COVID-19, hizmet sektöründe tedarik zinciri süreçlerin kolaylaştırılmasında ve işlem sürelerinin kısaltılmasında, dijital teknolojilerin hayati olduğunu ortaya çıkarmıştır. Süreçlerini dijitalleştirmiş hizmet işletmelerinin de operasyonlarını zamanında ve etkin bir şekilde tamamlaması mümkün olacaktır. Bu çalışmada bir sağlık kurumunun sipariş toplama sürecine ilişkin Artırılmış Gerçeklik (AG) destekli bir uygulama geliştirilmesi amaçlanmıştır. Sipariş toplama süresinin kısaltılması da çalışmanın ikincil amacıdır. AG aplikasyonu tasarımı için Adobe Aero kullanılmıştır. Grupları karşılaştırmak için bir aylık sürede toplanan 278 veri, Minitab 21 ortamında analiz edilmiştir. Sonuçlar göstermektedir ki geliştirilen AG uygulaması, sipariş toplama süreci için kullanılabilirdir. Diğer bir sonuç ise, AG uygulamasından sonra sipariş toplama süresinde anlamlı bir fark ölçülmüştür (p < 0,05, önceki ortalama: 0,64, sonraki ortalama: 0,45). Kutu grafiğinde özetlendiği gibi geleneksel yöntemin aksine, AG-destekli model ölçüm sonuçlarında verilerin daha homojen ve geniş bir aralıkta yayıldığı görülmektedir. Geliştirilen AG uygulaması, hizmet tedarik zincirinde sipariş toplama süresini kısaltmak için uygun bir araç olarak kullanılabilmektedir. AG destekli model, sipariş toplama süresinin azaltılmasında pozitif bir etkiye sahiptir.
Digital technologies play a critical role in streamlining the supply chain process and reducing operational time in service businesses, as demonstrated by the COVID-19 pandemic. Service providers may be able to do their tasks quickly and effectively if they digitize their processes. The goal of the project was to create an application that supported augmented reality (AR) for the order-picking process for a medical facility. Reducing order picking time is this study's secondary goal. Adobe Aero is used in the development of AR apps. Data for 278 observations during a month were analyzed in Minitab-21 using comparison groups. The order-picking process may be implemented using AR, according to the results, and there is a substantial difference in order-picking time after implementing the AR-supported model (p < 0,05; mean order-picking time before 0,64, after 0,45). In contrast to the traditional method, the box plot in the AR-supported model indicates that the data range is large and uniformly distributed. AR is a useful tool in the service supply chain for order picking. Order picking time is positively impacted by the AR-supported model.
Primary Language | English |
---|---|
Subjects | Business Systems in Context (Other) |
Journal Section | Research Articles |
Authors | |
Publication Date | December 28, 2023 |
Submission Date | November 13, 2023 |
Acceptance Date | December 18, 2023 |
Published in Issue | Year 2023 Volume: 10 Issue: 3 |
PIAR is licensed under a Creative Commons Attribution 4.0 International License.