Geri Dön

Yapay zeka tabanlı talep tahmin yöntemlerinin performans üstünlükleri açısından değerlendirilmesi: Gıda sektöründe bir uygulama

Evaluation of artificial intelligence based demand forecasting methods in terms of performance superiority: An application in the food sector

  1. Tez No: 672174
  2. Yazar: MEHMET DİNÇ
  3. Danışmanlar: PROF. DR. TUNCER ÖZDİL
  4. Tez Türü: Yüksek Lisans
  5. Konular: İşletme, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Manisa Celal Bayar Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İşletme Ana Bilim Dalı
  12. Bilim Dalı: Üretim Yönetimi ve Pazarlama Bilim Dalı
  13. Sayfa Sayısı: 160

Özet

İşletmeler, sert rekabet koşulları altında varlığını korumak ve devam ettirmek amacıyla belirsizlik barındıran geleceğe yönelik çeşitli önlemler ve kararlar almaktadır. Bu önlem ve kararlar işletme içi ve işletme dışı çevrelerde yapılan tahminlerle şekillenmektedir. Bu amaca yönelik yapılan önemli tahmin türlerinden biri de talep tahminidir. İşletmecilik alanında kullanılan talep tahmin yöntemlerine ait gelişim seyri incelendiğinde geleneksel yöntemlerin yanı sıra yapay zekaya dayalı yöntemlerin başarılı sonuçlar verdiği görülmektedir. Bu çalışmada, Türk gıda sektöründe faaliyet gösteren bir firmanın dondurulmuş paket künefeye ait haftalık satış miktarı verilerinden yararlanılarak talep tahmin modelleri oluşturulmuştur. Bu kapsamda Yapay Sinir Ağları (YSA), Bulanık Zaman Serisi ve Uyarlanabilir Ağ Yapısına Dayalı Bulanık Çıkarım Sistemi (ANFIS) gibi yapay zekaya dayalı tahmin yöntemlerinden faydalanılmıştır. Deneme-yanılmaya dayalı olarak kurulan tahmin modellerinin performans karşılaştırması, Ortalama Karesel Hatanın Karekökü (OKHK) ve Ortalama Mutlak Yüzde Hata (OMYH) ölçütlerine göre yapılmıştır. Yapılan karşılaştırma sonucu üstün performansa sahip tahmin modelinden hareketle gelecek dönem talep tahmin değerleri elde edilmiştir.

Özet (Çeviri)

Businesses take various measures and decisions for the future uncertainties to protect and continue their existence under harsh competition conditions. These measures and decisions are shaped due to estimates made for both inside and outside the enterprise. In this regard, one of the significant forecasting types used in the measures and decisions that businesses will take against future uncertainty is demand forecasting. Considering the developments in demand forecasting methods used in the field of business, it is clear that methods based on artificial intelligence give more successful results than traditional methods. In this study, future demand forecasting models were generated by using the weekly sales data of frozen packaged kunafa of a firm in the Turkish food industry. In this forecasting methods based on artificial intelligence such as Artificial Neural Networks (ANN), Fuzzy Time Series and Adaptive Network Based Fuzzy Inference System (ANFIS) were employed. The performance comparison of the estimation models based on trial and error was made according to the Root Mean Square Error (RMSE) and Mean Absolute Percent Error (MAPE) criteria. As a result of the comparison, the demand forecast values for the future period were obtained based on the forecast model with superior performance

Benzer Tezler

  1. Modelling residential end-use electricity consumption using statistical and artificial intelligence approaches and determining the effective saving measures

    Konut nihai elektrik tüketiminin istatistiki ve yapay zeka yaklaşımları ile modellenmesi ve etkin tasarruf yöntemlerinin belirlenmesi

    EBRU ADA

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Çevre MühendisliğiHacettepe Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MERİH AYDINALP KÖKSAL

  2. A novel artificial intelligence based energy management system for microgrids

    Mikro şebekeler için yapay zeka temelli yeni bir enerji yönetim sistemi

    NECATİ AKSOY

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ

  3. CNN-based server state monitoring and fault diagnosis using infrared thermography

    Kızılötesi termografi kullanarak CNN tabanlı sunucu durumu izleme ve arıza teşhisi

    BELTUS NKWAWİR WİYSOBUNRİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Bilimleri Bilim Dalı

    DR. ÖĞR. ÜYESİ HAMZA SALİH ERDEN

    PROF. DR. BEHÇET UĞUR TÖREYİN

  4. Developing a decision-support system using machine learning and deep learning models for daily demand forecasting: A case study

    Günlük talep tahmini için makine öğrenimi ve derin öğrenme modelleri kullanarak karar destek sistemi geliştirme: Bir vaka çalişmasi

    RANA EZGİ KÖSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. FERHAN ÇEBİ

  5. Enriching predictive models using graph embeddings

    Tahminleme modellerinin çizge gömmeleri kullanılarak zenginleştirilmesi

    YAREN YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE ÖĞÜDÜCÜ