An Evaluation of AI-Based Decision-Making Processes and Innovation Approaches in Quality Management

Öz

In today's rapidly digitalizing business world, the impact of AI technologies on decision-making processes and quality management is increasing. Data-driven and predictive approaches, which are replacing traditional methods, enable businesses to make faster, more accurate, and more effective decisions while also contributing to raising quality standards and ensuring sustainability. This study aims to examine the integration of AI-supported decision-making systems into quality management processes and the strategic advantages this integration provides to businesses. Within the scope of our study, we first explain the concept of artificial intelligence, its historical development, and its relationship with decision support systems. We then examine the concept of quality management, its evolution, and the changing application forms it faces today with digitalization. We evaluate how international standards such as ISO 9001 integrate with AI-based systems. The main focus of the study analyzes the applications of AI technologies in areas such as quality control, customer feedback analysis, process optimization, and predictive maintenance, with case examples. The research examined in detail the AI-powered quality practices of leading global companies such as Siemens, General Electric, Toyota, Bosch, IBM, Amazon, and Unilever, assessing the benefits these practices offer businesses, the challenges they face, and future prospects. The findings demonstrate that AI not only improves quality but also enhances businesses' decision-making capabilities, increases customer satisfaction, and significantly increases operational efficiency. Keywords: Artificial Intelligence, Decision-Making Processes, Quality Management, Digital Transformation, Innovative Applications.

Anahtar Kelimeler

• Artificial Intelligence
• Decision-Making Processes
• Quality Management
• Digital Transformation
• Innovative Applications.

YAPAY ZEKÂ TABANLI KARAR VERME SÜREÇLERİ İLE KALİTE YÖNETİMİ YENİLİK YAKLAŞIMLARININ DEĞERLENDİRİLMESİ

Öz

Günümüzün hızla dijitalleşen iş dünyasında, yapay zekâ teknolojilerinin karar alma süreçleri ve kalite yönetimi üzerindeki etkisi giderek artmaktadır. Geleneksel yöntemlerin yerini alan veri temelli ve öngörücü yaklaşımlar, işletmelerin daha hızlı, doğru ve etkin kararlar almasını mümkün kılarken; aynı zamanda kalite standartlarını yükseltmeye ve sürdürülebilirliği sağlamaya da katkıda bulunmaktadır. Bu çalışma, yapay zekâ destekli karar alma sistemlerinin kalite yönetimi süreçlerine entegrasyonunu ve bu entegrasyonun işletmelere sağladığı stratejik avantajları incelemeyi amaçlamaktadır. Çalışmamız kapsamında öncelikle yapay zekâ kavramı, tarihsel gelişimi ve karar destek sistemleriyle ilişkisi açıklanmıştır. Ardından kalite yönetimi kavramı, evrimi ve günümüzde dijitalleşmeyle birlikte değişen uygulama biçimleri ele alınmıştır. ISO 9001 gibi uluslararası standartların, yapay zekâ tabanlı sistemlerle nasıl bütünleştiği değerlendirilmiştir. Çalışmanın ana eksenini oluşturan bölümde ise yapay zekâ teknolojilerinin kalite kontrol, müşteri geri bildirimi analizi, süreç optimizasyonu ve öngörücü bakım gibi alanlardaki uygulamaları vaka örnekleriyle birlikte analiz edilmiştir. Araştırmada Siemens, General Electric, Toyota, Bosch, IBM, Amazon ve Unilever gibi dünya çapında öncü şirketlerin yapay zekâ destekli kalite uygulamaları ayrıntılı olarak incelenmiş; bu uygulamaların işletmelere sunduğu faydalar, karşılaşılan zorluklar ve gelecek öngörüleri değerlendirilmiştir. Elde edilen bulgular, yapay zekânın yalnızca kaliteyi artırmakla kalmadığını, aynı zamanda işletmelerin karar alma kabiliyetlerini geliştirdiğini, müşteri memnuniyetini yükselttiğini ve operasyonel verimliliği önemli ölçüde artırdığını göstermektedir.

Anahtar Kelimeler

• Yapay Zekâ
• Karar Alma Süreçleri
• Kalite Yönetimi
• Dijital Dönüşüm
• Yenilikçi Uygulamalar.

Kaynakça

1. Acat, M. Bahaddin, ve Esra Dereli. "Okul Öncesi Öğretmenliği Bölümü Öğrencilerinin Karar Verme Stratejileri ve Akademik Başarılarının Öğrenme Motivasyonlarını Yordama Gücü." Kuram ve Uygulamada Eğitim Bilimleri 12.4 (2012): 2661-2678.
2. Aktaş, Nilgün. Lise Öğrencilerinin Motivasyon Kaynakları ve Karar Verme Stratejileri. Yüksek Lisans Tezi, Adnan Menderes Üniversitesi, Sosyal Bilimler Enstitüsü, Aydın, 2016.
3. Aladağ, Zerrin. Karar teorisi. Kocaeli: Umuttepe Kitabevi, 2011.
4. Anameriç, H. (2005). Yönetim bilgi sistemlerinin yönetim fonksiyonları üzerine etkisi. Ankara Üniversitesi Dil ve Tarih-Coğrafya Fakültesi Dergisi, 45(2), 25-43.
5. Aydın, cengiz. Karar Verme Süreçlerinde Kurumsal Bilginin Önemi: Kültür ve Turizm Bakanlığında Bir Uygulama.
6. Baskerville, R. (2005). Information security governance: Managing organizational IT security risks. Communications of the ACM, 48(7), 79–83. https://doi.org/10.1145/1076211.1076242
7. Bayraktaroğlu, Serkan, ve Kemal Demir. İşyerinde Karar Verme ve Problem Çözme Yöntemleri. Ankara: İş ve Meslek Danışmanlığı içinde, İş ve Meslek Danışmanlığı Derneği Yayınları, 2011.
8. Binns, R. (2018). Fairness in machine learning: Lessons from political philosophy. Proceedings of the 2018 Conference on Fairness, Accountability and Transparency, 149–159. https://doi.org/10.1145/3287560.3287586

9. Campbell, M., Hoane, A. J., & Hsu, F. H. (2002). Deep Blue. Artificial Intelligence, 134(1–2), 57–83. https://doi.org/10.1016/S0004-3702(01)00129-1
10. Can, Özden. Üniversite Öğrencilerinin Akılcı Olmayan İnançları ve Karar Verme Stillerinin İncelenmesi. Yüksek Lisans Tezi, Selçuk Üniversitesi Sosyal Bilimleri Enstitüsü, Konya, 2009.
11. Casadesús, M., & Karapetrovic, S. (2005). An empirical study of the benefits and costs of ISO 9001:2000 compared to ISO 9001/2/3:1994. Total Quality Management & Business Excellence, 16(1), 105–120. https://doi.org/10.1080/1478336042000309863
12. Chatterjee, S., Rana, N. P., Tamilmani, K., & Sharma, A. (2021). The role of artificial intelligence and machine learning techniques: A bibliometric and content analysis of customer feedback classification. Technological Forecasting and Social Change, 168, 120739. https://doi.org/10.1016/j.techfore.2021.120739
13. Coşkun, Ümran. “Karar ve Karar Verme Süreci”. ulakbilge, 53 (2020 Ekim): s. 1181–1191. doi: 10.7816/ulakbilge-08-53-08
14. Çavuş, Fedai Mustafa "Karar Verme, Karar Destek Sistemleri ve Yönetsel Etkinlik." Akademik Bakış Dergisi 15. 2008: 1-18.
15. Çelik, H. D. (2018). İşletmelerde finansal karar destek sistemleri (Yüksek Lisans Tezi). Bahçeşehir Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul.
16. Çelik, L. (2006). Karar destek sistemlerinin karar verme sürecindeki rolü: Otomotiv sektöründe faaliyet gösteren bir işletmede incelenmesi (Yüksek Lisans Tezi). Marmara Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul.
17. Çelikten, M., Yıldız, M. ve Kılıç, H. H. (2019). Örgüt yönetiminde karar verme süreci: Bitmeyen bir tartışma. Mersin Üniversitesi Eğitim Fakültesi Dergisi, 15(2), 581-592.
18. Çolakkadıoğlu, Oğuzhan. "Ergenlerde Karar Verme Ölçeği'nin Ortaöğretim Öğrencileri İçin Geçerlik ve Güvenirlik Çalışması”, Mustafa Kemal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi 9.19 (2012): 387-403.
19. Dale, B. G. (2015). Total quality management (3rd ed.). John Wiley & Sons.
20. Daniela, M. (2019). Decision support systems to create a competitive advantage. Internal Auditing & Risk Management, 3(55), 76-82.
21. Daniela, M. (2019). Decision support systems to create a competitive advantage. Internal Auditing & Risk Management, 3(55), 76-82.
22. Delmas, M. (2001). Stakeholders and competitive advantage: The case of ISO 14001. Production and Operations Management, 10(3), 343–358. https://doi.org/10.1111/j.1937-5956.2001.tb00379.x Deming, W. E. (1986). Out of the crisis. MIT Press.
23. Dizman, H., & Özen, E. (2017). Küçük işletmelerde karar destek sistemlerinin farkındalığı üzerine bir araştırma: Yerel bir yaklaşım (Ege Bölgesi). Finans Ekonomi ve Sosyal Araştırmalar Dergisi, 2(3), 137-152.
24. Dural, C. (2015). Karar destek sistemlerinde kişiselleştirilmiş karar destek sisteminin önemi (Yüksek Lisans Tezi). Beykent Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul.
25. Emhan, A. (2007). Karar verme süreci ve bu süreçte bilişim sistemlerinin kullanılması. Elektronik Sosyal Bilimler Dergisi, 6(21), 212-224.
26. Esteva, A., Kuprel, B., Novoa, R. A., Ko, J., Swetter, S. M., Blau, H. M., & Thrun, S. (2017). Dermatologist-level classification of skin cancer with deep neural networks. Nature, 542(7639), 115–118. https://doi.org/10.1038/nature21056
27. Evren, Ramazan, ve Füsun Ülengil. Yönetimde Karar Verme. İstanbul: İTÜ, 1992.
28. Falino, David. F. Etkili Karar Verme. Çev. E. Sabri Yarmalı, İstanbul: Hayat Yayınları, 2003.
29. Fernández-Muñiz, B., Montes-Peón, J. M., & Vázquez-Ordás, C. J. (2009). Relation between occupational safety management and firm performance. Safety Science, 47(7), 980–991. https://doi.org/10.1016/j.ssci.2008.10.022
30. Gacar, Atalay. Türkiye’deki Beden Eğitimi ve Spor Öğretim Elemanlarının Karar Verme ve Atılganlık Düzeylerinin Bazı Değişkenler Açısından İncelenmesi. Doktora Tezi, Fırat Üniversitesi Sağlık Bilimleri Enstitüsü, Kars, 2011.
31. Giarratano, J., & Riley, G. (2005). Expert systems: Principles and programming (4th ed.). Cengage Learning. Hoyle, D. (2017). ISO 9000 quality systems handbook–updated for the ISO 9001:2015 standard (7th ed.). Routledge.
32. International Organization for Standardization (ISO). (2015). ISO 9001:2015 Quality management systems – Requirements. https://www.iso.org/standard/62085.html
33. Karagül, A. A. (2006). Bilgi yönetimi sürecinde kurumsal kaynak planlaması uygulamalarının muhasebe bilgi sistemine etkisi ve bir uygulama (Doktora Tezi). Anadolu Üniversitesi Sosyal Bilimler Enstitüsü, Eskişehir.
34. Kıral, Erkan. "Yönetimde Karar ve Etik Karar Verme Sorunsalı." Adnan Menderes Üniversitesi Eğitim Fakültesi Eğitim Bilimleri Dergisi 6.2 (2015): 73-89.
35. Kıranlı, Semra, ve Abdurrahman Ilğan. "Eğitim Örgütlerinde Karar Verme Sürecinde Etik." Mehmet Akif Ersoy Üniversitesi Eğitim Fakültesi Dergisi 8.14 (2007): 150-162.
36. Koçoğlu, Ercan. İşletmelerde Yöneticilerin Karar Verme Süreci ve Bu Süreçte Bilişim Sistemlerinin Kullanımı: Ankara İli Örneği. Yüksek Lisans Tezi, Atılım Üniversitesi Sosyal Bilimler Enstitüsü, Ankara, 2010.
37. Kumar, N., Singh, A., & Tiwari, M. K. (2020). Sound signal analysis for quality inspection in manufacturing: A machine learning-based approach. Journal of Intelligent Manufacturing, 31(6), 1459–1475. https://doi.org/10.1007/s10845-019-01501-w
38. LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436–444. https://doi.org/10.1038/nature14539