Makine öğrenmesi algoritmaları ile eczaneler için ilaç talep tahmini
Drug demand forecasting for pharmecies with machine learning algorithms
- Tez No: 652458
- Danışmanlar: DR. ÖĞR. ÜYESİ AHMET GÜRHANLI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 74
Özet
Sağlık sektöründe eczane ve eczaneler gibi sağlık sistemlerinin gelişen teknoloji ile birlikte yüksek düzeyde veri sağladığı görülmektedir. Teknolojinin iş süreçlerinin ayrılmaz bir parçası haline geldiği daha bütünleşmiş bir dünyaya ilerledikçe, bilgi aktarımı süreci daha karmaşık hale geldi.Gelişen teknolojide , ilaç firmalarının stoklarını yönetmelerine ve yeni ürün ve hizmetler geliştirmelerine yardımcı olmak için giderek daha fazla kullanılmaya devam etmektedir.Sağlık sistemlerinde veri madenciliği yöntemlerinin kullanılması geleneksel bir süreç haline gelmiştir. Büyük veri kümelerinden bilgi keşfi olan veri madenciliği, ilaç firmalarının ilaç keşfi ve dağıtım yöntemlerinin kalitesini iyileştirme kalıplarını keşfetmelerine yardımcı olmaktadır. Bu çalışmanın amacı, bir eczanedeki ilaç satın alımına yönelik veriler kullanılarak sonraki zamanlardaki satış miktarları tahminlenmesini sağlamaktır. Bu tahminlemeler sayesinde eczanede satınalınma ile tüketilen ilaçlar üzerinden ilaçların depolanma stok durumları da kontrol altına alınabilir. Bu çalışmada Türkiye'deki bir eczanenin 2015 Ocak ayı ile 2019 Aralık ayı arasındaki 5 yıllık ilaç satış verileri düzenlenmiş ve Weka programı ile zaman serileri uygulanarak haftalık olarak yapılan tahminleme çalışmalarında Makine öğrenme algoritmalarından LinearRegresyon, GaussianProcess, M5Rules, MultilayerPerceptron, SMOreg, M5P, RandomFOREST kullanılmıştır.Bu algoritmaların Ortalama mutlak yüzde hatası(MAPE) karşılaştırılarak en başarılı tahmin modeli bulunmaya çalışılmıştır.
Özet (Çeviri)
Today, it is seen that health systems such as pharmacies and pharmacies in the health sector have provided a high level of data with the developing technology. As the technology progresses into a more integrated world where business has become an integral part of business processes, the process of knowledge transfer has become more complex.In the developing technology, it continues to be used more and more to help pharmaceutical companies manage their stocks and develop new products and services.The use of data mining methods in health systems has become a traditional process. Data mining, which is information discovery from large data sets, helps pharmaceutical companies discover patterns of improving the quality of drug discovery and delivery methods.The aim of this study is to estimate the sales amounts in the next periods by using the data for drug purchase in a pharmacy. Thanks to these estimates, the storage status of the drugs can be taken under control over the drugs consumed in the pharmacy. In this study, a pharmacy in Turkey, 5 years of pharmaceutical sales data are arranged between the months of December 2019 and January 2015 and the Weka program with time series on a weekly basis to do the forecasting work by applying machine learning algorithms linearregresyo's, gaussianprocess, m5rules, multilayerperceptro's, smoreg, M5P, randomforest is used By comparing the average absolute percentage error (MAPE) of these algorithms, it was tried to find the most successful prediction model.
Benzer Tezler
- Makine öğrenmesi algoritmaları ile iç ortamlar için yeni bir durum analizi ve kalabalık yönetimi yaklaşımı
A new approach to situation analysis and crowd management for indoor environments using machine learning algorithms
MEHMET EREN YEŞİLYURT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET SERDAR GÜZEL
- Predictive error compensated wavelet neural networks framework for time series prediction
Zaman serisi tahmini için hata tazminli dalgacık dönüşümlü sinir ağları çerçeve yazılımı
SERKAN MACİT
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ
- Makine öğrenmesi algoritmaları ile Konya ili meteorolojik kuraklık tahmini
Meteorological drought prediction in Konya with machine learning algorithms
GÜLSÜN YILDIRIM
Yüksek Lisans
Türkçe
2024
İnşaat MühendisliğiIsparta Uygulamalı Bilimler Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZLEM TERZİ
- Makine öğrenmesi algoritmaları ile Hakkâri Yüksekova Selahaddin Eyyubi Havalimanı doğalgaz tüketim miktarının tahmin edilmesi
Prediction of natural gas consumption at Hakkâri Yüksekova Selahaddin Eyyubi Airport using machine learning algorithms
MEHMET ERGÜN AZİZOĞLU
- Prediction of soil radon gas using meteorological parameters with machine learning algorithms
Makine öğrenmesi algoritmaları ile meteorolojik parametreleri kullanarak toprak radon gazının tahmini
ÇAĞLA ÖZTÜRK ZAN
Yüksek Lisans
İngilizce
2021
İstatistikDokuz Eylül Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. NESLİHAN DEMİREL