Data analytics in industrial applications
Endüstriyel uygulamalarda veri analitiği
- Tez No: 515979
- Danışmanlar: DOÇ. DR. VİLDAN ÖZKIR
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Sistem Mühendisliği Bilim Dalı
- Sayfa Sayısı: 73
Özet
Bilgi Teknolojileri (BT) Distribütörleri, iş planlarını doğru bir şekilde hazırlayabilmeleri için bayilerinin ürün gruplarına göre satın alma karakteristiklerini anlamak ve çözümlemek üzere yaklaşımlar geliştirmeye ihtiyaç duymaktadır. Dolayısıyla, bu firmalar için müşterilerini doğru bir şekilde bölümlendirmek ciddi bir öneme sahiptir. Bu çalışma ile, distribütör firmaların satışlarını arttırması amacına hizmet edebilecek bir müşteri yönetimi çerçevesi sunulmaktadır. Bu çerçeve temel olarak; veri hazırlama, etkin kümeleme ve tahmin aşaması olmak üzere üç aşamadan oluşmaktadır. Önerilen çerçevenin gerçek bir uygulaması, İstanbul'da bulunan büyük bir BT distribütörün müşterilerinin segmentasyonu için sunulmaktadır. Öncelikle, problemin yapısına veriye uygun olan kümeleme yöntemlerinden K–ortalama, beklenti maximizasyonu ve hiyerarşik kümeleme metotları BT bayilerinin satış verilerine uygunlanmaktadır. Kümeleme aşamasının sonucunda, hiyerarşik kümeleme yönteminin diğer yöntemlere göre daha iyi performans gösterdiği gözlenmektedir. Ayrıca, BT distribütörünün satışlarını arttırmak amacıyla sınıflandırma yöntemi kullanılarak bayilerine doğru ürün grubunu önermesi gerektiğine dair bir karar destek sistemi sunmaktadır. Önerilen çerçeve ile, kümeleme sonuçları tahminleme sürecinin ön işleme süreci olarak kullanılmaktadır. Sınıflandırma algoritmaları olan Naif Bayes, Destek Vektör Sınıflandırması ve C4.5 algoritması ile, bayilerin ürün gruplarına göre satış potansiyelleri belirlenmektedir. Sonuç olarak, önerilen çerçeveye göz önünde bulundurularak yapılan iş planlarının yüksek potansiyel üretme olanağı tartışılmaktadır.
Özet (Çeviri)
Information Technology Distributors need to develop methods for understanding their dealers purchasing behavior regarding to product groups in order to prepare their business plan correctly. So that correct customer segmentation is seriously important for those companies. This study provides customer management framework that is provided in order to increase IT distributors sales. Basicly, this framework includes 3 phases which are data preparation, effective clustering and prediction. Real application of proposed method is provided for one of the biggest IT distibutor company which is in Istanbul. Firstly, K-means, expectation maximization algorithm (EM) and hierarchical clustering methods ,which are proper for the data set, are applied IT dealers sales data. As a result of clustering process, it is observed that hierarchical clustering provides better performance compared to others. This study also provides decision support tool that suggests right product groups in order to increase IT distributors sales with classification method. Proposed method uses clustering results as preprocess of prediction process. Sales potential of dealers is determined regarding to pruduct groups with classification algorithms that are Naive Bayes, Support Vector Classification and C4.5 algorithms. Finally the business plans that are created via proposed framework have potential to yield results.
Benzer Tezler
- Hibrit üretim teknolojileri ve endüstriyel uygulamalardaki geleceği
Hybrid manufacturing technologies and their future in industrial applications
BÜŞRA ÇERÇER
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTarsus Üniversitesiİmalat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞEREF ÖCALIR
- Geniş ölçekli veriler üzerinde sınıflandırma ve bölütleme amaçlı evrişimsel sinir ağı ve istatistiksel modellerin geliştirilmesi
Development of convolutional neural network and statistical models for classification and segmentation on large-scale data
NURULLAH ÇALIK
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. LÜTFİYE DURAK ATA
- Fourıer dönüşümlü kızılötesi spektroskopisi ve makine öğrenmesi kullanılarak poliollerde bazı karakteristik özelliklerin öngörülmesi
Prediction of some characteristic features in polyols using fourier transformed infrared spectroscopy and machine learning
YUSUF SERDAR BEKDAŞ
Yüksek Lisans
Türkçe
2024
Kimya MühendisliğiGebze Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGÜN YÜCEL
- Dijital insan kaynakları yönetiminde büyük veri analitiği uygulamaları: İşe alım sürecine etkisi
Big data analytics applications in digital human resources management: Its impact on the recruitment process
HÜSEYİN ÖZGÜR EROL
Yüksek Lisans
Türkçe
2022
Bilgi ve Belge YönetimiSüleyman Demirel Üniversitesiİnsan Kaynakları Yönetimi ve Liderlik Ana Bilim Dalı
DOÇ. DR. AHMET YILDIRIM
- Big data analytics in oil & gas industry a case study: Predicting rop in drilling operations with big data and machine learning for rumaila oilfield
Petrol ve gaz endüstrisinde büyük veri analitikleri bir vaka çalışması: Rumaila oilfield için büyük veri ve makina öğrenme ile sondaj işlemlerinde tahmin halatı
DUHA ALSAHLANEE
Yüksek Lisans
İngilizce
2020
Endüstri ve Endüstri MühendisliğiBahçeşehir ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ÖZBAYRAK