Yazar "Kara, Selin Soner" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim Yok
    Öğe
    TESİS YERİ SEÇİMİ PROBLEMİNDE MİNİMUM KARBON EMİSYONU YAKLAŞIMI: BİR ÜNİVERSİTENİN GERİ DÖNÜŞÜM YÖNETİMİ İÇİN UYGULAMA
    (2021) Kara, Selin Soner; Sudabaş, Fatma Talya
    Sosyal sorumluluklar, çevresel ve yasal sebepler ve ekonomik getiriler tedarik zincirine ters yönde döngü kavramını yaratmıştır. Tersine lojistik; lojistik süreçler boyunca ürünlerin çıkış varış noktasından çıkış noktasına doğru gerçekleşen geri dönüşlerdir. Bu geri dönüş sürecinin tıpkı geleneksel lojistik gibi etkin ve etkili biçimde planlanması, yönetilmesi ve kontrol edilmesi gerekmektedir. Yeşil lojistik, yeşil tedarik zinciri, kapalı çevrim tedarik zinciri ve tersine lojistik kavramları amaçları açısından oldukça benzerlikler göstermektedir. Bu çalışmada bir üniversitenin kâğıt ve plastik gibi geri dönüştürülebilir atıklarını zincire geri kazandırmak için kurmak istediği geri dönüşüm merkezlerinin konumlarını belirleyen ve aynı zamanda kampüsler ve geri dönüşüm merkezleri arasındaki nakliyede oluşan karbon dioksit salınımını en aza indirgeyen iki amaçlı karma tamsayılı doğrusal olmayan bir matematiksel model geliştirilmiştir. Çalışmada klasik P-medyan problemine karbon salınımı miznimizasyonu eklenerek literatüre yeni bir çalışma olarak sunulmak istenmiştir.
  • Küçük Resim Yok
    Öğe
    Towards sustainable logistics in Turkey: A bi-objective approach to green intermodal freight transportation enhanced by machine learning
    (Elsevier, 2024) Temizceri, Fatma Talya; Kara, Selin Soner
    Transportation is a critical contributor to carbon emissions, with road transportation playing a dominant role due to its dense network and versatility. However, the overreliance on road transportation has led to congestion, impacting reliability. As international trade grows, the demand for sustainable logistics practices intensifies. Intermodal transportation systems have emerged as a promising solution, harnessing different modes to reduce emissions and environmental impact while optimizing costs. It is important to underscore the significance of mode combinations in achieving environmental goals, aligning with the broader concept of environmental sustainability that encompasses economic and social dimensions. This article contributes to this evolving landscape by presenting a bi-objective intermodal transportation problem focusing on carbon emission reduction. Leveraging machine learning algorithms, including multiple linear regression, support vector regression, decision tree, and random forest, we predict transportation-based CO2 emissions, offering environmentally friendly logistics plans. Our research responds to the call for green intermodal transportation, addresses financial incentives, emphasizes profit maximization, and reflects the growing influence of government policies. This paper outlines our methodology, presents a real-world case study, and offers computational results, underscoring the significance of sustainable intermodal transportation in the context of global climate goals and government initiatives.