In recent years, the growing importance of sustainability has become increasingly apparent, driven by concerns over air pollution from fossil fuels and the need to leave a habitable world for future generations. Addressing these challenges requires a robust understanding of countries’ sustainability performance across environmental, social, and economic dimensions. This study aims to evaluate and compare Türkiye and G7 countries using sustainability data from the World Economic Forum’s The Future Growth Report 2024. Employing a multi-criteria decision-making (MCDM) framework, the Entropy and ARTASI (Alternative ranking technique based on adaptive standardized intervals) methods are combined to conduct a systematic and data-driven analysis. Entropy is used to objectively weigh sustainability criteria, ARTASI ranks the countries based on these criteria. This analysis highlights Türkiye’s position compared to G7 countries and suggests potential policy adjustments for enhancing sustainable growth. In conclusion it’s found that Türkiye ranked seventh among the G7 countries. And the “Green Patents Total” criterion is selected as the most important. And the sensitivity analysis shows applicability and robustness of the analysis.

Adopting the principles of circular economy has become imperative for manufacturing firms to maintain their competitiveness in the global market. Examining the adoption of circular practices through the lens of companies' sustainability goals is essential for identifying specific objectives related to circular economy initiatives and overcoming associated barriers. This study presents a case analysis conducted within a manufacturing company to address these barriers. Initially, the company's sustainable development goals were assessed and weighted using the Best Worst method. Subsequently, barriers hindering the transition to a circular economy were identified through a comprehensive literature review, with critical barriers determined through the Delphi method. Leveraging the weighted sustainable development goals, a prioritized ranking of critical barriers was established using the EDAS method. The findings of the study underscore the significance of addressing key barriers to circular economy adoption. Notably, the top three barriers identified include the high cost of eco-friendly materials, the need for technological and infrastructural advancements, and stakeholder environmental awareness. This study holds practical importance in evaluating circular economy adoption barriers in alignment with sustainable development goals. Furthermore, it provides a practical application within a manufacturing company situated in Turkey, a developing country context.

In the literature of multi-criteria decision making (MCDM), there are many methods related to the measurement of weight coefficients of criteria. In this study, a mathematical model based on the logarithmic effect among criteria (Logarithmic Effect-Based Measurement, LEBM) is proposed to contribute to the MCDM literature and to calculate the weight coefficients of criteria. The dataset used in the study consists of criterion values belonging to the Logistics Performance Index (LPI) of 18 countries in the G20 group. According to the analysis results, the proposed method is considered successful in calculating the objective weight coefficients of criteria for countries. Additionally, the proposed method is compared with other objective weighting methods (ENTROPY, CRITIC, SD, SVP, LOPCOW, and MEREC) within the scope of sensitivity analysis. The findings indicate that the rankings of LPI weight coefficients measured using the proposed method are similar to those measured using the MEREC method, and the relationship between the LPI weight coefficients determined using the proposed method and the MEREC method is positive, significant, and strong. Therefore, it is believed that the proposed method will contribute both to the logarithmic function and the MCDM literature

Su temin ve dağıtım sistemlerinde meydana gelen su kayıpları Su idareleri için ekonomik kayıp oluşturması nedeniyle önemli bir sorundur. Su idareleri için doğrudan gelir kaybına sebep olan idari kayıplar yasal olmayan tüketimler, faturalama, veri işleme hataları ve sayaç hatalarından oluşmaktadır. Yasal olmayan tüketimler ve faturalama hataları doğrudan idare yönetimi ile ilişkilidir ve prosedürlerin iyileştirilmesi ile azaltılabilmektedir ancak sayaç hatalarından kaynaklanan kayıpların ölçülmesi ve yönetimi daha zordur. Bu çalışmada sayaç hatası yönetim bileşenlerini tespit etmek, ağırlık katsayılarını belirlemek, bileşenleri önceliklendirmek amacıyla çok kriterli karar verme yöntemlerinden Analitik Hiyerarşi Prosesi (AHP) yöntemi uygulanmıştır. Çalışma kapsamında 27 bileşen tespit edilmiş ve bu bileşenler İdare yönetim, Su dengesi bileşenleri, İdari kayıp yönetimi, Ekonomik analiz, Performans izleme ve Veri yönetimi ana başlıkları altında incelenmiştir. Sonuçlar sayaç hatası yönetim bileşenlerinden en etkili olanın 0,1224 ağırlık katsayısı ile “Sayaç hata oranlarının belirlenmesi-sayaçların izlenmesi” bileşeni olduğunu ve 0,0782 katsayı ile “İdari kayıplara etki eden faktörlerin analizi” ile 0,0770 katsayı ile “Abone sayaç hatasından kaynaklanan kayıplar” ın onu takip ettiğini göstermiştir. Yapılan çalışma strateji belirleme ve önceliklendirme kapsamında karar analiz yönteminin nasıl uygulanabileceğini göstermektedir.

One of the important issues in the economic development of countries is their effectiveness in logistics activities. Countries gain competitive advantage by maintaining effective and efficient logistics processes. Therefore, determining logistics performance is important for both businesses and countries. The main aim of this study is to examine the logistics performances of countries in the context of G20 countries and to determine how they change over time. Within the framework of this aim, the Logistics Performance Index published by the World Bank has been used to determine the logistics performance of countries (LPI (2018) and LPI (2023)). Standard Deviation (SD) method has been used in weighting the criteria “customs, infrastructure, international shipments, logistics competence and quality, timeliness, tracing and tracking” included in the LPI and in determining the performance of G20 countries. Data for 2018 and 2023 have been examined using the methods COPRAS (Complex Proportional Assessment) and SAW (Simple Additive Weight). The results obtained from the methods have been compared with LPI (2018) and LPI (2023). As a result of the analysis, according to the COPRAS method, Germany, Japan, and the United Kingdom rank first in 2018, while the Russian Federation, Argentina and Brazil rank last, respectively. According to 2023 data, Germany ranks first according to both methods, while Canada and Japan follow Germany in line with the COPRAS method. According to the SAW method, Japan and Canada follow Germany. Russia and Argentina rank in last place in both methods, similar to the current index.

Belirsizliğin arttığı bugünün çalışma ortamında perakendecilerin doğru stokları doğru yerde ve doğru miktarda tutmaları önem kazanmıştır. Doğrusal yöntemlerin değişkenliğe dayanıksızlığı ve tahmin hataları stok yönetimini zorlaştırmaktadır. Bu çalışmada Hazır Giyim firmalarına talebe dayalı çekme tipi üretim yönetimine dönüşüm için yol haritası önerilmektedir. Talebe Dayalı Malzeme İhtiyaç Planlama (Demand Driven Material Requirement Planning-DDMRP) uygulamasıyla merkez depodan mağazalara gün aşırı döngüsel sefer (milk-run) tarzında tamamlama servisi verilmiştir. Aynı zamanda fabrikanın üretim iş emirleri merkez depodaki DDMRP uygulamasına göre düzenlenmiştir Geleneksel perakende dağıtımı satış tahmini, min-maks stok seviyelerine göre otomatik tamamlama ve birim maliyet düşürme amacıyla satınalma-üretim-sevk için parti büyütme esaslıdır. Gelenekselin aksine ürün aileleri bazında yıllık eğilim dışında satış tahmini ve optimizasyon kullanılmadan dinamik stok yönetimi uygulanarak bir yıl içinde üretimdeki akış süresi %33 azaltılmış, yarı mamul stoklar %37 düşürülmüş, mamul stoklarda %17 azalma ve satışlarda %20 artış elde edilmiştir.

Sustainable aviation fuels (SAF) present a feasible solution to decarbonize modern aviation. Unlike traditional jet fuels, SAFs are produced in a variety of ways, thereby choosing one of these processes as a complicated Multi-Criteria Decision challenge that involves conflicting priorities. This study evaluates SAF production processes using a multicriteria methodology, PROMETHEE-2. With SAF technology in its nascent stage and limited data, several stakeholders in the aviation sector were enlisted to assist in the collection of data and preferences. The suggested framework’s strength lies in its adaptability to suit the subjective opinions of diverse stakeholders, selection of ranking system, and robustness of outcomes. This research engaged stakeholders in a participative manner to rank 11 (A1 to A11) SAF production paths based on 24 parameters categorized into social, environmental, economic, and technological evaluation criteria. Industry professionals were given a form to rate SAF production methods according to a performance criterion. Data is validated using fuzzy TOPSIS and fuzzy VIKOR and PROMETHEE-II to reduce professionals’ judgmental personal prejudice. Results indicate the optimal feedstock for SAF production is the direct transition process of CO2 to SAF (A11) in the gasification or Fischer-T synthesis group.

Bu çalışmanın amacı BIST otomotiv sektörü firmalarının 2018-2022 dönemindeki nakit akım temelli finansal performansını bütüncül bakış açısıyla değerlendirmektir. Bu kapsamda bir bulanık çok kriterli karar verme (ÇKKV) yaklaşımı olan Oyun-Teorik Bulanık Değerlendirme Sistemi (G-FES) kullanılmıştır. Bununla birlikte her bir yıl için ayrı ayrı elde edilen TOPSIS sıralamaları kullanılarak iki oyunculu sıfır toplamlı bir oyun oluşturulmuştur. Bu oyunun çözümü de beş yıllık dönem için sonuç vermektedir ve G-FES sonuçlarının karşılaştırılmasında kullanılmıştır. Yapılan analizin sonucunda; en yüksek performansa sahip olan firmaların ASUZU, KARSN ve TTRAK olduğu görülmüştür. Öte yandan bunların kendi içindeki sıralaması riskten kaçınma derecesine bağlı olarak değişmektedir.

Dünya nüfusunun artması ve teknolojik gelişmeler hızlı kentleşme ve sanayileşmeye yol açmıştır. Ancak artan sanayileşme nedeniyle ortaya çıkan çevre sorunları daha büyük bir endişe haline gelmiştir. Günümüzde birçok ülke, üretime bağlı çevre sorunlarını ortadan kaldırmak için Döngüsel Ekonomi politikalarıyla temiz ve sürdürülebilir üretimi desteklemektedir. Bu ülkeler, Döngüsel Ekonomi bağlamında çeşitli endüstrilerde Endüstriyel Simbiyoz (ES) uygulamalarını desteklemektedir. Orman ürünleri endüstrisi, Dünyadaki başarılı ES uygulamalarının odak noktasındaki sektörlerden biridir. Bu sektörün doğal hammaddelere bağımlılığı, orman varlığının yüksek olduğu ülkeler için bu sektörü daha kritik hale getirmiştir. Bu çalışmanın amacı Türkiye'deki orman ürünleri endüstrisinin ES’nin uygulanabilirliğini tartışmaktır. İlk olarak orman ürünleri endüstrisine dayalı Dünya'da yapılmış iyi ES uygulamalarını incelenmiştir. Ardından, bu ES ağlarındaki işbirlikleri ve potansiyel malzeme, yan ürün ve atık akışlarını belirlenmiştir. Bu değerlendirmenin ışığında, ES'nin Türk orman endüstrisi için uygulanabilirliğine ilişkin bir SWOT analizi sunulmuştur. SWOT analizi sonuçları, Türkiye orman ürünleri sektörüne dayalı ES ağları kurmanın mümkün olduğunu göstermektedir. Ancak işletmeler, ES hakkında farkındalık yaratarak bu ağlara katılmaya teşvik edilmelidir. Bu ağlara katılımı artırmak için vergi muafiyetleri, girdi fiyatlarında indirim gibi destekler tasarlanmalıdır.

This study aims to explore whether a machine learning algorithm can be used to make improvements in assessing unit efficiencies via a data envelopment analysis (DEA) model. In this study, a DEA model is used to calculate the efficiency scores of Desicion Making Units (DMUs). Then, an ML algorithm is trained that aims to predict the single output using inputs. Ranking of input features based on relative feature importance values obtained from the trained ML model is fed to the DEA model as weight restrictions. As a result, the two DEA models are compared with each other. ML-based insights (feature importance ranking) improve the DEA model in the direction of fewer zero weights. The additional weight restrictions are data depdendent, and hence realistic. As a novel approach, this study proposes the use of machine learning-based feature importance values to overcome a limitation of a DEA model.