KaydedilenlerDerginizi ekleyin

Dergiler / Endüstri Mühendisliği / 2026 / Cilt: 37 Sayı: 1

AKILLI RAPORLAMA İLE ÜRETİM VERİMLİLİĞİNE YÖNELİK KARAR DESTEK SİSTEMİ TASARIMI: BİR OTOMOTİV FİRMASINDA UYGULAMA

DESIGN OF DECISION SUPPORT SYSTEM FOR PRODUCTION EFFICIENCY WITH SMART REPORTING: APPLICATION IN AN AUTOMOTIVE COMPANY

Ahmed Ergül(ESKİŞEHİR TEKNİK ÜNİVERSİTESİ)0009-0001-0527-1163
Sıdıka Sena Payas(ESKİŞEHİR TEKNİK ÜNİVERSİTESİ)0009-0000-2725-9782
Kerem Kalyoncu(ESKİŞEHİR TEKNİK ÜNİVERSİTESİ)0009-0008-1673-1015
Gülçin Dinç Yalçın(Eskişehir Teknik Üniversitesi)0000-0001-7696-7507
Sayfa
48–73
Yayın Tarihi
2026-04-22
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Otomatik aksiyon önerileri sayesinde hatalara hızlı ve standartlara uygun müdahale edilerek müdahale süresi kısalacak, operatöre bağımlılık azalacak ve üretim sürekliliği sağlanacaktır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, üretim süreçlerindeki verimliliği artırmayı hedefleyen Power BI tabanlı yenilikçi bir akıllı raporlama sistemi kurarak, proaktif süreç izleme imkânı sunan kullanıcı etkileşimli ara yüzler ile süreç yönetimini geliştiren karar destek sisteminin oluşturulmasıdır.
📊
Temel Bulgular & Veri:Sistem, tecrübe düzeyinden bağımsız olarak tüm saha personeline operasyonel rehberlik sunacak, özellikle gece vardiyası gibi sınırlı destek ortamlarında etkin karar almayı kolaylaştıracaktır.
💡
Sonuç & Katkı:Otomatik aksiyon önerileri sayesinde hatalara hızlı ve standartlara uygun müdahale edilerek müdahale süresi kısalacak, operatöre bağımlılık azalacak ve üretim sürekliliği sağlanacaktır.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Akıllı raporlama · karar destek sistemi · Power BI

Özet

Bu çalışmada, üretim süreçlerindeki verimliliği artırmayı hedefleyen Power BI tabanlı yenilikçi bir akıllı raporlama sistemi kurarak, proaktif süreç izleme imkânı sunan kullanıcı etkileşimli ara yüzler ile süreç yönetimini geliştiren karar destek sisteminin oluşturulmasıdır. Zaman serisi modellerinden Prophet algoritmasıyla haftalık üretim tahminleri yapılmış; mevsimsellik, eğilim ve dışsal faktörler dikkate alınarak olası sapmalar öngörülmüştür. Çıktılar birleştirilerek, süreç sapmalarının erken tespiti ve üretim planlamasında proaktif karar desteği sağlanması hedeflenmiştir. Mevcut sistemde kiosk ekranları pasif izleme imkânı sunmakta, alarm, bildirim veya aksiyon yönlendirmesi gibi proaktif süreç yönetimine olanak tanımamaktadır. Bu durum, hatalara zamanında ve doğru müdahaleyi sınırlandırmaktadır. Geliştirilen yapıyla birlikte, Power Automate üzerinden anlık hata bildirimleri sağlanmış, Power Apps aracılığıyla SOP tabanlı aksiyon önerileri sunulmuş ve sahadan gelen geri bildirimler toplanmıştır. Tüm veriler Power BI’a entegre edilerek süreçler gerçek zamanlı izlenebilir hale getirilmiş, karar destek altyapısı güçlendirilmiştir. Sistem, tecrübe düzeyinden bağımsız olarak tüm saha personeline operasyonel rehberlik sunacak, özellikle gece vardiyası gibi sınırlı destek ortamlarında etkin karar almayı kolaylaştıracaktır. Otomatik aksiyon önerileri sayesinde hatalara hızlı ve standartlara uygun müdahale edilerek müdahale süresi kısalacak, operatöre bağımlılık azalacak ve üretim sürekliliği sağlanacaktır.

Abstract

This study aims to establish an innovative Power BI-based smart reporting system designed to enhance productivity in production processes. It involves creating a decision support system that improves process management through user-interactive interfaces, enabling proactive process monitoring. Weekly production forecasts were made using the Prophet algorithm from time series models; possible deviations were predicted by taking into account seasonality, trends, and external factors. By combining the outputs, the aim was to enable early detection of process deviations and provide proactive decision support in production planning. The current system offers passive monitoring via kiosk screens but does not allow for proactive process management such as alarms, notifications, or action guidance. This limits timely and accurate intervention in errors. With the developed structure, instant error notifications are provided via Power Automate, SOP-based action recommendations are offered through Power Apps, and feedback from the field is collected. All data is integrated into Power BI, enabling real-time monitoring of processes and strengthening the decision support infrastructure. The system will provide operational guidance to all field personnel, regardless of their level of experience, and will facilitate effective decision-making, particularly in environments with limited support, such as night shifts. Thanks to automated action recommendations, errors will be addressed quickly and in accordance with standards, reducing response times, decreasing operator dependency, and ensuring production continuity.

🔖

Bu Makaleye Atıf Yap

Ergül, A., Payas, S. S., Kalyoncu, K., Yalçın, G. D. (2026). AKILLI RAPORLAMA İLE ÜRETİM VERİMLİLİĞİNE YÖNELİK KARAR DESTEK SİSTEMİ TASARIMI: BİR OTOMOTİV FİRMASINDA UYGULAMA. Endüstri Mühendisliği, Cilt: 37 Sayı: 1, 48–73. https://doi.org/10.46465/endustrimuhendisligi.1804207

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (19)

  1. Aslan, V. ve Yılmaz, G. (2010). Karar destek sistemlerinin kullanımı için uygun bir model geliştirilmesi. Journal of Aeronautics and Space Technologies, 4(4), 75-82.
  2. Atasoy, G., Ertaymaz, U., Dikmen, I. ve Talat Birgonul, M. (2022). Empowering risk communication: Use of visualizations to describe project risks. Journal of Construction Engineering and Management, 148(5), 04022015. Doi: https://doi.org/10.1061/(ASCE)CO.1943-7862.0002265
  3. Beylihan, E. ve Elevli, S. (2023). Hata türü ve etkileri analizinde bulanık SWARA yönteminin kullanımı: Otomotiv sektörü örneği. Mühendislik Bilimleri ve Tasarım Dergisi, 11(1), 212-224. Doi: https://doi.org/10.21923/jesd.1085124
  4. Das, S., Banerjee, K., Nath, S. ve Chatterjee, S. (2023). Data visualization approach for business strategy recommendation using Power BI dashboard. International Journal of Latest Engineering Science, 6(5). Doi: https://doi.org/10.51386/25816659/ijles-v6i5p101
  5. Elevli, S. ve Behdioğlu, S. (2006). İstatistiksel proses kontrolü teknikleri ile kömür kalitesindeki değişkenliğin belirlenmesi. Bilimsel Madencilik Dergisi, 45(3), 19-26.
  6. Eppler, M. J. ve Aeschimann, M. (2009). A systematic framework for risk visualization in risk management and communication. Risk Management, 11(2), 67-89. Doi: https://doi.org/10.1057/rm.2009.4
  7. Gonçalves, C. T., Gonçalves, M. J. A. ve Campante, M. I. (2023). Developing integrated performance dashboards visualisations using Power BI as a platform. Information, 14(11), 614. Doi: https://doi.org/10.3390/info14110614
  8. Ilao, A., Raquiza, A. G., Canlapan, C. A., Pulgar, G. M., Vergara, J. G. ve Soriano, R. A. (2023). Use of integrated Microsoft 365 and Power Platform in the processing and monitoring of on-the-job training (OJT) program. 15th International Conference on Humanoid, Nanotechnology, Information Technology, Communication and Control, Environment, and Management (HNICEM), Philippines. Doi: https://doi.org/10.1109/HNICEM60674.2023.10589078
  9. Khaga, S. Y. (2025). Intelligent automation with Power Platform: Transforming Office 365 workflows with AI-powered solutions. Journal of Computer Science and Technology Studies, 7(4), 409-416. Doi: https://doi.org/10.32996/jcsts
  10. Liu, D., Xu, Z., Zhou, Y. ve Fan, C. (2019). Heat map visualisation of fire incidents based on transformed sigmoid risk model. Fire Safety Journal, 109, 102863. Doi: https://doi.org/10.1016/j.firesaf.2019.102863
  11. Liu, H. C., Chen, Y. Z., You, J. X. ve Li, H. (2016). Risk evaluation in failure mode and effects analysis using fuzzy digraph and matrix approach. Journal of Intelligent Manufacturing, 27(4), 805-816. Doi: https://doi.org/10.1007/s10845-014-0915-6
  12. Oluwatoyin, A. M., Misra, S., Wejin, J., Gautam, A., Behera, R. K. ve Ahuja, R. (2022). Customer churn prediction in banking industry using Power BI. Third International Conference on Computing, Communications, and Cyber-Security, Singapur.
  13. Öktem, B. (2019). Sürdürülebilirlik raporlamasında ölçüm parametreleri KPI’lar (temel performans göstergeleri): Bankacılık sektöründe analiz. Finansal Araştırmalar ve Çalışmalar Dergisi, 11(21), 247-263. Doi: https://doi.org/10.14784/marufacd.623405
  14. Pickard, K., Muller, P. ve Bertsche, B. (2005). Multiple failure mode and effects analysis—An approach to risk assessment of multiple failures with FMEA. The Annual Reliability and Maintainability Symposium, Alexandria, VA.
  15. Pröll, R. ve Weninger, M. (2025, September). SaaS observability on the Microsoft Power Platform and its performance impacts. The IEEE International Conference on Cloud Engineering (IC2E), Fransa.
  16. Sağlam, A. S. ve Çavdur, F. (2020). Portföy optimizasyonu için bir karar destek sistemi uygulaması. Uludağ Üniversitesi Mühendislik Fakültesi Dergisi, 25(3), 1345-1358. Doi: https://doi.org/10.17482/uumfd.532966
  17. Sufi, F. (2023). Algorithms in low-code-no-code for research applications: A practical review. Algorithms, 16(2), 108. Doi: https://doi.org/10.3390/a16020108
  18. Widjaja, S. ve Mauritsius, T. (2019). The development of performance dashboard visualization with Power BI as platform. International Journal of Mechanical Engineering and Technology, 10(5), 235-249.
  19. Xiao, N., Huang, H. Z., Li, Y., He, L. ve Jin, T. (2011). Multiple failure modes analysis and weighted risk priority number evaluation in FMEA. Engineering Failure Analysis, 18(4), 1162-1170.