Learning enabled newsvendor problem
Öğrenme tabanlı gazete satıcısı problemi
- Tez No: 642202
- Danışmanlar: DOÇ. DR. MEVLÜDE EBRU ANGÜN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Galatasaray Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 45
Özet
Gazete satıcısı problemi, oldukça geniş bir uygulama alanına sahip olmakla birlikte temelde kolay bozulabilen ürünler için bir envanter yönetimi problemidir. Belirlenecek sipariş miktarı; müşteri talebini karşılayacak derecede yüksek, aynı zamanda gereğinden fazla stok tutulmasının önüne geçecek derecede düşük olmalıdır. Bu durumda elde bulundurmama maliyeti ile envanter maliyeti eş zamanlı olarak dikkate alınmalıdır. Gazete satıcısı problemi de bu iki maliyet türünü dengeleyen bir sipariş miktarı belirlemeyi amaçlar. Problemin literatürdeki çözümü, genellikle talep dağılımının bilindiği varsayımına dayanır. Ancak pratikte karar verici, talep dağılımı bilgisi yerine geçmişe dönük talep verilerini elinde bulundurur. Bu tür bir sipariş miktarı kararının karmaşıklığı yalnızca talep belirsizliğiyle başa çıkmaktan değil, talebe ilişkin mevcut bilgilerin karar sürecine olabildiğince dahil edilmeye çalışılmasından da kaynaklanır. Bu çalışma tek bir ürün ve tek bir dönem için gazete satıcısı problemini ele almakta, talep dağılımını tahmin ederken geçmiş talep ve niteleyici faktör verilerini dikkate almaktadır. Talebin alabileceği maksimum değer dışında, talep dağılımı ile ilgili herhangi bir bilgi olmadığı varsayılmıştır. Ürünü satın alma olasılığının ikili logit modeli kullanılarak modellenmesiyle, talep binom dağılımına yaklaştırılmış ve ortaya çıkan gazete satıcısı problemi doğrusal bir programlama modeli olarak çözülmüştür. Bu çalışma çerçevesinde, denektaşı problemi olarak Örneklem Ortalaması Yakınsama (SAA) yaklaşımının yanı sıra, robust yöntemi de benimsenmiştir. Normal, gama ve lognormal dağılımları için ayrı ayrı yapılan sayısal deneyler, elde edilen sonuçların Örneklem Ortalaması Yakınsama (SAA) yaklaşımı sonuçlarıyla benzerlik taşıdığını göstermiştir.
Özet (Çeviri)
The newsvendor model is one of the most popular analytical models in decision science and operations management. The standard newsvendor problem is a single period inventory management problem in which the newsvendor has to decide the optimal stocking quantity for a single product. With the consideration of overstocking and understocking costs, the optimal quantity can be found that minimizes the newsvendor's total expected cost. Because of its simple structure, the newsvendor model has been widely applied to analyze several issues in supply chain systems involving perishable and seasonal products since the mid‐1980s. The standard newsvendor problem assumes the knowledge of the demand distribution so that the optimal stocking quantity is given by the critical fractile. In practice, however, this distribution is unknown; yet, there usually exist enormous historical demand data and demand related data. Then, the complexity of optimal ordering decision not only comes from coping with the ambiguity of demand, but also from incorporating a vast range of demand related information available into the decision process in order to make an enhanced decision. This research considers a data-driven newsvendor problem for a single product and a single period, where historical data of aggregated demands and attributes that can be used to leverage the demand distribution are available. Distribution of demand is assumed to be unknown except for its support. By modelling probability of buying the product through binary logit model, the demand process is approximated by a binomial process, and the resulting newsvendor problem is solved as a linear programming problem. Within the framework of this research, the robust approach is adopted as a benchmark problem, along with the Sample Average Approximation (SAA) approach. The separate numerical experiments for normal, gamma, and lognormal distributions show similarities with the well-known SAA-based optimization method.
Benzer Tezler
- Developing data-driven methods using machine learning in operations and finance
Üretim yönetimi ve finansta yapay öğrenme kullanan veri tabanlı yöntemler
DAVOOD PIRAYESH NEGHAB
Doktora
İngilizce
2021
Endüstri ve Endüstri MühendisliğiKoç ÜniversitesiEndüstri Mühendisliği ve Operasyon Yönetimi
PROF. DR. AHMET FİKRİ KARAESMEN
- Makine öğrenimi etkileştirilmiş ekstrüzyon bazlı 3 boyutlu yazıcıların optimizasyonu
Machine learning-enabled optimization of extrusion-based 3d printing
SAJJAD RAHMANI DABBAGH
Yüksek Lisans
İngilizce
2022
Makine MühendisliğiKoç ÜniversitesiTasarım, Teknoloji ve Toplum Bilimi Ana Bilim Dalı
Assoc. Prof. Dr. SAVAŞ TAŞOĞLU
- Machine Learning-enabled optimization of microneedle design for interstitial fluid collection
Interstisyel sıvı toplama için makine öğrenimi etkileştirilmiş mikroiğne tasarım optimizasyonu
CEREN TARAR
Yüksek Lisans
İngilizce
2023
BiyoteknolojiKoç ÜniversitesiBiyomedikal Bilimler ve Mühendislik Ana Bilim Dalı
DOÇ. DR. SAVAŞ TAŞOĞLU
- Dokunsal duyuyu oluşturmak için makine ögrenmesi destekli giyilebilir thermo-haptik cihaz
Machine learning-enabled wearable thermo-haptic device for creating haptic senses
MİNE BOZ
Yüksek Lisans
Türkçe
2024
BiyomühendislikTokat Gaziosmanpaşa ÜniversitesiBiyomühendislik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YELİZ DURGUN
- Machine learning-enabled stress detection in children using physiological signals during robot assisted therapy
Çocuklarda makine öğrenmesi ile desteklenmiş robot ile yapılan terapi sırasında fizyolojik sinyallerle stres tespiti
SEVGİ NUR BİLGİN AKTAŞ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Eğitimi Ana Bilim Dalı
PROF. DR. HATİCE KÖSE