Data mining approach in supply chain risk management
Tedarik zinciri risk yönetiminde veri madenciliği yaklaşımı
- Tez No: 476213
- Danışmanlar: PROF. DR. SENİYE ÜMİT FIRAT
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Tedarik zinciri riski günümüz dünyasının büyüyen sorunlarından biridir. Tedarik zincirlerindeki tüm stratejik ve operasyonel kararlar risklere ve belirsizliklere maruz kalmaktadır. Tedarik Zinciri Risk Yönetimi (TZRY) sürdürülebilir, rekabetçi ve başarılı işler için ana unsurlardan biridir. Tedarik zincirleri farklı form, olasılık ve etkiye sahip sayısız risk içermektedir. Bu risklerin yönetimi büyük miktarlarda farklı ve dağıtık veri kaynakları ile uğraşmayı gerektirmektedir. Duyarlı ve uyarlanabilir bir TZRY modeli geliştirmek için ana başarı unsuru riskle ilgili verilerin etkili ve verimli kullanılmasıdır. Veri anlamlı bir bilgiye dönüştürülmeden bir şey ifade etmemektedir. İş zekası ve Veri Madenciliği (VM) iş analitikleri ve başarılı Tedarik Zinciri Yönetimi sistemleri için önemli temel taşlarıdır. Tedarik zincirlerini ve risklerini yönetmede iş zekası ile ilgili sanayi ilgisine rağmen bu alandaki araç ve tekniklerin TZRY'ne adapte edilmesi ile ilgili akademik literatür yeteri kadar zengin değildir. Tezin arka planındaki motivasyon TZRY'nde VM araç ve tekniklerinin uygulanması ile ilgili bir çerçevenin bulunmamasına dayanmaktadır. Bu nedenle bu tez risk yönetiminde daha bilgili ve zeki kararlar verebilmek amacıyla VM-temelli bir TZRY modeli önererek bu araştırma boşluğuna katkıda bulunmayı hedeflemektedir. VM ve TZRY'nin ana adımları tek bir çatıda toplanmıştır. Önerilen yapı VM-temelli bir TZRY sistemi geliştirmek ve risk ile ilgili veriyi analiz etmek amacıyla VM araçlarını ve algoritmalarını uygulamak için kapsamlı bir rehber sağlamaktadır. Bildiğimize göre bu çalışma TZRY alanı için yenidir. Önerilen VM-temelli TZRY yapısı seçilen bir şirkete kısmen adapte edilmiştir. Vaka çalışması için tedarikçiler ile ilgili riskler seçilmiştir. Şirketin ana tedarikçilerini farklı risk çeşitlerine göre kümelemek amacıyla k-ortalamalar kümeleme algoritması uygulanmıştır. Vaka çalışmasının amacı VM-temelli TZRY modelinin uygulanabilirliğini ve avantajlarını gerçek bir endüstriyel çalışma ile göstermektir.
Özet (Çeviri)
Supply chain risk is a growing challenge in today's world. All of the strategic and operational decisions in a supply chain (SC) are exposed to risks and uncertainties. Supply Chain Risk Management (SCRM) is a key element for sustainable, competitive and successful business. Supply chains contain numerous risks with different forms, probabilities and impacts. Management of these risks requires dealing with huge amounts of different and distributed data sources. The key success factor to develop a responsive and adaptive SCRM model is the effective and efficient use of the risk related data. Data means nothing without bringing it to a meaningful knowledge. Business Intelligence (BI) and Data Mining (DM) are essential cornerstones in business analytics and successful SC management systems. Despite the industrial interest in the use of BI in managing SCs and their risks, the academic literature is not rich enough on the adaption of these tools and techniques in SCRM. The motivation behind this thesis is the lack of a framework to apply DM tools and techniques for SCRM. Therefore, this thesis aims to contribute this research gap by proposing a DM-based SCRM model in order to make more informed and intelligent decisions in risk management. The main steps of DM and SCRM are combined in a unique framework. The proposed framework provides a comprehensive guide to develop a DM-based SCRM system and apply DM tools and algorithms for analyzing risk related data. To the best of our knowledge, this study is novel in SCRM area. The proposed DM-based SCRM framework is partially adapted to a selected enterprise. Supplier related risks are selected for the case study. K-means clustering algorithm is applied to cluster core suppliers of the company based on different risk types. The aim of the case study is to represent the applicability and advantages of the DM-based SCRM model with a real industrial study.
Benzer Tezler
- Deniz taşımacılığında emniyet esaslı akıllı gemi denetim analitiği
Safety based intelligent ship inspection analytics for maritime transportation
SEYİD MAHMUD ESAD DEMİRCİ
Doktora
Türkçe
2023
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. KADİR ÇİÇEK
- Tedarik zinciri yönetiminde yapay zekâ destekli teknoloji tahmini, ağ optimizasyonu ve operasyonel risk yönetimi
Artificial intelligence-driven technological forecasting, network optimization, and operational risk management in supply chain management
SEMİH KANSU
Doktora
Türkçe
2026
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SERKAN ALTUNTAŞ
- Ulaş Sağlık Ocağı merkezinde nüfusun bazı niteliklerine ve konutların durumuna ilişkin bir çalışma
An Investigation carried out at the Ulaş Public Health Centre concerning some characteristics of the population and housing conditions in the district of Ulaş
EROL ŞANLI
Doktora
Türkçe
1985
Halk SağlığıCumhuriyet ÜniversitesiHalk Sağlığı Ana Bilim Dalı
DOÇ. DR. SERVET ÖZGÜR
- Ovulasyon indüksiyonu tedavisinde folliküler gelişimin ultrasonografik takibi
Başlık çevirisi yok
MERİH BAYRAM
Tıpta Uzmanlık
Türkçe
1987
Kadın Hastalıkları ve DoğumGazi ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
DOÇ. DR. MÜLAZIM YILDIRIM
- Pik demiri ve karbon çeliğinin sulu çözeltiler içindeki korozyon hızının tayini
Determination of the rate of corrosion of the cast iran and carbon steel in the aqueous solutions
EMİNE NAZAN ÜNAL
Yüksek Lisans
Türkçe
1985
Kimya MühendisliğiGazi ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAYRİ YALÇIN