DÖNGÜSEL EKONOMİ KAPSAMINDA ATIK MİKTARLARININ BULANIK MANTIK İLE HESAPLANMASI: TÜRKİYE ÖRNEĞİ

Öz

Bu çalışmada, Türkiye’deki 81 ilin ayrı ayrı yıllık atık miktarlarını belirlemek amacıyla yapay zeka destekli bir uygulama yapıldı. Bu uygulama için bulanık mantık temelli Fuzzy Matlab ara yüzü kullanıldı. Uygulamanın kullanılabilirliğini görmek için TÜİK tarafından belirlenen 2020 yılı toplam atık verileri kullanıldı. Atıkların sınıflandırılmasında Sanayi, Maden-Termik, Sağlık Kuruluşu ve Nüfus kriterleri göz önünde bulunduruldu. Bu sınıflandırma, TÜİK verilerinin bu kategoriler altında sınıflandırılmış olması nedeniyle tercih edilmiştir. Bu uygulama ile 81 ilden 2020 yılında toplanması gereken atık miktarı belirlendi. Böylece illere göre atık miktarını tahmin etmek ve atık yönetimi süreçlerinde verimliliği artırma amaçlandı. Elde edilen bulgular, yerel yönetimlerin ve ilgili paydaşların atık yönetimi stratejilerini iyileştirmelerine yönelik somut veriler sunarak, sıfır atık hedeflerine ulaşma yolunda daha etkin politikalar geliştirmelerine yardımcı olabilir. Yapay zekâ destekli atık yönetimi sistemlerinin kullanımının artırılması, yalnızca çevresel sürdürülebilirliği artırmakla kalmayacak, aynı zamanda atıkların ekonomiye kazandırılmasına da olanak sağlayacaktır. Sonuç olarak, bu tür araştırmalar, Türkiye’nin atık yönetiminde verimliliği artırırken, aynı zamanda sıfır atık hedefine ulaşma yolunda bir adım daha atılmasına katkı sağlayacaktır

Anahtar Kelimeler

• Bulanık Mantık
• Fuzzy Matlab Ara Yüzü
• Yapay Zeka
• Atık Miktarı
• Sıfır Atık
• Geri Dönüşüm.

CALCULATION OF WASTE QUANTITIES WITHIN THE SCOPE OF CIRCULAR ECONOMY WITH FUZZY LOGIC: THE CASE OF TURKEY

Öz

In this study, an artificial intelligence-supported application was developed to determine the annual waste quantities of 81 provinces in Turkey. Fuzzy Matlab interface based on fuzzy logic was used for this application. In order to see the usability of the application, the total waste data for 2020 determined by TurkStat was used. Industrial, Mining-Thermal, Health Institution and Population criteria were taken into consideration in the classification of waste. This classification was preferred as TurkStat data is classified under these categories. With this application, the amount of waste to be collected from 81 provinces in 2020 was determined. Thus, it was aimed to estimate the amount of waste by province and increase efficiency in waste management processes. The findings obtained can help local governments and relevant stakeholders develop more effective policies towards achieving zero waste targets by providing concrete data to improve waste management strategies. Increasing the use of AI-supported waste management systems will not only increase environmental sustainability, but will also allow waste to be recycled into the economy. As a result, such research will not only increase efficiency in Turkey's waste management, but also contribute to taking another step towards achieving the zero waste target.

Anahtar Kelimeler

• Fuzzy Logic
• Fuzzy Matlab Interface
• Artificial Intelligence
• Waste Amount
• Zero Waste
• Recycling.

Kaynakça

1. Abdallah, M., Talib, M. A., Feroz, S., Nasir, Q., Abdalla, H., & Mahfood, B. (2020). Artificial intelligence applications in solid waste management: A systematic research review. Waste Managemeænt, 109, 231-246.
2. Alfarra, F., Ozcan, H. K., Cihan, P., Ongen, A., Guvenc, S. Y., & Ciner, M. N. (2024). Artificial intelligence methods for modeling gasification of waste biomass: a review. Environmental Monitoring and Assessment, 196(3), 309.
3. Arputharaj, J. V., Varkey, J. M., Vagadia, R., & Ayyasamy, R. K. (2024). Leveraging Intelligent Systems and the AIoT/IIoT for Enhanced Waste Management and Recycling Efficiency. In Intelligent Systems and Industrial Internet of Things for Sustainable Development (pp. 266-291). Chapman and Hall/CRC.
4. Baki, O. G., & Ergun, O. N. (2021). Municipal Solid Waste Management: Circular Economy Evaluation in Turkey. Environmental Management and Sustainable Development, 10(2), 79-92.
5. Budak, Y., & Keçeci, M. (2024). Sıfır Atık ile Yeşil Dönüşüm: Türkiye'nin Geleceği İçin Çevre Dostu Kozmetik ve Temizlik Ürünleri. Gaziosmanpaşa Bilimsel Araştırma Dergisi, 13(3), 145-155.
6. Cakar, B., Aydin, S., Varank, G., & Ozcan, H. K. (2020). Assessment of environmental impact of FOOD waste in Turkey. Journal of Cleaner Production, 244, 118846.
7. Chen, J., Huang, S., BalaMurugan, S., & Tamizharasi, G. S. (2021). Artificial intelligence based e-waste management for environmental planning. Environmental Impact Assessment Review, 87, 106498.
8. Erdebilli, B., & Devrim-İçtenbaş, B. (2022). Ensemble voting regression based on machine learning for predicting medical waste: a case from Turkey. Mathematics, 10(14), 2466.

9. Ergün, Ü. R., & Ener, M. (2024). Demir Çelik Sektöründe Geri Dönüşüm Ekonometrisi: Türkiye Örneği. TroyAcademy, 9(2), 119-142.
10. Erkinay Ozdemir, M., Ali, Z., Subeshan, B., & Asmatulu, E. (2021). Applying machine learning approach in recycling. Journal of Material Cycles and Waste Management, 23, 855-871.
11. Dubois D, Prade H (1980) Fuzzy sets and systems: Theory and applications. Academic Press, New York Golafshani, E. M., Kim, T., Behnood, A., Ngo, T., & Kashani, A. (2024). Sustainable mix design of recycled aggregate concrete using artificial intelligence. Journal of Cleaner Production, 140994.
12. Kaplan, E., & Soyluk, A. (2024). Deprem Sonrası Atık Yönetimi: Atık Betonun Geri Dönüşümü ve Mimaride Kullanımı için Öneriler. Journal of Architectural Sciences and Applications, 9(Special Issue), 140-162.
13. Katrancıoğlu, S., Kılıç, H. S., Kalender, Z. T., & Uslu, Ç. (2024). Farklı kurumsal amaçlar altında bulanık ÇKKV tekniklerine dayalı en iyi geri kazanım opsiyonunun belirlenmesi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 39(3), 1849-1864.
14. Kocak, I., Eke, C. A. N. E. L., Buyuk, B., Kamislioglu, M., & Ozaydin Ozkara, R. (2024). Determination of natural radioactivity level of boron waste deposits in Bandirma, Balikesir, Turkey. International Journal of Environmental Science and Technology, 21(1), 845-856.
15. Kuok, F., Monyrath, B., & Promentilla, M. A. B. (2023). AI Application to Pollution Reduction and Waste Management Toward Net Zero: A Systematic Review. Chemical Engineering Transactions, 103, 499-504.
16. Kurniawan, T. A., Othman, M. H. D., Liang, X., Goh, H. H., Gikas, P., Kusworo, T. D., ... & Chew, K. W. (2023).
17. Decarbonization in waste recycling industry using digitalization to promote net-zero emissions and its implications on sustainability. Journal of environmental management, 338, 117765.
18. Kutlu, G. (2024). Mutfakta Sıfır Atık Yaklaşımıyla Sirke ve Turşu Üretimi Üzerine Bir Derleme. Gastro-World, (4), 10-25.
19. Lanzalonga, F., Marseglia, R., Irace, A., & Biancone, P. P. (2024). The application of artificial intelligence in waste management: understanding the potential of data-driven approaches for the circular economy paradigm. Management Decision.
20. Maden Tetkik Arama Genel Müdürlüğü, İl Maden Potansiyelleri. (https://www.mta.gov.tr/v3.0/bilgi-merkezi/il-maden-potansiyelleri : Erişim: 03.06.2024)
21. Maliye ve Sosyal Politikalar Müdürlüğü, Ekonomik Rapor 2020. (https://tobb.org.tr/MaliveSosyalPolitikalar/Sayfalar/EkonomikRapor.php : Erişim:03.06.2021)
22. Mathworks, 2021. (https://www.mathworks.com/ : Erişim 03.06.2021)
23. Oğuz, P. (2021). Machine learning approaches for municipal solid waste generation forecasting. Environmental Engineering Science, 38(6), 489-499.
24. Özbakır Umut, M., & Nurtanış Velioğlu, M. (2024). A recycling story: Developing recycling behavior in Turkey with social marketing program. Journal of Public Affairs, 24(1), e2900.
25. Özer, B., & Yay, A. S. E. (2021). Comparative life cycle analysis of municipal waste management systems: Kırklareli/Turkey case study. Environmental Science and Pollution Research, 28(45), 63867-63877.
26. Qi, C., Hu, T., Zheng, J., Li, K., Zhou, N., Zhou, M., & Chen, Q. (2024). Artificial intelligence-based prediction model for the elemental occurrence form of tailings and mine wastes. Environmental Research, 118378.
27. Qi, Y. (2024). Incorporation of artificial intelligence toward carbon footprint management in hotels to create sustainable, green hotel: Mini review. Tourism Management and Technology Economy, 7(1), 51-55.
28. Shennib, F., & Schmitt, K. (2021, October). Data-driven technologies and artificial intelligence in circular economy and waste management systems: a review. In 2021 IEEE International Symposium on Technology and Society (ISTAS) (pp. 1-5). IEEE.
29. Sıfır Atık, 2019. (https://sifiratik.gov.tr/ :Erişim: 27.01.2025)
30. Tuğaç, Ç. (2025). Türkiye’de Konut Hakkının Gerçekleştirilmesinde Yenilikçi Bir Çözüm: Yeşil Konutlar. İnsan ve İnsan, 12(39), 91-110.
31. Türkten, H., & Ceyhan, V. (2024). Trade-off recycling the organic wastes generated in tomatoes production under greenhouses with soilless agricultural technology in Turkey. International Journal of Environmental Science and Technology, 1-14.
32. TÜİK, Atık İstatislikleri 2020a. (https://data.tuik.gov.tr/Bulten/Index?p=Atik-Istatistikleri-2020-37198 : Erişim: 03.06.2021)
33. TÜİK, Yıllara Göre İl Nüfusları 2020b. (https://data.tuik.gov.tr/Bulten/Index?p=Adrese-Dayali-Nufus-Kayit-Sistemi-Sonuclari-2020-37210 : Erişim: 03.06.2021)
34. Türkiye Cumhuriyeti Sağlık Bakanlığı, Sağlık İstatislikleri Yıllığı 2020. (https://www.saglik.gov.tr/TR-84930/saglik-istatistikleri-yilliklari.html : Erişim: 03.06.2021)
35. Udupi, P. K., Jose, M., & Ullah, A. (2024). AI-Enabled Smart City Waste Management System. In Handbook of Artificial Intelligence for Smart City Development (pp. 76-99). CRC Press.
36. Ülgüdür, N., Aydemir, M., & Malkoç, E. (2024). Bir Kamu Kurumunda Sıfır Atık Yönetim Sistemi Uygulamasının Değerlendirilmesi. Journal of the Institute of Science and Technology, 14(1), 125-139.
37. Wilts, H., Garcia, B. R., Garlito, R. G., Gómez, L. S., & Prieto, E. G. (2021). Artificial intelligence in the sorting of municipal waste as an enabler of the circular economy. Resources, 10(4), 28.
38. Yu, K. H., Zhang, Y., Li, D., Montenegro-Marin, C. E., & Kumar, P. M. (2021). Environmental planning based on reduce, reuse, recycle and recover using artificial intelligence. Environmental Impact Assessment Review, 86, 106492.
39. Yu, Y., & Grammenos, R. (2021). Towards artificially intelligent recycling Improving image processing for waste classification. arXiv preprint arXiv:2108.06274.
40. Zadeh, L.,1965, Fuzzy Sets, Inform and Control, 8, 338-353