Artificial Intelligence-Driven Process Mining for Supply Chain Resilience
Tedarik Zinciri Dayanıklılığı için Yapay Zekâ Destekli Süreç Madenciliği
- Tez No: 1010625
- Danışmanlar: PROF. DR. TURAN ERMAN ERKAN
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Atılım Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mühendislik Sistemlerinin Modellenmesi ve Tasarımı Ana Bilim Dalı (disiplinlerarası)
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Tez, Tedarik Zinciri Dayanıklılığı için Yapay Zekâ Destekli Süreç Madenciliğine adanacaktır. Araştırmalar, tedarik zinciri süreçlerinin her zamankinden daha karmaşık ve krizlere karşı daha savunmasız hale geldiğini göstermektedir. Kesintiye uğratan ve belirsizlik içeren ortamların süreçlerin sürdürülebilirliği, zamanlaması, hizmetleri ve kârlılığı üzerinde etkili olması muhtemeldir. Literatür incelemeleri, tedarik zincirlerinin geçmişe kıyasla daha dayanıklı, izlenebilir, öngörülebilir, şeffaf ve veri odaklı olması gerektiğini göstermektedir. Bununla birlikte araştırmalar; süreç madenciliği, yapay zekâ, tahmin modelleri ve olay izleme yöntemlerini kullanarak tedarik zincirlerini daha akıllı ve proaktif hale getirmeye odaklanmaktadır. Bu çalışma, dayanıklılık kavramı merkezinde oluşturulacak operasyonel bir çerçeve aracılığıyla tedarik zincirlerinin kesintilere hazırlanmasına ve bu kesintilerden sağ çıkmasına yardımcı olmayı amaçlamaktadır. Önerilen çerçeve; Süreç Madenciliği, anomali tespiti, yapay zekâ ve operasyonel olay analizi unsurlarını içerecektir. Bu çerçevenin, depolama, lojistik ve 3PL faaliyetlerine yönelik ERP ve WMS sistemlerinden elde edilen operasyonel veriler üzerinde kullanılması planlanmaktadır.
Özet (Çeviri)
The thesis is going to be dedicated to AI-Driven Process Mining for SCRES (Supply Chain Resilience). Researches show that supply chain processes become more complicated and vulnerable to crises than ever before. Disruptive environments are likely to impact processes' sustainability, timing, services, and profitability. Literature reviews show that supply chains need to be more resilient, monitorable, predictable, transparent, and data-driven than before. Meanwhile, researches focus on making supply chains to be more intelligent and proactive by using process mining, artificial intelligence, prediction models, and event monitoring. This study aims to aid supply chains to prepare and survive from disruptions by creating an operational framework centered on the concept of resilience. The suggested framework will include elements of Process Mining, predictive monitoring, anomaly detection, artificial intelligence, and operational events analysis. This framework is planned to be used on operational event logs gathered from ERP and WMS systems for warehousing, logistics, and 3PL activities.
Benzer Tezler
- 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
- Sistemli mimari tasarım sürecinde üretken bir yapay yardımcı önerisi
Proposal for a productive artificial aid in the systematic architectural design process
BETÜL ŞEN
- Pertübasyon yöntemi ile hassas veri güvenliğine yönelik çok değişkenli veriler için tahmin analizi
Prediction analysis for multivariate data with respect to sensitive data security using the perturbation method
İLKER İLTER
- Lise öğrencilerinin akademik başarılarının ChatGPT ve KNIME kullanılarak makine öğrenmesi modelleriyle tahmin sonuçlarının karşılaştırılması
Comparison of the results of predicting the academic achievements of high school students with machine learning models using ChatGPT and KNIME
ENGİN BAZ
Yüksek Lisans
Türkçe
2025
İstanbul Üniversitesi-CerrahpaşaBilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
Yükleniyor...
- İş analitiğinde tüketici satın alma davranışlarının derin öğrenme modelleri ile tahmini: Uygulamalı bir pazarlama analizi
Prediction of consumer buying behavior with deep learning models in business analytics: An applied marketing analysis
ERDİ KAFLI