlüğü) bilgilendir.
5. Geri çağır ve doğrula: Ürünü topla, toplanan miktarı sevk edilen miktarla mutabakatla (recall etkinliği %).
6. Kök-neden analizi ve düzeltici faaliyet: Tekrarı önleyecek kalıcı çözümü uygula.

Güvenlik: Recall sınıfını ve halka duyuru gerekip gerekmediğini asla tek başına AI'a belirlettirme. Sınıflandırma; gıda güvenliği ekibinin risk değerlendirmesi ve yetkili otoritenin (mevzuat) yönlendirmesiyle yapılır. AI'ın "bu Sınıf II'dir, duyuru gerekmez" demesi bir öneridir; yanlış sınıflandırma halk sağlığı ve hukuki sorumluluk doğurur.

AI ile recall senaryosu ve kök-neden taslağı

AI'ı bir tatbikat (simülasyon) ve taslak üreticisi olarak kullanmak çok değerlidir. Ama önce zayıf ve güçlü prompt farkına bakalım:

ZAYIF PROMPT:"Çilek partisinde küf çıktı, bana bir geri çağırma planı yaz."(AI hangi lotların etkilendiğini, dağıtımı, mevzuat bildirim sürelerini UYDURUR; genel geçer bir metin verir, senin kayıtlarına dokunmaz.)GÜÇLÜ PROMPT:"Rol: Gıda güvenliği geri çağırma koordinatörüsün. Aşağıda izlenebilirlik kayıt tablom var (mamul lot, hammadde lot, tedarikçi, müşteri, miktar). Şüpheli hammadde lotu: CLK-2607-B (küf/maya aşımı). Görev: 1) Sadece bu tabloya göre ETKİLENEN mamul lotlarını ve müşterileri LİSTELE. Tabloda olmayan lot/müşteri EKLEME. 2) Geri çağırma adımlarını sıralı bir kontrol listesi olarak ver. 3) Recall sınıfını KESİN belirtme; sınıflandırma için hangi bilgilerin (patojen mi, maruziyet, tüketici grubu) gerektiğini SORU olarak yaz. 4) Yetkili otoriteye bildirim gereğini hatırlat ama süre/madde UYDURMA; 'ilgili mevzuattan teyit edilmeli' notu düş. Tablo: [izlenebilirlik tablosu buraya]"

Güçlü prompt AI'ı kayda bağlar ve halüsinasyon alanını daraltır.

Kök-neden: 5 Neden yöntemi

Kök-neden analizinde yaygın bir araç "5 Neden"dir. Çilek örneği için:

Problem: CLK-2607-B çilek lotunda küf/maya sınır üstü.1. Neden yüksek? -> Çilek kabulünde soğuk zincir kırılmış olabilir.2. Neden kırıldı? -> Gelen aracın soğutma kaydı 4°C yerine 11°C göstermiş.3. Neden 11°C? -> Aracın soğutma ünitesi yolda arıza yapmış.4. Neden fark edilmedi? -> Kabulde sıcaklık kaydı okunmuş ama tolerans dışı değere rağmen ürün "şartlı kabul" ile içeri alınmış.5. Neden şartlı kabul edildi? -> Kabul prosedüründe soğuk zincir red kriteri net tanımlı değil; karar operatör insiyatifine bırakılmış.Kök-neden: Kabul prosedüründe soğuk zincir red eşiği ve karar yetkisi belirsiz. Düzeltici faaliyet: >7°C gelen soğuk zincir ürününü otomatik RED eden prosedür + operatör eğitimi + veri loglayıcı zorunluluğu.

Dikkat: 5 Neden'in her adımı bir hipotezdir. AI bu zinciri akıcı biçimde üretebilir ama her halka gerçek kayıtla (araç sıcaklık logu, kabul formu, tedarikçi CoA) doğrulanmadan kök-neden kesinleşmez. AI "soğuk zincir kırıldı" diye yazdı diye kırıldığı kanıtlanmış olmaz; sıcaklık kaydına bakılır.

Tedarikçi kalitesi ve soğuk zincir

İzlenebilirliğin ön koşulu güvenilir tedarikçidir. Tedarikçi kalite yönetiminin temel unsurları: onaylı tedarikçi listesi, her sevkiyatta analiz sertifikası (CoA), periyodik denetim, ve uygunsuzluk kaydı. Soğuk zincir ürünlerinde her transfer noktasında sıcaklık kaydı zorunludur; tek bir kayıt boşluğu, tüm partinin izlenebilirlik zincirinde zayıf halkadır.

Mini vaka

Bir dondurma üreticisi, fındık ezmesi tedarikçisinden gelen bir partide beyan edilmemiş badem izi tespit ediyor (alerjen çapraz bulaşı). Kalite müdürü hızlı hareket etmek için AI'a "hangi ürünleri geri çağırayım" diye soruyor. AI, tablo verilmediği için genel bir liste ve "muhtemelen son iki haftanın tüm çeşitleri" diye geniş bir kapsam öneriyor. Müdür buna göre 40 ürün çeşidini geri çağırmaya hazırlanıyor. Kıdemli bir mühendis izlenebilirlik kayıtlarını açıyor: sorunlu fındık lotu yalnızca tek bir tarih aralığında, sadece iki üründe kullanılmış; diğer çeşitler farklı tedarikçi lotundan. Doğru kapsam 40 değil, 2 üründür. Ayrıca badem beyan edilmemiş bir alerjen olduğu için bu bir Sınıf I durumudur ve yetkili otoriteye bildirim gerekir — AI bunu "küçük bir etiket sorunu" gibi hafife almıştı. Kayda dönmek hem gereksiz milyonluk imhayı önledi hem de gerçek riskin ciddiyetini ortaya çıkardı.

Yaygın hatalar

• Hammadde lotu ile mamul lotu arasında eşleştirme tutmamak; sorun anında tüm üretimi geri çağırmak zorunda kalmak.
• AI'ın kayıt verilmeden ürettiği "etkilenen ürün listesini" gerçek izlenebilirlik tablosuyla doğrulamadan kullanmak.
• Recall sınıfını (I/II/III) risk değerlendirmesi ve mevzuat yerine AI önerisine göre belirlemek.
• Alerjen çapraz bulaşını "küçük etiket hatası" sanıp Sınıf I ciddiyetini kaçırmak.
• 5 Neden zincirinin her halkasını gerçek kayıtla (sıcaklık logu, CoA, kabul formu) doğrulamadan kök-neden ilan etmek.
• Soğuk zincir sıcaklık kayıtlarındaki boşlukları izlenebilirlik zincirinin zayıf halkası olarak görmemek.
• Yetkili otoriteye bildirim yükümlülüğü ve sürelerini AI'ın uydurduğu bilgiye göre varsaymak; resmi mevzuattan teyit etmemek.

Özetle

• İzlenebilirliğin temeli "bir adım geri, bir adım ileri"dir ve bunu lot/parti kodu birbirine bağlar.
• İyi tutulan izlenebilirlik kaydı, bir sorunda kapsamı tüm üretime değil sadece etkilenen lotlara daraltır.
• Geri çağırma riske göre sınıflandırılır (I/II/III) ve sınıflandırma risk değerlendirmesi + mevzuatla yapılır, AI ile değil.
• AI ile recall senaryosu, kontrol listesi ve 5 Neden kök-neden taslağı üretmek verimlidir; ancak çıktı taslaktır ve kayıtla doğrulanır.
• AI, kayıt verilmediğinde etkilenen lotları, dağıtımı, bildirim sürelerini ve sınıflandırmayı halüsine edebilir; her adım gerçek kayıt ve mevzuatla teyit edilir.
• Nihai geri çağırma kararı, kapsamı ve otoriteye bildirim; kalite ekibinin doğrulanmış kayıtları ve resmi mevzuat çerçevesinde alınır.

Uygulama görevi

Varsayımsal bir gıda üretiminde (ör. hazır çorba, meyveli bisküvi, taze salata) en az 5 mamul lot ve 3 hammadde tedarikçisi içeren gerçekçi bir izlenebilirlik kayıt tablosu oluştur; tabloda hammadde lot-mamul lot eşleştirmesi, müşteri dağıtımı ve depo stoğu bulunsun. Bir tedarikçi lotunda uygunsuzluk (mikrobiyolojik aşım veya beyan edilmemiş alerjen) senaryosu tanımla. AI'a güçlü bir prompt vererek etkilenen lotları listelet ve recall kontrol listesi ile 5 Neden taslağı ürettir. Ardından AI çıktısını kendi tablonla karşılaştır: etkilenen lot kapsamını, önerilen recall sınıfını ve kök-neden zincirini doğrula veya çürüt. Bir raporda; AI'ın hangi kısımlarını kayıtla teyit ettiğini, hangi noktalarda halüsine veya fazla/eksik kapsam ürettiğini, ve nihai geri çağırma kararını hangi doğrulanmış kanıtlara dayandırdığını açıkla. Otoriteye bildirim gereğini ve bunun mevzuattan teyit edilmesi gerektiğini rapora ekle.