Araştırma Makalesi
BibTex RIS Kaynak Göster

ÜRETİMDE DİJİTAL DÖNÜŞÜMÜN BAŞARISINI DEĞERLENDİRMEK İÇİN PERFORMANS ÖLÇMEYE YÖNELİK BİR YAKLAŞIM

Yıl 2025, Cilt: 28 Sayı: 1, 266 - 284, 03.03.2025

Gökçen Saray , Bilal Ervural

Öz

Dijital Dönüşüm, dijital teknolojilerin kullanımıyla yeni iş modelleri ve stratejiler geliştirme sürecini ifade eder. İşletmelerin rekabet avantajı elde etmeleri ve kurumsal verimliliklerini artırmaları için dijitalleşme süreçlerine uyum sağlamaları kritik bir öneme sahiptir. Bu dönüşüme yanıt verebilmek için, işletmelerin dijital dönüşüm etkinliklerini ölçmeleri ve dijital dönüşüm yol haritalarını çizmeleri gerekmektedir. Bu çalışma, üretim sektöründeki işletmelerin dijital dönüşüm performanslarını belirlemeye yönelik bir performans ölçüm sistemi geliştirmeyi amaçlamaktadır. Bu bağlamda, dijital dönüşüm ve Endüstri 4.0 uygulamaları için gerekli kriterler, nesneler, insanlar ve sistemler arasındaki etkileşimler göz önünde bulundurularak belirlenmiştir. Belirlenen kriterler, yalnızca otomasyon, robotik, nesnelerin interneti, yapay zekâ ve büyük veri analitiği gibi ileri teknolojilerden değil; aynı zamanda organizasyonel faktörler ve değişime olan istek gibi insan odaklı unsurlardan da yararlanarak tanımlanmıştır. Kriterler kapsamlı bir literatür taraması sonucunda oluşturulmuş ve açıklanmıştır. Uzman görüşleri alınarak, bu kriterlerin önem derecelerini gösteren ağırlıklar hesaplanmış ve SWARA yöntemi ile ağırlıklandırılmıştır. Dijital dönüşüm performansının ölçümünde ise Gri İlişkisel Analiz (GİA) yöntemi kullanılmıştır. Geliştirilen model, örnek bir vaka üzerinde test edilmiş ve firma performansları karşılaştırılmıştır.

Anahtar Kelimeler

Performans ölçüm dijital dönüşüm endüstri 4.0 akıllı fabrikalar otomasyon

Kaynakça

  • Abdallah, Y. O., Shehab, E., & Al-Ashaab, A. (2022). Developing a digital transformation process in the manufacturing sector: Egyptian case study. Information Systems and e-Business Management, 20(3), 613-630.
  • Adem, A., Kaya, B. Y., Çakıt, E., & Dağdeviren, M. (2022). Üretim sistemlerindeki dijital dönüşümün iş etüdü teknikleri üzerindeki etkisi. Verimlilik Dergisi, 110-122.
  • Akman, G., & Kokumer, Z. (2023). Endüstri 4.0 kapsamında beyaz eşya sektöründe dijital dönüşüm yetkinliğinin MACBETH ve EDAS yöntemleriyle değerlendirilmesi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 38(4), 2033-2054.
  • Alkan, N., & Kahraman, C. (2023). Prioritization of supply chain digital transformation strategies using multi-expert fermatean fuzzy analytic hierarchy process. Informatica, 34(1), 1-33.
  • Angreani, L. S., Vijaya, A., & Wicaksono, H. (2020). Systematic literature review of industry 4.0 maturity model for manufacturing and logistics sectors. Procedia manufacturing, 52, 337-343.
  • Angreani, L. S., Vijaya, A., & Wicaksono, H. (2023). Identifying Essential Driving Factors of Industry 4.0 Maturity Models Using Fuzzy MCDM Methods. Procedia CIRP, 120, 1582-1587.
  • Attaran, S., Attaran, M., & Celik, B. G. (2024). Digital Twins and Industrial Internet of Things: Uncovering operational intelligence in industry 4.0. Decision Analytics Journal, 10, 100398.
  • Ayyıldız, M. E., & Demir, A. O. (2022). Dijital Dönüşüm Olgunluk Seviyesinin Ölçülmesine Yönelik Modellerin İncelenmesi. İstanbul Ticaret Üniversitesi Girişimcilik Dergisi, 6(12), 61-80.
  • Azambuja, A.J., Giese, T. (2023). Digital Twins in Industry 4.0 – Opportunities and challenges related to Cyber Security. 11th CIRP Global Web Conference (CIRPe 2023), 25-30.
  • Bhatia, A., & Sehgal, A. K. (2023). Additive manufacturing materials, methods and applications: A review. Materials Today: Proceedings, 81, 1060-1067.
  • Bibby, L., & Dehe, B. (2018). Defining and assessing industry 4.0 maturity levels–case of the defence sector. Production Planning & Control, 29(12), 1030-1043.
  • Büyüközkan, G., & Güler, M. (2020). Analysis of companies’ digital maturity by hesitant fuzzy linguistic MCDM methods. Journal of Intelligent & Fuzzy Systems, 38(1), 1119-1132.
  • Büyüközkan, G., Feyzioğlu, O., & Havle, C. A. (2020). Analysis of success factors in aviation 4.0 using integrated intuitionistic fuzzy MCDM methods. In Intelligent and Fuzzy Techniques in Big Data Analytics and Decision Making: Proceedings of the INFUS 2019 Conference, Istanbul, Turkey, July 23-25, 2019 (pp. 598-606).
  • Ceyhan,H., Kasapbaşı, M.,C. (2021). Üretim Sistemlerinde Makine Öğrenmesi ile Kestirimci Bakım, Avrupa Bilim ve Teknoloji Dergisi,33,167-175.
  • Chang, S.-C.; Chang, H.-H.; Lu, M.-T. 2021, Evaluating Industry 4.0 Technology Application in SMEs: Using a Hybrid MCDM Approach, Mathematics, 9, 414.
  • Cheminod, M., L. Durante, and A. Valenzano. (2013). “Review of Security Issues in Industrial Networks.” IEEE Transactions on Industrial Informatics 9 (1): 277–293.
  • Chen, X., & Voigt, T. (2020). Implementation of the Manufacturing Execution System in the food and beverage industry. Journal of Food Engineering, 278, 109932.
  • Chen, Z. S., Wang, Z. R., Deveci, M., Ding, W., Pedrycz, W., & Skibniewski, M. J. (2024). Optimization-based probabilistic decision support for assessing building information modelling (BIM) maturity considering multiple objectives. Information Fusion, 102, 102026.
  • Çakır, E., & Kacır, Ü. (2018). Altı Sigma kara kuşak eğitimi alacak personelin bütünleşik SWARA ve GİA yöntemleri ile belirlenmesi. Gümüshane Üniversitesi Sosyal Bilimler Enstitüsü Elektronik Dergisi, 9(23), 142-166.
  • Çakır, E., 2018, Elektronik Belge Yönetim Sistemi (Ebys) Yazılımı Seçiminde Çok Kriterli Karar Verme Yöntemleri: Bir Belediye Örneği, Business Economics and Management Research Journal, 1(1), 15-30
  • Çevik Aka, D. (2023). Evaluatıon Of The Effects Of Industry 4.0 On Organızatıonal Agılıty Wıth Fucom: Implementatıon In The Textıle Industry, Uluslararası İktisadi Ve İdari İncelemeler Dergisi(40), 33-48.
  • Demircan Keskin, F., Kabasakal, İ., Kaymaz, Y., & Soyuer, H. (2019). An assessment model for organizational adoption of industry 4.0 based on multi-criteria decision techniques. In Proceedings of the International Symposium for Production Research 2018 18 (pp. 85-100). Springer International Publishing.
  • Demirel, B. E., Tınmaz, G., Güven, E., & Eren, T. (2024). Türk Savunma Sanayiinde Dijital Olgunluk Seviyelerinin Karşılaştırılması. Verimlilik Dergisi, 58(4), 555-572.
  • Dermenci, M.,S., Sağbaş A. (2023). Dijital Dönüşüm Ekseninde Çok Kriterli Karar Verme Yöntemleri ile Endüstri 4.0 Olgunluk Modelinin Değerlendirilmesi, European Journal of Engineering and Applied Sciences,6 (2),74-85.
  • Doğan, O., & Baloğlu, N. (2020). Endüstri 4.0 kavramsal farkindalik ölçeği. Karamanoğlu Mehmetbey Üniversitesi Sosyal ve Ekonomik Araştırmalar Dergisi, 22(38), 58-81.
  • Dotoli, M., A. Fay, M. Miśkowicz, and C. Seatzu. (2016). “Advanced Control in Factory Automation: a Survey.” International Journal of Production Research 55 (5): 1243–1259
  • Dökme, S. (2020). Sakarya’da Dijital Dönüşüme Yönelik Sanayi Kuruluşlarında Karşılaştırmalı Değerlendirme Çalışması. Sakarya Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Sakarya.
  • Elibal, K., Özceylan, E., & Çetinkaya, C. (2024). An ERP Based Industry 4.0 Maturity Model Proposal. Çukurova Üniversitesi Mühendislik Fakültesi Dergisi, 39(2), 535-544.
  • Elkadi, Hitham., & El Tazi, N. (2023). Identifying and prioritizing digital transformation elements using fuzzy analytic hierarchy process. International Journal of Advanced Computer Science and Applications, 14(9).
  • Erdem, A., Kara, M. A., & Dumlu, H. (2023). Dijital platform tercihlerinin SWARA ve gri ilişkisel analiz yöntemleri ile değerlendirilmesi. Uluslararası İktisadi ve İdari İncelemeler Dergisi, (41), 91-106.
  • Erik, A., & Kuvvetli, Y. (2021). Üretim İşletmelerinin Endüstri 4.0 Entegrasyonunun Veri Zarflama Analizi ile Değerlendirilmesi. Çukurova Üniversitesi Mühendislik Fakültesi Dergisi, 36(3), 637-647.
  • Ervural, B. (2023). Comparative Analysis of E-Government Website Performances of European Countries Using Dynamic Grey Relational Analysis. In International Conference on Electronic Governance with Emerging Technologies (pp. 112-124). Cham: Springer Nature Switzerland.
  • Godbole, M. V. (2023). Revolutionizing Enterprise Resource Planning (ERP) Systems through Artificial Intelligence. International Numeric Journal of Machine Learning and Robots, 7(7), 1-15.
  • Goulart, V. G., Liboni, L. B., & Cezarino, L. O. (2022). Balancing skills in the digital transformation era: The future of jobs and the role of higher education. Industry and Higher Education, 36(2), 118-127.
  • Görçün, Ö. F., Mishra, A. R., Aytekin, A., Simic, V., & Korucuk, S. (2024). Evaluation of Industry 4.0 strategies for digital transformation in the automotive manufacturing industry using an integrated fuzzy decision-making model. Journal of Manufacturing Systems, 74, 922-948.
  • Guven, H. (2020). Industry 4.0 and marketing 4.0: in perspective of digitalization and E-Commerce. In Agile Business Leadership Methods for Industry 4.0 (pp. 25-46).
  • Gülseren, A., & Sağbaş, A. (2019). Endüstri 4.0 perspektifinde sanayide dijital dönüşüm ve dijital olgunluk seviyesinin değerlendirilmesi. European Journal of Engineering and Applied Sciences, 2(2), 1-5.
  • Han, H., Shiwakoti, R. K., Jarvis, R., Mordi, C., & Botchie, D. (2023). Accounting and auditing with blockchain technology and artificial Intelligence: A literature review. International Journal of Accounting Information Systems, 48, 100598.
  • Hasani, A., Haseli, G., & Deveci, M. (2024). Analyzing operational risks of digital supply chain transformation using hybrid ISM-MICMAC method. OPSEARCH, 1-25.
  • Hashemkhani Zolfani, S., Salimi, J., Maknoon, R. ve Simona, K. (2015). Technology foresight about R&D projects selection; application of SWARA method at the policy making level. Engineering Economics, 26(5), 571–580. 9571.
  • Hashemkhani Zolfani, S., Zavadskas, E. K. ve Turskis, Z. (2013). Design of Products with Both International and Local Perspectives Based on Yin-Yang Balance Theory and SWARA Method. Economic Research, 26(2), 153–166.
  • Ivančić, L., Vukšić, V. B., & Spremić, M. (2019). Mastering the digital transformation process: Business practices and lessons learned. Technology Innovation Management Review, 9(2).
  • İpkin, M., & Keskinkılıç, M. (2023). İşletmelerde Erp Uygulamalarının Dijital Dönüşüm Sürecine Katkıları. Aurum Journal Of Social Sciences, 8(1), 49-74.
  • Jafarzadeh Ghoushchi, S., Ab Rahman, M. N., Raeisi, D., Osgooei, E., & Jafarzadeh Ghoushji, M. (2020). Integrated decision-making approach based on SWARA and GRA methods for the prioritization of failures in solar panel systems under Z-information. Symmetry, 12(2), 310.
  • Kaisler S., Armour F., Espinosa J. A., Money, W. (2013). Big data: Issues and Challenges Moving Forward. In 2013. 46th Hawaii International Conference on System Sciences , 995-1004.
  • Kalender, Z. T., & Žilka, M. (2024). A Comparative Analysis of Digital Maturity Models to Determine Future Steps in the Way of Digital Transformation. Procedia Computer Science, 232, 903-912.
  • Kamble, S., Gunasekaran, A., & Dhone, N. C. (2020). Industry 4.0 and lean manufacturing practices for sustainable organisational performance in Indian manufacturing companies. International journal of production research, 58(5), 1319-1337.
  • Karadağ, H., Şahin, F., Karamollaoğlu, N., & Saunila, M. (2024). Disentangling the dynamic digital capability, digital transformation, and organizational performance relationships in SMEs: a configurational analysis based on fsQCA. Information Technology and Management, 1-17.
  • Kasnak, E., & Özkara, B. (2022). Türkiye'deki imalat şirketlerinin endüstri 4.0 olgunluk düzeyinin belirlenmesi. Verimlilik Dergisi, (3), 365-380.
  • Kesbiç, Ö., (2020), Üretimde Dijital Dönüşüm Ve Etkileri: Türkiye Ekonomisi Açısından Bir Analiz, Manisa Celal Bayar Üniversitesi Sosyal Bilimler Enstitüsü, Yüksek Lisans Tezi, Manisa.
  • Keskinkılıç, M., & İpkin, M. (2023). İşletmelerde ERP uygulamalarının dijital dönüşüm sürecine katkıları. AURUM Sosyal Bilimler Dergisi, 8(1), 49-74.
  • Khan, A., & Ahmed, A. (2024). Optimizing Retail Operations, Inventory Management and Sales Forecasting with Big Data and AI in China. Emerging Trends in Machine Intelligence and Big Data, 16(1), 18-37.
  • Kıyak, A., & Bozkurt, G. (2020). A General Overview To Digital Leadership Concept. Uluslararası Sosyal Ve Ekonomik Çalışmalar Dergisi, 1(1), 84-95.
  • Kocaoglu, B., & Kirmizi, M. (2024). Prescriptive digital transformation maturity model: a development and validation study. Kybernetes.
  • Koç, E. (2020). Tedarik Zinciri İzlenebilirliği Ve Sürdürülebilirliğinde Yeni Paradigma: Blokzincir. Bingöl Üniversitesi Sosyal Bilimler Enstitüsü Dergisi,10(20), 417-437.
  • Kökümer, Z., Çok Kriterli Karar Verme Yöntemleri İle Beyaz Eşya Sektöründe Endüstri 4.0 Dijital Dönüşüm Yetkinlik Analizi, 2018, Yüksek Lisans Tezi, Kocaeli Üniversitesi Fen Bilimleri Enstitüsü, Kocaeli.
  • Kraus, S., Jones, P., Kailer, N., Weinmann, A., Chaparro-Banegas, N., & Roig-Tierno, N. (2021). Digital transformation: An overview of the current state of the art of research. Sage Open, 11(3).
  • Liu, T., Gao, K., & Rong, Y. (2024). An integrated picture fuzzy operational competitiveness ratings group decision approach for evaluating the enterprise digital transformation capability. Granular Computing, 9(2), 32.
  • Lo, H. W., & Siao, Z. (2023). Exploring the Role of Multiple Criteria Decision-Making in Enterprise Digital Transformation. International Journal of Business, 28(3), 1-17.
  • Mitroulis, D., Kitsios, F., & Kitsios, F. (2019, February). Digital transformation strategy: A literature review. In Proceedings of the 6th National Student Conference of HELORS, Xanthi, Greece (pp. 59-61).
  • Muneeb, F. M., Karbassi Yazdi, A., Hanne, T., & Mironko, A. (2024). Small and medium-sized enterprises in emerging markets and foreign direct investment: an integrated multi-criteria decision-making approach. Applied Economics, 1-18.
  • Nelson, J., Berlin, A., Menold, J., & Parkinson, M. (2020). The role of digital prototyping tools in learning factories. Procedia Manufacturing, 45, 528-533.
  • Osterrieder, P., Budde, L., & Friedli, T. (2020). The smart factory as a key construct of industry 4.0: A systematic literature review. International Journal of Production Economics, 221, 107476.
  • Özbek, A., & Demirkol, İ. (2018). Lojistik sektöründe faaliyet gösteren işletmelerin SWARA ve GİA yöntemleri ile analizi. Kırıkkale Üniversitesi Sosyal Bilimler Dergisi, 8(1), 71-86.
  • Özdağoğlu, A., & Keleş, M. K. (2019). Bankaların bakış açısından BIST sınai işletmelerinin değerlendirilmesi–SWARA-GİA bütünleşik yaklaşımı. Süleyman Demirel Üniversitesi Vizyoner Dergisi, 10(24), 229-241.
  • Özdemir, Y.S. (2022). A Spherical Fuzzy Multi-Criteria Decision-Making Model For Industry 4.0 Performance Measurement, Axioms, 11,325
  • Özkat, E. C. (2021). Makine Öğrenmesi Metodolojisi Kullanılarak Yüksek Hızlı Rulmanlarda Sağlık Göstergesinin Belirlenmesi. Avrupa Bilim ve Teknoloji Dergisi, (22), 176.
  • Paksoy, T., Kochan, C. G., & Ali, S. S. (Eds.). (2020). Logistics 4.0: Digital transformation of supply chain management. CRC Press.
  • Ryalat, M., El Moaqet, H., & Al Faouri, M. (2023). Design of a smart factory based on cyber-physical systems and Internet of Things towards Industry 4.0. Applied Sciences, 13(4), 2156.
  • Sahut, J.M., Schweizer, D., Peris-Ortiz, M., (2022), Technological forecasting and social change introduction to the VSI technological innovations to ensure confidence in the digital World, Technol. Forecast. Soc. Chang, 179, 121680.
  • Santos, C., Mehrsai, A., Barros, A. C., Araujo, M., & Ares, E. (2017), Towards Industry 4.0: an overview of European strategic roadmaps, Procedia Manufacturing, 13, 972-979.
  • Sharma, M., Raut, R.,Sehrawat, R.,İshizaka, A. (2022), Digitalisation of manufacturing operations: The influential role of organisational, social, environmental, and technological impediments. Expert Systems With Applications, 211.
  • Singla, C.,Kaushal, S., Verma,A., Kumar, H. (2018). Computational Intelligence for Multimedia Big Data on the Cloud with Engineering Applications. Intelligent Data-Centric Systems,147-157.
  • Sriram, R. M., & Vinodh, S. (2021). Analysis of readiness factors for Industry 4.0 implementation in SMEs using COPRAS. International Journal of Quality & Reliability Management, 38(5), 1178-1192
  • Stanujkic, D., Karabasevic, D., & Zavadskas, E. K. (2015). A framework for the selection of a packaging design based on the SWARA method. Engineering Economics, 26(2), 181-187.
  • Supçiller, A. A., & Bayramoğlu, S. (2020). Aralıklı gri sayı tabanlı A-GİA ve gri EDAS yöntemleriyle rüzgar santrali yer seçimi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 35(4), 1847-1860.
  • Tarigan, Z. J. H., Siagian, H., & Jie, F. (2020). The role of top management commitment to enhancing the competitive advantage through ERP integration and purchasing strategy. International Journal of Enterprise Information Systems (IJEIS), 16(1), 53-68.
  • Tuş, A., Öztaş, G. Z., Öztaş, T., Özçil, A., & Adalı, E. A. (2023). Türkiye’nin dijital dönüşüm endeksinin hesaplanması için alternatif bir yaklaşım: Bayesian BWM. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 29(8), 842-854.
  • Uslu, B., Gür, Ş., Eren, T. (2019). Endüstri 4.0 Uygulaması İçin Stratejilerin Aas Ve Topsıs Yöntemleri İle Değerlendirilmesi. Eskişehir Technical University Journal of Science and Technology B- Theoretical Sciences,7(1), 13-28.
  • Wagire, A. A., Joshi, R., Rathore, A. P. S., & Jain, R. (2021). Development of maturity model for assessing the implementation of Industry 4.0: learning from theory and practice. Production Planning & Control, 32(8), 603-622.
  • Wang, D., & Shao, X. (2024). Research on the impact of digital transformation on the production efficiency of manufacturing enterprises: Institution-based analysis of the threshold effect. International Review of Economics & Finance, 91, 883-897.
  • Xu, J., & Yin, J. (2024). Digital transformation and ESG performance: The chain mediating role of technological innovation and financing constraints. Finance Research Letters, 106387.
  • Yıldızbaşı, A., & Ünlü, V. (2020). Performance evaluation of SMEs towards Industry 4.0 using fuzzy group decision making methods. SN Applied Sciences, 2(3), 355.

A PERFORMANCE MEASUREMENT APPROACH FOR EVALUATING THE SUCCESS OF DIGITAL TRANSFORMATION IN MANUFACTURING

Yıl 2025, Cilt: 28 Sayı: 1, 266 - 284, 03.03.2025

Gökçen Saray , Bilal Ervural

Öz

Digital Transformation refers to the process of developing new business models and strategies through the use of digital technologies. For businesses to gain a competitive advantage and enhance corporate efficiency, it is crucial to adapt to digitalization processes. Companies must measure their digital transformation activities and chart their digital transformation roadmaps to respond to this transformation. This study aims to develop a performance measurement system for identifying the digital transformation performance of companies in the manufacturing sector. In this context, the necessary criteria for implementing digital transformation and Industry 4.0 applications have been determined by considering the interactions between objects, people, and systems. The identified criteria are defined not only by utilizing advanced technologies such as automation, robotics, the Internet of Things, artificial intelligence, and big data analytics but also by incorporating human-centered factors such as organizational aspects and the willingness to change. The criteria were established and explained through a comprehensive literature review. By obtaining expert opinions, the importance weights of these criteria were calculated and weighted using the SWARA method. Grey Relational Analysis (GRA) was used to measure digital transformation performance. The developed model was tested on a case study, and company performances were compared.

Anahtar Kelimeler

Performance measurement digital transformation industry 4.0 smart factories automation

Kaynakça

  • Abdallah, Y. O., Shehab, E., & Al-Ashaab, A. (2022). Developing a digital transformation process in the manufacturing sector: Egyptian case study. Information Systems and e-Business Management, 20(3), 613-630.
  • Adem, A., Kaya, B. Y., Çakıt, E., & Dağdeviren, M. (2022). Üretim sistemlerindeki dijital dönüşümün iş etüdü teknikleri üzerindeki etkisi. Verimlilik Dergisi, 110-122.
  • Akman, G., & Kokumer, Z. (2023). Endüstri 4.0 kapsamında beyaz eşya sektöründe dijital dönüşüm yetkinliğinin MACBETH ve EDAS yöntemleriyle değerlendirilmesi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 38(4), 2033-2054.
  • Alkan, N., & Kahraman, C. (2023). Prioritization of supply chain digital transformation strategies using multi-expert fermatean fuzzy analytic hierarchy process. Informatica, 34(1), 1-33.
  • Angreani, L. S., Vijaya, A., & Wicaksono, H. (2020). Systematic literature review of industry 4.0 maturity model for manufacturing and logistics sectors. Procedia manufacturing, 52, 337-343.
  • Angreani, L. S., Vijaya, A., & Wicaksono, H. (2023). Identifying Essential Driving Factors of Industry 4.0 Maturity Models Using Fuzzy MCDM Methods. Procedia CIRP, 120, 1582-1587.
  • Attaran, S., Attaran, M., & Celik, B. G. (2024). Digital Twins and Industrial Internet of Things: Uncovering operational intelligence in industry 4.0. Decision Analytics Journal, 10, 100398.
  • Ayyıldız, M. E., & Demir, A. O. (2022). Dijital Dönüşüm Olgunluk Seviyesinin Ölçülmesine Yönelik Modellerin İncelenmesi. İstanbul Ticaret Üniversitesi Girişimcilik Dergisi, 6(12), 61-80.
  • Azambuja, A.J., Giese, T. (2023). Digital Twins in Industry 4.0 – Opportunities and challenges related to Cyber Security. 11th CIRP Global Web Conference (CIRPe 2023), 25-30.
  • Bhatia, A., & Sehgal, A. K. (2023). Additive manufacturing materials, methods and applications: A review. Materials Today: Proceedings, 81, 1060-1067.
  • Bibby, L., & Dehe, B. (2018). Defining and assessing industry 4.0 maturity levels–case of the defence sector. Production Planning & Control, 29(12), 1030-1043.
  • Büyüközkan, G., & Güler, M. (2020). Analysis of companies’ digital maturity by hesitant fuzzy linguistic MCDM methods. Journal of Intelligent & Fuzzy Systems, 38(1), 1119-1132.
  • Büyüközkan, G., Feyzioğlu, O., & Havle, C. A. (2020). Analysis of success factors in aviation 4.0 using integrated intuitionistic fuzzy MCDM methods. In Intelligent and Fuzzy Techniques in Big Data Analytics and Decision Making: Proceedings of the INFUS 2019 Conference, Istanbul, Turkey, July 23-25, 2019 (pp. 598-606).
  • Ceyhan,H., Kasapbaşı, M.,C. (2021). Üretim Sistemlerinde Makine Öğrenmesi ile Kestirimci Bakım, Avrupa Bilim ve Teknoloji Dergisi,33,167-175.
  • Chang, S.-C.; Chang, H.-H.; Lu, M.-T. 2021, Evaluating Industry 4.0 Technology Application in SMEs: Using a Hybrid MCDM Approach, Mathematics, 9, 414.
  • Cheminod, M., L. Durante, and A. Valenzano. (2013). “Review of Security Issues in Industrial Networks.” IEEE Transactions on Industrial Informatics 9 (1): 277–293.
  • Chen, X., & Voigt, T. (2020). Implementation of the Manufacturing Execution System in the food and beverage industry. Journal of Food Engineering, 278, 109932.
  • Chen, Z. S., Wang, Z. R., Deveci, M., Ding, W., Pedrycz, W., & Skibniewski, M. J. (2024). Optimization-based probabilistic decision support for assessing building information modelling (BIM) maturity considering multiple objectives. Information Fusion, 102, 102026.
  • Çakır, E., & Kacır, Ü. (2018). Altı Sigma kara kuşak eğitimi alacak personelin bütünleşik SWARA ve GİA yöntemleri ile belirlenmesi. Gümüshane Üniversitesi Sosyal Bilimler Enstitüsü Elektronik Dergisi, 9(23), 142-166.
  • Çakır, E., 2018, Elektronik Belge Yönetim Sistemi (Ebys) Yazılımı Seçiminde Çok Kriterli Karar Verme Yöntemleri: Bir Belediye Örneği, Business Economics and Management Research Journal, 1(1), 15-30
  • Çevik Aka, D. (2023). Evaluatıon Of The Effects Of Industry 4.0 On Organızatıonal Agılıty Wıth Fucom: Implementatıon In The Textıle Industry, Uluslararası İktisadi Ve İdari İncelemeler Dergisi(40), 33-48.
  • Demircan Keskin, F., Kabasakal, İ., Kaymaz, Y., & Soyuer, H. (2019). An assessment model for organizational adoption of industry 4.0 based on multi-criteria decision techniques. In Proceedings of the International Symposium for Production Research 2018 18 (pp. 85-100). Springer International Publishing.
  • Demirel, B. E., Tınmaz, G., Güven, E., & Eren, T. (2024). Türk Savunma Sanayiinde Dijital Olgunluk Seviyelerinin Karşılaştırılması. Verimlilik Dergisi, 58(4), 555-572.
  • Dermenci, M.,S., Sağbaş A. (2023). Dijital Dönüşüm Ekseninde Çok Kriterli Karar Verme Yöntemleri ile Endüstri 4.0 Olgunluk Modelinin Değerlendirilmesi, European Journal of Engineering and Applied Sciences,6 (2),74-85.
  • Doğan, O., & Baloğlu, N. (2020). Endüstri 4.0 kavramsal farkindalik ölçeği. Karamanoğlu Mehmetbey Üniversitesi Sosyal ve Ekonomik Araştırmalar Dergisi, 22(38), 58-81.
  • Dotoli, M., A. Fay, M. Miśkowicz, and C. Seatzu. (2016). “Advanced Control in Factory Automation: a Survey.” International Journal of Production Research 55 (5): 1243–1259
  • Dökme, S. (2020). Sakarya’da Dijital Dönüşüme Yönelik Sanayi Kuruluşlarında Karşılaştırmalı Değerlendirme Çalışması. Sakarya Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Sakarya.
  • Elibal, K., Özceylan, E., & Çetinkaya, C. (2024). An ERP Based Industry 4.0 Maturity Model Proposal. Çukurova Üniversitesi Mühendislik Fakültesi Dergisi, 39(2), 535-544.
  • Elkadi, Hitham., & El Tazi, N. (2023). Identifying and prioritizing digital transformation elements using fuzzy analytic hierarchy process. International Journal of Advanced Computer Science and Applications, 14(9).
  • Erdem, A., Kara, M. A., & Dumlu, H. (2023). Dijital platform tercihlerinin SWARA ve gri ilişkisel analiz yöntemleri ile değerlendirilmesi. Uluslararası İktisadi ve İdari İncelemeler Dergisi, (41), 91-106.
  • Erik, A., & Kuvvetli, Y. (2021). Üretim İşletmelerinin Endüstri 4.0 Entegrasyonunun Veri Zarflama Analizi ile Değerlendirilmesi. Çukurova Üniversitesi Mühendislik Fakültesi Dergisi, 36(3), 637-647.
  • Ervural, B. (2023). Comparative Analysis of E-Government Website Performances of European Countries Using Dynamic Grey Relational Analysis. In International Conference on Electronic Governance with Emerging Technologies (pp. 112-124). Cham: Springer Nature Switzerland.
  • Godbole, M. V. (2023). Revolutionizing Enterprise Resource Planning (ERP) Systems through Artificial Intelligence. International Numeric Journal of Machine Learning and Robots, 7(7), 1-15.
  • Goulart, V. G., Liboni, L. B., & Cezarino, L. O. (2022). Balancing skills in the digital transformation era: The future of jobs and the role of higher education. Industry and Higher Education, 36(2), 118-127.
  • Görçün, Ö. F., Mishra, A. R., Aytekin, A., Simic, V., & Korucuk, S. (2024). Evaluation of Industry 4.0 strategies for digital transformation in the automotive manufacturing industry using an integrated fuzzy decision-making model. Journal of Manufacturing Systems, 74, 922-948.
  • Guven, H. (2020). Industry 4.0 and marketing 4.0: in perspective of digitalization and E-Commerce. In Agile Business Leadership Methods for Industry 4.0 (pp. 25-46).
  • Gülseren, A., & Sağbaş, A. (2019). Endüstri 4.0 perspektifinde sanayide dijital dönüşüm ve dijital olgunluk seviyesinin değerlendirilmesi. European Journal of Engineering and Applied Sciences, 2(2), 1-5.
  • Han, H., Shiwakoti, R. K., Jarvis, R., Mordi, C., & Botchie, D. (2023). Accounting and auditing with blockchain technology and artificial Intelligence: A literature review. International Journal of Accounting Information Systems, 48, 100598.
  • Hasani, A., Haseli, G., & Deveci, M. (2024). Analyzing operational risks of digital supply chain transformation using hybrid ISM-MICMAC method. OPSEARCH, 1-25.
  • Hashemkhani Zolfani, S., Salimi, J., Maknoon, R. ve Simona, K. (2015). Technology foresight about R&D projects selection; application of SWARA method at the policy making level. Engineering Economics, 26(5), 571–580. 9571.
  • Hashemkhani Zolfani, S., Zavadskas, E. K. ve Turskis, Z. (2013). Design of Products with Both International and Local Perspectives Based on Yin-Yang Balance Theory and SWARA Method. Economic Research, 26(2), 153–166.
  • Ivančić, L., Vukšić, V. B., & Spremić, M. (2019). Mastering the digital transformation process: Business practices and lessons learned. Technology Innovation Management Review, 9(2).
  • İpkin, M., & Keskinkılıç, M. (2023). İşletmelerde Erp Uygulamalarının Dijital Dönüşüm Sürecine Katkıları. Aurum Journal Of Social Sciences, 8(1), 49-74.
  • Jafarzadeh Ghoushchi, S., Ab Rahman, M. N., Raeisi, D., Osgooei, E., & Jafarzadeh Ghoushji, M. (2020). Integrated decision-making approach based on SWARA and GRA methods for the prioritization of failures in solar panel systems under Z-information. Symmetry, 12(2), 310.
  • Kaisler S., Armour F., Espinosa J. A., Money, W. (2013). Big data: Issues and Challenges Moving Forward. In 2013. 46th Hawaii International Conference on System Sciences , 995-1004.
  • Kalender, Z. T., & Žilka, M. (2024). A Comparative Analysis of Digital Maturity Models to Determine Future Steps in the Way of Digital Transformation. Procedia Computer Science, 232, 903-912.
  • Kamble, S., Gunasekaran, A., & Dhone, N. C. (2020). Industry 4.0 and lean manufacturing practices for sustainable organisational performance in Indian manufacturing companies. International journal of production research, 58(5), 1319-1337.
  • Karadağ, H., Şahin, F., Karamollaoğlu, N., & Saunila, M. (2024). Disentangling the dynamic digital capability, digital transformation, and organizational performance relationships in SMEs: a configurational analysis based on fsQCA. Information Technology and Management, 1-17.
  • Kasnak, E., & Özkara, B. (2022). Türkiye'deki imalat şirketlerinin endüstri 4.0 olgunluk düzeyinin belirlenmesi. Verimlilik Dergisi, (3), 365-380.
  • Kesbiç, Ö., (2020), Üretimde Dijital Dönüşüm Ve Etkileri: Türkiye Ekonomisi Açısından Bir Analiz, Manisa Celal Bayar Üniversitesi Sosyal Bilimler Enstitüsü, Yüksek Lisans Tezi, Manisa.
  • Keskinkılıç, M., & İpkin, M. (2023). İşletmelerde ERP uygulamalarının dijital dönüşüm sürecine katkıları. AURUM Sosyal Bilimler Dergisi, 8(1), 49-74.
  • Khan, A., & Ahmed, A. (2024). Optimizing Retail Operations, Inventory Management and Sales Forecasting with Big Data and AI in China. Emerging Trends in Machine Intelligence and Big Data, 16(1), 18-37.
  • Kıyak, A., & Bozkurt, G. (2020). A General Overview To Digital Leadership Concept. Uluslararası Sosyal Ve Ekonomik Çalışmalar Dergisi, 1(1), 84-95.
  • Kocaoglu, B., & Kirmizi, M. (2024). Prescriptive digital transformation maturity model: a development and validation study. Kybernetes.
  • Koç, E. (2020). Tedarik Zinciri İzlenebilirliği Ve Sürdürülebilirliğinde Yeni Paradigma: Blokzincir. Bingöl Üniversitesi Sosyal Bilimler Enstitüsü Dergisi,10(20), 417-437.
  • Kökümer, Z., Çok Kriterli Karar Verme Yöntemleri İle Beyaz Eşya Sektöründe Endüstri 4.0 Dijital Dönüşüm Yetkinlik Analizi, 2018, Yüksek Lisans Tezi, Kocaeli Üniversitesi Fen Bilimleri Enstitüsü, Kocaeli.
  • Kraus, S., Jones, P., Kailer, N., Weinmann, A., Chaparro-Banegas, N., & Roig-Tierno, N. (2021). Digital transformation: An overview of the current state of the art of research. Sage Open, 11(3).
  • Liu, T., Gao, K., & Rong, Y. (2024). An integrated picture fuzzy operational competitiveness ratings group decision approach for evaluating the enterprise digital transformation capability. Granular Computing, 9(2), 32.
  • Lo, H. W., & Siao, Z. (2023). Exploring the Role of Multiple Criteria Decision-Making in Enterprise Digital Transformation. International Journal of Business, 28(3), 1-17.
  • Mitroulis, D., Kitsios, F., & Kitsios, F. (2019, February). Digital transformation strategy: A literature review. In Proceedings of the 6th National Student Conference of HELORS, Xanthi, Greece (pp. 59-61).
  • Muneeb, F. M., Karbassi Yazdi, A., Hanne, T., & Mironko, A. (2024). Small and medium-sized enterprises in emerging markets and foreign direct investment: an integrated multi-criteria decision-making approach. Applied Economics, 1-18.
  • Nelson, J., Berlin, A., Menold, J., & Parkinson, M. (2020). The role of digital prototyping tools in learning factories. Procedia Manufacturing, 45, 528-533.
  • Osterrieder, P., Budde, L., & Friedli, T. (2020). The smart factory as a key construct of industry 4.0: A systematic literature review. International Journal of Production Economics, 221, 107476.
  • Özbek, A., & Demirkol, İ. (2018). Lojistik sektöründe faaliyet gösteren işletmelerin SWARA ve GİA yöntemleri ile analizi. Kırıkkale Üniversitesi Sosyal Bilimler Dergisi, 8(1), 71-86.
  • Özdağoğlu, A., & Keleş, M. K. (2019). Bankaların bakış açısından BIST sınai işletmelerinin değerlendirilmesi–SWARA-GİA bütünleşik yaklaşımı. Süleyman Demirel Üniversitesi Vizyoner Dergisi, 10(24), 229-241.
  • Özdemir, Y.S. (2022). A Spherical Fuzzy Multi-Criteria Decision-Making Model For Industry 4.0 Performance Measurement, Axioms, 11,325
  • Özkat, E. C. (2021). Makine Öğrenmesi Metodolojisi Kullanılarak Yüksek Hızlı Rulmanlarda Sağlık Göstergesinin Belirlenmesi. Avrupa Bilim ve Teknoloji Dergisi, (22), 176.
  • Paksoy, T., Kochan, C. G., & Ali, S. S. (Eds.). (2020). Logistics 4.0: Digital transformation of supply chain management. CRC Press.
  • Ryalat, M., El Moaqet, H., & Al Faouri, M. (2023). Design of a smart factory based on cyber-physical systems and Internet of Things towards Industry 4.0. Applied Sciences, 13(4), 2156.
  • Sahut, J.M., Schweizer, D., Peris-Ortiz, M., (2022), Technological forecasting and social change introduction to the VSI technological innovations to ensure confidence in the digital World, Technol. Forecast. Soc. Chang, 179, 121680.
  • Santos, C., Mehrsai, A., Barros, A. C., Araujo, M., & Ares, E. (2017), Towards Industry 4.0: an overview of European strategic roadmaps, Procedia Manufacturing, 13, 972-979.
  • Sharma, M., Raut, R.,Sehrawat, R.,İshizaka, A. (2022), Digitalisation of manufacturing operations: The influential role of organisational, social, environmental, and technological impediments. Expert Systems With Applications, 211.
  • Singla, C.,Kaushal, S., Verma,A., Kumar, H. (2018). Computational Intelligence for Multimedia Big Data on the Cloud with Engineering Applications. Intelligent Data-Centric Systems,147-157.
  • Sriram, R. M., & Vinodh, S. (2021). Analysis of readiness factors for Industry 4.0 implementation in SMEs using COPRAS. International Journal of Quality & Reliability Management, 38(5), 1178-1192
  • Stanujkic, D., Karabasevic, D., & Zavadskas, E. K. (2015). A framework for the selection of a packaging design based on the SWARA method. Engineering Economics, 26(2), 181-187.
  • Supçiller, A. A., & Bayramoğlu, S. (2020). Aralıklı gri sayı tabanlı A-GİA ve gri EDAS yöntemleriyle rüzgar santrali yer seçimi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 35(4), 1847-1860.
  • Tarigan, Z. J. H., Siagian, H., & Jie, F. (2020). The role of top management commitment to enhancing the competitive advantage through ERP integration and purchasing strategy. International Journal of Enterprise Information Systems (IJEIS), 16(1), 53-68.
  • Tuş, A., Öztaş, G. Z., Öztaş, T., Özçil, A., & Adalı, E. A. (2023). Türkiye’nin dijital dönüşüm endeksinin hesaplanması için alternatif bir yaklaşım: Bayesian BWM. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 29(8), 842-854.
  • Uslu, B., Gür, Ş., Eren, T. (2019). Endüstri 4.0 Uygulaması İçin Stratejilerin Aas Ve Topsıs Yöntemleri İle Değerlendirilmesi. Eskişehir Technical University Journal of Science and Technology B- Theoretical Sciences,7(1), 13-28.
  • Wagire, A. A., Joshi, R., Rathore, A. P. S., & Jain, R. (2021). Development of maturity model for assessing the implementation of Industry 4.0: learning from theory and practice. Production Planning & Control, 32(8), 603-622.
  • Wang, D., & Shao, X. (2024). Research on the impact of digital transformation on the production efficiency of manufacturing enterprises: Institution-based analysis of the threshold effect. International Review of Economics & Finance, 91, 883-897.
  • Xu, J., & Yin, J. (2024). Digital transformation and ESG performance: The chain mediating role of technological innovation and financing constraints. Finance Research Letters, 106387.
  • Yıldızbaşı, A., & Ünlü, V. (2020). Performance evaluation of SMEs towards Industry 4.0 using fuzzy group decision making methods. SN Applied Sciences, 2(3), 355.
Toplam 83 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Konular Çok Ölçütlü Karar Verme, İmalat Yönetimi, Üretim ve Hizmet Sistemleri
Bölüm Endüstri Mühendisliği
Yazarlar

Gökçen Saray 0009-0000-7185-9910

Bilal Ervural 0000-0002-5206-7632

Yayımlanma Tarihi 3 Mart 2025
Gönderilme Tarihi 19 Eylül 2024
Kabul Tarihi 3 Aralık 2024
Yayımlandığı Sayı Yıl 2025Cilt: 28 Sayı: 1

Kaynak Göster

APA Saray, G., & Ervural, B. (2025). ÜRETİMDE DİJİTAL DÖNÜŞÜMÜN BAŞARISINI DEĞERLENDİRMEK İÇİN PERFORMANS ÖLÇMEYE YÖNELİK BİR YAKLAŞIM. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, 28(1), 266-284.
 Kapak Resmi İndir