Havacılık sektöründe tedarikçi performansının kümeleme analizi ve yapay sinir ağları ile incelenmesi
| dc.contributor.advisor | Çetin, Onur | |
| dc.contributor.author | Akbaba, Muhammet Mikdat | |
| dc.date.accessioned | 2018-06-22T12:35:03Z | |
| dc.date.available | 2018-06-22T12:35:03Z | |
| dc.date.issued | 2017 | |
| dc.date.submitted | 2017 | |
| dc.department | Enstitüler, Sosyal Bilimler Enstitüsü, İşletme Ana Bilim Dalı | en_US |
| dc.description.abstract | Günümüzde küreselleşmeyle birlikte yoğun bir rekabet ortamı mevcuttur. Bu rekabet havayolu firmaları arasında da yoğun bir şekilde görülmektedir. Havayolu firmaları rekabette üstün olabilmek için ve müşterilere minimum maliyet yansıtmaya yönelik olarak girdi maliyetlerini azaltmayı hedeflemektedirler. Önemli maliyet kalemlerinden birisi de bakım maliyetleridir. Uçak bakımında maliyetlerin azaltılması, firmaların tedarik zincirlerini daha etkin kullanmaları ile mümkün olmaktadır. Uçak bakım firmaları bakım için uluslararası ve yerel havacılık bakım kuralları gereği belirli sertifikasyon, belge ve yetkinliklere sahip yüzlerce tedarikçiden milyonları bulunan malzeme temininde bulunmaktadır. Firmalar bu büyüklükteki tedarik zinciri süreçlerini etkin ve verimli kullanmak amacıyla çeşitli politika ve stratejiler uygulamaktadırlar. Bu stratejilerden birisi de tedarikçinin durumunu net bir şekilde gözlemlenebilmesi ve görülebilmesidir. Bu gözlemleme yöntemlerinden birisi de tedarikçilerin performanslarının değerlendirilmesidir. Bu çalışmada bir firmanın mevcut tedarikçi değerlendirme süreci incelenmiştir. Firmanın değerlendirme sisteminde beş adet küme bulunmaktadır. Kümeleme Analizi ve Yapay Sinir Ağları kullanılarak yeni bir değerlendirme sistemi önerilmiştir. Yapılan analizler sonucunda tedarikçi firmaların performans dağılımları irdelenmiş ve çeşitli önerilerde bulunulmuştur. | en_US |
| dc.description.abstract | Nowadays, there is an intense competition environment with globalization. This competition is also seen intensely among airline companies. Airline companies aims to reduce input costs in order to be competitive and reflect minimum costs. One of the important cost items is maintenance costs. Reducing costs in aircraft maintenance is made possible by more efficient use of the supply chains. Aircraft maintenance companies supply millions of materials from hundreds of suppliers with specific certifications, documents and competencies for maintenance in accordance with international and local aviation maintenance guidelines. Firms are implementing various policies and strategies in order to use these large supply chain processes effectively and efficiently. One of these strategies is that the situation of the supplier can be clearly observed and monitored. One of these monitoring methods is assessing the performances of the suppliers. In this study, the current supplier evaluation process of a company is examined. Current evaluation system has five clusters. A new system is suggested using Cluster Analysis and Artificial Neural Networks. As a result of the analyzes , the performance distributions of supplier companies were examined and various suggestions were made. | en_US |
| dc.identifier.uri | https://hdl.handle.net/20.500.14551/2848 | |
| dc.identifier.yoktezid | 488800 | en_US |
| dc.language.iso | tr | en_US |
| dc.publisher | Trakya Üniversitesi Sosyal Bilimler Enstitüsü | en_US |
| dc.relation.publicationcategory | Tez | en_US |
| dc.rights | info:eu-repo/semantics/openAccess | en_US |
| dc.subject | Tedarikçi Performans Değerlendirmesi | en_US |
| dc.subject | Kümeleme Analizi | en_US |
| dc.subject | K-Ortalamalar | en_US |
| dc.subject | Yapay Sinir Ağları | en_US |
| dc.subject | Suplier Performance Evaluation | en_US |
| dc.subject | Cluster Analysis | en_US |
| dc.subject | Artificial Neural Networks | en_US |
| dc.subject | K-Mean | en_US |
| dc.title | Havacılık sektöründe tedarikçi performansının kümeleme analizi ve yapay sinir ağları ile incelenmesi | en_US |
| dc.title.alternative | Examination of supplier performance in aviation industry using cluster analysis and artificial neural networks | en_US |
| dc.type | Master Thesis | en_US |
