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: Belirtilmemiş.
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
- Atherosklerotik kalp hastalıklarında risk faktörleri
Risk factors in the coronary artery disease
MURAT SUHER
- Adolesan intihar girişimlerinin psiko-sosyal nedenleriyle ilgili araştırma
Başlık çevirisi yok
NAZMİYE YÜKSEL
- Türkiye'de serebral hareket bozukluklarının etiyolojisi epidemiyolojisi ve bazı klinik özellikleri
Başlık çevirisi yok
AŞER BENSUSAN
Tıpta Uzmanlık
Türkçe
1986
Çocuk Sağlığı ve Hastalıklarıİstanbul ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
- Yenileme yatırımları
Başlık çevirisi yok
OSMAN NURİ FİLİZ
Yüksek Lisans
Türkçe
1986
İşletmeGazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. OSMAN OKKA
- Bölgemizdeki normal ve risk gruplarında sifilize karşı oluşan antikorların araştırılması
Başlık çevirisi yok
MUSTAFA ZAHİR BAKICI
Doktora
Türkçe
1984
MikrobiyolojiCumhuriyet ÜniversitesiMikrobiyoloji Ana Bilim Dalı
PROF. DR. MUVAFFAK AKMAN