Envanter sınıflandırmada yapay öğrenme yöntemlerinin kullanımı ve destek vektör makineleri ile bir uygulama
Inventory classification using machine learning methods and an application of support vector machines
- Tez No: 323762
- Danışmanlar: DOÇ. DR. FERHAN ÇEBİ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, İşletme, Industrial and Industrial Engineering, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İşletme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 185
Özet
Bu çalışmada, makine öğrenmesi olarak da bilinen yapay öğrenme yöntemlerinin envanter sınıflandırmada kullanımı incelenmiştir. Başta Destek Vektör Makineleri (DVM) olmak üzere sezgisel sınıflandırıcı algoritmaların başarımları bir uygulama üzerinden karşılaştırmalı olarak değerlendirilmiştir. Çalışmanın literatür araştırması kısmında, envanter yönetimi ve envanter sınıflandırma konularına değinilmiş, geleneksel ve çok ölçütlü ABC analizi yöntemleri anlatılmıştır. Ayrıca yapay öğrenme yöntemleri veri madenciliği kapsamında genel olarak incelenmiş ve sezgisel sınıflandırıcı algoritmalar ele alınmıştır.Tezin uygulama aşamasında, önce büyük ölçekli bir Türk otomotiv şirketinin endüstriyel malzemelerden oluşan envanteri, geleneksel ve çok ölçütlü ABC analizleri ile beş farklı model kullanılarak sınıflandırılmıştır. Ölçütler ve ölçütlerin önem dereceleri yöneticilerle yapılan görüşmelere ve anket değerlendirmelerine göre AHP grup kararlarıyla belirlenmiştir. Bu modellerin sınıflandırma çıktıları öğrenme kümeleri alınarak, seçilen yapay öğrenme algoritmaları eğitilmiştir. Naive Bayes, Bayes Net, YSA ve DVM olmak üzere dört ayrı sezgisel sınıflandırıcı kullanılmış ve yöntemlerin başarımları karşılıklı olarak değerlendirilmiştir.Son olarak sınıflandırma performansını iyileştirmek ve daha güvenilir bir sezgisel sınıflandırma sağlamak amacıyla, ?iyi öğrenme? olarak tarif edilen bir yaklaşım önerilmiştir. DVM, bu yaklaşım ile yeniden eğitilmiş böylece daha iyi bir sınıflandırma başarımı sağlanmıştır. Elde edilen bulgu ve sonuçlardan yola çıkarak işletmeler ve araştırmacılar için önerilerde bulunulmuştur.
Özet (Çeviri)
In this study, application of machine learning methods in inventory classification was examined. Heuristic classifiers? performances, particularly Support Vector Machines (SVM)? performances in classifying inventory were aimed to be evaluated. In literature review of the study, inventory management, inventory classification issues and various ABC analysis methods were discussed. Machine learning methods among data mining technics and heuristic classifier algorithms also were mentioned.In the application phase of the thesis, a large-scale Turkish automotive company?s industrial material inventory was classified first by classical ABC, then by multi-criteria ABC analyses. Five different models were applied to produce inventory classes. Each classification result was used to train the selected learning classification algorithms. Criteria and the priorities of the criteria were determined with respect to the results of AHP group decisions gathered by surveys and interviews with the managers and the engineers of the related department.Then, four different Heuristic classifiers were applied: Naive Bayes, Bayes Net, ANN and SVM; and their classification performances were evaluated both individually and comparatively. As the final step of the application, a new approach which was called ?learning-well? was offered to provide a better and more reliable heuristic classification of inventory. SVM were re-trained by this approach, so a higher level of classification performance was achieved. According to obtained results, suggestions were made for both enterprises and researchers.
Benzer Tezler
- Development of operation and maintenance strategies for offshore wind industry based on big data management
Büyük veri yönetimi ile açık deniz rüzgar endüstrisinde işletme ve bakım stratejilerinin geliştirilmesi
UWE LUETZEN
Doktora
İngilizce
2024
Enerjiİstanbul Teknik ÜniversitesiGemi ve Deniz Teknoloji Mühendisliği Ana Bilim Dalı
PROF. DR. SERDAR BEJİ
- Lojistik sistemlerin yapay sinir ağları ile modellenmesi, gerçeklenmesi ve kontrolü
Modeling, implementation and control of logistics systems using artificial neural networks
MURAT ERMİŞ
Doktora
Türkçe
2005
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF.DR. FÜSUN ÜLENGİL
- Derin öğrenme sınıflandırıcıları kullanarak bina cephe görüntülerinin hızlı görsel tarama analizi
Fast visual analysis of building facade images using deep learning classifier for rapid visual screening
FUAT YALINIZ
Yüksek Lisans
Türkçe
2022
Mekatronik MühendisliğiKTO Karatay ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AMIR YAVARIABDI
PROF. DR. MUSA HAKAN ARSLAN
- Anfıs ve bulanık C-ortalamalar yöntemleri tabanlı çok kriterli envanter sınıflandırma modeli
Multi-criteria inventory classification model based on anfis and fuzzy C-means methods
ELİF İSEN
Yüksek Lisans
Türkçe
2018
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MÜMTAZ İPEK
- Çok kriterli envanter sınıflandırma problemi için yeni bir yaklaşım ve bir uygulama
A new approach and application for the multi-criteria inventory classification problem
MELİHA DEDEOĞLU EŞKİN
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri MühendisliğiErciyes ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. BANU SOYLU