İşletmelerin ileriye dönük planlarını gerçekleştirmelerinde şirketin iş birliği içinde olduğu tedarikçilerle birlikte başarılı olmaları önemli bir rol oynamaktadır. Bu rolde en uygun ve en doğru tedarikçiler ile çalışmak işletmeler için önemli bir karar sürecidir. Bu çalışmada perakende sektöründe öncü bir firmanın tedarikçi seçme problemi, Çok Kriterli Karar Verme (ÇKKV) tekniklerinden olan SWARA ve VIKOR yöntemleri ile değerlendirilmiştir. Uygulama, firmanın tedarik süreci boyunca sürekli sorun yaşadığı tedarikçiler ile gerçekleştirilmiştir. Çalışmanın ilk aşamasında firmanın kendi dinamiklerine uygun değerlendirme kriterlerini belirlemek için literatürde en çok kullanılan kriterler üzerinden istatistiki hipotezler oluşturulmuş, oluşturulan bu hipotezler üzerinden hazırlanan anket, tedarikçiler ile bire bir ilişki halinde olan uzmanlara uygulanmıştır. Anketin geçerlilik ve güvenirlik analizlerini değerlendirmek için Açıklayıcı Faktör Analizi ve Doğrulayıcı Faktör Analizi yöntemleri kullanılmıştır. Anket sonucunda belirlenen önem dereceleri SWARA yöntemi ile hesaplanmış, nihai değerlendirmede ise VIKOR yöntemi ile tedarikçiler arasında karşılaştırma yapılarak tedarikçi sıralaması elde edilmiş ve elde edilen bu bulgular sonuç kısmında tartışılmıştır. Bu çalışmadaki hipotezler, literatürde benzer olanları ile karşılaştırıldığında, farklı ÇKKV yöntemleri ile kullanıldığı görülmüş fakat SWARA ve VIKOR yöntemleri ile olanına rastlanmamıştır. Böylece bu yöntemlerin birlikte kullanılmasının tedarikçi seçiminde başarılı bir şekilde uygulanabileceği gösterilmiş ve literatüre farklı bakış açısı kazandırılması amaçlanmıştır.

Demand, inventory, and production continuously influence one another in supply chains. Sudden demand changes, inaccurate records, production disruptions, and external factors can create irregular fluctuations. Although demand or sales data are often available, inventory and production information may be incomplete or delayed. This study applies the Extended Kalman Filter (EKF) to jointly estimate inventory, production quantity, and three model parameters using demand as the only measured variable. Its main contribution is a recursive structure that updates the state and parameter estimates with each new measurement. The method is tested on a three-variable supply chain model exhibiting chaotic behavior. Performance is assessed through numerical errors, convergence, time series, phase portraits, and bifurcation diagrams. Robustness to different initial estimates, sensitivity to process- and measurement-noise covariance settings, and performance under chaotic, semi-chaotic, and ordered regimes are also examined. Parameter errors range from 1.5% to 2.4%, while normalized errors for demand, inventory, and production remain below 3%. A larger assumed measurement-noise covariance slows convergence. Under the selected conditions, the closest agreement occurs in the chaotic regime, but this is not interpreted as a general superiority of the EKF. With real-data validation, the framework could support estimation of missing or delayed information, short-term monitoring, early warning, and decision support.