Abdullah Hulusi Kökçam

Amaç –Olgunluk modelleri, organizasyon süreçlerinin performansını ölçmek için kullanılan etkili bir yöntemdir. Bu modeller, organizasyonların belirli bir yetkinliğe sahip olup olmadığı ve bu yetkinliğin ne sıklıkla tekrarlandığı hakkında bilgi sağlamaktadır. Bu sayede, organizasyonların güçlü yönlerini geliştirmelerine ve zayıf yönlerini düzeltmelerine yardımcı olunur. Bu çalışmada, olgunluk modeli literatürünün kapsamlı olarak araştırılmasıyla güncel konuları ortaya çıkarmak, daha sonra gerçekleştirilecek çalışmalar için kaynak oluşturmak amaçlanmıştır.Yöntem–Olgunluk modellerinin kullanımının araştırılmasında, bibliyometrik analiz yöntemi kullanılmıştır. Bibliyometrik analiz, araştırma ilerleyişi hakkında kararlar verme, araştırma önceliklerini belirleme, haritalama ve araştırma mükemmeliyetine ulaşma gibi konularda yararlı bilgiler sağlayan bir yöntemdir. Bibliyometrik analiz için, 1988-2023 yılları arasında “WoS” veri tabanında, olgunluk modelleri ile ilgili yayınlanmış çalışmalar taranarak bir veri seti oluşturulmuştur. Veri önişleme ve analiz süreçlerinde R-Studio yazılımı üzerinden Bibliometrix paketinde yer alan Biblioshiny web arayüzü kullanılmıştır.Bulgular–Olgunluk modeli alanında gerçekleştirilen yayınların sayıları, alanda etkili yazarlar, etkili ülkeler, etkili kaynaklar, yayınların atıf analizleri ve Türkiye’de gerçekleştirilen yayınlara yönelik analizler ortaya konulmuştur. Literatürde, olgunluk modeli konusu üzerine çalışmaların zamanla arttığı gözlemlenmektedir. Araştırma alanında en fazla yayına, ülke olarak, ABD (Amerika Birleşik Devletleri) ve Çin’in; yazar olarak, Mahmood Niazi’nin sahip olduğu, en fazla atıf alan yazarın, Wang olduğu belirlenmiştir. Ayrıca alanın temel dergisinin “Sustainability” olduğu görülmüştür.Tartışma–Araştırmada “olgunluk modeli” kavramı üzerine artan bir ivmeyle çalışmaların gerçekleştirildiği görülmüştür. Farklı sektörler için işletmelerin rekabet üstünlüğü elde etmede başvurabileceği bir kavram olan olgunluk modelleri kapsamında literatürde daha fazla çalışma yapılması gerektiği belirlenmiştir. Veri tabanında yer alan çalışmalar için özet ve yazar anahtar kelime alanlarında “bibliyometrik analiz” kavramı aratıldığında sınırlı sayıda çalışmanın gerçekleştirildiği görülmüştür. Ayrıca olgunlukmodeli alanında, Türkiye’de bibliyometrik analiz çalışmasının bulunmadığı tespit edilmiştir

Uncoordinated and instantaneous charging decisions made by electric vehicle (EV) drivers create bottlenecks in existing infrastructure, leading to inefficiencies and prolonged waiting times, and resource losses that challenge sustainable transportation systems. This study proposes a “scenario-based” optimization approach targeting the stochastic behaviors of independent EV drivers, incorporating individual risk-taking profiles and balking mechanisms to promote infrastructure sustainability. The proposed algorithm integrates a discrete-event simulation with a Genetic Algorithm (GA) as a decision support mechanism. The optimization focuses on a vehicle cohort entering the route once the system reaches a steady-state saturation point during peak evening hours. GA parameters are optimized using the Taguchi method to maximize robustness. The results demonstrate that, compared to the baseline scenario where drivers act individually, the proposed decision-making mechanism can achieve up to a 20% reduction in the total travel time of the optimized vehicle group. Overall, the proposed model offers a scalable framework for optimizing individual charging behaviors, thereby contributing to more predictable, resource-efficient, and sustainable management of electric vehicle charging infrastructures.

Soil liquefaction, a phenomenon triggered by seismic activity, poses significant risks to structures built on saturated, loose, cohesionless, or low-cohesion soils. Accurate prediction of liquefaction-induced settlements remains a critical challenge in geotechnical engineering due to the complex interplay of soil properties, site conditions, and seismic parameters. Traditional methods, including empirical and numerical approaches, are often limited in handling the inherent uncertainties and complexities of the problem. This study utilized a real-world dataset, leveraging explainable artificial intelligence (XAI) to predict liquefaction-induced settlements. Ensemble learning algorithms were employed to train the model, and the best-performing algorithm was further analyzed using the Local Interpretable Model-Agnostic Explanations (LIME) framework. The results demonstrate that thicker liquefiable layers, higher earthquake magnitudes, and greater PGA values significantly increase settlement, whereas deeper soil layers and higher standard penetration resistance reduce settlement. LIME provides transparent and interpretable insights into the contribution of various factors influencing settlement predictions, offering a novel perspective on the problem. The results demonstrate the potential of XAI to enhance the interpretability and reliability of predictive models, paving the way for more robust and practical solutions for geotechnical applications.