Araç Üzerine Monte Edilmiş Otomatik Yatay Yükleme ve Boşaltma Sistemi (Automated Horizontal Loading and Unloading System, AHLUS), mevcut ticari kamyonların yük tabanını bantlı konveyör ve hareketli bir bölme aracılığıyla pasif depolama alanından aktif yük elleçleme platformuna dönüştüren retrofit bir araç içi otomasyon sistemidir. Sukmin Hong, Longxiao Liu, Gwanyong Oh, Sungmin Kim, Hanbyul Ryu, EunSu Lee, Daisik Nam ve Daejin Kim tarafından yürütülen çalışma, AHLUS'ın Güney Kore'deki taze gıda son-kilometre teslimatında operasyonel ve ekonomik etkisini; Baengnyeong Adası'nda ise heterojen yüklerin aynı araç platformunda taşınabilmesini incelemiştir. Nicel bölüm, iki AHLUS donanımlı 1 tonluk kamyon ve iki sürücüden elde edilen 184 sürücü-gün gözlemi ile 110 benzersiz çalışma gününe dayanmaktadır.

Öğrenme döneminde günlük ortalama teslimat 239,9 paket, geçiş döneminde 249,9 paket ve kararlı dönemde 287,4 paket olarak ölçülmüştür. Kararlı dönem ile öğrenme dönemi arasındaki ham fark +47,5 paket/gün veya %19,8'dir. Kesintili zaman serisi modelinin pre-intervention eğilimi ve hafta sonu etkilerini dikkate alan karşı-olgusal tahmini ise kararlı dönemde yaklaşık +37,0 paket/gün veya %14,8 deployment etkisi göstermiştir.

Bu artış AHLUS donanımının tek başına izole nedensel etkisi değildir. Araçlar bütün gözlem süresince AHLUS ile donatılmıştır; Aralık 2024'te dispatch sistemi daha fazla yükü bu araçlara tahsis etmeye başlamış ve sürücüler de sistemi kullanmada deneyim kazanmıştır. Dolayısıyla araştırma, donanım kapasitesi, sürücü öğrenmesi ve sevkiyat yeniden tahsisinin birlikte gerçekleştiği deployment sürecinin etkisini tahmin etmektedir.

Toplam sahip olma maliyeti modelinde baz durumda aylık net nakit fayda 968.645 KRW, nakit bazlı başa baş süresi 4,13 ay, beş yıllık NPV 47.467.823 KRW ve basit yıllık ROI %291 olarak hesaplanmıştır. Monte Carlo analizinde medyan başa baş süresi 4,6 ay bulunmuştur; ancak kullanılan olasılık dağılımları istatistiksel olarak veriden kestirilmiş değil varsayılmış dağılımlardır. Bu nedenle ekonomik sonuçlar yalnız incelenen operasyon ve model varsayımları içinde yorumlanmalıdır.

AHLUS Bu Çalışmada Kamyonun Hangi İşlevini Değiştiriyor?

AHLUS, kamyon kasasını yalnız yük taşıyan sabit bir hacim olmaktan çıkarıp yükü araç boyunca yatay olarak hareket ettiren ve kullanılabilir yük alanını hareketli bir bölmeyle yeniden düzenleyen aktif bir elleçleme platformuna dönüştürmektedir; sistemin iki ana mekanik bileşeni elektrikli bantlı konveyör ile hareketli bulkhead sistemidir.

Geleneksel yük alanındaki fiziksel darboğaz

Geleneksel kapalı kasa dağıtım araçlarında sürücünün paket bulmak, yükü yeniden düzenlemek veya boşaltmak için yük bölümüne fiziksel olarak girmesi gerekebilir. Yükleme ve boşaltma süreleri tek tek küçük görünse de çok duraklı son-kilometre operasyonlarında vardiya boyunca birikerek aracın günlük tur sayısını sınırlayabilir.

Çalışmanın teorik katkılarından biri, araç içi yük elleçleme süresini sabit ve dışsal bir operasyon parametresi olarak kabul etmemesidir. Araç içi donanım değiştirildiğinde durak başına servis süresi, araç çevrim süresi ve belirli bir vardiyada yapılabilecek tur sayısı da değişebilir.

AHLUS sistem mimarisi

AHLUS iki senkron alt sistemden oluşmaktadır. Birincisi yükleri aracın boyuna ekseni boyunca arka kapı ile kasa içi arasında taşıyan yüksek sürtünmeli otomatik bantlı konveyördür. Sistem aracın elektrik altyapısından beslenen bir elektrik motoruyla çalışmaktadır.

İkinci bileşen hareketli bulkhead sistemidir. Yükleme sırasında bölme geri çekilerek yeni yük için alan açar. Yükleme tamamlandığında ileri hareket ederek boş hacmi azaltabilir ve yükün hareketini sınırlandırabilir. Taşıma sırasında sabitlenerek yük stabilizasyonuna katkı sağlar. Boşaltmada ise bantlı konveyörle birlikte mekanik itici olarak çalışarak yükü arka kapıya doğru yönlendirir.

Kontrol ünitesi aracın arka bölümünde bulunmaktadır. Operatör yükün ileri veya geri hareketini araç kasasına sürekli girip çıkmadan buradan yönetebilir.

Hareketli bölmenin lojistik anlamı

Hareketli bölmenin işlevi yalnız yükü sıkıştırmak değildir. Teslimat ve toplama aynı rota üzerinde gerçekleştiğinde outbound yük boşaldıkça açılan alan inbound veya iade yükleri için yeniden ayrılabilir.

Bu özellik, forward delivery ile reverse logistics'in aynı araçta birleştirilmesi açısından önemlidir. Ancak çalışma boş dönüş oranında veya toplam vehicle miles traveled değerinde gerçek bir azalma ölçmemiştir; bu faydalar uygulama potansiyeli olarak tartışılmaktadır.

Kuru dökme malzemenin yatay boşaltılması

Orta ve ağır araçlarda kullanılan sistem, konveyör ile kasa tabanı arasındaki boşluklara tahıl, kömür veya agrega gibi kuru dökme malzemelerin girmesini sınırlandırmaya yönelik sealing yapıları içermektedir.

Bu nedenle dökme yük yalnız damperli kasanın dikey kaldırılmasıyla değil, aktif taban ve hareketli bulkhead'in eşzamanlı yatay hareketiyle aracın arkasından boşaltılabilir. Baengnyeong Adası gösteriminde toprak ve agrega bu çalışma biçimiyle taşınmıştır.

Soğuk zincir bağlamı neden önemli?

Kaynak, çalışmanın ana saha ortamını taze ve sıcaklığa duyarlı ürünlerin gece teslimatı olarak seçmiştir. Elle elleçleme azalır ve kapı açık kalma süresi kısalırsa ürünlerin dış ortam sıcaklığına maruziyetinin azalması beklenebilir.

Ancak araştırma sırasında yük bölmesi sıcaklık profilleri veya door-open duration verileri kaydedilmemiştir. Bu nedenle soğuk zincir kalitesinin iyileştiği çalışmanın doğrudan bulgusu değildir.

Ergonomi açısından ne söylenebilir?

AHLUS, sürücünün kasa içine girerek paket itme, çekme ve taşıma ihtiyacını azaltmayı amaçlamaktadır. Bu mekanizma fiziksel yükün azalması yönünde makul bir ergonomik hipotez oluşturur.

Bununla birlikte sürücü hareket sayısı, yürüme mesafesi, kas-iskelet yükü, elektromiyografi veya standart ergonomi ölçekleri kullanılmamıştır. Dolayısıyla çalışma ergonomik yararın ölçüldüğünü veya kas-iskelet yaralanma riskinin azaltıldığını göstermez.

Çalışmanın veri yapısı

Üç operasyon dönemi

%19,8'lik Teslimat Artışı AHLUS Donanımının Tek Başına Etkisi midir?

Hayır. %19,8, öğrenme ve kararlı dönemlerin ham ortalamaları arasındaki farktır ve donanım bütün gözlem döneminde zaten araçlarda bulunduğu için hardware-only causal effect olarak yorumlanamaz; çalışma donanımın yarattığı kapasitenin sürücü öğrenmesi ve dispatch yeniden tahsisiyle kullanılabilir hâle gelmesinin ortak etkisini ölçmektedir.

Neden pre-installation karşılaştırması yok?

AHLUS'lı iki kamyon araştırma veri toplama dönemi başlamadan önce sisteme sahipti. Bu nedenle araştırmacıların elinde aynı iki aracın AHLUS'sız karşılaştırmalı başlangıç zaman serisi bulunmamaktadır.

Ayrıca aynı dağıtım ağında AHLUS bulunmayan araçların günlük verileri operatör tarafından araştırmacılara sağlanmamıştır. Bu nedenle difference-in-differences, synthetic control veya matched untreated vehicle gibi daha güçlü karşılaştırmalı tasarımlar uygulanamamıştır.

Dispatch kısıtı neden önemli?

Çalışma ortamında sürücünün günlük teslim edebileceği paket sayısı yalnız fiziksel hızına bağlı değildir. Dispatch sistemi araca ne kadar yük atadıysa sürücünün gözlenen günlük throughput'u o hacimle sınırlandırılmaktadır.

Öğrenme döneminde AHLUS elleçleme süresinde kullanılabilir boşluk yaratmış olsa bile sevkiyat miktarı eski düzeyde kaldığından bu kapasite daha yüksek paket sayısı olarak görünmemiş olabilir. Aralık ayında dispatch miktarı artırılınca önceden oluşmuş kapasite throughput'a dönüşmeye başlamıştır.

Çalışmanın Yöntemi ve Bulguları

Kesintili zaman serisi modeli

Birincil nicel yöntem tek serili interrupted time-series (ITS) regresyonudur. Kaynak modeli aşağıdaki biçimde tanımlamıştır:

\[ Y_t = \beta_0 + \beta_1 t + \beta_2 post_t + \beta_3 (t-T^*)post_t + \beta_4 weekend_t + \varepsilon_t \tag{1} \]

Burada \(Y_t\), t günündeki iki sürücünün günlük ortalama paket sayısını; \(t\), zaman eğilimini; \(post_t\), 1 Aralık 2024 ve sonrasında 1 olan intervention göstergesini; \(T^*\), 1 Aralık 2024 kırılma tarihini; \(weekend_t\), hafta sonu göstergesini temsil etmektedir.

\(\beta_1\) müdahale öncesi eğilimi, \(\beta_2\) 1 Aralık'taki anlık seviye değişimini, \(\beta_3\) ise kırılma sonrasında günlük eğimdeki ek değişimi ölçmektedir.

Günlük zaman serisindeki heteroskedastisite ve seri korelasyon nedeniyle standart hatalar yedi gecikmeli Newey–West heteroskedastisite ve otokorelasyon tutarlı (HAC) estimator ile hesaplanmıştır.

ITS regresyon sonuçları

Müdahale öncesi eğilim istatistiksel olarak anlamlı değildir. Aralık başındaki −5,90 paketlik anlık seviye değişimi de anlamlı değildir. Buna karşılık müdahale sonrasındaki ek günlük +0,913 paket eğimi yüksek düzeyde anlamlıdır.

Modelin kararlı dönemde fitted seri ile müdahale öncesi eğilimin uzatıldığı counterfactual seri arasındaki ortalama farkı yaklaşık 37,0 paket/gündür. Bu değer counterfactual'e göre %14,8 artışa karşılık gelir.

Ham dönem karşılaştırması

Kararlı dönem ortalaması öğrenme döneminden 47,5 paket/gün daha yüksektir. Bu ham fark %19,8'e karşılık gelir.

Pairwise istatistiksel karşılaştırmalar

Sürücü düzeyindeki sonuçlar

Driver A'nın ortalama günlük teslimatı öğrenme döneminde 238,1'den kararlı dönemde 291,2 pakete yükselmiştir. Fark +53,1 paket/gün veya %22,3'tür; Cohen's d = 3,45 ve p<0,001'dir.

Driver B'de ortalama 241,2'den 282,0 pakete yükselmiştir. Fark +40,8 paket/gün veya %16,9'dur; Cohen's d = 2,68 ve p<0,001'dir.

İki sürücüde de aynı yönlü yüksek fark gözlenmesi, aggregate sonucun tek bir sürücünün olağandışı performansından kaynaklanma olasılığını azaltmaktadır. Ancak iki sürücü bütün sektör için genellenebilir bir örneklem değildir.

Kırılma tarihi duyarlılık analizi

Araştırmacılar deployment'ın tek günde gerçekleşmediğini dikkate alarak ITS modelini 17 Kasım, 24 Kasım, 8 Aralık ve 15 Aralık alternatif kırılma tarihleriyle yeniden kurmuştur.

Bütün alternatiflerde slope-change katsayısı pozitif ve anlamlı kalmıştır: \(\beta_3=0{,}833–0{,}950\), tümünde p<0,01. Kararlı dönem fitted–counterfactual farkı alternatif tarihler arasında 37,0–47,4 paket/gün aralığında bulunmuştur.

Modelin grafiksel kontrolü

Kaynak Figure 3 beş panel içermektedir: iki sürücünün günlük teslimatları ve 7 günlük hareketli ortalamaları; ITS fitted seri ve counterfactual; dönemlere göre boxplot; sürücü bazında aylık ortalamalar; residual diagnostic.

Residual analizinde Shapiro–Wilk \(W=0{,}988\), \(p=0{,}412\) raporlanmış ve residual dağılımında belirgin sistematik yapı görülmediği belirtilmiştir.

4,1 Aylık Geri Ödeme Sonucu Ne Kadar Sağlamdır?

Baz TCO modelinde 4,13 aylık nakit başa baş süresi elde edilmiştir ve tek yönlü duyarlılık ile Monte Carlo analizi bu sonucun makul parametre değişimlerine duyarlılığını göstermektedir; ancak throughput dışındaki bazı maliyet girdileri mühendislik tahmini veya uzman görüşüdür ve Monte Carlo dağılımları ampirik olarak kestirilmediği için sonuç bağımsız ekonomik doğrulama olarak yorumlanmamalıdır.

Toplam sahip olma maliyeti denklemi

Kaynak aylık net nakit faydayı:

\[ Net_{month} = (\Delta q-\ell)\,p\,d_{eff} - e\,c_e\,d_{eff} - \frac{m}{12} \tag{2} \]

olarak tanımlamaktadır.

Burada \(\Delta q\) günlük ek paket sayısı; \(\ell\) AHLUS'ın yük alanında kapladığı hacimden kaynaklanan payload-loss fırsat maliyeti; \(p\) paket başı ücret; \(d_{eff}\) etkin aylık çalışma günü; \(e\) günlük bant elektrik tüketimi; \(c_e\) elektrik fiyatı; \(m\) yıllık bakım maliyetidir.

Etkin çalışma günü ve başa baş süresi:

\[ d_{eff}=d(1-\delta) \]

\[ BEP\,(ay)=\frac{CapEx}{Net_{month}} \tag{3} \]

ile hesaplanmaktadır. \(\delta\), bakım/arıza kaynaklı downtime oranıdır.

Baz TCO girdileri

Baz ekonomik sonuçlar

Conservative throughput varyantı

Baz ekonomik model 47,5 paket/günlük ham öğrenme–kararlı dönem farkını kullanmaktadır. Model-implied counterfactual fark olan 37,0 paket/gün kullanıldığında aylık net nakit fayda yaklaşık 690.000 KRW ve başa baş süresi yaklaşık 5,8 ay olmaktadır.

Bu varyant, ekonomik sonucun hangi throughput ölçüsünün seçildiğine duyarlı olduğunu ancak çalışmanın iki ana etki tahmininde de baz varsayımlar altında bir yıldan kısa geri dönüş verdiğini göstermektedir.

Tek yönlü duyarlılık

Başa baş süresini en çok etkileyen değişken ek paket throughput'udur. \(\Delta q=60\) paket/gün olduğunda BEP yaklaşık 3,1 ay; 35 paket/gün olduğunda yaklaşık 6,3 ay bulunmuştur.

CapEx ikinci, payload-loss fırsat maliyeti üçüncü en etkili parametredir. Elektrik ve bakım varsayımlarının BEP üzerindeki etkisi kaynak duyarlılık aralıklarında çok daha küçüktür.

Monte Carlo analizi

Kaynak 50.000 Monte Carlo çekilişi kullanmıştır. Throughput için \(N(47{,}5,8{,}0)\), diğer birçok değişken için üçgensel dağılımlar varsayılmıştır.

Medyan BEP 4,6 ay, standart sapma 2,4 ay ve 5.–95. yüzdelik aralığı 3,2–7,7 aydır. Model varsayımları altında altı ay içinde yatırımın geri kazanılması olasılığı %83 olarak raporlanmıştır.

Tüm 50.000 çekilişte pozitif net fayda çıkmıştır; ancak kaynak bunun ampirik kesinlik olmadığını özellikle belirtmektedir. Baz varsayımlarda pozitif net gelir için gereken throughput artışı yaklaşık 11 paket/gündür ve kullanılan throughput dağılımının ortalamasından yaklaşık 4,6 standart sapma aşağıdadır. Bu nedenle negatif çekilişlerin pratik olarak model yapısı tarafından dışlanması beklenmektedir.

Senaryo analizi

Baengnyeong Adası Gösterimi AHLUS'ın Verimliliğini Kanıtlıyor mu?

Hayır. Ada uygulaması AHLUS'ın farklı fiziksel yük türlerini aynı araçta işleyebildiğini nitel olarak göstermektedir; ancak üretkenlik, yükleme süresi, maliyet, filo kullanımı veya servis performansı için nicel veri toplanmadığı için bu bölüm verimlilik ya da ekonomik etki doğrulaması değildir.

Ada lojistiği neden farklı?

Baengnyeong Adası Güney Kore ana karasından coğrafi olarak ayrıdır ve yük giriş-çıkışı deniz taşımacılığına bağlıdır. Talep düşük yoğunluklu ve düzensiz olabilir; aynı dönemde inşaat agregası, tarımsal girdiler, günlük paketler ve balıkçılık ekipmanı gibi fiziksel olarak farklı yükler taşınabilir.

Bu tür ortamlarda her yük sınıfı için ayrı dump truck, flatbed veya box truck bulundurmak operasyonel olarak verimsiz olabilir. AHLUS gösteriminin temel sorusu aynı aktif yük tabanının farklı yük biçimlerine uyum sağlayıp sağlayamayacağıdır.

Çalışmanın desteklediği sonuçlar

AHLUS donanımlı iki araçta deployment sürecinin kararlı dönemine geçildikten sonra gözlenen günlük paket throughput'u öğrenme döneminden anlamlı biçimde daha yüksektir.

Kesintili zaman serisi modeli, 1 Aralık sonrasında pre-intervention trende göre anlamlı pozitif slope change göstermektedir.

Ham öğrenme–kararlı dönem farkı %19,8; model-implied counterfactual fark %14,8'dir.

İncelenen şirket ve baz ekonomik varsayımlar altında TCO modeli kısa başa baş süresi hesaplamaktadır.

Ada gösterimi, aynı AHLUS platformunun kuru dökme malzeme, standart dışı yük, kutu ve paletli yükü donanım değişimi olmaksızın fiziksel olarak işleyebildiğini göstermektedir.

Çalışmanın desteklemediği sonuçlar

%19,8 artış AHLUS donanımının tek başına nedensel etkisi değildir.

Araştırma AHLUS bulunmayan eşzamanlı kontrol araçlarına sahip değildir.

Yükleme veya boşaltma süresindeki gerçek dakika azalması doğrudan ölçülmemiştir.

Soğuk zincir ürün sıcaklığının veya ambient exposure süresinin azaldığı ölçülmemiştir.

Sürücü ergonomisi veya kas-iskelet yükündeki değişim doğrulanmış ölçüm araçlarıyla test edilmemiştir.

Ada demonstrasyonu için ekonomik veya nicel verimlilik sonucu yoktur.

Tek şirket, iki sürücü ve tek operasyon bağlamındaki sonuçlar bütün son-kilometre sektörüne doğrudan genellenemez.

Uygulama ve ölçekleme sorunları

Standart 1 tonluk araca retrofit maliyeti kaynakta yaklaşık 4.000.000 KRW olarak verilmiştir. Erken aşamadaki teknoloji için donanım uyumluluğu, uzun dönem dayanıklılığı ve pazar farkındalığı benimseme engelleri arasındadır.

Sistem bugün özelleştirilmiş retrofit yoluyla kurulduğundan üretim süreci zaman alıcıdır. Daha geniş ölçek için standardize seri üretim altyapısı gerekecektir.

AHLUS araç içindeki hareketi otomatikleştirse de dağıtım merkezi ile araç arasındaki fiziksel arayüz tamamen otomatik değildir. Gelişmiş dock sistemleri bulunmayan merkezlerde yükün yerden aracın arka kenarına getirilmesi hâlâ manuel iş gerektirebilir.

Gelecek araştırmalar

Kaynak, birden fazla şirket, bölge ve rota türünü kapsayan; tercihen AHLUS bulunmayan kontrol araçlarının da bulunduğu daha geniş saha deneylerini öncelikli görmektedir.

Gelecek çalışmalarda gerçek loading/unloading cycle süreleri, durak başına elleçleme süresi, sürücü yürüme mesafesi ve fiziksel workload doğrudan cihazlarla ölçülmelidir.

Soğuk zincir hipotezini test etmek için kapı açık kalma süreleri ve yük bölmesi sıcaklık profilleri; çevresel sonuçlar için idling, vehicle miles traveled ve empty return trips nicel olarak kaydedilmelidir.

Hareketli bulkhead'in boş alanını gerçek zamanlı ölçen sensörler ve bu veriyi bulut tabanlı routing/loading sistemlerine aktaran akıllı platformlar da kaynakta gelecek araştırma alanı olarak önerilmektedir.

Kaynak ve Yöntem Notu

Özgün başlık: Vehicle-Mounted Automated Horizontal Loading System for Freight Operations: Evidence from Last-Mile Cold Chain Delivery and Island Logistics.

Yazarlar: Sukmin Hong; Longxiao Liu; Gwanyong Oh; Sungmin Kim; Hanbyul Ryu; EunSu Lee; Daisik Nam; Daejin Kim.

Corresponding author: Daejin Kim.

Kurumlar: SpeedFLOOR Co., Ltd.; Graduate School of Logistics, Inha University; College of Business and Public Management, Kean University; Center for Supply Chain and Maritime Logistics, Kean University; Industrial Park Collaboration Center, Inha University.

Dergi: Applied Sciences.

Yayınevi: MDPI, Basel, Switzerland.

Yayın bilgisi: Applied Sciences 2026, 16(17), 8755.

DOI: 10.3390/app16178755.

Makale geçmişi: Alındı 22 Temmuz 2026; revize edildi 29 Ağustos 2026; kabul edildi 1 Eylül 2026; yayımlandı 3 Eylül 2026.

Kaynak türü: Hakemli, açık erişimli özgün uygulamalı lojistik araştırması; keşifsel tek şirket saha doğrulaması, kesintili zaman serisi analizi, ekonomik modelleme ve nitel ada demonstrasyonu.

Lisans: Creative Commons Attribution (CC BY).

Ana teknoloji: Automated Horizontal Loading and Unloading System (AHLUS).

Ana saha: Kurly Nextmile Inc. taze gıda/soğuk zincir son-kilometre teslimatı, Güney Kore.

Araçlar: İki AHLUS donanımlı 1 tonluk dağıtım kamyonu.

Gözlem dönemi: 16 Ekim 2024–3 Şubat 2025.

Veri: 184 sürücü-gün gözlemi; 110 benzersiz operasyon günü; iki sürücü.

Birincil istatistiksel yöntem: Interrupted time-series regression; Newey–West HAC, 7 lag.

Tamamlayıcı testler: Welch t-test, Mann–Whitney U ve Cohen's d.

Ana kırılma tarihi: 1 Aralık 2024; donanım montajı değil dispatch yeniden tahsisinin başlangıcıdır.

Ana ham throughput sonucu: Öğrenme 239,9 → kararlı 287,4 paket/gün; +47,5 paket/gün; +%19,8.

Model-implied deployment effect: Yaklaşık +37,0 paket/gün; counterfactual'e göre +%14,8.

TCO baz sonucu: Net aylık nakit fayda 968.645 KRW; BEP 4,13 ay; 5 yıllık NPV 47.467.823 KRW; basit yıllık ROI %291.

Monte Carlo: 50.000 çekiliş; medyan BEP 4,6 ay; 5.–95. yüzdelik 3,2–7,7 ay; model varsayımları altında BEP ≤ 6 ay olasılığı %83.

Ada demonstrasyonu: Baengnyeong Island; Ekim 2024–Ocak 2025; nitel teknolojik gösterim, nicel performans doğrulaması değil.

Finansman: Korea Agency for Infrastructure Technology Advancement (KAIA), Ministry of Land, Infrastructure and Transport; Grant Nos. RS-2025-02314218 ve RS-2025-25463200.

Etik kurul: Uygulanamaz.

Bilgilendirilmiş onam: Uygulanamaz.

Veri erişilebilirliği: Veriler corresponding author'dan talep edilebilir; katılımcı lojistik işletmesinin ticari gizlilik kısıtları nedeniyle kamuya açık değildir.

Yapay zekâ kullanım beyanı: Yazarlar Claude Fable 5.1 aracını yalnız dil düzenleme ve okunabilirliği iyileştirme amacıyla kullandıklarını; nihai içeriği kendilerinin gözden geçirip sorumluluğunu üstlendiklerini bildirmiştir.

Çıkar çatışması: Birinci yazar Sukmin Hong, AHLUS'ı geliştiren ve üreten SpeedFLOOR Co., Ltd.'de çalışmaktadır. Yazarlar bunu potansiyel çıkar çatışması olarak açıklamış; veri toplama, nicel analiz ve makale hazırlığının finansal çıkarı bulunmayan Inha University akademik ortaklarınca yürütüldüğünü belirtmiştir.

Yazar katkıları: Kavramsallaştırma S.H., D.N. ve D.K.; metodoloji D.N. ve D.K.; biçimsel analiz ve araştırma L.L., G.O., S.K. ve H.R.; kaynaklar S.H.; veri kürasyonu L.L., G.O., S.K. ve H.R.; özgün taslak L.L., G.O., S.K. ve H.R.; inceleme/düzenleme E.L., D.N. ve D.K.; danışmanlık D.N. ve D.K.; proje yönetimi D.K.; finansman edinimi S.H., D.N. ve D.K. olarak bildirilmiştir.

Temel yöntemsel sınır: Araştırmada AHLUS bulunmayan eşzamanlı kontrol serisi veya pre-installation baseline yoktur. Ölçülen deployment effect; donanım, sürücü öğrenmesi ve dispatch yeniden tahsisinin birleşik etkisidir. Araştırmanın ampirik temeli iki sürücü, iki araç, tek şirket ve tek ana operasyon bağlamıyla sınırlıdır.

Mekanizma sınırı: Yükleme/boşaltma süresi, durak başına elleçleme, yürüyüş mesafesi, fiziksel workload, compartment temperature ve door-open duration doğrudan ölçülmemiştir.

Ekonomik model sınırı: Throughput saha verisinden gelirken payload loss, güç, bakım ve downtime gibi bazı girdiler mühendislik tahmini veya uzman görüşüne dayanmaktadır. Monte Carlo dağılımları ampirik olarak kestirilmiş olasılık dağılımları değildir.

Görsel kullanım notu: Makale CC BY lisanslıdır. Verianla için kaynak fotoğraf ve figürlerin doğrudan piksel kopyası yerine AHLUS sistem mimarisi, yük akışı, dönem karşılaştırması ve ekonomik model kaynak-faithful özgün şema ve tablolarla yeniden kurulmalıdır.