Bu çalışmada, Seramik Sektöründe faaliyet gösteren tedarikçi firmaların, eş zamanlı mühendislik metodunu kullanım etkinliğine göre değerlendirilmesi sürecinde kullanmak üzere; üç katmanlı, ileri beslemeli, geriye yayılımlı bir Yapay Sinir Ağı modeli geliştirilerek, bu modelin, tedarikçi değerlendirme sürecinde kullanılabilirliği araştırılmıştır. Çalışma kapsamında oluşturulan araştırma modelinin bağımsız değişkenleri ağın giriş değişkenleri olarak, bağımlı değişkeni ise çıkış değişkeni olarak kullanılmıştır. Bu değişkenlerin değerleri faktör analizi yardımı ile belirlenmiştir. Analizde kullanılacak veri setinin temini için, ağın giriş ve çıkış değişkenlerini açıklayan otuz dört soruluk bir anket formu hazırlanarak, ilgili sektörde faaliyet gösteren 52 firmayı kapsayan anket çalışması gerçekleştirilmiştir. Ağın daha doğru sonuçlar vermesi için, analiz sonuçlarına göre faktör yükü 0.6'nın altında değere sahip sorular elenmiştir. Elenen soruların değerlendirme dışı bırakılması ile, 8 giriş değişkenini açıklayan 22 soruya verilen cevaplar ağın giriş değerlerinin belirlenmesinde, çıkış değişkenini açıklayan 3 soruya verilen cevaplar ağın çıkış değerinin belirlenmesinde kullanılmıştır. Ağın giriş ve çıkış değerlerine ilişkin veri seti, k-fold yöntemi ile 4 eşit gruba ayrılarak dört farklı alternatif ağ yapısı oluşturulmuştur. Sonuç olarak, en düşük hatayı veren ağın test simülasyonu sonucunda elde edilen tahmini firma puanları ile gerçek firma puanları birbirine çok yakın çıktığı için, geliştirilen Yapay Sinir Ağı modelinin, tedarikçi değerlendirme sürecinde kullanılabileceği sonucuna varılmıştır.

In this study, a-three layered feed-forward backpropagation Artificial Neural Network (ANN) model is developed for the supplier firms in ceramic sector on the bases of user effectiveness for using concurrent engineering method. The developed model is also questioned for its usability in the supplier evaluation process. The network's independent variables of the developed model are considered as input variables of the network and dependent variables are used as output variables. The values of these variables are determined with factor analysis. For obtaining the date set to be used in the analysis, a questionnaire form with 34 questions explaining the network's input and output variables are prepared and sent out to 52 firms active in related sector. For obtaining more accurate results from the network, the questions having factor load below 0,6 are eliminated from the analysis. With the elimination of the questions from the analysis, the answers given for 22 questions explaining 8 input variables are used for the evaluation the network's inputs, the answers given for 3 questions explaining output variables are used for the evaluation the network's outputs. The data set of the network's are divided into four equal groups with k-fold method in order to get four different alternative network structures. As a conclusion, the forecasted firm scores giving the minimum error from the network test simulation and real firm scores are found to be very close to each other, thus, it is concluded that the developed artificial neural network model can be used effectively in the supplier evaluation process.