FBE- İşletme Mühendisliği Lisansüstü Programı
Bu topluluk için Kalıcı Uri
İşletme Mühendisliği Ana Bilim Dalı altında bir lisansüstü programı olup, yüksek lisans ve doktora düzeyinde eğitim vermektedir.
Gözat
Sustainable Development Goal "none" ile FBE- İşletme Mühendisliği Lisansüstü Programı'a göz atma
Sayfa başına sonuç
Sıralama Seçenekleri
-
ÖgeHastanelerde yalın yönetim ve dijital dönüşüm sinerjisi(Lisansüstü Eğitim Enstitüsü, 2021) Gedik, Dudu Bilgiç ; Akdağ, Hatice Camgöz ; 711281 ; İşletme MühendisliğiSağlık sistemi bir toplumunun en önemli, temel yapılarından biridir. Bu nedenle, ülkeler, sağlık sektörüne önemli ölçüde kaynak ayırmaktadır. Sağlık sektörünün dünya ekonomisinde en büyük sektörlerden birisi olduğu söylenebilir. Sağlık sektörünün gelişmesi, bir ülkenin kalkınması açısından büyük önem taşımaktadır. Toplumun sağlık ihtiyacını karşılaması, iyi işleyen bir sağlık sistemi, toplumda refah seviyesinin artmasının öncesinde gerekli olan adımlardan biridir. Sağlık hizmeti, diğer hizmet çeşitlerine göre kıyasla daha zor olan çok karmaşık bir sistem olarak tanımlanabilir. Doğru bir şekilde kullanılan işgücü, doğru karar alma süreçleri için güvenilir bilgi, doğru ilaçlar ve sonuca hızla ulaşmak için kullanılan son teknolojiler sunmak, bu karmaşıklığı mümkün olduğunca azaltacağı düşünülmektedir. Sağlık hizmetinin özellikleri, toplumdaki etkileri ve mevcut durum, çalışmam ile sağlamaya çalıştığım katkının sonrasında doğrudan sağlıklı bireyler ve sonuncunda sağlıklı bir toplum oluşturulması bu çalışmayı yapmamdaki en büyük motivasyon kaynaklarımdan olmuştur. Sağlık hizmetlerinin dışsallık özelliği, yani mevcut hizmetin, hizmeti tüketmeyen üçüncü taraflar üzerinde bir etkisi sebebiyle, herhangi bir etki topluma olumlu ya da olumsuz yansıması bulunabilmektedir. Bu nedenle, yapılan bilimsel çalışmalar, araştırmalar, yatırımlar ve gelişmeler çok değerlidir. Elde edilen olumlu sonuçlar, toplumda refahın artmasına katkıda bulunacaktır. Sağlık hizmetlerinde başarılı bir şekilde yenilik yapmak gerekli hale gelmiştir. Dijitalleşme toplumu yirminci yüzyılda farklı kıldı. Bu çalışma, bir hastanenin hazırlanmasını dijital dönüşüm için kolay olarak değerlendirmeyi amaçlayan ilk çalışmalardan biridir. Bu nedenle, çalışmanın amacı hastanelerde kolaylıkla uygulanabilen ve tüm hizmet sektörlerine uyarlanabilen kullanışlı bir araç elde etmektir. Çalışma, sağlık hizmetlerinde dijital dönüşüm üzerine kümülatif araştırmaları kolaylaştıracak ve sağlık kurumlarının dijital teknolojilerden faydalanmaya hazır olduklarını kolayca takip etmelerini sağlayacaktır. Günümüz dünyası, Yalın Yönetim ve Dijital Dönüşüm şirketler tarafından uygulanan iki önemli değişikliktir. Buna ek olarak, bu iki yaklaşım kayıpları azaltma ve kısa sürede sonuçlara ulaşmada ortak özelliklere sahiptir. Dönüşümdeki başarı için hastaneler hazır olmalı ve dönüşüm çalışmalarına uyum sağlamalıdır. Hizmet kalitesinin artırmanın yollarından biri de sürekli iyileştirmedir ve bu noktada Yalın Düşünce devreye girmektedir. Uzun yıllar boyunca imalat sektöründe kullanılmış ve yararları açık bir şekilde görülmüştür. Yalın üretim sisteminin, son yıllarda yapılan çalışmalarda hizmet sektöründe de uygulanabileceği görülmektedir. Sağlık sektöründe de faydaları bir çok çalışmada gösterilmiştir. Yalın uygulayan bir çok hastane bulunmaktadır. Ancak literatür çalışmasında, uygulamanın ne durumda olduğu ya da bir uygulama yapılcağında yapılcak olan çalışmaya hastanenin hazır olup olmadığı ya da ne kadar hazır olduğu konusunda çalışmaların sınırlı olduğu görülmüştür. Bununla beraber günümüzde teknoloji bir dönüşüm içerisindedir. Bu nedenle bütün sektörlerde meydana gelen bu değişim ve mevcut süreçleri güncel tutabilme çok büyük önem taşımaktadır. Bu dijital dönüşüm her sektörde etkisini gösterdiği gibi, sağlık içinde oldukça önemli olduğu düşünülmektedir. Bu çalışmada bu iki bakış açısı birlikte ele alınmıştır ve etkileri araştırılmıştır. Birçok alanda ve özellikle teknoloji anlamında son zamanlarda oldukça fazla değişim ve gelişim mevcuttur. Bu hızlı değişim süreci ayak uydurma, rekabet ve iyileşme anlamında birçok zorluğu da beraberinde getirmektedir. Varlığını sürdürebilme, sürekli iyi hizmet verebilmek için uyum sağlamak hatta değişime öncülük etmek gerekebilmektedir. Bu nedenle bu trendleri takip edip kendimizi, içinde bulunduğumuz kuruluşu da buna göre kalibre etmek sonuca ulaşma anlamında bizi destekleyecektir. Hastane sistemi içerisinde belirli bir düzen vardır. Hastanelerde sağlanan hizmetlerde bir çok araç kullanılır. Hastanelerdeki değişken yapı, karmaşık süreç, çok fazla olan yönetim kuralları ve teknoloji ile alternatifler yönetimi güçleştirir. Bu yönetim güçlüğünü düzenlemek için genel standart bir yaklaşım çözüm olabilmektedir. Bu çalışmanın araştırma planında araştırma soruları belirlendi ve literatür taraması ve bire bir uzman görüşmeleri ile bir anket geliştirildi. Daha sonra bir anket yapılmış ve geri bildirim toplanmış ve değerlendirilmiştir. Anket sonuçları istatistiksel olarak analiz edildi. Sonuçlar değerlendirildi ve yöneticilere ve uygulayıcılara bu dönüşüm sürecinde onlara nasıl rehberlik edileceği konusunda önerilerde bulunulmuş, gelecek olan çalışmalar için önemli katkılar sağlamak hedeflenilmiştir. Çalışmada yalın bakış açısı ve dijitalleşme dikkate alınarak detaylı literatür taraması yapılmıştır. Yalın ve Dijitalleşme başlıkları kapsamında, alt kriterler araştırılıp belirlenmiştir. Çalişmada, ölçme aracının geliştirme aşamasında, önce madde havuzu oluşturuldu. Oluşturduğumuz bu madde havuzuna dahil edilecek öğeler belirlenirken, mevcut çalışmalar gözden geçirilmiş maddeler belirlenmiştir. "Kesinlikle Katılmıyorum" (1) 'den başlayarak tutum cümlelerinden beş maddelik Likert tipi bir taslak ölçeği belirlenmiş ve "Kesinlikle Katılıyorum" (5) olarak derecelendirilmiştir. Hastanede ve üniversitede çalışan iki uzman ve akademisyenin, istenen bilginin kapsamlılığı ve temsili konusunda destek ve görüşleri ile iki saatlik oturumlar düzenlenmiştir. Bu iki oturumda soru seti ve ölçek gözden geçirildi. Uzmanların tavsiyesi üzerine soru ekleme, çıkarma ve düzenlemeler yapılmıştır. Daha sonra 30 uygulayıcıya pilot uygulama yapıldı ve anket araçlarının katılımcılar tarafından kolayca anlaşılması sağlandı. Bu çalışmaların sonuçlarında soru havuzundan, maddeler belirlenmiştir. Veriler, Marmara Bölgesinde Türkiye'de hedef olan çalışanlardan iki hastanede sağlanmaktadır. 2020 birinci ve ikinci çeyreğinde hastanelerden toplam 405 anket tamamlandı. Veriler istatistik paketinde (SPSS) 25.0 ve AMOS 20.0 ile analiz edilmiştir. Sonrasında değerlendirme kolaylığı için sınıflandırma oluşumunda literatürde bir çalışmanın kırılımından faydalanılmıştır. Belirlenen sınıflara isimler verilmiştir. Bu sayede, çalışma yapılan hastaneler skorlarını görebilecek, sınıflandırılmalarını yorumlama imkanları bulunmaktadır. Çalışmada yalın olgunluk için analizleri elde edilen alt kriterler 31 maddenin faktör analizi 8 faktörün çıkarılmasıyla sonuçlanmıştır. Çalışma sonucunda bir hastanenin dijital hazırlık faktörleri "İşletme Yönetimi, Çalışanların Güçlendirilmesi ve Desteklenmesi, Süreç Yönetimi, Kurum Kültürü, İsrafların Önlenmesi, Hizmet Yönetimi, Eğilim, Vizyon ve Strateji" altında belirlenmiştir. Dijital dönüşüm değerlendirilmesinde analiz sonucunda 21 maddeye ilişkin faktör analizi 5 faktör elde edilmiştir. Çalışma sonucunda bir hastanenin dijital hazırlık faktörleri "Kurum Kültürü, Yönetim Desteği, Güncel Durum Takibi, Kaynak Rezervasyonu, Hizmet Yönetimi" altında belirlenmiştir. alt kriterler belirlenmiştir. Sınıflandırma sonucunda da yalın ve dijital hastane için puanlama düzeyine göre dört sınıflandırma tanımlanmıştır. Bir hastane için yalın aracında, aldıkları puanlama ile sunulan skala ile belirlenen "Super-Lean, Lean-well, Lean-prime, non-Lean" olarak isimlendirilir. Dijital dönüşüm aracında aldıkları puana göre "Super-Digi, Digi-well, Digi-prime, non-Digi" olarak derecelendirilir. Elde edilen araç kullanılarak değerlendirmeler yalın ve dijital hazır olarak ayrı ayrı değerlendirme esnekliği sağlar. İki dönüşüm arasındaki ortaya çıkarılan pozitif ilişki sayesinde dijital dönüşüm ile yalının birlikte değerlendirilmesi önerilir. İki dönüşüm açısından seviye şartları sağlanarak, hastanelerde "non-eLean, eLean-prime, eLean-well, Super eLean" yorumlaması yapılabilecektir. Bu çalışmada yalın ve dijital dönüşümün ortak noktalarına değinilmiş ve paylaşılmıştır. Bu iki dönüşümün sinerji yaratacağına inanılmaktadır. Yalın ve dijital dönüşüm vazgeçilmez iki dönüşümdür ve sağlık sektöründe beraber değerlendirilmesi kaynak tasarrufu sağlayacaktır. Dijital dönüşüm hazırlığının Yalın Dönüşümü desteklediği görülmektedir. Çalışmanın sonucunda yalın olgunluk ve dijital dönüşüm hazırlık konusunda seviyelerinin ölçülmesi için bir model elde edilmiştir. Belirlenen alt kriterler uygulamada yatırım yapılacak olan alanları belirleme açısından birçok kolaylık sağlayacaktır. Hastaneler için hazırlanan radar grafikleri ile bu alt kriterlerden gelişim alanları çok daha kolay ve detaylı görülebilmiştir. Bu çalışma ile sağlık birimleri, yalın ve dijital uygulamalarda hangi alt kriterlerin önemli olduğunuve yatırım yapılabileneceğini görebileceklerdir. Dönüşüm, ürün ve süreçleri, organizasyon yapılarını ve yönetim kavramlarını içermektedir. Kurumlar bu karmaşık dönüşümleri yönetmek için planlı hareket etmelidir. Dönüşümden önce, dönüşüm anında ve dönüşüm sorasında, kurumun durumu incelenmeli ve bilgi edinilmelidir. Bir organizasyondaki dijital dönüşümlerin koordinasyonunu sağlamak ve önceliklendirmek için mevcut durumu formüle etmek önemlidir. Dolayısıyla bu çalışma sürdürülebilir hastane uygulamalarına ulaşmak için gelecekte yapılacak olan ölçüm modellerine bir adım olmuştur ve kolaylık sağlayacaktır. Aynı zamanda hastaneler uygulamalarla güncel olarak kolay bir uygulama ile ne aşamada olduklarını görebilmeleri hedeflenmiştir. Çalışma Türkiye'deki sağlık sektöründe olan yalın yönetim ve dijital dönüşümde kolay bir araç ile değerlendirme boşluğunu doldurmuştur. Bu çalışma sayesinde Aynı zamanda yöneticilere fikirler vererek onların bu dönüşüm süreçlerini kolay geçirmeleri hedeflenmiştir. Sürekli iyileştirme felsefesi ile gelişim yönlerinin sürekli olarak tespit edilebilinecektir. Kaynak yönetimi çok daha kolay ve verimli olarak yönetilebilinecektir. Sağlık sektöründe, yalın ve dijitalleşme ile ilgili araştırmalarda boşluklar vardır. Bu çalışmada da bu boşluğun doldurulması hedeflenmiştir. Bu sayede süreçler iyileştirilebilecek ve çok daha doğru ve hızlı kararlar almak mümkün olacaktır. Özellikle, sürdürülebilir hastane uygulamalarına erişebilmek için yalın uygulamaların nasıl uygulandığını ölçebilen çalışmalara ihtiyaç duyulmaktadır. Yalın uygulamaları üretimde çok daha fazla ve kolay uygulanmalarına karşın hizmet sektörlerinde, özellikle hastanelere hem uygulamak hem de başarı kontrol ve ölçümü daha zor olduğu için özellikle önem arz etmektedir. Aynı zamanda bütün değerlendirmeler yapıldıktan sonra hastanelerin sınıflandırılıyor olabilmesi çalışmaya ek bir özgünlük sağlamaktadır. Dijital dönüşümün artık kaçınılmaz olduğu açıktır. Yalın dönüşüm ise kanıtlanmış bir yönetim felsefesidir. Bu iki dönüşüm ile verimli kaynak kullanımının her geçen gün daha fazla önem kazandığı düşünüldüğünde, sınırlı kaynaklarla en iyi çıktıyı elde etmek değerli olacaktır.
-
ÖgeIntegrated management of mixed fleets of electric and conventional vehicles under routing considerations(Lisansüstü Eğitim Enstitüsü, 2021) Al-Dalain, Reema Talab Hammad ; Gonidis, Dilay Çelebi ; 709868 ; İşletme MühendisliğiPlanning and managing a set of freight delivery vehicles to minimize the total costs have always been a pressing issue in the transportation industry. However, recently and due to the environmental challenges, minimizing the greenhouse gas emissions in freight transport has become just as important as minimizing costs. In the race of dominance, the conventional vehicles used to overtake the electric vehicles in many aspects such as acquisition cost and refueling-recharging time, however effective management of electric vehicles in freight operations along with efficient cost planning throughout their lifecycle is expected to increase their adoption rate in urban freight. For heavy and medium duty vehicles there is uncertainty attached to the adoption rate due to limited driving range and charging battery, where companies might face losses of profit if vehicles needed to stop many times and for long periods during the day. Therefore, merging the electric vehicles with conventional vehicles in urban freight fleets can help to overcome the additional constraints induced by the specific characteristics of electric vehicles. A common practice for fleet mixed decisions is to use techniques that have been developed for managing conventional vehicles. These techniques may fall short in managing fleets with electric vehicles effectively. In this thesis, an attempt has been made to present a new perspective to the problem of managing a mixed fleet of electric and conventional vehicles in urban freight by integrating two models; fleet size and mixed vehicle routing problem with time window and replacement model. Our study was motivated by the recent practice of involving alternative vehicles in existing fleets as a response to the recent global advocates of minimizing the greenhouse gas emissions generated from using conventional vehicles in the transportation sector. We first consider a fleet size and mixed vehicle routing problem with time window to minimize the operational cost for different fleet compositions of electric and conventional vehicles, in which many constraints such as time window, limited distance range, and capacity are considered. Then we feed the results into a replacement model to find the best fleet mix policy. The replacement model is used to decide the optimal time periods to replace the used vehicles with a new one, taking into consideration different economic costs such as: annual discount rate, and energy prices for both fuel and electricity, along with the initial fleet compositions, and the planning time horizon. The methodology is implemented on generated and real life problems. Results from the computational experiments show that efficient planning of electric vehicles in urban operations can increase their presence compared to conventional vehicles. This is an important insight, since it shows that the adoption rate of electric vehicles in urban freight fleets may increase with better planning techniques, related to electric vehicles or with the increased experience of operational managers with electric vehicles.
-
ÖgeMulti-modal neuroimaging data prediction: Estimation of connectional brain template and multigraph classification with application to gender fingerprinting(Lisansüstü Eğitim Enstitüsü, 2021) Chaari, Nada ; Akdağ Camgöz, Hatice ; Rekik, İslem ; 709909 ; İşletme MühendisliğiThe work developed in this Ph.D. thesis concerns the design of machine learning and geometric deep learning models that estimate a holistic representation of a population of multigraph brain connectivity and use the learnable integration networks for classification tasks with application to gender fingerprinting. Male and female brains are demonstrated to be highly distinguishable. Understanding sex differences in the brain has implications for elucidating variability in the incidence and progression of the disease, psychopathology, and differences in psychological traits and behavior. Decoding the brain construct using diverse neuroimaging techniques seems to be the ultimate pursuit of neuroscientists as well as brain-imaging analysts to extract the difference in genders' brains, thus boosting the neurological disorder diagnosis and prognosis related to sex. Currently, where an increasing number of brain imaging is being collected to investigate both women and man brains at their different modalities, more advanced analytical tools are required to meet new challenges revealed by large, complex, and multi-source sets of brain networks. On one hand, the estimation of a connectional brain template (CBT) integrating a population of brain networks while capturing shared and differential connectional patterns across individuals remains unexplored in gender fingerprinting. On the other hand, multigraphs with heterogeneous views present one of the most challenging obstacles to classification tasks due to their complexity. Several works based on feature selection have been recently proposed to disentangle the problem of multigraph heterogeneity. However, such techniques have major drawbacks. First, the bulk of such works lies in the vectorization and the flattening operations, failing to preserve and exploit the rich topological properties of the multigraph. Second, they learn the classification process in a dichotomized manner where the cascaded learning steps are pieced in together independently. Hence, such architectures are inherently agnostic to the cumulative estimation error from step to step. To overcome these drawbacks, in this thesis, we propose a medical computer-aided diagnosis tool enabling us to address the key challenges related to brain networks collected from multiple sources/modalities. First, we proposed how to estimate representative and centered brain network atlases, which can be leveraged to identify discriminative brain connectivities between male and female populations across heterogeneous datasets. Perhaps one of the greatest scientific challenges is to create a representative map of a brain network population acting as a connectional fingerprint. A very recent concept -connectional brain template (CBT), presents a powerful tool for capturing the most important and discriminative traits of a specific population while preserving its topological patterns. The idea of a CBT is to integrate a population of heterogeneous brain connectivity networks into a unified representation. Specifically, we present the first study to estimate gender-specific CBTs using multi-view cortical morphological networks (CMNs) estimated from conventional T1-weighted magnetic resonance imaging (MRI). Specifically, each CMN view is derived from a specific cortical attribute (e.g. thickness), encoded in a network quantifying the dissimilarity in morphology between pairs of cortical brain regions. To this aim, we propose Multi-View Clustering and Fusion Network (MVCF-Net), a novel multi-view network fusion method, which can jointly identify consistent and differential clusters of multi-view datasets in order to capture simultaneously similar and distinct connectional traits of samples. Our MVCF-Net method estimates a representative and well-centered CBTs for male and female populations, independently, to eventually identify their fingerprinting regions of interest (ROIs) in four main steps. First, we perform multi-view network clustering model based on manifold optimization which groups CMNs into shared and differential clusters while preserving their alignment across views. Second, for each view, we linearly fuse CMNs belonging to each cluster, producing local CBTs. Third, for each cluster, we non-linearly integrate the local CBTs across views, producing a cluster-specific CBT. Finally, by linearly fusing the cluster-specific centers we estimate a final CBT of the input population. MVCF-Net produced the most centered and representative CBTs for male and female populations and identified the most discriminative ROIs marking gender differences. The most two gender-discriminative ROIs involved the lateral occipital cortex and pars opercularis in the left hemisphere and the middle temporal gyrus and lingual gyrus in the right hemisphere. Second, to address the major issues in classifying complex data, we put forward an integration learning which fuses multigraphs brain connectomes with the aim to boost classification performance using the integrated networks. Specifically, we introduce Multigraph Integration and Classifier Network (MICNet), the first end-to-end graph neural network-based model for multigraph classification. First, we learn a single-view graph representation of a heterogeneous multigraph using a GNN based integration model. The integration process in our model helps tease apart the heterogeneity across the different views of the multigraph by generating a subject-specific graph template while preserving its geometrical and topological properties. Second, we classify each integrated template using a geometric deep learning block which enables us to grasp the salient graph features of a specific population. We train, in end-to-end fashion, these two blocks using a single objective function to optimize the classification performance. We evaluate our MICNet in gender classification using brain multigraphs derived from different cortical measures. We demonstrate that our MICNet significantly outperformed its variants thereby showing its great potential in multigraph classification. Finally, we review current graph integration methods that estimate well-centered and representative brain connectional templates (CBTs) for populations of single-view and multigraph brain networks. Then, we conducted a comparison study on these generated CBTs by single-view and multigraph fusion methods to evaluate their performances, separately, based on the following criteria: centeredness, discriminability (biomarker-reproducibility), and topological soundness (node-level similarity, global-lever similarity, and distance-based similarity). We demonstrate that deep graph normalizer (DGN) method significantly outperforms other multi-graph and all single-view integration methods for estimating CBTs using a variety of healthy and disordered datasets in terms of centeredness, discriminability (i.e., graph-derived biomarkers reproducibility that disentangle the typical from the atypical connectivity variability), and preserving the topological traits at both local and global graph-levels.