Araştırma Makalesi
BibTex RIS Kaynak Göster

Evaluation of artificial intelligence technology success factors for an effective supply chain using interval-valued intuitionistic fuzzy AHP method

Yıl 2026, Sayı: Advanced Online Publication, 99 - 125, 30.01.2026

Gülçin Büyüközkan , Celal Alpay Havle

https://doi.org/10.33707/akuiibfd.1689304
https://izlik.org/JA37KP55UT

Öz

The increasing complexity of supply chains in today's globalizing world has increased the importance of effective supply chain management. Consequently, businesses increasingly rely on new technologies to maintain flexibility, efficiency, and competitiveness. In this context, artificial intelligence (AI) technologies have the potential to offer significant opportunities at many critical junctures in supply chain management. The valuable contributions AI algorithms make to effective supply chains in areas such as supplier relationships, logistics planning, inventory management, demand forecasting, and fast and accurate decision-making demonstrate the strategic importance of this technology. However, harnessing the potential of AI technology in supply chain management requires overcoming several challenges, including technical infrastructure, human resource adequacy, data integrity, and security. In this perspective, this study is motivated by the need to identify the critical factors that will enable businesses to overcome these challenges and maximize the effectiveness of AI technologies. Therefore, this study aims to identify, model, and systematically and strategically analyze the key factors affecting the success of integrating AI into the supply chain for an effective supply chain. To this end, a model consisting of four main dimensions and 16 criteria is proposed based on a literature review and expert opinions based on Delphi method. To test the applicability and validity of the proposed model, an application was conducted using a case study in Turkey. The Analytic Hierarchy Process (AHP), one of the multi-criteria decision-making (MCDM) techniques, was used in this application. To overcome the uncertainty, intuition, and hesitancy due to human perception inherent in real- life decision-making processes, the AHP method was extended to interval-valued intuitionistic fuzzy (IVIF) sets. The analysis conducted reveals that elements such as “Strategic Vision”, “Quality of Algorithms” and “Data Security and Compatibility” are of critical importance for effective supply chain management.

Anahtar Kelimeler

Analytic hierarchy process Artificial intelligence success factors Delphi method Effective supply chain Interval-valued intuitionistic fuzzy sets

Destekleyen Kurum

Galatasaray Üniversitesi

Proje Numarası

FOA-2023-1181

Teşekkür

The authors acknowledge with sincere appreciation to the experts for their valuable support and collaboration.

Kaynakça

  • Abaku, E.A., Edunjobi, T.E., & Odimarha, A.C. (2024). Theoretical approaches to AI in supply chain optimization: Pathways to efficiency and resilience. International Journal of Science and Technology Research Archive, 6(1), 092-107. https://doi.org/10.53771/ijstra.2024.6.1.0033
  • Abdullah, L., & Najib, L. (2016). A new preference scale MCDM method based on interval-valued intuitionistic fuzzy sets and the analytic hierarchy process. Soft Computing, 20(2), 511-523. https://doi.org/10.1007/s00500-014-1519-y
  • Aka, D. Ç. (2025). Industry 5.0 Challenges: Analyzing with Interval-Valued Intuitionistic Fuzzy AHP. Gümüşhane Üniversitesi Sosyal Bilimler Dergisi, 16(2), 491-510.
  • Akter, S., Michael, K., Uddin, M. R., McCarthy, G., & Rahman, M. (2022). Transforming business using digital innovations: The application of AI, blockchain, cloud and data analytics. Annals of Operations Research, 1-33. https://doi.org/10.1007/s10479-020-03620-w
  • Al Hleewa, S.O., & Al Mubarak, M. (2023). Success Factors of Using Artificial Intelligence. In: Al Mubarak, M., Hamdan, A. (eds) Technological Sustainability and Business Competitive Advantage. Internet of Things. Springer, Cham. https://doi.org/10.1007/978-3-031-35525-7_11
  • Al-Bayed, M. H., Hilles, M., Haddad, I., Al-Masawabe, M. M., Alhabbash, M. I., Abu-Nasser, B. S., & Abu-Naser, S. S. (2024). AI in leadership: Transforming decision-making and strategic vision. International Journal of Acadmeic Pedagogical Research, 8(9), 1-7.
  • Arora, A., Gupta, S., Devi, C., & Walia, N. (2023). Customer experiences in the era of artificial intelligence (AI) in context to FinTech: a fuzzy AHP approach. Benchmarking: An International Journal, 30(10), 4342-4369. https://doi.org/10.1108/BIJ-10-2021-0621
  • Atanassov, K.T. (1999). Interval Valued Intuitionistic Fuzzy Sets. In: Intuitionistic Fuzzy Sets. Studies in Fuzziness and Soft Computing, vol 35. Physica, Heidelberg. https://doi.org/10.1007/978-3-7908-1870-3_2
  • Ayinla, B. S., Amoo, O. O., Atadoga, A., Abrahams, T. O., Osasona, F., & Farayola, O. A. (2024). Ethical AI in practice: Balancing technological advancements with human values. International Journal of Science and Research Archive, 11(1), 1311-1326. https://doi.org/10.30574/ijsra.2024.11.1.0218
  • Ayyildiz, E., & Taskin Gumus, A. (2021). Pythagorean fuzzy AHP based risk assessment methodology for hazardous material transportation: an application in Istanbul. Environmental Science and Pollution Research, 28(27), 35798-35810. https://doi.org/10.1007/s11356-021-13223-y
  • Beta, K., Nagaraj, S.S., & Weerasinghe, T.D. (2025). The role of artificial intelligence on supply chain resilience. Journal of Enterprise Information Management, 38(3), 950-973. https://doi.org/10.1108/JEIM-12-2023-0674
  • Bosch (2022). Role of artificial intelligence in transforming global supply chains. https://www.bosch- softwaretechnologies.com/media/documents/downloads/2022_1/role_of_artificial_intelligence_in_transfo rming_global_supply_chains.pdf [Last Access: 23 August 2025].
  • Bozkurt, M., Saylam, S., Saylam, R., & Gündoğdu, F.K. (2025). Risk Assessment of Artificial Intelligence Support in Command and Control Cycle Using Spherical Fuzzy Z-Number Best-Worst Decision-Making Method. In: Kahraman, C., et al. Intelligent and Fuzzy Systems. INFUS 2025. Lecture Notes in Networks and Systems, vol 1529. Springer, Cham. https://doi.org/10.1007/978-3-031-97992-7_83
  • Brandon‐Jones, E., Squire, B., Autry, C.W., & Petersen, K.J. (2014). A contingent resource‐based perspective of supply chain resilience and robustness. Journal of supply chain management, 50(3), 55-73. https://doi.org/10.1111/jscm.12050
  • Brunelli, M. (2015). Introduction to the Analytic Hierarchy Process. SpringerBriefs in Operations Research. P. 83. 978-3-319-12502-2 (electronic). https://doi.org/10.1007/978-3-319-12502-2
  • Buran, B., & Erçek, M. (2022). Public transportation business model evaluation with Spherical and Intuitionistic Fuzzy AHP and sensitivity analysis. Expert Systems with Applications, 204, 117519. https://doi.org/10.1016/j.eswa.2022.117519
  • Büyüközkan, G., Göçer, F., & Feyzioğlu, O. (2018). Cloud computing technology selection based on interval- valued intuitionistic fuzzy MCDM methods. Soft Computing, 22(15), 5091-5114. https://doi.org/10.1007/s00500- 018-3317-4
  • Büyüközkan, G., Havle, C.A., & Feyzioğlu, O. (2025). Strategic Analysis of Digital Service Quality in Digital Transformation of Healthcare Using Intuitionistic Fuzzy AHP. In: Kahraman, C., et al. Intelligent and Fuzzy Systems. INFUS 2025. Lecture Notes in Networks and Systems, vol 1530. Springer, Cham. https://doi.org/10.1007/978-3-031-98565-2_50
  • Cannas, V.G., Ciano, M. P., Saltalamacchia, M., & Secchi, R. (2024). Artificial intelligence in supply chain and operations management: multiple case study research. International Journal of Production Research, 62(9), 3333-3360. https://doi.org/10.1080/00207543.2023.2232050
  • Charles, V., Emrouznejad, A. & Gherman, T. A. (2023). Critical analysis of the integration of blockchain and artificial intelligence for supply chain. Ann Oper Res 327, 7–47. https://doi.org/10.1007/s10479-023-05169-w
  • Chaudhari, N.C. (2022). Role of artificial intelligence in supply chain management. BOHR International Journal of Internet of Things, Artificial Intelligence and Machine Learning, 1(1), 52–55. https://doi.org/10.54646/bijiam.2022.08
  • Chukwu, N., Yufenyuy, S., Ejiofor, E., Ekweli, D., Ogunleye, O., Clement, T., ... & Obunadike, C. (2024). Resilient chain: AI-enhanced supply chain security and efficiency integration. International Journal of Scientific and Management Research, 7(03), 46-65. http://doi.org/10.37502/IJSMR.2024.7306
  • Cooper, M. (2025). Barriers to AI Adoption in Supply Chain Management: Perspectives from Industry Leaders. Preprints. https://www.preprints.org/frontend/manuscript/c5f8c1353097f4070e798eaa47e81bc7/download_pub [Last Access: 23 August 2025]. https://doi.org/10.20944/preprints202504.0581.v1
  • Couper, W., Gazzane, S., Heaton, J., Vieira, J.A., Williams, N. (2025). Blueprint for intelligent economies: AI competitiveness through regional collaboration. Whitepaper published by AI Governance Alliance in collaboration with KPMG. World Economic Forum. https://reports.weforum.org/docs/WEF_A_Blueprint_for_Intelligent_Economies_2025.pdf [Last Access: 23 August 2025].
  • Culot, G., Podrecca, M., & Nassimbeni, G. (2024). Artificial intelligence in supply chain management: A systematic literature review of empirical studies and research directions. Computers in industry, 162, 104132. https://doi.org/10.1016/j.compind.2024.104132
  • Dagar, A. (2023). Role of AI in supply chain management. Journal of Emerging Technologies and Innovative Research, 10(6), 970-977. https://www.jetir.org/papers/JETIR2306428.pdf [Last Access: 23 August 2025].
  • Daios, A., Kladovasilakis, N., Kelemis, A., & Kostavelis, I. (2025). AI applications in supply chain management: A survey. Applied Sciences, 15(5), 2775. https://doi.org/10.3390/app15052775
  • Dalkey, N., & Helmer, O. (1963). An experimental application of the Delphi method to the use of experts. Management science, 9(3), 458-467.
  • Demigha, S. (2020). The impact of Big Data on AI. In 2020 International Conference on Computational Science and Computational Intelligence (CSCI) (pp. 1395-1400). IEEE. 10.1109/CSCI51800.2020.00259
  • Dora, M., Kumar, A., Mangla, S.K., Pant, A., & Kamal, M.M. (2022). Critical success factors influencing artificial intelligence adoption in food supply chains. International Journal of Production Research, 60(14), 4621-4640. https://doi.org/10.1080/00207543.2021.1959665
  • Enrique, D.V., Lerman, L.V., de Sousa, P.R., Benitez, G.B., Santos, F.M.B.C., & Frank, A.G. (2022). Being digital and flexible to navigate the storm: How digital transformation enhances supply chain flexibility in turbulent environments. International Journal of Production Economics, 250, 108668. https://doi.org/10.1016/j.ijpe.2022.108668
  • Eyo-Udo, N. (2024). Leveraging artificial intelligence for enhanced supply chain optimization. Open Access Research Journal of Multidisciplinary Studies, 7(2), 001-015. https://doi.org/10.53022/oarjms.2024.7.2.0044
  • Felzmann, H., Fosch-Villaronga, E., Lutz, C., & Tamò-Larrieux, A. (2020). Towards transparency by design for artificial intelligence. Science and engineering ethics, 26(6), 3333-3361. https://doi.org/10.1007/s11948-020- 00276-4
  • Folorunso, A., Adewumi, T., Adewa, A., Okonkwo, R., & Olawumi, T. N. (2024). Impact of AI on cybersecurity and security compliance. Global Journal of Engineering and Technology Advances, 21(01), 167-184. https://doi.org/10.30574/gjeta.2024.21.1.0193
  • Gaikwad, M. P. P. (2024). Integration of artificial intelligence in supply chain management: Challenges and opportunities. Migration Letters, 21(S4), 989-999.
  • Goswami, S. S., Mondal, S., Sarkar, S., Gupta, K. K., Sahoo, S. K., & Halder, R. (2025). Artificial intelligence-enabled supply chain management: Unlocking new opportunities and challenges. In Artificial Intelligence and Applications (Vol. 3, No. 1, pp. 110-121). https://doi.org/10.47852/bonviewAIA42021814
  • Gündoğdu, F.K., Duleba, S., Moslem, S., & Aydın, S. (2021). Evaluating public transport service quality using picture fuzzy analytic hierarchy process and linear assignment model. Applied Soft Computing, 100, 106920. https://doi.org/10.1016/j.asoc.2020.106920
  • Havle, C.A., & Büyüközkan, G. Evaluation of Artificial Intelligence Requirements in Aviation Industry using Fuzzy Cognitive Map Approach. 9th North American Conference on Industrial Engineering and Operations Management Washington D.C., USA, June 4-6, 2024. https://doi.org/10.46254/NA09.20240240
  • Havle, C.A., & İlhan, C. (2025). Analyzing the Requirements for Transitioning to Sustainable Aviation Fuels Using the Spherical Fuzzy AHP Method. In: Kahraman, C., et al. Intelligent and Fuzzy Systems. INFUS 2025. Lecture Notes in Networks and Systems, vol 1528. Springer, Cham. https://doi.org/10.1007/978-3-031-97985-9_36
  • Helo, P., & Hao, Y. (2022). Artificial intelligence in operations management and supply chain management: An exploratory case study. Production Planning & Control, 33(16), 1573-1590. https://doi.org/10.1080/09537287.2021.1882690
  • Hoff, S., Hahn, A., Funk, B., & Dziwisch, A. (2021). Boosting AI in supply chains. Guide to unlock new potential and competitive advantages. Production and Logistics, Porsche Consulting. https://www.porsche- consulting.com/sites/default/files/2023- 04/boosting_ai_in_supply_chains_c_porsche_consulting_2021.pdf [Last Access: 23 August 2025].
  • Howells, J. (2020). From data governance to AI governance: Pillars and Pitfalls. Published by Capgemini and data iku. https://www.capgemini.com/gb-en/wp-content/uploads/sites/3/2020/07/Data_to_AI_Governance.pdf [Last Access: 23 August 2025].
  • Joshi, R., Banwet, D. K., & Shankar, R. (2011). A Delphi-AHP-TOPSIS based benchmarking framework for performance improvement of a cold chain. Expert Systems with Applications, 38(8), 10170-10182. https://doi.org/10.1016/j.eswa.2011.02.072
  • Jubair, H. (2025). The Integration of Artificial Intelligence in Supply Chain Management: A Comprehensive Review. ORGANIZE: Journal of Economics, Management and Finance, 4(1), 80-91. https://doi.org/10.58355/organize.v4i1.153
  • Khadem, M., Khadem, A., & Khadem, S. (2023). Application of artificial intelligence in supply chain revolutionizing efficiency and optimization. International journal of industrial engineering and operational research, 5(1), 29-38. https://doi.org/10.22034/ijieor.v5i1.34
  • Kokoç, M., & Ersöz, S. (2021). A literature review of interval-valued intuitionistic fuzzy multi-criteria decision- making methodologies. Operations research and decisions, 31(4), 89-116. DOI: 10.37190/ord210405
  • Kumar, A., Mani, V., Jain, V., Gupta, H., & Venkatesh, V.G. (2023). Managing healthcare supply chain through artificial intelligence (AI): A study of critical success factors. Computers & Industrial Engineering, 175, 108815. https://doi.org/10.1016/j.cie.2022.108815
  • Kumar, N., Tyagi, M., & Sachdeva, A. (2022). Risk factor appraisal in cold supply chain performance system through Delphi based hybrid MCDM approach. Optimization of Industrial Systems, 31-44. https://doi.org/10.1002/9781119755074.ch3
  • Kumar, R. (2025). A Comprehensive Review of MCDM Methods, Applications, and Emerging Trends. Decision Making Advances, 3(1), 185-199. https://doi.org/10.31181/dma31202569
  • Lagunas, J., & Riedl, P.A. (2022). Scaling AI in the supply chain. The next step toward intelligent, self-driving supply chains. Published by Accenture. https://www.accenture.com/content/dam/accenture/final/a-com- migration/manual/r3/pdf/Accenture-Scaling-AI-In-The-Supply-Chain.pdf [Last Access: 23 August 2025].
  • Lemos, S.I., Ferreira, F.A., Zopounidis, C., Galariotis, E., & Ferreira, N.C. (2022). Artificial intelligence and change management in small and medium-sized enterprises: an analysis of dynamics within adaptation initiatives. Annals of Operations Research, 1-27. https://doi.org/10.1007/s10479-022-05159-4
  • Leuba, V., & Piricz, N. (2024, November). AI Adoption in Healthcare: Addressing Challenges and Change Management. In 2024 IEEE 24th International Symposium on Computational Intelligence and Informatics (CINTI) (pp. 1-6). IEEE. Doi: 10.1109/CINTI63048.2024.10830852
  • Malhotra, G., & Kharub, M. (2025). Elevating logistics performance: harnessing the power of artificial intelligence in e-commerce. The International Journal of Logistics Management, 36(1), 290-321. https://doi.org/10.1108/IJLM-01-2024-0046
  • Mary, B.J. (2025). The Synergistic Role of Cross-Functional Collaboration and AI-Powered Forecasting in Enhancing Supply Chain Agility, Responsiveness, and Strategic Resilience.
  • McKinsey & Company (2019). Global AI survey: AI proves its worth, but few scale impact. https://www.mckinsey.com/featured-insights/artificial-intelligence/global-ai-survey-ai-proves-its-worth- but-few-scale-impact#/ [Last Access: 23 August 2025].
  • Merhi, M. I. (2023). An evaluation of the critical success factors impacting artificial intelligence implementation. International Journal of Information Management, 69, 102545. https://doi.org/10.1016/j.ijinfomgt.2022.102545
  • Modgil, S., Gupta, S., Stekelorum, R., & Laguir, I. (2022). AI technologies and their impact on supply chain resilience during COVID-19. International Journal of Physical Distribution & Logistics Management, 52(2), 130- 149. https://doi.org/10.1108/IJPDLM-12-2020-0434
  • Muehlemann, S. (2024). AI Adoption and Workplace Training. Available at SSRN 4990293. Published by IZA Institute of Labor Economics. https://docs.iza.org/dp17367.pdf [Last Access: 23 August 2025]. 10.7803/371.1119.1.2.10
  • Muthukalyani, A. R. (2023). Analyzing the adoption and influence of AI in retail supply chain operations. International Journal of Artifical Intelligence Research and Development, 1(01), 43-51.
  • Naidu, G., Narkhede, U., Shahare, P., Wankhede, P., Deshkar, R., & Gudadhe, A. (2024, November). Ethical Considerations in AI-Driven Supply Chain Management: A Review of Emerging Trends and Challenges. In 2024 2nd DMIHER International Conference on Artificial Intelligence in Healthcare, Education and Industry (IDICAIEI) (pp. 1-7). IEEE. 10.1109/IDICAIEI61867.2024.10842944
  • Nguyen, T.M.H., Nguyen, V.P., & Nguyen, D.T. (2024). A new hybrid Pythagorean fuzzy AHP and COCOSO MCDM based approach by adopting artificial intelligence technologies. Journal of experimental & theoretical artificial intelligence, 36(7), 1279-1305. https://doi.org/10.1080/0952813X.2022.2143908
  • Norris-Green, M., & Maxwell, G. (2022). Effective cross-functional collaboration in a changing world of work. Report published by Chartered Institute of Personnel and Development (CIPD). https://www.cipd.org/globalassets/media/knowledge/knowledge-hub/reports/effective-cross-functional- collaboration-report-2_tcm18-105009.pdf [Last Access: 23 August 2025].
  • Odilov, S. (14 July 2024). AI leadership: why AI is every leader’s responsibility? Newsletter published by Forbes. https://www.forbes.com/sites/sherzododilov/2024/07/14/ai-leadership-why-ai-is-every-leaders- responsibility/ [Last Access: 23 August 2025].
  • Özkan, B., Dengiz, O., Alaboz, P., & Kaya, N.S. (2023). A new hybrid approach to assessing soil quality using neutrosophic fuzzy-AHP and support vector machine algorithm in sub-humid ecosystem. Journal of Mountain Science, 20(11), 3186-3202. https://doi.org/10.1007/s11629-022-7749-z
  • Pal, S. (2023). Integrating AI in sustainable supply chain management: A new paradigm for enhanced transparency and sustainability. International Journal for Research in Applied Science and Engineering Technology, 11(6), 2979-2984. https://doi.org/10.22214/ijraset.2023.54139
  • Pournader, M., Ghaderi, H., Hassanzadegan, A., & Fahimnia, B. (2021). Artificial intelligence applications in supply chain management. International Journal of Production Economics, 241, 108250. https://doi.org/10.1016/j.ijpe.2021.108250
  • Raweewan, M. and Ferrell, W.G. Jr (2018), “Information sharing in supply chain collaboration”, Computers and Industrial Engineering, Vol. 126, pp. 269-281, doi: 10.1016/j.cie.2018.09.042.
  • Saaty, R.W. (1987). The analytic hierarchy process—what it is and how it is used. Mathematical Modelling, 9(3- 5), 161-176. https://doi.org/10.1016/0270-0255(87)90473-8
  • Saaty, T.L. (1977). A scaling method for priorities in hierarchical structures. Journal of Mathematical Psychology, 15(3), 234-281. https://doi.org/10.1016/0022-2496(77)90033-5
  • Saaty, T.L. (1990). How to make a decision: the analytic hierarchy process. European Journal of Operational Research, 48(1), 9-26. https://doi.org/10.1016/0377-2217(90)90057-I
  • Saini, B. (2024). What is data integration? Definition, types, uses cases, and challenges. Published by Alation on Septemner 25. https://www.alation.com/blog/what-is-data-integration-types-use-cases-challenges/ [Last Access: 23 August 2025].
  • Samuels, A. (2025). Examining the integration of artificial intelligence in supply chain management from Industry 4.0 to 6.0: a systematic literature review. Frontiers in artificial intelligence, 7, 1477044. https://doi.org/10.3389/frai.2024.1477044
  • Sato, Y., & Tan, K. H. (2023). Inconsistency indices in pairwise comparisons: an improvement of the Consistency Index. Annals of Operations Research, 326(2), 809-830. https://doi.org/10.1007/s10479-021-04431- 3
  • Schrage, M., Kiron, D., Candelon, F., Khodabandeh, S., & Chu, M. (, 2024). The future of strategic measurement: enhancing KPIs with AI. Big Ideas Research Report Published by MITSloan Management Review in collaboration with Boston Consulting Group. https://web- assets.bcg.com/54/43/28953bcd41d99e7dd354f5517e13/the-future-of-strategic-measurement-enhancing- kpis-with-ai.pdf [Last Access: 23 August 2025].
  • Shahzadi, G., Jia, F., Chen, L., & John, A. (2024). AI adoption in supply chain management: A systematic literature review. Journal of Manufacturing Technology Management, 35(6), 1125-1150. https://doi.org/10.1108/JMTM-09-2023-0431
  • Sharma, R., Shishodia, A., Gunasekaran, A., Min, H., and Munim, Z. H. (2022). The role of artificial intelligence in supply chain management: mapping the territory. International Journal of Production Research, 60(24), 7527-7550. https://doi.org/10.1080/00207543.2022.2029611
  • Shiraishi, S., Obata, T. Calculating Maximum Eigenvalues in Pairwise Comparison Matrices for the Analytic Hierarchy Process. Operations Resesearch. Forum 6, 10 (2025). https://doi.org/10.1007/s43069-024-00412-x
  • Skulmoski, G.J., Hartman, F.T., & Krahn, J. (2007). The Delphi method for graduate research. Journal of Information Technology Education: Research, 6(1), 1-21.
  • Štreimikienė, D., Bathaei, A., & Streimikis, J. (2025). Enhancing Sustainable Global Supply Chain Performance: A Multi-Criteria Decision-Making-Based Approach to Industry 4.0 and AI Integration. Sustainability, 17(10), 4453. https://doi.org/10.3390/su17104453
  • Sudarshan, P. (2025). Globalization’s Impact On Current Global Trends In Logistics And Supply Chain Management. Journal of Business and Management, 27(3), 34-40. 10.9790/487X-2704033440
  • Sustainability Directory (2025). Transparency of AI in Supply Chain Sustainability. https://prism.sustainability- directory.com/scenario/transparency-of-ai-in-supply-chain-sustainability/ [Last Access: 23 August 2025].
  • Vummadi, J., & Hajarath, K. (2024). Integration of Emerging Technologies AI and ML into Strategic Supply Chain Planning Processes to Enhance Decision-Making and Agility. International Journal of Supply Chain Management, 9(2), 77–87. https://doi.org/10.47604/ijscm.2547
  • Wang, C., Yang, Z., Li, Z.S., Damian, D., & Lo, D. (2024). Quality assurance for artificial intelligence: A study of industrial concerns, challenges and best practices. arXiv preprint arXiv:2402.16391. https://doi.org/10.48550/arXiv.2402.16391
  • Wang, K., Ying, Z., Goswami, S.S., Yin, Y., & Zhao, Y. (2023). Investigating the role of artificial intelligence technologies in the construction industry using a Delphi-ANP-TOPSIS hybrid MCDM concept under a fuzzy environment. Sustainability, 15(15), 11848. https://doi.org/10.3390/su151511848
  • Wang, W., Chen, Y., Wang, Y., Deveci, M., Cheng, S., & Brito-Parada, P. R. (2024). A decision support framework for humanitarian supply chain management–Analysing enablers of AI-HI integration using a complex spherical fuzzy DEMATEL-MARCOS method. Technological Forecasting and Social Change, 206, 123556. https://doi.org/10.1016/j.techfore.2024.123556
  • Weisz, E., Herold, D.M., Ostern, N.K., Payne, R., & Kummer, S. (2025). Artificial intelligence (AI) for supply chain collaboration: implications on information sharing and trust. Online Information Review, 49(1), 164-181. https://doi.org/10.1108/OIR-02-2024-0083
  • Wu, H., Liu, J., & Liang, B. (2024). AI-driven supply chain transformation in Industry 5.0: Enhancing resilience and sustainability. Journal of the Knowledge Economy, 1-43. https://doi.org/10.1007/s13132-024-01999-6
  • Yerra, S. (2023). The Impact of AI-Driven Data Cleansing on Supply Chain Data Accuracy and Master Data Management. Stochastic Modelling and Computational Sciences, 4(1), 192-199.
  • Yildirim, A.K., Kavus, B.Y., Karaca, T.K., Bozbey, İ., & Taskin, A. (2024). A novel seismic vulnerability assessment for the urban roadway by using interval valued fermatean fuzzy analytical hierarchy process. Natural Hazards, 120(15), 13811-13834. https://doi.org/10.1007/s11069-024-06748-1
  • Yue, Z. (2011). Deriving decision maker’s weights based on distance measure for interval-valued intuitionistic fuzzy group decision making. Expert Systems with Applications, 38(9), 11665-11670. https://doi.org/10.1016/j.eswa.2011.03.046
  • Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8(3), 338-353. https://doi.org/10.1016/S0019- 9958(65)90241-X
  • Ziegler, M., Rossman, S., Steer, A., & Danzer, S. (2019). Leading the way to an AI-driven organization. Porsche Consulting. https://www.porsche-consulting.com/sites/default/files/2023-04/leading_the_way_to_an_ai- driven_organization_2019_c_porsche_consulting-v2.pdf [Last Access: 23 August 2025].

Aralık değerli sezgisel bulanık AHS yöntemi kullanılarak etkin tedarik zinciri için yapay zekâ teknolojisi başarı faktörlerinin değerlendirilmesi

Yıl 2026, Sayı: Advanced Online Publication, 99 - 125, 30.01.2026

Gülçin Büyüközkan , Celal Alpay Havle

https://doi.org/10.33707/akuiibfd.1689304
https://izlik.org/JA37KP55UT

Öz

Günümüzde küreselleşen dünyada tedarik zincirlerinin giderek karmaşık hale gelmesi, etkin tedarik zinciri yönetiminin önemini artırmıştır. Bu sebeple, işletmeler esneklik, verimlilik ve rekabet güçlerini devam ettirebilmek için yeni teknolojilere daha fazla ihtiyaç duymaya başlamıştır. Bu bağlamda, yapay zekâ (YZ) teknolojileri, tedarik zinciri yönetiminde kritik birçok noktada önemli fırsatlar sunma potansiyeline sahiptir. YZ algoritmalarının etkin tedarik zinciri açısından; tedarikçi ilişkileri, lojistik planlama, envanter yönetimi, talep tahmini, hızlı ve doğru karar verme gibi alanlarda sağladığı değerli katkılar, bu teknolojinin stratejik önemini ortaya koymaktadır. Ancak, YZ teknolojisinin tedarik zinciri yönetimindeki potansiyelinden faydalanmak; teknik altyapı, insan kaynakları yeterliliği, veri bütünlüğü ve güvenliği gibi bazı zorlukların üstesinden gelmeyi gerektirmektedir. Bu bakış açısıyla, bu çalışmanın motivasyonu; işletmelerin pek çok zorluğun üstesinden gelebilmesi ve YZ teknolojilerinden en yüksek verimi elde edebilmesi için hangi faktörlerin kritik olduğunu belirleme ihtiyacıdır. Bu sebeple, bu çalışmada etkin tedarik zinciri için YZ’nin tedarik zincirine entegrasyonunda başarıyı etkileyen temel faktörlerin belirlenmesi, modellenmesi, sistematik ve stratejik olarak analiz edilmesi amaçlanmıştır. Bu amaç doğrultusunda, literatür taraması ve Delphi tekniğine dayalı uzman görüşlerine dayalı olarak 4 ana boyut ve 16 kriterden oluşan bir model önerilmiştir. Önerilen modelin uygulanabilirliğini ve geçerliliğini test etmek amacıyla, Türkiye’de örnek bir olay üzerinden bir uygulama gerçekleştirilmiştir. Bu uygulamada, yöntem olarak çok kriterli karar verme (ÇKKV) tekniklerinden biri olan Analitik Hiyerarşi Süreci (AHS) kullanılmıştır. Gerçek hayattaki karar verme süreçlerinin içerdiği insan algısından kaynaklanan belirsizlik, sezgisellik ve kararsızlığın önüne geçebilmek için AHS yöntemi, aralık değerli sezgisel bulanık kümelere genişletilmiştir. Yapılan analizler, “Stratejik Vizyon”, “Algoritmaların Kalitesi” ve “Veri Güvenliği ile Uyumluluk” gibi unsurların, etkin bir tedarik zinciri yönetimi açısından kritik öneme sahip olduğunu ortaya koymaktadır.

Anahtar Kelimeler

Analitik hiyerarşi sureci Aralık değerli sezgisel bulanık kümeler Delphi tekniği Etkin tedarik zinciri Yapay zekâ teknolojisi başarı faktörleri

Proje Numarası

FOA-2023-1181

Teşekkür

Yazarlar, değerli destekleri ve iş birliği için uzmanlara içtenlikle teşekkür eder.

Kaynakça

  • Abaku, E.A., Edunjobi, T.E., & Odimarha, A.C. (2024). Theoretical approaches to AI in supply chain optimization: Pathways to efficiency and resilience. International Journal of Science and Technology Research Archive, 6(1), 092-107. https://doi.org/10.53771/ijstra.2024.6.1.0033
  • Abdullah, L., & Najib, L. (2016). A new preference scale MCDM method based on interval-valued intuitionistic fuzzy sets and the analytic hierarchy process. Soft Computing, 20(2), 511-523. https://doi.org/10.1007/s00500-014-1519-y
  • Aka, D. Ç. (2025). Industry 5.0 Challenges: Analyzing with Interval-Valued Intuitionistic Fuzzy AHP. Gümüşhane Üniversitesi Sosyal Bilimler Dergisi, 16(2), 491-510.
  • Akter, S., Michael, K., Uddin, M. R., McCarthy, G., & Rahman, M. (2022). Transforming business using digital innovations: The application of AI, blockchain, cloud and data analytics. Annals of Operations Research, 1-33. https://doi.org/10.1007/s10479-020-03620-w
  • Al Hleewa, S.O., & Al Mubarak, M. (2023). Success Factors of Using Artificial Intelligence. In: Al Mubarak, M., Hamdan, A. (eds) Technological Sustainability and Business Competitive Advantage. Internet of Things. Springer, Cham. https://doi.org/10.1007/978-3-031-35525-7_11
  • Al-Bayed, M. H., Hilles, M., Haddad, I., Al-Masawabe, M. M., Alhabbash, M. I., Abu-Nasser, B. S., & Abu-Naser, S. S. (2024). AI in leadership: Transforming decision-making and strategic vision. International Journal of Acadmeic Pedagogical Research, 8(9), 1-7.
  • Arora, A., Gupta, S., Devi, C., & Walia, N. (2023). Customer experiences in the era of artificial intelligence (AI) in context to FinTech: a fuzzy AHP approach. Benchmarking: An International Journal, 30(10), 4342-4369. https://doi.org/10.1108/BIJ-10-2021-0621
  • Atanassov, K.T. (1999). Interval Valued Intuitionistic Fuzzy Sets. In: Intuitionistic Fuzzy Sets. Studies in Fuzziness and Soft Computing, vol 35. Physica, Heidelberg. https://doi.org/10.1007/978-3-7908-1870-3_2
  • Ayinla, B. S., Amoo, O. O., Atadoga, A., Abrahams, T. O., Osasona, F., & Farayola, O. A. (2024). Ethical AI in practice: Balancing technological advancements with human values. International Journal of Science and Research Archive, 11(1), 1311-1326. https://doi.org/10.30574/ijsra.2024.11.1.0218
  • Ayyildiz, E., & Taskin Gumus, A. (2021). Pythagorean fuzzy AHP based risk assessment methodology for hazardous material transportation: an application in Istanbul. Environmental Science and Pollution Research, 28(27), 35798-35810. https://doi.org/10.1007/s11356-021-13223-y
  • Beta, K., Nagaraj, S.S., & Weerasinghe, T.D. (2025). The role of artificial intelligence on supply chain resilience. Journal of Enterprise Information Management, 38(3), 950-973. https://doi.org/10.1108/JEIM-12-2023-0674
  • Bosch (2022). Role of artificial intelligence in transforming global supply chains. https://www.bosch- softwaretechnologies.com/media/documents/downloads/2022_1/role_of_artificial_intelligence_in_transfo rming_global_supply_chains.pdf [Last Access: 23 August 2025].
  • Bozkurt, M., Saylam, S., Saylam, R., & Gündoğdu, F.K. (2025). Risk Assessment of Artificial Intelligence Support in Command and Control Cycle Using Spherical Fuzzy Z-Number Best-Worst Decision-Making Method. In: Kahraman, C., et al. Intelligent and Fuzzy Systems. INFUS 2025. Lecture Notes in Networks and Systems, vol 1529. Springer, Cham. https://doi.org/10.1007/978-3-031-97992-7_83
  • Brandon‐Jones, E., Squire, B., Autry, C.W., & Petersen, K.J. (2014). A contingent resource‐based perspective of supply chain resilience and robustness. Journal of supply chain management, 50(3), 55-73. https://doi.org/10.1111/jscm.12050
  • Brunelli, M. (2015). Introduction to the Analytic Hierarchy Process. SpringerBriefs in Operations Research. P. 83. 978-3-319-12502-2 (electronic). https://doi.org/10.1007/978-3-319-12502-2
  • Buran, B., & Erçek, M. (2022). Public transportation business model evaluation with Spherical and Intuitionistic Fuzzy AHP and sensitivity analysis. Expert Systems with Applications, 204, 117519. https://doi.org/10.1016/j.eswa.2022.117519
  • Büyüközkan, G., Göçer, F., & Feyzioğlu, O. (2018). Cloud computing technology selection based on interval- valued intuitionistic fuzzy MCDM methods. Soft Computing, 22(15), 5091-5114. https://doi.org/10.1007/s00500- 018-3317-4
  • Büyüközkan, G., Havle, C.A., & Feyzioğlu, O. (2025). Strategic Analysis of Digital Service Quality in Digital Transformation of Healthcare Using Intuitionistic Fuzzy AHP. In: Kahraman, C., et al. Intelligent and Fuzzy Systems. INFUS 2025. Lecture Notes in Networks and Systems, vol 1530. Springer, Cham. https://doi.org/10.1007/978-3-031-98565-2_50
  • Cannas, V.G., Ciano, M. P., Saltalamacchia, M., & Secchi, R. (2024). Artificial intelligence in supply chain and operations management: multiple case study research. International Journal of Production Research, 62(9), 3333-3360. https://doi.org/10.1080/00207543.2023.2232050
  • Charles, V., Emrouznejad, A. & Gherman, T. A. (2023). Critical analysis of the integration of blockchain and artificial intelligence for supply chain. Ann Oper Res 327, 7–47. https://doi.org/10.1007/s10479-023-05169-w
  • Chaudhari, N.C. (2022). Role of artificial intelligence in supply chain management. BOHR International Journal of Internet of Things, Artificial Intelligence and Machine Learning, 1(1), 52–55. https://doi.org/10.54646/bijiam.2022.08
  • Chukwu, N., Yufenyuy, S., Ejiofor, E., Ekweli, D., Ogunleye, O., Clement, T., ... & Obunadike, C. (2024). Resilient chain: AI-enhanced supply chain security and efficiency integration. International Journal of Scientific and Management Research, 7(03), 46-65. http://doi.org/10.37502/IJSMR.2024.7306
  • Cooper, M. (2025). Barriers to AI Adoption in Supply Chain Management: Perspectives from Industry Leaders. Preprints. https://www.preprints.org/frontend/manuscript/c5f8c1353097f4070e798eaa47e81bc7/download_pub [Last Access: 23 August 2025]. https://doi.org/10.20944/preprints202504.0581.v1
  • Couper, W., Gazzane, S., Heaton, J., Vieira, J.A., Williams, N. (2025). Blueprint for intelligent economies: AI competitiveness through regional collaboration. Whitepaper published by AI Governance Alliance in collaboration with KPMG. World Economic Forum. https://reports.weforum.org/docs/WEF_A_Blueprint_for_Intelligent_Economies_2025.pdf [Last Access: 23 August 2025].
  • Culot, G., Podrecca, M., & Nassimbeni, G. (2024). Artificial intelligence in supply chain management: A systematic literature review of empirical studies and research directions. Computers in industry, 162, 104132. https://doi.org/10.1016/j.compind.2024.104132
  • Dagar, A. (2023). Role of AI in supply chain management. Journal of Emerging Technologies and Innovative Research, 10(6), 970-977. https://www.jetir.org/papers/JETIR2306428.pdf [Last Access: 23 August 2025].
  • Daios, A., Kladovasilakis, N., Kelemis, A., & Kostavelis, I. (2025). AI applications in supply chain management: A survey. Applied Sciences, 15(5), 2775. https://doi.org/10.3390/app15052775
  • Dalkey, N., & Helmer, O. (1963). An experimental application of the Delphi method to the use of experts. Management science, 9(3), 458-467.
  • Demigha, S. (2020). The impact of Big Data on AI. In 2020 International Conference on Computational Science and Computational Intelligence (CSCI) (pp. 1395-1400). IEEE. 10.1109/CSCI51800.2020.00259
  • Dora, M., Kumar, A., Mangla, S.K., Pant, A., & Kamal, M.M. (2022). Critical success factors influencing artificial intelligence adoption in food supply chains. International Journal of Production Research, 60(14), 4621-4640. https://doi.org/10.1080/00207543.2021.1959665
  • Enrique, D.V., Lerman, L.V., de Sousa, P.R., Benitez, G.B., Santos, F.M.B.C., & Frank, A.G. (2022). Being digital and flexible to navigate the storm: How digital transformation enhances supply chain flexibility in turbulent environments. International Journal of Production Economics, 250, 108668. https://doi.org/10.1016/j.ijpe.2022.108668
  • Eyo-Udo, N. (2024). Leveraging artificial intelligence for enhanced supply chain optimization. Open Access Research Journal of Multidisciplinary Studies, 7(2), 001-015. https://doi.org/10.53022/oarjms.2024.7.2.0044
  • Felzmann, H., Fosch-Villaronga, E., Lutz, C., & Tamò-Larrieux, A. (2020). Towards transparency by design for artificial intelligence. Science and engineering ethics, 26(6), 3333-3361. https://doi.org/10.1007/s11948-020- 00276-4
  • Folorunso, A., Adewumi, T., Adewa, A., Okonkwo, R., & Olawumi, T. N. (2024). Impact of AI on cybersecurity and security compliance. Global Journal of Engineering and Technology Advances, 21(01), 167-184. https://doi.org/10.30574/gjeta.2024.21.1.0193
  • Gaikwad, M. P. P. (2024). Integration of artificial intelligence in supply chain management: Challenges and opportunities. Migration Letters, 21(S4), 989-999.
  • Goswami, S. S., Mondal, S., Sarkar, S., Gupta, K. K., Sahoo, S. K., & Halder, R. (2025). Artificial intelligence-enabled supply chain management: Unlocking new opportunities and challenges. In Artificial Intelligence and Applications (Vol. 3, No. 1, pp. 110-121). https://doi.org/10.47852/bonviewAIA42021814
  • Gündoğdu, F.K., Duleba, S., Moslem, S., & Aydın, S. (2021). Evaluating public transport service quality using picture fuzzy analytic hierarchy process and linear assignment model. Applied Soft Computing, 100, 106920. https://doi.org/10.1016/j.asoc.2020.106920
  • Havle, C.A., & Büyüközkan, G. Evaluation of Artificial Intelligence Requirements in Aviation Industry using Fuzzy Cognitive Map Approach. 9th North American Conference on Industrial Engineering and Operations Management Washington D.C., USA, June 4-6, 2024. https://doi.org/10.46254/NA09.20240240
  • Havle, C.A., & İlhan, C. (2025). Analyzing the Requirements for Transitioning to Sustainable Aviation Fuels Using the Spherical Fuzzy AHP Method. In: Kahraman, C., et al. Intelligent and Fuzzy Systems. INFUS 2025. Lecture Notes in Networks and Systems, vol 1528. Springer, Cham. https://doi.org/10.1007/978-3-031-97985-9_36
  • Helo, P., & Hao, Y. (2022). Artificial intelligence in operations management and supply chain management: An exploratory case study. Production Planning & Control, 33(16), 1573-1590. https://doi.org/10.1080/09537287.2021.1882690
  • Hoff, S., Hahn, A., Funk, B., & Dziwisch, A. (2021). Boosting AI in supply chains. Guide to unlock new potential and competitive advantages. Production and Logistics, Porsche Consulting. https://www.porsche- consulting.com/sites/default/files/2023- 04/boosting_ai_in_supply_chains_c_porsche_consulting_2021.pdf [Last Access: 23 August 2025].
  • Howells, J. (2020). From data governance to AI governance: Pillars and Pitfalls. Published by Capgemini and data iku. https://www.capgemini.com/gb-en/wp-content/uploads/sites/3/2020/07/Data_to_AI_Governance.pdf [Last Access: 23 August 2025].
  • Joshi, R., Banwet, D. K., & Shankar, R. (2011). A Delphi-AHP-TOPSIS based benchmarking framework for performance improvement of a cold chain. Expert Systems with Applications, 38(8), 10170-10182. https://doi.org/10.1016/j.eswa.2011.02.072
  • Jubair, H. (2025). The Integration of Artificial Intelligence in Supply Chain Management: A Comprehensive Review. ORGANIZE: Journal of Economics, Management and Finance, 4(1), 80-91. https://doi.org/10.58355/organize.v4i1.153
  • Khadem, M., Khadem, A., & Khadem, S. (2023). Application of artificial intelligence in supply chain revolutionizing efficiency and optimization. International journal of industrial engineering and operational research, 5(1), 29-38. https://doi.org/10.22034/ijieor.v5i1.34
  • Kokoç, M., & Ersöz, S. (2021). A literature review of interval-valued intuitionistic fuzzy multi-criteria decision- making methodologies. Operations research and decisions, 31(4), 89-116. DOI: 10.37190/ord210405
  • Kumar, A., Mani, V., Jain, V., Gupta, H., & Venkatesh, V.G. (2023). Managing healthcare supply chain through artificial intelligence (AI): A study of critical success factors. Computers & Industrial Engineering, 175, 108815. https://doi.org/10.1016/j.cie.2022.108815
  • Kumar, N., Tyagi, M., & Sachdeva, A. (2022). Risk factor appraisal in cold supply chain performance system through Delphi based hybrid MCDM approach. Optimization of Industrial Systems, 31-44. https://doi.org/10.1002/9781119755074.ch3
  • Kumar, R. (2025). A Comprehensive Review of MCDM Methods, Applications, and Emerging Trends. Decision Making Advances, 3(1), 185-199. https://doi.org/10.31181/dma31202569
  • Lagunas, J., & Riedl, P.A. (2022). Scaling AI in the supply chain. The next step toward intelligent, self-driving supply chains. Published by Accenture. https://www.accenture.com/content/dam/accenture/final/a-com- migration/manual/r3/pdf/Accenture-Scaling-AI-In-The-Supply-Chain.pdf [Last Access: 23 August 2025].
  • Lemos, S.I., Ferreira, F.A., Zopounidis, C., Galariotis, E., & Ferreira, N.C. (2022). Artificial intelligence and change management in small and medium-sized enterprises: an analysis of dynamics within adaptation initiatives. Annals of Operations Research, 1-27. https://doi.org/10.1007/s10479-022-05159-4
  • Leuba, V., & Piricz, N. (2024, November). AI Adoption in Healthcare: Addressing Challenges and Change Management. In 2024 IEEE 24th International Symposium on Computational Intelligence and Informatics (CINTI) (pp. 1-6). IEEE. Doi: 10.1109/CINTI63048.2024.10830852
  • Malhotra, G., & Kharub, M. (2025). Elevating logistics performance: harnessing the power of artificial intelligence in e-commerce. The International Journal of Logistics Management, 36(1), 290-321. https://doi.org/10.1108/IJLM-01-2024-0046
  • Mary, B.J. (2025). The Synergistic Role of Cross-Functional Collaboration and AI-Powered Forecasting in Enhancing Supply Chain Agility, Responsiveness, and Strategic Resilience.
  • McKinsey & Company (2019). Global AI survey: AI proves its worth, but few scale impact. https://www.mckinsey.com/featured-insights/artificial-intelligence/global-ai-survey-ai-proves-its-worth- but-few-scale-impact#/ [Last Access: 23 August 2025].
  • Merhi, M. I. (2023). An evaluation of the critical success factors impacting artificial intelligence implementation. International Journal of Information Management, 69, 102545. https://doi.org/10.1016/j.ijinfomgt.2022.102545
  • Modgil, S., Gupta, S., Stekelorum, R., & Laguir, I. (2022). AI technologies and their impact on supply chain resilience during COVID-19. International Journal of Physical Distribution & Logistics Management, 52(2), 130- 149. https://doi.org/10.1108/IJPDLM-12-2020-0434
  • Muehlemann, S. (2024). AI Adoption and Workplace Training. Available at SSRN 4990293. Published by IZA Institute of Labor Economics. https://docs.iza.org/dp17367.pdf [Last Access: 23 August 2025]. 10.7803/371.1119.1.2.10
  • Muthukalyani, A. R. (2023). Analyzing the adoption and influence of AI in retail supply chain operations. International Journal of Artifical Intelligence Research and Development, 1(01), 43-51.
  • Naidu, G., Narkhede, U., Shahare, P., Wankhede, P., Deshkar, R., & Gudadhe, A. (2024, November). Ethical Considerations in AI-Driven Supply Chain Management: A Review of Emerging Trends and Challenges. In 2024 2nd DMIHER International Conference on Artificial Intelligence in Healthcare, Education and Industry (IDICAIEI) (pp. 1-7). IEEE. 10.1109/IDICAIEI61867.2024.10842944
  • Nguyen, T.M.H., Nguyen, V.P., & Nguyen, D.T. (2024). A new hybrid Pythagorean fuzzy AHP and COCOSO MCDM based approach by adopting artificial intelligence technologies. Journal of experimental & theoretical artificial intelligence, 36(7), 1279-1305. https://doi.org/10.1080/0952813X.2022.2143908
  • Norris-Green, M., & Maxwell, G. (2022). Effective cross-functional collaboration in a changing world of work. Report published by Chartered Institute of Personnel and Development (CIPD). https://www.cipd.org/globalassets/media/knowledge/knowledge-hub/reports/effective-cross-functional- collaboration-report-2_tcm18-105009.pdf [Last Access: 23 August 2025].
  • Odilov, S. (14 July 2024). AI leadership: why AI is every leader’s responsibility? Newsletter published by Forbes. https://www.forbes.com/sites/sherzododilov/2024/07/14/ai-leadership-why-ai-is-every-leaders- responsibility/ [Last Access: 23 August 2025].
  • Özkan, B., Dengiz, O., Alaboz, P., & Kaya, N.S. (2023). A new hybrid approach to assessing soil quality using neutrosophic fuzzy-AHP and support vector machine algorithm in sub-humid ecosystem. Journal of Mountain Science, 20(11), 3186-3202. https://doi.org/10.1007/s11629-022-7749-z
  • Pal, S. (2023). Integrating AI in sustainable supply chain management: A new paradigm for enhanced transparency and sustainability. International Journal for Research in Applied Science and Engineering Technology, 11(6), 2979-2984. https://doi.org/10.22214/ijraset.2023.54139
  • Pournader, M., Ghaderi, H., Hassanzadegan, A., & Fahimnia, B. (2021). Artificial intelligence applications in supply chain management. International Journal of Production Economics, 241, 108250. https://doi.org/10.1016/j.ijpe.2021.108250
  • Raweewan, M. and Ferrell, W.G. Jr (2018), “Information sharing in supply chain collaboration”, Computers and Industrial Engineering, Vol. 126, pp. 269-281, doi: 10.1016/j.cie.2018.09.042.
  • Saaty, R.W. (1987). The analytic hierarchy process—what it is and how it is used. Mathematical Modelling, 9(3- 5), 161-176. https://doi.org/10.1016/0270-0255(87)90473-8
  • Saaty, T.L. (1977). A scaling method for priorities in hierarchical structures. Journal of Mathematical Psychology, 15(3), 234-281. https://doi.org/10.1016/0022-2496(77)90033-5
  • Saaty, T.L. (1990). How to make a decision: the analytic hierarchy process. European Journal of Operational Research, 48(1), 9-26. https://doi.org/10.1016/0377-2217(90)90057-I
  • Saini, B. (2024). What is data integration? Definition, types, uses cases, and challenges. Published by Alation on Septemner 25. https://www.alation.com/blog/what-is-data-integration-types-use-cases-challenges/ [Last Access: 23 August 2025].
  • Samuels, A. (2025). Examining the integration of artificial intelligence in supply chain management from Industry 4.0 to 6.0: a systematic literature review. Frontiers in artificial intelligence, 7, 1477044. https://doi.org/10.3389/frai.2024.1477044
  • Sato, Y., & Tan, K. H. (2023). Inconsistency indices in pairwise comparisons: an improvement of the Consistency Index. Annals of Operations Research, 326(2), 809-830. https://doi.org/10.1007/s10479-021-04431- 3
  • Schrage, M., Kiron, D., Candelon, F., Khodabandeh, S., & Chu, M. (, 2024). The future of strategic measurement: enhancing KPIs with AI. Big Ideas Research Report Published by MITSloan Management Review in collaboration with Boston Consulting Group. https://web- assets.bcg.com/54/43/28953bcd41d99e7dd354f5517e13/the-future-of-strategic-measurement-enhancing- kpis-with-ai.pdf [Last Access: 23 August 2025].
  • Shahzadi, G., Jia, F., Chen, L., & John, A. (2024). AI adoption in supply chain management: A systematic literature review. Journal of Manufacturing Technology Management, 35(6), 1125-1150. https://doi.org/10.1108/JMTM-09-2023-0431
  • Sharma, R., Shishodia, A., Gunasekaran, A., Min, H., and Munim, Z. H. (2022). The role of artificial intelligence in supply chain management: mapping the territory. International Journal of Production Research, 60(24), 7527-7550. https://doi.org/10.1080/00207543.2022.2029611
  • Shiraishi, S., Obata, T. Calculating Maximum Eigenvalues in Pairwise Comparison Matrices for the Analytic Hierarchy Process. Operations Resesearch. Forum 6, 10 (2025). https://doi.org/10.1007/s43069-024-00412-x
  • Skulmoski, G.J., Hartman, F.T., & Krahn, J. (2007). The Delphi method for graduate research. Journal of Information Technology Education: Research, 6(1), 1-21.
  • Štreimikienė, D., Bathaei, A., & Streimikis, J. (2025). Enhancing Sustainable Global Supply Chain Performance: A Multi-Criteria Decision-Making-Based Approach to Industry 4.0 and AI Integration. Sustainability, 17(10), 4453. https://doi.org/10.3390/su17104453
  • Sudarshan, P. (2025). Globalization’s Impact On Current Global Trends In Logistics And Supply Chain Management. Journal of Business and Management, 27(3), 34-40. 10.9790/487X-2704033440
  • Sustainability Directory (2025). Transparency of AI in Supply Chain Sustainability. https://prism.sustainability- directory.com/scenario/transparency-of-ai-in-supply-chain-sustainability/ [Last Access: 23 August 2025].
  • Vummadi, J., & Hajarath, K. (2024). Integration of Emerging Technologies AI and ML into Strategic Supply Chain Planning Processes to Enhance Decision-Making and Agility. International Journal of Supply Chain Management, 9(2), 77–87. https://doi.org/10.47604/ijscm.2547
  • Wang, C., Yang, Z., Li, Z.S., Damian, D., & Lo, D. (2024). Quality assurance for artificial intelligence: A study of industrial concerns, challenges and best practices. arXiv preprint arXiv:2402.16391. https://doi.org/10.48550/arXiv.2402.16391
  • Wang, K., Ying, Z., Goswami, S.S., Yin, Y., & Zhao, Y. (2023). Investigating the role of artificial intelligence technologies in the construction industry using a Delphi-ANP-TOPSIS hybrid MCDM concept under a fuzzy environment. Sustainability, 15(15), 11848. https://doi.org/10.3390/su151511848
  • Wang, W., Chen, Y., Wang, Y., Deveci, M., Cheng, S., & Brito-Parada, P. R. (2024). A decision support framework for humanitarian supply chain management–Analysing enablers of AI-HI integration using a complex spherical fuzzy DEMATEL-MARCOS method. Technological Forecasting and Social Change, 206, 123556. https://doi.org/10.1016/j.techfore.2024.123556
  • Weisz, E., Herold, D.M., Ostern, N.K., Payne, R., & Kummer, S. (2025). Artificial intelligence (AI) for supply chain collaboration: implications on information sharing and trust. Online Information Review, 49(1), 164-181. https://doi.org/10.1108/OIR-02-2024-0083
  • Wu, H., Liu, J., & Liang, B. (2024). AI-driven supply chain transformation in Industry 5.0: Enhancing resilience and sustainability. Journal of the Knowledge Economy, 1-43. https://doi.org/10.1007/s13132-024-01999-6
  • Yerra, S. (2023). The Impact of AI-Driven Data Cleansing on Supply Chain Data Accuracy and Master Data Management. Stochastic Modelling and Computational Sciences, 4(1), 192-199.
  • Yildirim, A.K., Kavus, B.Y., Karaca, T.K., Bozbey, İ., & Taskin, A. (2024). A novel seismic vulnerability assessment for the urban roadway by using interval valued fermatean fuzzy analytical hierarchy process. Natural Hazards, 120(15), 13811-13834. https://doi.org/10.1007/s11069-024-06748-1
  • Yue, Z. (2011). Deriving decision maker’s weights based on distance measure for interval-valued intuitionistic fuzzy group decision making. Expert Systems with Applications, 38(9), 11665-11670. https://doi.org/10.1016/j.eswa.2011.03.046
  • Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8(3), 338-353. https://doi.org/10.1016/S0019- 9958(65)90241-X
  • Ziegler, M., Rossman, S., Steer, A., & Danzer, S. (2019). Leading the way to an AI-driven organization. Porsche Consulting. https://www.porsche-consulting.com/sites/default/files/2023-04/leading_the_way_to_an_ai- driven_organization_2019_c_porsche_consulting-v2.pdf [Last Access: 23 August 2025].
Toplam 92 adet kaynakça vardır.

Ayrıntılar

Birincil Dil İngilizce
Konular Sayısal ve Hesaplamalı Matematik (Diğer)
Bölüm Araştırma Makalesi
Yazarlar

Gülçin Büyüközkan 0000-0002-2112-3574

Celal Alpay Havle 0000-0001-7729-2206

Proje Numarası FOA-2023-1181
Gönderilme Tarihi 3 Mayıs 2025
Kabul Tarihi 15 Kasım 2025
Erken Görünüm Tarihi 30 Ocak 2026
Yayımlanma Tarihi 30 Ocak 2026
DOI https://doi.org/10.33707/akuiibfd.1689304
IZ https://izlik.org/JA37KP55UT
Yayımlandığı Sayı Yıl 2026 Sayı: Advanced Online Publication

Kaynak Göster

APA Büyüközkan, G., & Havle, C. A. (2026). Evaluation of artificial intelligence technology success factors for an effective supply chain using interval-valued intuitionistic fuzzy AHP method. Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Advanced Online Publication, 99-125. https://doi.org/10.33707/akuiibfd.1689304

Amaç ve Kapsam

Dergi, iktisadi ve idari bilimler alanına giren özgün, literatürdeki bir boşluğu açık şekilde dolduran, uygulamalı derleme (bibliyometrik analiz, sistematik analiz vb.) ve uygulamalı araştırma makalelerini yayımlamayı amaçlamaktadır. Ayrıca, sosyal bilimlerin iktisadi ve idari bilimler alanındaki özgün çalışmaları araştırmacılar, politika yapıcılar ve politika uygulayıcılar ile buluşturmayı hedefleyen derginin evrensel akademik bilgi birikimine özgün katkı sunması da amaçlanmaktadır.

Dergi, iktisadi ve idari bilimler alanına giren temel sosyal bilim alanlarındaki çalışmaları yayımlamaktadır. Bu temel alanlar, işletme, iktisat, maliye, siyaset bilimi ve hukuk konularını kapsamaktadır. Derginin kapsamına nitel veya nicel yöntemler kullanan uygulamalı derleme (bibliyometrik analiz, sistematik analiz vb.) ve uygulamalı araştırma makaleleri girmektedir. Kitap değerlendirmeleri vb. diğer çalışma türleri dergimizde değerlendirmeye alınmamaktadır. 

Dergi Yazım Şablonu

Çalışmanızı lütfen dergimizin MS Word  formatındaki şablonuna uygun olarak hazırlayınız. Yazım şablonunu indirmek için burayı tıklayınız.

  • Dergimizde yazarlardan herhangi bir ücret talep edilmediği için, yazarların çalışmalarını yazım kılavuzu ve şablonuna tam uygun olarak hazırlayarak gönderilmesi sorumluluğu bulunmaktadır.
  • Yazım şablonu tüm genel metin formatını, sayfa boşlukları, paragraf formatı, tablo ve şekil formatı ile başlık formatlarını içermektedir. Yazarlar metinlerini tamamen bu dosya üzerine kopyalayarak düzenleyebilirler.
Genişletilmiş Özet (Extended Summary) Uygulaması
  • Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Türkçe ve İngilizce dilinde hazırlanmış çalışmaları kabul etmektedir. Türkçe dilindeki çalışmaların gönderim aşamasında 600-800 kelimelik İngilizce dilinde hazırlanmış Extended Summary'nin metnin içerisine Giriş başlığından önce eklenmesi gerekmektedir.
Sisteme Yüklenmesi Gereken Dosyalar

Kelime Sayısı Sınırları

  • Çalışmalar öz, abstract, tablolar ve ekler dahil, kaynakça hariç olarak 5.000-8.000 kelime arasında olmalıdır.
  • Türkçe ve İngilizce özetler 100-200 kelime arasında olmalıdır. Özetlerin sonunda 4 anahtar kelime ve en az 1 en fazla 4 JEL kodu bulunmalıdır. JEL kodlarının listesine buradan ulaşabilirsiniz.
  • Gönderilecek Türkçe dilindeki çalışmalar için 600-800 kelime aralığında İngilizce dilinde Genişletilmiş Özet (Extended Summary) talep edilmektedir. Extended Summary bölümü, çalışmanın amacını, ne için bu çalışmaya ihtiyaç duyulduğunu, çalışmanın literatüre katkısı ve özgün değerini, kullanılan yöntem ve veriyi, temel bulguları, varsa politika önerilerini, çalışmanın kısıtlarını ve sonraki araştırmalar için önerileri içeren 600-800 kelimelik İngilizce gramer kurallarına uygun ve son okuması yapılmış bir metin olmalıdır. Extended Summary bölümünde referans gösterilmemelidir.


Atıf ve Kaynak Gösterme Sistemi (APA 7)
  • Çalışmalarda atıf sistemi olarak APA 7 veya son kılavuzu kullanılmalıdır. Bilimsel makalelere olan referansların kaynakça gösteriminde, makalenin DOI numarası var ise künyenin sonuna https://doi.org/10.1037/ppm0000185 formatında eklenmiş olmalıdır.
  • Dergimize Türkçe dilinde yazılarak gönderilmiş çalışmalarda metin içi atıflarda tek sayfa numarası veriliyorsa (Özdemir ve Aktaş, 2008, s. 107) şeklinde, aynı kaynağın birden fazla sayfasına atıf veriliyorsa (Özdemir, 2008, ss. 107-113) şeklinde gösterim yapılmalıdır. Birden fazla yazar olan çalışmalarda ise metin içi atıflar ve kaynakçada yazarlar arasında “ve” bağlacı kullanılmalı, “&” sembolü kullanılmamalıdır.
  • Dergimize İngilizce dilinde yazılarak gönderilmiş çalışmalarda metin içi atıflarda tek sayfa numarası veriliyorsa (Özdemir & Aktaş, 2008, p. 107) şeklinde, aynı kaynağın birden fazlasına atıf veriliyorsa (Özdemir, 2008, pp. 107-113) şeklinde gösterim yapılmalıdır. Birden fazla yazar olan çalışmalarda ise metin içi atıflar ve kaynakçada yazarlar arasında “&” sembolü kullanılmalıdır.
  • APA Atıf ve Kaynak Gösterme Sistemine ilişkin detaylı bilgi için bkz. https://apastyle.apa.org/style-grammar-guidelines/references/examples

Yayın Etiği

Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, COPE (Yayın Etiği Komitesi) tarafından hazırlanan Yürütme Kılavuzu (Code of Conduct) ve Uygulama Rehberi’ni (Best Practice Guidelines) izlemeyi taahhüt eder. Editörler için COPE Rehberi’nin (Cope Guidance for Editors) izlenmesi Editörlerin görevi kapsamında olup, Hakemler için Etik Rehberi (COPE Ethical Guidelines for Peer Reviewers) dergi hakemleri tarafından izlenmek durumundadır.


Yayın Etiği Bildirgesi

Editör ve Editör Kurulunun Sorumlulukları

  • Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi editörleri, yayınlanmak üzere gönderilen makalelerden hangilerinin derginin amaç ve yayın politikalarına uygun olup yayınlanması gerektiğine karar vermekten sorumludurlar.
  • Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi editörleri, yazar(lar) tarafından dergiye teslim edilen metinlerdeki yayınlanmamış materyal ve diğer bilgi ve verilerin, yazar(lar)ın açık ve yazılı izni olmaksızın hiç kimse tarafından kendi çalışmasında kullanılmasına müsaade etmemelidir.
  • Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi'ne gönderilen makaleler daima, herhangi bir önyargı olmaksızın tamamıyla açık, şeffaf, bilimsel ve objektif kriterler doğrultusunda değerlendirilmelidir.
  • Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi editörleri, editör yardımcıları ve yayın kurulu, teslim edilen metinlerle ilgili bilgileri söz konusu metin yazar(lar)ı, hakemler ve yayıncı dışında hiç kimseye ifşa etmemelidir. Dergiye gönderilen bir makale ile ilgili herhangi bir bilgi, editör tarafından yayın kurulu, hakemler ve dergi sahibi dışında herhangi bir kimseye ifşa edilmemelidir.
Yayın Kurulunun Sorumlulukları
  • Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi Yayın Kurulu, gönderilen tüm yazılara ilişkin bilgileri gizli tutmalıdır.
  • Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi Yayın kurulu, gönderilen yazılar için yayın kararları almaktan sorumludur.
  • Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi Yayın Kurulu, okuyucuların ve yazarların ihtiyaçlarını karşılamak için çaba sarf etmelidir.
  • Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi Yayın Kurulu bilimsel kaliteye ve orijinalliğe en üst düzeyde önem vermelidir.
  • Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi Yayın Kurulu gerektiğinde düzeltmeler, açıklamalar, geri çekilmeler ve özürler yayınlamaya her zaman hazır olmalıdır.
Hakemlerin Sorumlulukları
  • Kendisine atanmış olan çalışmayı alanıyla ilgili bulmayan, eleştirmekte kendisini yetersiz hisseden ya da zamanında bir eleştiri sunamayacak durumdaki bir hakem, editörü bu durumdan haberdar ederek inceleme görevinden çekilmelidir.
  • İncelemeye alınan metinler gizli belge niteliği taşımalı, editör tarafından yetkilendirilmiş kişiler dışındakilere gösterilmemeli ve makaleler hakkında tartışılmamalıdır.
  • Hakem eleştirileri objektif, adil ve bilimsel etiğe uygun olarak yapılmalıdır. Yazara karşı hiçbir kişisel eleştiri yöneltilmemelidir. Hakemler yazarların kökeni, cinsiyeti, cinsel eğilimi veya siyasal felsefesine bakılmaksızın eserleri değerlendirmelidir.
  • Hakemler yazar tarafından belirtilmeyen ilgili yayınlanmış çalışmaları tanımlamalıdır. Bir hakem ayrıca değerlendirilen çalışma ile bilgileri dâhilinde daha önce yayınlanmış başka bir çalışma arasındaki esaslı bir benzerlik veya örtüşme durumunu editörün dikkatine sunmalıdır.
  • Hakemler, yazarı ile aralarında rekabet, işbirliği veya başka türlü ilişki veya bağlantılar sebebiyle ortaya çıkabilecek çıkar çatışmalarının var olduğu çalışmaları değerlendirmemelidir.
  • Hakemler, karar verme aşamasında editörlere yardım etmeli ve ayrıca metinlerin iyileştirilmesinde yazarlara yardımcı olabilmelidirler.
Yazarların Sorumlulukları
  • Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisine gönderilen bir çalışma özgün olmalıdır ve yazarlar, metnin daha önce herhangi bir dergide yayınlanmamış orijinal çalışmalar olduğunu taahhüt etmelidirler.
  • Dergi editörlüğü tarafından yazar(lar)dan istenilen her türlü bilgi, belge ve makale ile ilgili değişikliklerin yapılarak sistem üzerinden gönderilmesi ve editörün bilgilendirilmesi gerekmektedir. Süresi içerisinde söz konusu isteklerin yerine getirilmemesi durumunda yazar(lar)ın makaleyi geri çekmiş sayılacağı bilinmelidir.
  • Yazarlardan çalışmaları ile bağlantılı olarak değerlendirme aşamasında ihtiyaç duyulabilecek ilgili ham veriyi sunmaları istenebilecektir, dolayısıyla bu verilere erişimi sağlamaya hazır olmalı ve çalışmalarının yayınlanmasını takiben bu verileri makul bir sure elde tutmalılardır.
  • Yazarlar tamamen özgün çalışma metinleri yazmalı ve eğer başkalarının çalışmalarını ve/veya kelimelerini kullanıyorlarsa bunlara uygun şekilde alıntı yapmalılardır.
  • Yazarlar, Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi’ne makale göndererek, makalelerinin özgün ve etik standartlara uygun olduğunu, yararlanılan kaynakların atıflarının tam olarak yapıldığını ve basılmış ya da yayın aşamasındaki başka makalelerle benzerlik taşımadığını garanti etmiş olurlar. 
  • Bir yazar genel olarak temelde aynı araştırmayı tanımlayan metni birden fazla makalede yayınlamamalıdır.
  • Başkalarının çalışmalardan alınan kaynakların beyanı her zaman uygun şekilde yapılmalıdır. Yazarlar raporladıkları çalışmalarının esasını etkileyen önceki yayınlara alıntı göstermek zorundadır.
  • Yazarlık, raporlanan çalışmanın kavramına, tasarımına, uygulamasına veya yorumuna anlamlı bir katkı yapan kişilerle sınırlı bir sıfat olmalıdır. Önemli katkıda bulunan tüm katılımcılar ilk yazarı takiben listelenmelidir.
  • Makalenin gönderimi sonrasında yazar sıralamalarında değişiklik talep edilebilmesi için, kabul kararından önce Editörlere DergiPark sistemi ve iibfdergisi@aku.edu.tr adresi üzerinden yazar sıralamasındaki değişikliğin gerekçesi tüm yazarlar tarafından açıklanarak bildirilmelidir.
  • Yazar sıralamasında değişiklik, ancak revizyona giden çalışmaların revizyon aşamasında yazarların katkı oranlarının değişmesi gerekçesiyle mümkün olabilir. Makalenin yayına kabulü aşamasından önce yapılan bildirimlerde, tüm yazarlar e-posta yazışmasına eklenmeli ve telif formu ile yazar katkı oranı beyan formu tekrar doldurularak tüm yazarlar tarafından imzalandıktan sonra e-postaya eklenmelidir. Çalışmanın yayına kabulü sonrasında yazar sıralamasında değişiklik veya yazar değişikliklerine ilişkin talepler değerlendirmeye alınmamaktadır.
  • Tüm yazarlar çalışmalarındaki sonuç veya yorumlamaları etkileyecek herhangi finansal kaynağı veya çıkar çatışmasını beyan etmekle yükümlüdür.
  • Bir yazar kendi yayınlanmış çalışması içerisinde önemli bir yanlışlık veya kusuru fark ederse, bu durumu acil olarak dergi editörüne bildirmek ve mevcut yanlışlığın veya kusurun düzeltilmesi için editörle işbirliği sağlamak o yazarın yükümlülüğüdür.
  • Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, DergiPark sistemi üzerinden yayınlandığından dolayı bu tür değişiklik taleplerinin derginin yayınlandığı tarihten itibaren en geç 5 gün içerinde yapılmalıdır. Yazarların, hataların düzeltilmesini sağlamak üzere editör ile birlikte çalışma yükümlülükleri vardır. Bu süreden sonra yapılacak bildirimler ancak düzeltme olarak yayımlanır.
Etik İlkelere Uymayan Durumun Editöre Bildirilmesi
  • Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi'nde editörler, hakemler, yazarlar ile ilgili etik ilkelere uymayan bir davranış ya da değerlendirme sürecindeki, erken görünümdeki ya da yayımlanmış bir makale ilgili etik olmayan bir durumla karşılaşılması durumunda iibfdergisi@aku.edu.tr adresine ileti yoluyla bildirilmesi gerekir.

Yayın Politikası

  • Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Haziran ve Aralık aylarında dijital olarak yayın yapmaktadır.
  • Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, yalnızca uygulamalı araştırma makaleleri ile uygulamalı derleme makaleleri değerlendirmeye almaktadır.
  • Dergimize gönderilen tüm çalışmalar, öncelikle iThenticate aracılığıyla benzerlik oranı ve intihal taramasına tabi tutulmakta, hakem değerlendirmesine geçmeye uygun görülen tüm çalışmalar çift-körleme hakem değerlendirmesine sunulmaktadır.


Yapay Zekâ (YZ) Araçlarının Kullanımı

  • Lütfen çalışmanızı gönderirken Yapay Zekâ Bildirim Formunu da sisteme yükleyiniz.
  • Üretken yapay zekâ (YZ) araçları, gönderilen bir çalışmanın bütünlüğü, doğruluğu ve özgünlüğü konusunda sorumluluk üstlenemeyecekleri için yazarlık kriterlerini karşılamamaktadır. Tüzel kişiliğe sahip olmamaları nedeniyle, çıkar çatışmasının varlığı veya yokluğu konusunda beyanda bulunamazlar; telif hakkı sahipliği, lisanslama ve benzeri hukuki yükümlülükleri de üstlenemezler.
  • Araştırma ve yayın sürecinin herhangi bir aşamasında (makale yazımı, dil düzenlemesi, görsel veya grafik unsurların üretilmesi ya da veri toplama ve analiz süreçleri dâhil olmak üzere) üretken YZ araçlarından yararlanan yazarlar, bu kullanımı şeffaf bir biçimde beyan etmekle yükümlüdür. Bu beyanda YZ aracının hangi amaçla, nasıl ve hangi araç kullanılarak kullanıldığı açıkça belirtilmelidir.
  • Üretken yapay zekâ araçlarının kullanılması, yazarların çalışmanın içeriğine ilişkin sorumluluğunu ortadan kaldırmaz. Makalenin tüm içeriğinden (yapay zekâ araçları tarafından üretilmiş bölümler dâhil olmak üzere) yazar(lar) tamamen sorumludur. Bu kapsamda, intihal, veri uydurma, çarpıtma veya diğer yayın etiği ihlallerinden doğan tüm sorumluluk doğrudan yazarlara aittir.


İlke Kararları
  • Derginin imtiyaz sahibi, editörler, alan editörleri ve editör yardımcılarının çalışmaları, dergideki görevleri süresince yayınlanamaz.
  • Birbirini takip eden iki sayıda aynı yazarın çalışmaları yayınlanamaz.
  • Afyon Kocatepe Üniversitesi öğretim elemanlarından gelen çalışmalar için kabul tarihi esas alınarak her sayıda azami %20 kota uygulanır.
  • Afyon Kocatepe Üniversitesi’nde yazılan tezlerden türetilmiş çalışmalar dergimizde değerlendirmeye alınmaz.

Dergimizde gönderim ücreti uygulanmamaktadır. Hakemlere ve yazarlara da herhangi bir ücret ödemesi yapılmamaktadır.

Atıf Dizinleri

TR Dizin

Diğer Dizinler

Directory of Open Access Journals (DOAJ)
SOBİAD
Crossref
EBSCO The Belt and Road Initiative Reference Source
ERIH Plus
EBSCO Business Source Complete

Afyon Kocatepe Üniversitesi Adına İmtiyaz Sahibi

Mehmet Karakaş
Mehmet KARAKAŞ
Sosyoloji, Kent Sosyolojisi ve Toplum Çalışmaları, Kültür Sosyolojisi, Siyaset Sosyolojisi, Sosyal Hareketler

Baş-Editör

Fatih Ecer
Fatih ECER
Yapay Zeka, Planlama ve Karar Verme, Yöneylem Araştırması, İstatistik, İstatistiksel Analiz, Matematikte Yöneylem Araştırması, Çok Ölçütlü Karar Verme, Üretimde Optimizasyon

Alan Editörleri

Münevvere Yıldız
Münevvere YILDIZ
Ekonometrik ve İstatistiksel Yöntemler, Panel Veri Analizi , Zaman Serileri Analizi, İstatistiksel Analiz
Dilvin Taşkın
Dilvin TAŞKIN
Finans ve Yatırım, Çevre ve İklim Finansmanı, Davranışsal Finans, Finansal Piyasalar ve Kurumlar, Yatırımlar ve Portföy Yönetimi
Alptekin Ulutaş
Alptekin ULUTAŞ
Yöneylem Araştırması, Matematikte Yöneylem Araştırması, Çok Ölçütlü Karar Verme, Tedarik Zinciri Yönetimi
Çiğdem Börke Tunalı Çakır
Çiğdem Börke TUNALI ÇAKIR
Yükseköğretimde Kalite Güvencesi, Makro İktisat, Büyüme, Kalkınma Ekonomisi - Makro, Göç Ekonomisi, Gelişme Ekonomisi
Ömer Faruk Görçün
Ömer Faruk GÖRÇÜN
Bilgi Modelleme, Yönetim ve Ontolojiler, Sorgu İşleme ve Optimizasyon, Yöneylem Araştırması, Matematikte Yöneylem Araştırması, Deniz İşletmeciliği, Çok Ölçütlü Karar Verme, Tedarik Zinciri Yönetimi, Uluslararası Lojistik
Default avatar
Beyza Mina ORDU AKKAYA
Uluslararası Finans, Finansal Ekonomi, Finansal Piyasalar ve Kurumlar
Default avatar
İlkin YARAN ÖGEL
Pazarlama, Tüketici Davranışı, Ürün ve Marka Yönetimi
Volkan Göçoğlu
Volkan GÖÇOĞLU
Kamu Politikası, Kamu Yönetimi, Yerel Yönetimler
Naci Tolga Saruç
Naci Tolga SARUÇ
Maliye Politikası, Suç Ekonomisi, Kamu Ekonomisi, Maliye Sosyolojisi, Maliye Çalışmaları, Bütçe ve Mali Planlama, Devlet Muhasebesi, Kamu Maliyesi, Mali Hukuk, Maliye Kuramı
Osman Uslu
Osman USLU
Endüstriyel ve Örgütsel Psikoloji (İnsan Faktörleri Dahil), Strateji, Yönetim ve Örgütsel Davranış
Halilibrahim Gökgöz
Halilibrahim GÖKGÖZ
Uluslararası Finans, Finansal Ekonometri, Finansal Öngörü ve Modelleme, Finansal Piyasalar ve Kurumlar, Yatırımlar ve Portföy Yönetimi
Dragan Pamucar
Dragan PAMUCAR
Nicel Karar Yöntemleri, Matematikte Yöneylem Araştırması, Çok Ölçütlü Karar Verme, İnovasyon Yönetimi
Default avatar
Richard KOTTER
Siyaset Bilimi (Diğer)

Editör Yardımcıları

Yunus Yıldırım
Yunus YILDIRIM
Karar Desteği ve Grup Destek Sistemleri, Planlama ve Karar Verme, Yöneylem Araştırması, Nicel Karar Yöntemleri, Matematikte Yöneylem Araştırması, Çok Ölçütlü Karar Verme, Üretimde Optimizasyon
Aykut Güryel
Aykut GÜRYEL
Finansal Muhasebe
Vildan Saba Aktop
Vildan Saba AKTOP
Makro İktisat, İktisat Teorisi, Uluslararası İktisat, Avrupa Birliği Ekonomisi, Uluslararası İktisadi Kuruluşlar, Uluslararası İktisatta Bölgesel Gelişme ve Küreselleşme, Dış Ticaret
Atahan Demirkol
Atahan DEMİRKOL
Kamu Politikası, Kamu Yönetimi, Kentleşme Politikaları, Kentsel Politika, Yerel Yönetimler, Kent Sosyolojisi ve Toplum Çalışmaları, Uluslararası Göç

Ön Kontrol ve Yazım Editörleri

Default avatar
İbrahim Eyüp YAMAN
Lojistik, Ulaşım, Lojistik ve Tedarik Zincirleri (Diğer)
Arzu Gözde Akgül
Arzu Gözde AKGÜL

AFYON KOCATEPE ÜNİVERSİTESİ, İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ, İŞLETME BÖLÜMÜ
Üretim ve Operasyon Yönetimi
Default avatar
İshak ALTUNIŞIK
Bütçe ve Mali Planlama, Kamu Maliyesi, Mali Hukuk

Yabancı Dil Editörü

Default avatar
Şahin Eray KIRDIM
Uluslararası Kamu Hukuku, Uluslararası Hukuk

Yayın Kurulu

Osman Uslu
Osman USLU
Endüstriyel ve Örgütsel Psikoloji (İnsan Faktörleri Dahil), Strateji, Yönetim ve Örgütsel Davranış
Default avatar
Gratiela Dana BOCA
İktisat Metodolojisi
Gökhan Demirtaş
Gökhan DEMİRTAŞ
Panel Veri Analizi , Dış Ticaret
Uğur Sadioğlu
Uğur SADİOĞLU
Çevre Politikası, Kamu Yönetimi, Kentleşme Politikaları, Yerel Yönetimler, Kentsel Alan Yönetimi
Default avatar
Dimitrina STOYANCHEVA
Büyüme, Para Politikası, Finansal Piyasalar ve Kurumlar, Mali Tablo Analizi, Çiftlik İşletmeleri, Tarım İşletmeciliği, Tarım Ekonomisi (Diğer)
Fatih Ecer
Fatih ECER
Yapay Zeka, Planlama ve Karar Verme, Yöneylem Araştırması, İstatistik, İstatistiksel Analiz, Matematikte Yöneylem Araştırması, Çok Ölçütlü Karar Verme, Üretimde Optimizasyon

Danışma Kurulu

Abdullah Yalaman
Abdullah YALAMAN
Finans ve Yatırım
Mehmet Altın
Mehmet ALTIN
Finans, Girişimcilik
Ethem Kadri Pektaş
Ethem Kadri PEKTAŞ
Kamu Yönetimi, Kentleşme Politikaları, Yerel Yönetimler
Default avatar
Şaban NAZLIOĞLU
Ekonometri, Panel Veri Analizi , Zaman Serileri Analizi
Default avatar
Şuayıp ÖZDEMİR
Dijital Pazarlama, Endüstriyel Pazarlama, Hizmet Pazarlaması, Pazarlama İletişimi, Pazarlama Yönetimi, Reklam, Satış Yönetimi, Tüketici Davranışı, Etkinlik Pazarlaması


22365

Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi'nde yayınlanan tüm çalışmalar CC BY-NC 4.0 lisansı ile açık erişim ve ücretsiz olarak lisanslanmaktadır.