Lojistik sektörü dünyada ve Türkiye’de giderek büyümekte ve sektörün potansiyeli zamanla daha iyi anlaşılmaktadır. Lojistik sektörünün gelişime oldukça açık olduğu, teknoloji ile ortaya çıkan yeniliklere ayak uydurmak zorunda olduğu bilinmektedir. İşletmeler bu yeniliklere ayak uydurarak, rekabette başarılı olmaya çalışmaktadır. Endüstri 4.0 özellikle lojistik gibi rekabetin ön planda olduğu sektörleri etkisi altına almıştır. Yapılan son araştırmalarda yapay zeka tekniklerinin kullanımında büyük oranda artış olduğu görülmektedir. Yapay zekanın lojistik sektöründe kullanılması sonucunda özellikle işleyiş ve dinamiklerde değişiklikler oluşmaya başlamıştır. Yapay zeka, insan zekasının fizyolojik ve nörolojik yapısını çeşitli teknolojiler yardımı ile modelleyerek makinelere aktarmaktadır. Yapay zeka ile birlikte ortaya çıkan sürücüsüz araçlar, depolama ve raflarda kullanılan robotlar, sistem içerisinde büyük verilerin rahatlıkla kullanılması gibi seçenekler lojistik sektöründeki hataların en aza indirgenmesini sağlamaktadır. Lojistik sektöründe yapay zeka kullanımı sayesinde işletmeler daha verimli işler ortaya koymaktadır. Yapılan bu çalışmada, lojistik sektöründe kullanılan yapay zeka ve makine öğrenmesi uygulamalarının geniş bir perspektif ile incelenmesi amaçlanmıştır. Çalışmada önce yapay zeka ve makine öğrenimi kavramları açıklanmış ardından endüstri ve lojistik kavramlarına değinilerek lojistikte kullanılan yapay zeka ve makine öğrenmesi uygulamalarına yer verilmiştir. Küresel lojistik ve tedarik zinciri yönetimi konusunda yapay zekanın günden güne kendini geliştirdiği ve lojistik süreçleri kolaylaştırdığı görülmektedir.

The impact of alternative distribution channels, such as bank Automated Teller Machines (ATMs), on the financial industry is growing due to technological advancements. Investing in ideal locations is critical for new ATM companies. Due to the many factors to be evaluated, this study addresses the problem of determining the best location for ATMs to be deployed in Istanbul districts by utilizing the multi-criteria decision-making framework. Furthermore, the advantages of fuzzy logic are used to convert expert opinions into mathematical expressions and incorporate them into decision-making processes. For the first time in the literature, a model has been proposed for ATM location selection, integrating clustering and the interval-valued Fermatean fuzzy analytic hierarchy process (IVFF-AHP). With the proposed methodology, the districts of Istanbul are first clustered to find the risky ones. Then, the most suitable alternative location in this district is determined using IVFF-AHP. After deciding the ATM locations with IVFF-AHP, in the last step, a Double Deep Q-Network Reinforcement Learning model is used to optimize the Cash in Transit (CIT) vehicle route. The study results reveal that the proposed approach provides stable, efficient, and adaptive routing for real-world CIT operations.

İade süreci hemen hemen her sektörden firmanın karşılaştığı, çözüm yolları aradığı karmaşık ve maliyetli bir süreçtir. Hem müşteri memnuniyetinin devamlılığını sağlamak hem de işlem sürelerini ve maliyetleri kontrol altına almak için iade ürünler ele alınması gereken bir problemdir. Bu çalışmada bir lojistik firmasına müşterilerden gelen iade ürünlerin azaltılması amacıyla altı sigma yöntemi uygulanmıştır. Uygulamada, yöntemin tanımla, ölç, analiz et, iyileştir ve kontrol et (TÖAİK) adımları izlenmiştir. Bu adımlarda Pareto analizi, neden sonuç diyagramı ile hata türü ve etkileri analizi (HTEA) yöntemi gibi kalite araç ve yöntemlerinden yararlanılmıştır. Başlangıçta 0.0007 iade oranının hedeflenen 0.0002 değerine azaltılması için düzeltici faaliyet önerilerinde bulunulmuştur.