İşletmelerde Rekabet Avantajı için Dinamik Planlama ve İş Akış Yönetiminin İrdelenmesi

Yıl 2024, Cilt: 02, 50 - 62, 31.07.2024

Eda Nur Atagül Yavuz Özdemir Mustafa Yıldırım Mehmet Alp Aytekin

Öz

Bu çalışma, günümüz iş dünyasında dinamik planlama ve iş akışı yönetiminin önemini vurgulamakta ve bu stratejilerin şirketler için sağladığı avantajları açıklamaktadır. Dinamik planlamanın, iş ortamlarındaki hızlı değişimlere hızlı adaptasyon yeteneği, rekabet avantajı elde etme açısından kritik bir faktördür. Literatür taraması, iş akışı yönetiminin süreç analizi ve otomasyon entegrasyonuyla şirketlerin süreç verimliliğini artırma potansiyelini göstermektedir. İş akışı yönetimi, süreçlerin detaylı analizi ve otomasyon araçlarıyla entegrasyonu sayesinde, iş süreçlerini daha hızlı ve etkili hale getirerek kaynakların daha verimli kullanılmasına olanak tanımaktadır. Sonuç olarak, dinamik planlama ve iş akışı yönetimi, gelişmiş teknolojik altyapı, eğitim ve değişim yönetimi gibi stratejik unsurlarla desteklendiğinde, şirketlere rekabet avantajı kazandırarak başarılı bir iş stratejisi oluşturmanın temelini oluşturmaktadır. Dinamik planlama ve iş akış yönetimi konusundaki literatür taramasında, en fazla çalışmanın bilişim ve inşaat sektöründe olduğu görülmektedir.

Anahtar Kelimeler

Stratejik Planlama, Optimizasyon, Verimlilik

Dynamic Planning and Workflow Management for Competitive Advantage in Businesses

Öz

This study emphasizes the importance of dynamic planning and workflow management in today's business world and explains the advantages of these strategies for companies. The ability of dynamic planning to adapt quickly to rapid changes in business environments is a critical factor in gaining competitive advantage. The literature review shows the potential of workflow management to improve process efficiency of companies through process analysis and automation integration. Through detailed analysis of processes and integration with automation tools, workflow management makes business processes faster and more effective, enabling more efficient use of resources. As a result, dynamic planning and workflow management, when supported by strategic elements such as advanced technological infrastructure, training and change management, form the basis of a successful business strategy, giving companies a competitive advantage. In the literature review on dynamic planning and workflow management, it is seen that most studies are in the IT and const-ruction sectors.

Anahtar Kelimeler

Strategic Planning, Optimization, Efficiency

Kaynakça

• 1. Çetek FA. Terminal kontrol sahalarında dinamik kapı ataması için simülasyon modeli önerisi [Doktora tezi]. ProQuest Dissertations & Theses Global Erişim No. 29071830. 2015.
• 2. Gao H, Huang W, Yang X, ve ark. Toward servi-ce selection for workflow reconfiguration: An inter-face-based computing solution. Future Generation Computer Systems. 2018;87:298-311.
• 3. Everett M, Chen YF, How JP. Motion planning among dynamic, decision-making agents with deep reinforcement learning. 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS); 2018: 3052-3059.
• 4. Hu X, Chen L, Tang B, ve ark. Dynamic path planning for autonomous driving on various roads with avoidance of static and moving obstacles. Mec-hanical Systems and Signal Processing. 2018;100:482-500.
• 5. Tekin Z. Otel işletmelerindeki web/bulut tabanlı teknolojilere dayalı yönetim sistemleri ve işletme ba-şarısı ilişkisi. Uluslararası Yönetim ve Sosyal Araş-tırmalar Dergisi. 2019;6(11):130-137.
• 6. Kevser M. Stratejik Planlama Süreçlerinin De-ğerlendirilmesi ve İşletmelerin Stratejik Planlamaya Yaklaşımlarının Analizi. International Journal of Business and Economic Studies. 2019;1(1):30-39.
• 7. Sütçü A, Karşıyaka O, Burhan ME. Bir mobilya üretim tesisinde iş analizi ve benzetim uygulaması ile süreç verimliliğinin artırılması. Avrupa Bilim ve Teknoloji Dergisi. 2019;17:45-57.
• 8. Naticchia B, Carbonari A, Vaccarini M, ve ark. Holonic execution system for real-time construction management. Automation in Construction. 2019;104:179-196.
• 9. Lyons E, Papadimitriou G, Wang C, Thareja K, Ruth P, Villalobos JJ, Mandal A. Toward a dynamic network-centric distributed cloud platform for scien-tific workflows: A case study for adaptive weather sensing. Sunulmuş bildiri, 2019 15th International Conference on eScience (eScience); 2019;67-76.
• 10. Türk E, Kiani F. Yapay sinir ağları ile talep tahmini yapma: Beyaz eşya üretim planlama örneği. İstanbul Sabahattin Zaim Üniversitesi Fen Bilimleri Enstitüsü Dergisi. 2019;1(1):30-37.
• 11. Lampa S, Dahlö M, Alvarsson J, ve ark. SciPipe: A workflow library for agile development of complex and dynamic bioinformatics pipelines. GigaScience. 2019;8(5):giz044.
• 12. Wang Y, Liu H, Zheng W, ve ark. Multi-objective workflow scheduling with deep-Q-network-based mul-ti-agent reinforcement learning. IEEE Access. 2019;7:39974-39982.
• 13. Lee CK, Lin B, Ng KKH, ve ark. Smart robotic mobile fulfillment system with dynamic conflict-free strategies considering cyber-physical integration. Advanced Engineering Informatics. 2019;42:100998.
• 14. Dağcı A, Aslan E. Sağlık Sektöründe Yalın Üre-tim Uygulaması: Tokat ilinde bir devlet hastanesi ör-neği. Hacettepe Sağlık İdaresi Dergisi. 2020;23(4):623-638.
• 15. Doğan O. Süreç madenciliğine genel bakış: süreç akış keşfi için alfa algoritması. Pamukkale Üniversi-tesi Mühendislik Bilimleri Dergisi. 2020;26(5):966-973.
• 16. Başkaya O, Ağaçsapan B, Çabuk A. Akıllı Şehir-ler Kapsamında Yapay Zeka Teknikleri Kullanarak Etkin Ulaşım Planlarının Oluşturulması Üzerine Bir Model Önerisi. GSI Journals Serie C: Advancements in Information Sciences and Technologies. 2020;3(1):1-21.
• 17. Dudaklı N, Baykasoğlu A. Tam otomatik otopark sistemlerinde operasyonel planlama ve kontrol prob-lemleri üzerine bir inceleme. Gazi Üniversitesi Mü-hendislik Mimarlık Fakültesi Dergisi. 2020;35(4):2239-2254.
• 18. Ismayilov G, Topcuoglu HR. Neural network based multi-objective evolutionary algorithm for dy-namic workflow scheduling in cloud computing. Futu-re Generation Computer Systems. 2020;102:307-322.
• 19. Li X, Chi HL, Wu P, ve ark. Smart work packa-ging-enabled constraint-free path re-planning for tower crane in prefabricated products assembly pro-cess. Advanced Engineering Informatics. 2020;43:101008.
• 20. Chen Q, Adey BT, Haas C, ve ark. Using look-ahead plans to improve material flow processes on construction projects when using BIM and RFID technologies. Construction Innovation. 2020;20(3):471-508.
• 21. Masoumi Z, Coello Coello CA, Mansourian A. Dynamic urban land-use change management using multi-objective evolutionary algorithms. Soft Compu-ting. 2020;24:4165-4190.
• 22. Welch H, Brodie S, Jacox MG, ve ark. Deci-sion-support tools for dynamic management. Conser-vation Biology. 2020;34(3):589-599.
• 23. Hosny A, Nik-Bakht M, Moselhi O. Workspace planning in construction: Non-deterministic factors. Automation in Construction. 2020;116:103222.
• 24. Qian C, Zhang Y, Jiang C, ve ark. A real-time data-driven collaborative mechanism in fixed-position assembly systems for smart manufacturing. Robotics and Computer-Integrated Manufacturing. 2020;61:101841.
• 25. Fontanet M, Scudiero E, Skaggs TH, ve ark. Dy-namic management zones for irrigation scheduling. Agricultural Water Management. 2020;238:106207.
• 26. Shafiee ME, Rasekh A, Sela L, ve ark. Streaming smart meter data integration to enable dynamic de-mand assignment for real-time hydraulic simulation. Journal of Water Resources Planning and Manage-ment. 2020;146(6):06020008.
• 27. Mezgebe TT, Bril El Haouzi H, Demesure G ve ark. Multi-agent systems negotiation to deal with dy-namic scheduling in disturbed industrial context. Jo-urnal of Intelligent Manufacturing. 2020;31:1367-1382.
• 28. Kim T, Kim YW, Cho H. Dynamic production scheduling model under due date uncertainty in pre-cast concrete construction. Journal of Cleaner Pro-duction. 2020;257:120527.
• 29. Herman JD, Quinn JD, Steinschneider S, ve ark. Climate adaptation as a control problem: Review and perspectives on dynamic water resources planning under uncertainty. Water Resources Research. 2020;56(2):e24389.
• 30. Süzen E. Havayolu Operasyon Yönetiminde Uçuş Sürecinin Yönetilmesi. Third Sector Social Economic Review. 2021;56(3):1721-1735.
• 31. Yayan U, Erdoğmuş A. Endüstriyel Robot Hare-ket Planlama Algoritmaları Performans Karşılaştır-ması. Journal of Science, Technology and Enginee-ring Research. 2021;2(2):31-45.
• 32. Yavuz E, Avunduk H. Tedarik Zinciri Yöneti-minde Blok Zincir Teknolojisinin Kullanımı. Izmir Democracy University Social Sciences Journal. 2021;4(1):33-56.
• 33. Güler D, Saner G. Süt sığırcılığı işletmelerinde üretim planlaması: İzmir ve Manisa örneği. Ege Üni-versitesi Ziraat Fakültesi Dergisi. 2021;58(1):75-85.
• 34. Ahmad W, Alam B, Ahuja S, ve ark. A dynamic VM provisioning and de-provisioning based cost-efficient deadline-aware scheduling algorithm for Big Data workflow applications in a cloud environ-ment. Cluster Computing. 2021;24:249-278.
• 35. Getuli V, Capone P, Bruttini A. Planning, mana-gement and administration of HS contents with BIM and VR in construction: An implementation protocol. Engineering, Construction and Architectural Mana-gement. 2021;28(2):603-623.
• 36. Thurow K, Gu X, Göde B, ve ark. Integrating mobile robots into automated laboratory processes: a suitable workflow management system. SLAS TECHNOLOGY: Translating Life Sciences Innova-tion. 2021;26(2):232-235.
• 37. Jia C, Ding H, Zhang C, ve ark. Design of a dy-namic key management plan for intelligent building energy management system based on wireless sensor network and blockchain technology. Alexandria En-gineering Journal. 2021;60(1):337-346.
• 38. Du J, Dong P, Sugumaran V, ve ark. Dynamic decision support framework for production schedu-ling using a combined genetic algorithm and multia-gent model. Expert Systems. 2021;38(1):e12533.
• 39. Xiang X, Li Q, Khan S, ve ark. Urban water re-source management for sustainable environment planning using artificial intelligence techniques. En-vironmental Impact Assessment Review. 2021;86:106515.
• 40. Ma X, Xu H, Gao H, ve ark. Real-time multip-le-workflow scheduling in cloud environments. IEEE Transactions on Network and Service Management. 2021;18(4):4002-4018.
• 41. Zhang M, Tao F, Nee AYC. Digital twin enhanced dynamic job-shop scheduling. Journal of Manufactu-ring Systems. 2021;58:146-156.
• 42. Koçak A, Yıldız A. Üretim Planlama ve Kontrol Süreçlerinde Dijital İkiz Teknolojisinin Kullanılması: Tekstil Sektöründe Bir Uygulama. Gazi University Journal of Science Part C: Design and Technology. 2022;10(4):711-732.
• 43. Kelekçi E, Kizir S. CNC tezgâhlarında dairesel ve helisel hareketler için jerk/ivme sınırlandırmalı yörünge planlama algoritmasının geliştirilmesi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi. 2022;37(3):1293-1308.
• 44. Ordu M, Korhan E. Simülasyon Destekli Tesis Yerleşim Tasarımı ve İyileştirme Çalışmaları: Bir Tekstil Firması Örneği. Osmaniye Korkut Ara Uni-versity Journal of the Institute of Science and Tech-nology. 2022;5:26-39.
• 45. Singhal A, Varshney S, Mohanaprakash TA, ve ark. Minimization of latency using multitask schedu-ling in industrial autonomous systems. Wireless Communications and Mobile Computing. 2022:1-10.
• 46. Li X, Wu C, Xue F, ve ark. Ontology-based map-ping approach for automatic work packaging in mo-dular construction. Automation in Construction. 2022;134:104083.
• 47. Wadhwa H, Aron R. TRAM: Technique for reso-urce allocation and management in fog computing environment. The Journal of Supercomputing. 2022;78(1):667-690.
• 48. Şekerci S. Büyük ölçekli işletmelerde tedarik zin-ciri yönetiminde bilgi teknolojileri kullanımı ve top-lam kalite yönetiminin işletme performansına etkisi [Yüksek lisans tezi]. Karamanoğlu Mehmetbey Üni-versitesi; 2023.
• 49. Şahin C, Rızvan ERO. Esnek Üretim Sistemleri-nin Dinamik Çizelgelenmesi için Çoklu Etmen Yakla-şımı ve Yönlendirme Kurallarının Karşılaştırılması. Çukurova Üniversitesi Mühendislik Fakültesi Dergisi. 2023;38(1):61-72.
• 50. Calafiore GC, Parino F, Zino L, ve ark. Dynamic planning of a two-dose vaccination campaign with uncertain supplies. European Journal of Operational Research. 2023;304(3):1269-1278.