Many hospitals still lack digital traceability in hygiene and cleaning management, leading to operational inefficiencies and inconsistent quality control. This study aims to establish cleaning and hygiene processes in healthcare services that are planned in accordance with standards, as well as to enhance the traceability and sustainability of these processes through digitalization. This study proposes a Hyperledger Fabric-based blockchain architecture to establish a reliable and transparent quality assurance system in process management. The proposed Quality Assurance Model utilizes digital technologies and IoT-based RFID devices to ensure the transparent and reliable monitoring of cleaning processes. Operational data related to cleaning processes are automatically recorded and secured using a decentralized blockchain infrastructure. The permissioned nature of Hyperledger Fabric provides a more secure solution compared to traditional data management systems in the healthcare sector while preserving data privacy. Additionally, the execute–order–validate mechanism supports effective data sharing among stakeholders, and consensus algorithms along with chaincode rules enhance the reliability of processes. A working prototype was implemented and validated using Hyperledger Caliper under resource-constrained cloud environments, confirming the system’s feasibility through over 100 TPS throughput and zero transaction failures. Through the proposed system, cleaning/hygiene processes in patient rooms are conducted securely, contributing to the improvement of quality standards in healthcare services.

Elektronik ticaretin yaygınlaşması ile birlikte e-ticaret firma sayısında artış olmuş ve rakipler arasında rekabet başlamıştır. İşletmelerin rakip firmalar karşısında başarılı olması açısından müşteri memnuniyetinin günümüzde önemli bir yeri vardır. Müşteri memnuniyeti, müşterilerin aldığı hizmet veya ürün karşısında olumlu geri bildirim sağlamasıdır. Müşterilerin firma memnuniyetini artırması adına müşterilerin beklentilerini doğru analiz ederek müşteri memnuniyetini ve bağlılığını üst düzeye çıkarmak mümkündür. Müşterileri sadık müşteri, kaybetmek üzere olunan müşteriler ve kaybedilen müşteriler olarak kümelere ayırmak mümkündür. Bu çalışmada müşteri profillerini doğru analiz edip sadık müşterilerin sadakatini artırmak, kaybetmek üzere olunan müşterilerin bağlılığını ve memnuniyetini artırmak, kaybedilen müşterileri ise geri kazanmak adına doğru stratejileri geliştirmek amaçlanmıştır. Makalede 28 soruluk anket çalışması 100 farklı müşteri üzerinde uygulanmış olup, müşteriler e-ticaret sektöründe Kendini Örgütleyen Haritalar (KÖH/SOM) yardımıyla müşteriler 4 kümeye ayrılmıştır. Kümelerin özellikleri belirlenerek her bir kümeye özel satış stratejileri geliştirilmiştir. Müşteri kümeleri özelinde geliştirilen stratejiler ile müşterilerin memnuniyeti ve müşteri bağlılıklarını artırarak e-ticaret sitesinin sadık müşteri sayısını artırmak hedeflenmiştir.

With the development of technology, large databases become more accessible thanks to automation systems that automatically keep data and allow the use of large databases in many areas. Machine learning approaches, a sub-branch of artificial intelligence, are used in making decisions about the process by analyzing the data stored in databases and converting them into information. In this paper, the body production process of the surgical (medical) mask is analyzed. As it is known, surgical masks have become a part of our lives by becoming widespread all over the world with the COVID-19 pandemic. In the surgical mask body production process, using the real data of the production factors, first of all, filtering feature selection methods and analyzes were made and the feature selection method to be used was determined. With the specified feature selection method, the factors affecting the product quality are determined. Secondly, machine learning methods were used to determine the values and value ranges of factors (features) in the production of defect-free products. The performances of the machine learning models established in the second stage were increased by feature selection analysis. In the study, together with the parameter optimizations made to machine learning algorithms, it was seen that the best algorithm to estimate the defective product rate was the Ibk algorithm with 92.3% accuracy, 91.9% F measurement and 93% AUC value. Finally, in line with the decision rules revealed in the study, it was observed that the fabric types used for the upper/middle/lower layers that make up the body part in the mask body production process greatly affect the rates of defective or defect-free products. If the rod apparatus around the nose belongs to class k, it has been determined that many masks are defective. Improvement suggestions were presented according to the application results.

İşletmelerin müşterilerine sundukları hizmetlerin aksamaması için araç, makine vb. kaynaklarını verimli ve etkin kullanması gerekmektedir. İşletme kaynaklarının daima hazır ve çalışır olması için bakım süreci kritik önemdedir. Ayrıca, bakım ve onarım işlemleri için ihtiyaç duyulan yedek parça ile sarf malzemeleri işletme giderlerinde önemli bir pay oluşturmaktadır. Bu nedenle bakım departmanlarında başarılı bir bakım ve envanter yönetimi işletmelere birçok boyuttan kazanç sağlamaktadır. Bu çalışma da bir otobüs filosunda envanter yönetimi ile kestirimci bakım planlarını entegre eden dinamik bir model önerilmiştir. İşletmeye ait veriler üzerinde makine öğrenmesi ve derin öğrenme algoritmaları ile ortalama arıza kilometre tahminleri yapılmıştır. Makine öğrenmesi algoritmaları kullanılarak %95 R2 değeri ile yüksek tahmin başarısı sağlanmış ve kestirimci bakım çalışmasından elde edilen bakım planlarına göre envanter yönetim çalışması yürütülmüştür. Önerilen envanter yönetimi modeli ile yılda ihtiyaç duyulacak yedek parça miktarları, emniyet stokları, yeniden sipariş noktaları ve sipariş miktarları belirlenmiştir. Gerçekleştirilen çalışma, en önemli on adet yedek parça için test edilmiş ve stok maliyetlerinde %2,11 düşüş sağlanmıştır.

Bu çalışmada, bir üniversitede öğrencilerin kullanmış oldukları çalışma salonu ergonomik faktörler dikkate alınarak, salonu kullanan öğrencilerin memnuniyeti analiz edilmeye çalışılmaktadır. Araştırmada örneklemi oluşturan öğrencilere anket uygulamasıyla 5’li likert ölçeği kullanılarak sorular hazırlanmış ve çevrimiçi ulaştırılmıştır. Anket soruları çalışma salonunda kullanılan masalar, sandalyeler, lavabolar gibi ortak kullanılan alanlar ve ekipmanlar, güvenlik açısından kamera sistemleri ve güvenliği, teknolojik anlamda yeterliliği, ders çalışmaya uygun sessizliği, ışıklandırmaları, temizliği, özellikle günümüzde önemi artan çalışma salonunun havalandırma sistemi, sıcaklığı ve öğrencilerin oturma alanlarının yeterliliği ve randevu sisteminin kullanılabilirliği koşulları için öğrencilerin memnuniyetlerini sorgulamak üzere 8 soru hazırlanmıştır. Anket verileri SPSS paket programına aktarılıp Çok Değişkenli İstatistiksel Analiz yöntemleri, Faktör Analizi, Korelasyon ve Çoklu Regresyon analizleri yapılarak sonuçlar değerlendirilmiştir. Sonuçlar çalışma salonundaki memnuniyetsizliğin büyük ölçüde teknolojik yetersizlik ve temizlik koşullarından kaynaklandığını ortaya koymaktadır. Analiz sonuçları doğrultusunda ortaya çıkan yetersizlikler ve çözüm yolları çalışma salonu yetkilileriyle değerlendirilerek yapılabilecek iyileştirme önerileri görüşülüp çözümün uygulanması için takvim oluşturulmuştur.

Günümüzde üretim sektöründe gerçek zamanlı izlenebilirlik ve etkin stok yönetimi, rekabet avantajı için gereklilik haline gelmiştir. Bu doğrultuda, bir tekstil fabrikasında RFID tabanlı bir stok takibi proses tasarımı ve geçiş uygulama-sı gerçekleştirilmiştir. Mevcut sistemde ipliklerin örgüye iletimi manuel yapıldığından, stok birikimi, kalite bozulması ve üretim duruşları yaşanmaktadır. Yeni sistemde bobinler RFID ile tanımlanmakta, RFID tünellerinde tartılarak koli-bobin eşleştirmesi yapılmakta, makinelerdeki mevcut ipliğin ağırlık ve tüketim verileri analiz edilerek iplik miktarı belirli bir miktar altına düştüğünde robotlara otomatik olarak talep iletilmektedir. Böylece doğru zamanda, doğru miktarda iletim sağlanmış; manuel talepler ile duruş süreleri %79,14, duruşlardan kaynaklı üretim kaybı %80,56, ma-nuel iletilen bobin sayısı %90,45 ve iletim süresi %60,32 oranında azalmıştır. Fazla stoklar ortadan kalkmış, bobin hareketleri izlenebilir hale gelmiştir. Parti tespiti kolaylaşmış, kesintiler minimize edilmiştir. RFID tabanlı akıllı stok takip sisteminin yalnızca izlenebilirliği değil, AMR entegrasyonu ile aynı zamanda üretim sürekliliğini, stok güveni-lirliğini ve kaynak verimliliğini artırarak dijital dönüşüm yolculuğunda işletmeye somut katkılar sağladığı ortaya konulmuştur.