Geri Dön

Talep tahmininde sinirsel ağ tabanlı bulanık mantık yöntemi (Anfis) kullanımı ve yalın yapay sinir ağı metodu ile karşılaştırmalı bir uygulama

Using adaptive neural-fuzzy inference systems for demand forecasting and application with comparison artificial neural network method

  1. Tez No: 337482
  2. Yazar: ONUR DOĞAN
  3. Danışmanlar: PROF. DR. ŞEVKİNAZ GÜMÜŞOĞLU
  4. Tez Türü: Doktora
  5. Konular: İşletme, Business Administration
  6. Anahtar Kelimeler: Bulanık Mantık, Yapay Sinir Ağları, Talep Tahmini, Anfis, Fuzzy Logic, Artificial Neural Networks, Demand Forecasting, Anfis
  7. Yıl: 2012
  8. Dil: Türkçe
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İşletme Ana Bilim Dalı
  12. Bilim Dalı: İşletme Bilim Dalı
  13. Sayfa Sayısı: 139

Özet

Rekabet unsurunun günümüzde hızla artması, organizasyonların karar problemlerinde rasyonel davranmaları zorunluluğunu da beraberinde getirmiştir. Organizasyonların ve kurumların belirsizlik ve risk ortamında güvenle yol alabilmeleri, karar birimlerinde teknolojiyi ve bilimsel yöntemleri etkin kullanabilmeleri ile mümkündür. Talep tahmini, kurumlardaki kritik karar problemlerinin en başında gelmektedir. Bilimsel yöntemlerle desteklenmiş talep tahmini mekanizmasına sahip bir işletme, tüm fonksiyonlarının verimliliğini ve etkinliğini arttırabilir.Yapay sinir ağları, işletmeler tarafından son yıllarda bir karar verme yöntemi olarak sıklıkla kullanılmaktadır. Bunun yanı sıra organizasyonlar, belirsizlik içeren problemlerin modellenmesi ve çözülmesinde kullanılan bulanık mantık yöntemlerine de sıkça başvurmaktadırlar.Bu çalışmada işletmeler için çok önemli bir konu olan talep tahmin problemine yapay sinir ağları ve bulanık mantık yöntemleri ile çözüm aranmıştır. Çalışmada önerilen model için öncelikle talebi etkileyen faktörler belirlenmiş ve bu faktörlere ait verilerle modelin veri tabanı oluşturulmuştur. Yapay sinir ağları ve ANFIS yöntemlerinin model parametreleri deneme yolu ve sınamalar ile en uygun şekilde belirlenmiştir. Her iki yöntemin tahmin performansları karşılaştırmalı olarak incelenmiş ve bulunan sonuçlar geleneksel yöntemler ile karşılaştırılmıştır.

Özet (Çeviri)

Due to the rapid increase in global competition among organizations and companies, rational approaches in decision making have become indispensable for organizations in today?s world. Establishing a safe and robust path through uncertainties and risks depends on the decision units? ability of using scientific methods as well as technology. Demand forecasting is known to be one of the most critical problems in organizations. A company which supports its demand forecasting mechanism with scientific methodologies could increase its productivity and efficiency in all other functions.Artificial neural networks are frequently being used as a decision-making mechanism in organizations and companies recently. In addition, organizations often use applications integrated with fuzzy logic methodologies to model and solve their problems that comprise uncertainty.In this study, it is aimed to solve a critical demand forecasting problem with artificial neural networks and fuzzy logic methods. In the first phase of the study, the factors which impact demand forecasting are determined, and then a database of the model is established using these factors. The parameters and their optimal values used within artificial neural networks and ANFIS are derived by several trials and tests. The results estimated by each of these two methods are comparatively analyzed and also these results are compared with the results obtained by traditional methods.

Benzer Tezler

  1. Global dış satın alma için akıllı karar destek sistemi tasarımı

    Design of intelligent decision support system for global outsourcing decisions

    ASLI AKSOY

    Doktora

    Türkçe

    Türkçe

    2012

    Endüstri ve Endüstri MühendisliğiUludağ Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NURSEL ÖZTÜRK

  2. ANFIS ile Türkiye'nin doğalgaz talep tahmini

    Başlık çevirisi yok

    EYLEM KALAYCI

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Ekonometriİnönü Üniversitesi

    Ekonometri Ana Bilim Dalı

    YRD. DOÇ. DR. HASAN SÖYLER

  3. Churn prediction using customers' implicit behavioral patterns and deep learning

    Üstü kapalı müsteri davranış biçimlerini kullanarak kayıp müşteri tahmini ve derinlemesine öğrenme

    ANEELA TANVEER

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    BankacılıkSabancı Üniversitesi

    Prof. Dr. BURÇİN BOZKAYA

  4. Havacılık sektöründe talep tahmininin önemi: Yolcu talebi üzerine bir tahmin modeli

    The importance of demand estimation in the aviation sector: A model to estimate airline passenger demand

    ÖMER EMİN EMİNLER

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Endüstri ve Endüstri MühendisliğiYıldız Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUĞBA EFENDİGİL

  5. The application and evaluation of functional link net techniques in forecasting electrıcity demand

    Elektrik enerjisi talep tahmininde fonksiyonel bağ ağları tekniğinin uygulanması ve değerlendirilmesi

    IŞIK EKİN YILMAZ ÖZTÜRK

    Yüksek Lisans

    İngilizce

    İngilizce

    2008

    EkonometriOrta Doğu Teknik Üniversitesi

    Endüstri Mühendisliği Bölümü

    PROF. DR. ÇAĞLAR GÜVEN