Risk analysis and outlier detection in cold chain 4.0 logistics: an empirical study
Soğuk zincir 4.0 lojistiğinde risk analizi ve aykırı değer tespiti: ampirik bir çalışma
- Tez No: 946109
- Danışmanlar: PROF. DR. SENİYE ÜMİT FIRAT, DR. ÖĞR. ÜYESİ MERVE ER
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 106
Özet
Farmasötik soğuk zincir yönetimi, sıcaklık kontrollü üretim, depolama, paketleme ve dağıtımı içeren karmaşık ve kritik bir süreçtir. Farmasötik ürünler sıcaklık, nem, ışık ve titreşim gibi çevresel faktörlerden kolayca etkilenebilir. Farmasötik soğuk zincir süreçlerinde meydana gelen bir aksama, özellikle soğuk zincirin kırılma riskinin en yüksek olduğu lojistik faaliyetler sırasında, ciddi insan sağlığı sorunlarına ve mali kayıplara yol açmaktadır. Bu çalışma, soğuk zincir taşımacılığında anormal sıcaklık ölçümlerinin belirlenmesi için Rota Tespit Tabanlı Destek Vektör Regresyonu (RT-DVR) adı verilen yeni bir hibrit aykırı değer tespit yöntemi önermektedir. Bu yaklaşım iki aşamadan oluşmaktadır: (1) Rota Tespit (RT) algoritması, taşıma araçlarının rotalarını belirler ve büyük veri setinden gereksiz verileri eleyerek sağlam bir veri ön işleme süreci sağlar; (2) Destek Vektör Regresyonu (DVR) algoritması ise budanmış veriyi kullanarak modeli eğitir ve taşıma sırasında aralık dışındaki sıcaklık değerlerini tespit eder. Önerilen RT-DVR modeli, Türkiye'nin en büyük uluslararası lojistik firmalarından birine ait iki araca ilişkin bir yıllık sıcaklık veri kaydı üzerinde uygulanmıştır. Modelin performansı, Rastgele Orman ve Yapay Sinir Ağları algoritmalarının performansları ile karşılaştırılmıştır. Karşılaştırma, sonuçların görselleştirilmesini ve rota tabanlı duyarlılık analizini içermekte olup, modelin soğuk zincir kırılmalarını tespit etmedeki sağlamlığını ve etkinliğini vurgulamaktadır. Farmasötik soğuk zincirde büyük veri analitiği ve makine öğrenmesi uygulamalarının nadirliği göz önüne alındığında, bu çalışma hem kuramsal hem de uygulamalı olarak yenilikçi bir katkı sunmaktadır. Çalışma, farmasötik soğuk zincir lojistiğinde kalite güvencesine yönelik ölçeklenebilir, otomatik ve doğru bir yaklaşım ortaya koymaktadır.
Özet (Çeviri)
Pharmaceutical cold chain management is a complex and critical process that involves temperature-controlled production, storage, packaging and distribution. Pharmaceutical goods can easily get affected by environmental conditions such as light, humidity, temperature and vibration. A disruption in pharmaceutical cold chain processes poses significant human health issues and financial losses particularly during logistic activities where the risk of cold chain breakage is highest. In this study, a novel hybrid outlier detection methodology, named Route Detection-based Support Vector Regression (RD-SVR), is proposed for the identification of anomalous temperature measurements in cold chain transportation. This approach consists of two phases: (1) Route Detection (RD) algorithm captures the routes of transportation vehicles and provides robust data pre-processing by eliminating the unnecessary data from a large dataset, and (2) Support Vector Regression (SVR) algorithm is employed to detect outliers where pruned data is used in training the model to identify out-of-range temperature values during transportation. The proposed RD-SVR model is implemented on one-year temperature data loggers records from two vehicles belonging to one of the largest international logistics companies in Türkiye. The performance of the proposed model is compared with the performances of Random Forest and Artificial Neural Network algorithms. The comparison includes visualization of results and route-based sensitivity analysis, emphasizing the robustness and effectiveness of the proposed model in detecting breakage of cold chain and safeguarding product integrity. Given the scarcity of the studies applying big data analytics and machine learning to pharmaceutical cold chains, this study makes a novel contribution to both theory and practice by demonstrating a scalable, automated, and accurate approach to quality assurance in pharmaceutical cold chain logistics.
Benzer Tezler
- Efficiency improvement via new methods for data valuation, privacy and communication in federated learning
Yeni veri değerlendirme, gizlilik ve haberleşme yöntemleri ile federe öğrenmede verimlilik artırımı
EMRE ARDIÇ
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YAKUP GENÇ
- Automated cryptocurrency trading using machine learning methods
Makine öğrenmesi yöntemleri ile otomatik kripto para ticareti
FARUK ÖZER
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBüyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEMAL OKAN ŞAKAR
- Derin kazı destekleme sistemlerinde yatay deformasyonların belirlenmesi
Determination of horizontal deformation on the supporting systems of deep excavations
CANKUT DAĞDAL İNCE
- Stratejik yönetim perspektifinden sigortacılık sektöründe makine öğrenmesi algoritmaları ile anomali tespiti
An application of machine learning to anomaly detection in insurance industry using strategic management approach
AYŞE NURBANU ŞAHAN
Yüksek Lisans
Türkçe
2020
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. TOLGA KAYA
- A dynamic risk assessment methodology (Dy-RAM) in port waters
Liman sularında dinamik risk değerlendirme (Dy-RAM) metodolojisi
ÜLKÜ ÖZTÜRK
Doktora
İngilizce
2019
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KADİR ÇİÇEK