Forecasting customer service demand by machine learning with real life implementation
Makine öğrenmesi ile müşteri hizmet talebi tahminlemesi
- Tez No: 642116
- Danışmanlar: DOÇ. DR. KEMAL KILIÇ, DR. ÖĞR. ÜYESİ MAHMUT ALİ GÖKÇE
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 55
Özet
Karar verme süreci sektörde önemli bir role sahiptir ve müşteri memnuniyeti üzerinde doğrudan etkisi olması sebebiyle müşteri hizmetleri sunumu da bu sürecin önemli parçalarından biridir. Çalışmanın ilk bölümünde yedek parça ve servis personeli için daha iyi planlama yapmak ve müsteri hizmetleri talebini zamanında karşılamak amacıyla Türkiye'de kurulan ve bir çok ülkede bulunan şubesi ile sektöründe öncü ev aletleri üreticisi için ürünlerin aylık arıza oranlarının tahminlemesi yapılmaktadır. Şirketten elde edilen gerçek veri, kurulu, arızalı ürünlerin verilen ay içerisindeki sayısını ve ürünlerin bireysel kurulum, arıza tarihlerini içerir. Veriler çok boyutlu formda birden fazla zaman serisini içerir ve her bir zaman serisinin diğer zaman serileri üzerinde etkisi vardır. Bu etkiyi ortaya çıkarmak ve daha iyi tahminleme sonuçlarını başarabilmek için bu projede makine ögrenimine dayalı yaklaşımlar uygulanmıştır. Çalışmanın ikinci hedefi olarak istatistiksel temelli yöntemler ile makine öğrenim temelli yaklaşımlar arasında karşılaştırmalar yapılmıştır. İstatistiksel tabanlı yöntem olarak hareketli ortalama, makine öğrenimi tabanlı yaklaşımlar için yapay sinir ağı ve destek vektör regresyon yöntemleri model performansları açısından karşılaştırılmıştır.
Özet (Çeviri)
The decision-making process has an important role in industry and customer service delivery is one of the essential parts of this process while it has a direct impact on customer satisfaction. In the first part of the study, the objective is forecasting monthly failure ratios for a line of the products for a Turkish multinational household appliances manufacturer in order to make better planning for spare parts and service personnel and, meet customer service demand on time. The real-life obtained data set from the company include the number of installed and failed products in a given month, and installation and failure dates of products individually. The data includes more than one time-series that is in multidimensional form and each one of time series has an impact on other time series. Machine learning-based approaches were applied in order to reveal this impact and achieve better forecasting results. As the second objective of the study, comparisons between statistical-based methods and machine learning-based approaches are made. The moving average for statistical-based methods and, artificial neural network and support vector regression methods for machine learning-based approaches are compared by the model performances.
Benzer Tezler
- Perakende hazır giyim firmasında makine öğrenmesi yöntemleriyle satış tahmini
Sales forecasting in a retail fashion company using machine learning methods
ŞEYMA GÖNEN HALICI
Yüksek Lisans
Türkçe
2024
İşletmeİstanbul Teknik Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
- Bütünleşik ürün karması planlaması için yeni bir optimizasyon yaklaşımı ve perakende sektöründe uygulaması
A novel optimization approach for integrated product assortment and its application in the retail sector
MUHAMMED CAN KONUR
Doktora
Türkçe
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET BÜLENT DURMUŞOĞLU
- Ağ trafiği tahmininde makine öğrenmesi algoritmalarının karşılaştırmalı analizi
A comparative analysis of machine learning algorithms on network traffic forecasting
BUSE DİLAN USLAN
Yüksek Lisans
Türkçe
2025
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
- Bilişim teknolojisi altyapı kütüphaneliği çerçevesinde operasyonel süreçlerin süreç madenciliği, tahminleme ve kesikli olay simülasyonu ile iyileştirilmesi
Improving operational processes through process mining, forecasting, and discrete-event simulation within the itil framework
AYŞEGÜL KAÇAR
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERKAN IŞIKLI
- A comparative study of deep learning architectures for multivariate cloud workload prediction
Çok değişkenli bulut iş yükü tahmini için derin öğrenme mimarilerinin karşılaştırmalı çalışması
DERYA GÖZEN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM KÖRPEOĞLU