Havayolu kargo taşımacılığı modellemesi ve havayolu kargo ağının planlanması: Türkiye uygulaması

Airline cargo transportation modeling and air cargo network planning: Turkey case

PDF İndir

Tez No: 743839
Yazar: UMUT AYDIN
Danışmanlar: PROF. DR. KEMAL BURÇ ÜLENGİN
Tez Türü: Doktora
Konular: Sivil Havacılık, Ulaşım, İşletme, Civil Aviation, Transportation, Business Administration
Anahtar Kelimeler: Belirtilmemiş.
Yıl: 2022
Dil: Türkçe
Üniversite: İstanbul Teknik Üniversitesi
Enstitü: Lisansüstü Eğitim Enstitüsü
Ana Bilim Dalı: İşletme Ana Bilim Dalı
Bilim Dalı: İşletme Bilim Dalı
Sayfa Sayısı: 141

Özet

2019 yılında, COVID-19 pandemisinin küresel etkisinin gözlemlenmeye başlamasından hemen önce, hava kargo sektörü tüm zamanların en yüksek Kargo Ton-Kilometre değerine ulaşmıştı; ancak son dönemde küresel tedarik zincirini etkileyen aksaklıklar, hava kargo sektörünün en büyük itici gücü olan üretim ve ticaret operasyonlarını dalgalanmalara sebep olmaktadır. Ayrıca New York JFK, Los Angeles Uluslararası Havalimanı ve Amsterdam Schiphol Havalimanı gibi dünyaca ünlü havalimanlarında, yetersiz kapasite ve çalışanlarının karantina süresi gibi faktörler nedeniyle daha uzun ulaşım süreleri yaşadı. Hava kargo taşımacılığında pandemi dolayısıyla yaşanan problemler, diğer taşıma modlarında yaşanan problemler sebebiyle ve firmaların hammadde taleplerinin ertelenemez hale gelmesi sonucunda sektör, pandemi krizi öncesi döneminde eriştiği rekor taşınan kargo miktarına 2021 yılı itibariyle yeniden erişmiştir. Dahası, Boeing, pazarın 2039 yılına kadar yıllık %4 büyüyeceğini ve hava kargo pazarının Gelir Ton-Kilometresinin 2039 yılına kadar en az iki katına çıkacağını tahmin ediyor. Türk hava kargo pazarı, dünya çapında taşınan kargo miktarına katkı sağlayan en önemli pazarlar arasında yer almaktadır. Türkiye'nin bayrak taşıyıcı havayolu Türk Hava Yolları, küresel kargo trafiğinde 2020 yılında 6,9 milyon Ton-Kilometre kargo trafiği ile sekizinci sırada yer aldı. Son yıllarda Türk hükümeti ve Türkiye'deki hava kargo paydaşları, Türk hava kargo sektörünün küresel pazardaki payını arttırmak adına sektördeki yatırımlarını hızlandırdı. Örneğin 2018 yılında faaliyete geçen İstanbul Havalimanı, tüm yapım aşamaları tamamlandığında yıllık 5,5 milyon ton kargo elleçleme kapasitesine sahip olmayı planlamaktadır ve tam kapasiteye ulaşıldığında havalimanının küresel hava kargo trafiği için önemli bir merkez haline gelmesi beklenmektedir. Türkiye pazarında havayollarının taşıdığı kargo miktarı son 10 yılda yıllık ortalama %9,9 oranında artmıştır ve bu istatistik paydaşların yatırımlarının karşılığını bulduğunu göstermektedir. Dış hat taşınan kargo istatistikleri incelendiğinde, uluslararası hava kargo trafiği, toplu hava kargo trafik verilerine benzer bir performans göstermektedir; öte yandan, yurt içi hava kargo pazarına yönelik yatırımların hızlanmasında uluslararası hava kargo trafik istatistiklerinin etkisi olmasına rağmen, iç hat hava kargo trafiği son on yıldır yatay seyretmektedir. Türkiye iç hat hava kargo pazarında son yirmi yıldır Türk Hava Yolları ve Pegasus Hava Yolları tarafından yolcu uçaklarıyla kargo kapasitesi arzı kesintisiz olarak karşılanmakta ve 2021 yılı itibarıyla İzmir merkezli Air Anka Havayolları da aralarına katılmıştır. Ayrıca Türk Hava Yolları iştiraki olan Turkish Cargo, 2021 yılından itibaren sadece kargo operasyonları yapan bir şirket olarak pazarda faaliyetlerine devam edecek. Bu gelişmeler sonucunda Devlet Hava Meydanları İşletmesi Genel Müdürlüğü (DHMİ), Türkiye iç hatlarda taşınacak yıllık toplam kargo miktarını 2021 için 59,7 bin ton, 2022 için 74,2 bin ton ve 2023 için 84,6 bin ton olarak tahmin etmektedir. Türkiye hava kargo pazarının potansiyel büyümesi ve geleceğe yönelik olumlu beklentiler, paydaşların yatırımlarını artırmış olsa da bilindiği kadarıyla, akademik anlamda araştırmacılar arasında hava kargo miktarını etkileyen faktörleri belirlemeye çalışan bir çalışma bulunmamaktadır. Bu çalışma, öncelikle Türkiye'nin iç hatlarda havalimanı çiftleri arasında taşınan kargo miktarını etkileyen faktörleri ve ayrıca Türkiye'de bulunan havalimanları ile ülkeler arasında taşınan kargo miktarını analiz ederek bu boşluğu doldurmayı amaçlamaktadır. Ayrıca, sonraki bölümler, son yirmi yılda, çekim modelinin havacılık alanındaki yolcu sayısını ve kargo miktarını tahmin etmek için sıklıkla kullanılan yöntemlerden biri olduğunu göstermektedir. Bununla birlikte, araştırmacılar, OLS veya PPML gibi sıfır gözlemleri hariç tutan veya içeren farklı veri setlerinin kullanıldığı farklı çalışmalar yapmışlardır. Bu çalışmanın ikinci katkısı, literatürdeki bu farklı yaklaşımları karşılaştırmalı olarak Türk hava kargo verilerine uygulamaktır. Sonuç olarak bu çalışma, modelde kullanılan diğer değişkenlere kıyasla hangi değişkenlerin destinasyon çiftleri arasındaki hava kargo trafiği üzerinde daha fazla etkiye sahip olduğunu rapor etmekle kalmayıp, aynı zamanda veri setine göre hangi tahmincinin çekim modeli tahmininde daha iyi performansa sahip olduğunu ortaya koymayı amaçlamaktadır. Bu tez çalışması, Türk hava kargo pazarı için uygulamalı bir analiz yapmak için dört aşamalı bir strateji kullanmıştır. İlk aşamada temel çekim modeli değişkenleri olan nüfus, kişi başı GSYİH ve mesafe değişkenleri açıklayıcı değişken olarak kullanılmış ve Türkiye'de havalimanı çiftleri arasında taşınan iç hat kargo hacmi de denkleme bağımlı değişken olarak dahil edilmiştir. Böylece, Türkiye'de havalimanı çiftleri arasında taşınan kargo miktarını etkileyen faktörler ve bu faktörlerin etki büyüklükleri, temel çekim modeli kullanılarak değerlendirilmeye çalışılmıştır. Ayrıca literatürdeki çalışmaların çoğunda kargoyu gönderen ve kabul eden şehirlerin makroekonomik özelliklerini gösteren değişkenlerin katsayıları matematiksel dönüşümler ve denklemler şeklinde birleştirilirken, katsayıların eşitliği sınanmadan kullanılmıştır. Bu çalışmada literatürdeki çalışmalardan farklı olarak katsayıların eşitliği her aşamada sınanmıştır. İç hat denklem tahminlerinde, her yıl için yatay kesit verisiyle denklem tahminleri hem OLS hem de PPML tahmincileri kullanılarak 2012 ile 2019 yılları için ayrı ayrı uygulanmıştır. Buradaki amaç, iki tahminci ile elde edilen katsayıların zaman içindeki değişimlerini izlemektir ve hangi tahmincinin daha tutarlı parametre tahminleri sağladığını belirlemektir. Zaman içindeki değişimler açısından, bulgular, PPML tahmincisi ile oluşturulan parametre tahminlerinin, OLS tahmincisi ile elde edilen katsayı tahminlerinden daha tutarlı olduğunu göstermektedir. OLS tahmincisi kullanılarak tahmin edilen katsayılar, değişkenlerin yıllara göre dağılımında o kadar oynaklık göstermektedir ki, bazı değişkenlerin katsayıları bazı yıllarda istatistiksel olarak anlamlı bulunurken, diğer yıllarda bu istatistiksel anlamlılığa ulaşılamamaktadır. Ayrıca denklem tahminleri sonrasında havalimanlarının bulunduğu illerin makroekonomik özellikleri için kullanılan nüfus ve kişi başına düşen GSYİH değişkenlerinin katsayıları arasında anlamlı bir farklılık olmadığı rapor edilmiştir. Başka bir deyişle, kargo gönderen ve kabul eden şehirlerin özelliklerinin, iki şehir arasında taşınan hava kargo hacmine etkisinin olmadığı ortaya çıkmıştır. İç hat hava kargo trafik modelinin oluşturulmasının ikinci aşamasında birim ve/veya zaman etkilerinin modele dahil edilmesini sağlayan panel veri seti kullanılmıştır. Elde edilen model göstermektedir ki, Türkiye'de taşınan hava kargo miktarında zaman etkisi yoktur; yani yıllara göre taşınan yük miktarı 2012 yılında taşınan miktardan istatistiksel olarak anlamlı bir farklılık göstermemektedir. Bu durum üçüncü bir modelleme aşamasına ihtiyaç olduğunu ortaya koymuştur ve bu nedenle yıllar için dahil edilen gölge değişkenler veri setinden çıkarılmış ve denklem tahminleri havuzlanmış panel verileri kullanılarak tekrarlanmıştır. İç hatlarda meydan çiftleri arasında taşınan kargo miktarı havalimanlarının bulunduğu şehirlerin nüfusu, kişi başına düşen GSYİH değerleri ve havalimanları arası kilometre cinsinden uçuş mesafesi ile açıklanmaktadır. Bu açıklayıcı değişkenler, havaalanı çiftleri arasındaki kargo trafiğinin kabaca %72'sini açıklayabilmektedir. Modeldeki tüm açıklayıcı değişkenlerin bağımlı değişken üzerinde istatistiksel olarak anlamlı bir etkisi vardır, öyle ki şehir nüfusundaki %1'lik bir artış, Türkiye'nin havalimanı çiftleri arasında taşınan yurtiçi kargo miktarını yaklaşık %2,24 artırmaktadır. Şehirlerin kişi başı GSYİH'si %1 büyüdüğünde, taşınan iç hat kargo %2,01 oranında artmaktadır. Türkiye'de iç hatlarda taşınan hava kargo miktarı mesafeye duyarlıdır ve iki havalimanı arasındaki mesafedeki %1'lik artış ve karşılıklı kargo trafiğinde %2,14'lük bir artışa sebep olmaktadır. Türkiye'deki 56 havalimanı ile 127 ülkeden 300 havalimanı arasındaki dış hat hava kargo trafiği, bir sonraki adımda çekim modelinin bağımlı değişkeni olmuştur. Bu aşamada veri seti, Türkiye'deki havalimanı ve ülke olacak biçimde lokasyon çifti şeklinde oluşturulmuştur. Sonuç olarak, veri seti, bağımlı değişken olarak belirli bir yılda Türkiye'deki herhangi bir havalimanı ile ilgili ülkelerdeki tüm havalimanları arasındaki toplam kargo trafiğini içerecek şekilde revize edilmiştir. Dış hat kargo modelleri için yurt içi kargo modeli oluşturma aşamasındaki benzer prosedürler takip edilmiş ve yurt içi kargo modellerinden farklı olarak uluslararası kargo hacminde zaman etkisi olduğu ortaya çıkmıştır. Havuzlanmış panel verileri kullanılarak, uluslararası hava kargo modelleri, 2016 yılında taşınan uluslararası hava kargosunun toplam hacminde 2012 yılına kıyasla istatistiksel olarak anlamlı bir fark olduğunu göstermektedir. PPML tahmincisi sıfır değerli bağımlı değişken gözlemleri içeren veri setleri ile çalışabildiğinden, 40427 gözlemlerini kullanarak 8 yıllık veri seti için parametreleri hesapladı. PPML tahmincisi kullanılarak elde edilen modele göre, nüfus değişkenindeki %1'lik bir artış, lokasyon çiftlerinde taşınan kargo trafiğinde yüzde 0,91'lik bir artışa neden olacaktır. Kişi başına düşen GSYİH değişkenindeki %1'lik bir büyüme, taşınan kargo hacminde yüzde 0,76'lık bir artışa neden olurken, mesafedeki %1'lik bir artış, taşınan kargo miktarında yüzde 0,97'lik bir azalmaya yol açmaktadır. Dış hat çekim modelindeki gölge değişken olan gümrük değişkeni, Türkiye'de tüm gümrük işlemlerinin yapıldığı havalimanlarını temsil etmekte ve A sınıfı gümrüklü havalimanları ortalama yüzde 4,32 daha fazla dış hat kargo elleçlemektedir. Tezin son aşamasında, üç olası senaryo ve elde edilen modeller kullanılarak yurtiçi ve yurtdışı taşınan kargo miktarının sonraki yıllar için tahminleri oluşturulmuştur. En karamsar senaryoda bile, Türkiye'nin toplam hava kargo trafiğinin önümüzdeki yıllarda artması beklenmektedir. Analizlere göre, Türkiye'deki havalimanlarının çoğu, bulundukları şehirlerin makroekonomik koşullarına göre hava kargo trafiği açısından potansiyellerinin altında faaliyet gösterdiği görülmektedir. Sonuç olarak, gelecek yıllarda hava kargo trafiği arttıkça çoğu havalimanının kargo elleçleme kapasitesi arzına ihtiyaç duyması beklenmektedir.

Özet (Çeviri)

In 2019, right before the global impact of the COVID-19 pandemic began to be observed, the air cargo industry had reached a record high value of Cargo Tonne-Kilometers (CTK); however, the recent disruptions affecting the global supply chain has a fluctuating effect on the production and trade operations, which are the biggest driving forces behind the air cargo industry. Furthermore, world-renowned airports such as New York's JFK, Los Angeles International Airport, and Amsterdam Schiphol Airport have experienced longer transportation durations due to factors such as inadequate capacity and the quarantine period of their staff. Regardless of the problems encountered in the air cargo industry, companies still prefer air transportation to supply the markets due to various issues that may be encountered in other modes of transportation, such as the interruption of the container flow in the maritime transport which creates container shortages in ports and causes increased transportation durations and costs. As a result of the extended transportation durations of other modes of transportation in the market and the nondeferrable supply demands of companies, the air cargo industry has produced similar levels of cargo traffic compared to the period before the pandemic crisis and in 2021, the amount of air cargo carried came close to the all-time high. Moreover, Boeing estimates that the market will grow by 4% annually until 2039 and it is expected that Revenue Tonne-Kilometers (RTK) of the air cargo market will at the least be doubled by 2039. The Turkish air cargo market is among the most important markets that contribute to the amount of cargo carried around the world. In terms of global cargo traffic, Turkey's flag carrier Turkish Airlines was in eighth place with 6,977 million Tonne-Kilometers of cargo traffic in 2020. In recent years, the Turkish government and air cargo stakeholders from Turkey have accelerated their investments in the air cargo industry to increase their global share within the air cargo industry. For example, İstanbul Airport, which has started to operate in 2018, plans to have an annual cargo handling capacity of 5.5 million tonnes when all of its construction phases are completed, and it is expected that when the full capacity is reached, the airport will become an important hub for the global air cargo traffic. The country's air cargo industry statistics also show the return on these investments as the amount of cargo carried by airlines in the Turkish market has increased by an annual average of 9.9% in the last 10 years. When one analyzes the statistics of the domestic and international routes, international air cargo traffic shows a similar performance to the aggregated air cargo traffic data; on the other hand, domestic air cargo traffic has remained stagnant for the last decade, although international air cargo traffic statistics are influential in the acceleration of investments in the domestic air cargo market. In the domestic air cargo market of Turkey, for the last couple of decades, the demand for belly cargo capacity has been supplied continuously by Turkish Airlines and Pegasus Airlines, and as of 2021, İzmir-based Air Anka Airlines has joined among them as another supplier. In addition, Turkish Cargo, which is a subsidiary of Turkish Airlines, will continue its activities as a company that only carries out cargo operations from 2021 onwards. As a result of these developments, the General Directorate of State Airports Authority (DHMI) estimates the total annual amount of cargo to be carried within Turkey's domestic routes as 59.7 thousand tonnes for 2021, 74.2 thousand tonnes for 2022, and 84.6 thousand tonnes for 2023. Although the potential growth of Turkey's air cargo market and the positive expectations for the future have increased the investments of the stakeholders, to the best of our knowledge, there is no study among the scholarship that attempts to determine the factors that affect the amount of cargo carried on Turkish domestic international routes. This study first aims to fill this gap by determining the factors that affect the amount of cargo carried between airport pairs in Turkey's domestic routes and also, the amount of cargo carried between the airports located in Turkey and countries. Moreover, the following sections show that over the last two decades, the gravity model is one of the most prominent methods used to estimate the number of passengers and the amount of cargo in the aviation field. However, researchers utilize different estimation methods on gravity models, such as OLS or PPML, which use different data sets that either exclude or include the zero observations. The second contribution of this study is to comparatively apply these different approaches in the literature to Turkish air cargo data. As a result, this study not only reports which variables have more effect on air cargo traffic between destination pairs in comparison to other variables used in the model, but it also sets forth which methods are more appropriate for the gravity model estimation following the data set and the purpose of the study. This thesis used a four-stage strategy to conduct an applied analysis for the Turkish air cargo market. The basic gravity model variables, population, GDP per capita, and distance, were utilized as explanatory variables in the first stage, and the volume of domestic cargo transported between airport pairs in Turkey was also included as a dependent variable in the equation. Thus, the factors affecting the volume of cargo carried between airport pairs in Turkey, as well as the effect sizes of these factors, were attempted to be assessed using the basic gravity model. Furthermore, in the majority of studies in the literature, the coefficients of the variables that show the macroeconomic characteristics of the cities that send and receive cargo are merged in the form of mathematical transformations and equations are estimated, but the equality of the coefficients has not been tested prior to this combination. In the domestic equation estimations, equation estimates for cross-section data for each year were performed using both OLS and PPML estimators, with data ranging from 2012 to 2019. The goal here is to monitor the changes in coefficients obtained with the two estimators over time in order to determine which estimator provides more consistent parameter estimates. In terms of changes over time, the findings shows that parameter estimations generated with the PPML estimator are more consistent than coefficient estimations obtained with the OLS estimator. The coefficients estimated using the OLS estimator show such volatility in the breakdown of the variables by years that, while the coefficients of some variables are found to be statistically significant in some years, this statistical significance cannot be achieved in other years. Furthermore, after the equation estimations, the coefficients of the population and GDP per capita variables utilized for the macroeconomic features of the cities where the airports are located do not reported a significant difference. In other words, it has been revealed that the characteristics of the cities that send and accept cargo have no effect on the volume of air cargo carried between the two cities. This study firstly estimates the gravity model with cross-sectional data in order to observe the effects of the variables over the years. Test results show that it is not appropriate to use the same coefficients for the variables of departure and arrival cities for all years. Besides the cross-sectional model, this study also uses the pooled PPML model to forecast the volume of cargo traffic over the coming years, however, this model cannot reject the hypothesis of using the same coefficients for macroeconomic variables. All coefficients of this model are positive and statistically significant, similar to cross-sectional models. As mentioned earlier, the strength of the PPML method is its inclusion of zero-value observations in the analysis, and unlike other studies in the literature, this study includes airports with 1 tonne or less air cargo traffic and even airports with zero cargo traffic in the data set for each year. By including these observations in the sample, the sampling bias caused by not including airports with cargo traffic of 1 tonne or less is prevented. The panel data set, which enables unit and/or time effects to be included in the model, was utilized in the second phase of building the domestic air cargo traffic model. As shown in the estimated model, there is no time effect on the volume of air cargo carried in Turkey; that is, the amount of cargo carried by year is not statistically significantly different from the amount carried in 2012. This circumstance revealed the need for a third modeling stage, thus the dummy variables included for years were removed from the data set and equation estimations were performed using pooled panel data. The volume of cargo carried between airport pairs on Turkey's domestic routes is explained by the population of the cities where the airports are located, per capita GDP values, and flight distance in kilometers between the airports, which are variables in the basic gravity model. These explanatory variables may account for roughly 72% of cargo traffic between aerodrome pairs. All of the explanatory variables in the model have a statistically significant effect on the dependent variable, such that a 1% increase in city population increases the volume of domestic cargo transported between Turkey's airport pairs by about 2.24 %. When the GDP per capita of cities grows by 1%, the volume of domestic cargo transported increases by 2.01%. It can also be seen that air cargo carried on Turkey's domestic routes is sensitive to distance, with a 1% increase in km between two airports leading in a 2.14 percent increase in mutual cargo traffic. The international air cargo traffic between 56 airports in Turkey and 300 airports in 127 other countries became the gravity model's dependent variable in the next step. At this phase, the data set differs from the domestic air cargo data set since it was generated in such a way that the airport in Turkey and the country are location pairs. As a result, the data set was revised to include the total cargo traffic between the airport in Turkey and all airports in the relevant countries in a given year as the dependent variable. Similar procedures were used in the domestic cargo model building phase for international air cargo models, and it was revealed that, unlike the domestic cargo models, there is a time effect on the volume of international cargo. Using pooled panel data, international air cargo models demonstrate that there has been a statistically significant difference in the overall volume of international air cargo carried during 2016 compared to 2012. Because the PPML estimator can work with data sets containing zero-valued dependent variable observations, it calculated parameters for the 8-year data set using 40427 observations. According to the model obtained using the PPML estimator, a 1% increase in the population variable will result in a 0.91 percent increase in cargo traffic transported in the location pairs. A 1% growth in the GDP per capita variable results in a 0.76 percent increase in volume of cargo carried, whereas a 1% increase in distance results in a 0.97 percent decrease in the amount of cargo transported. When the year dummy variables added to the model were examined to observe the time effect, the coefficients of 2013, 2014, and 2015 were found to be insignificant, whereas the coefficients of subsequent years were found to be statistically significant with rising significance levels. In practice, the volume of international cargo carried in 2013, 2014, and 2015 does not differ statistically significantly from 2012 on average, although the amount of international cargo carried in subsequent years compared to 2012 has gradually increased. The custom variable, one of the dummy variables in the Gravity model, represents the airports in Turkey where all customs clearance processes are performed, and airports with Class A customs handle 4.32 percent more international cargo on average. In the last step of the thesis, cargo traffic forecasts for the following years were generated utilizing three possible scenarios and the models obtained for the volume of cargo transported domestically and internationally. Even in the most pessimistic scenario, Turkey's overall air cargo traffic is expected to increase in the coming years. According to the analyses, most airports in Turkey are operating at or below their potential in terms of air cargo traffic based on the macroeconomic conditions of the cities in which they are located. As a result, it is expected that most airports would require cargo handling capacity supply as air cargo traffic increases in the future years.

Benzer Tezler

Tez No
35717
Solution for the transportation problems faced by the flower exportation sector-enterprising an airline company
Kesme çiçek ihracat sektörünün taşımacılıkta karşılaştığı problemler için çözüm; Havayolu kurulması
ATA GÜRHAN DÖVEN
Yüksek Lisans
İngilizce
1994
İnşaat Mühendisliği Orta Doğu Teknik Üniversitesi
İnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZDEMİR AKYILMAZ
Tez No
763677
Airline new route selection with pythagorean fuzzy ahp and WASPAS methods
Pisagor bulanık analitik hiyerarşi proses ve WASPAS yöntemleri ile havayolu yeni rota seçimi
ŞENAY KOMA
Yüksek Lisans
İngilizce
2022
Sivil Havacılık İbn Haldun Üniversitesi
Hava Taşımacılığı Yönetimi Ana Bilim Dalı
DOÇ. DR. ALİ OSMAN KUŞAKCI
Tez No
713062
Revenue management applications in cargo transportation using stochasting modelling
Rassal modelleme ile kargo ve yük taşımacılığında gelir yönetimi uygulamaları
EMRE GÜMÜŞTAŞ
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliği Eskişehir Teknik Üniversitesi
Endüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ONUR KAYA
Tez No
679540
Bir havayolu kargo şirketinde yük tahmini uygulaması
An application study of load forecasting for an airline company
EBRU KARADUMAN
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri Mühendisliği Sakarya Üniversitesi
Endüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYTEN YILMAZ YALÇINER
Tez No
41070
Türkiye'de havayolu kargo taşımacılığı pazarlaması: Sorunları ve çözüm önerileri
Başlık çevirisi yok
EYÜP TURŞUCU
Yüksek Lisans
Türkçe
1995
İşletme Gazi Üniversitesi
DOÇ.DR. MİTHAT ÜNER

Geri Dön