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
- Tez No: 672174
- Danışmanlar: PROF. DR. TUNCER ÖZDİL
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Manisa Celal Bayar Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Üretim Yönetimi ve Pazarlama Bilim Dalı
- 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
- 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
2019
Çevre MühendisliğiHacettepe ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. MERİH AYDINALP KÖKSAL
- 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
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- 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
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Bilim Dalı
DR. ÖĞR. ÜYESİ HAMZA SALİH ERDEN
PROF. DR. BEHÇET UĞUR TÖREYİN
- 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
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
- Enriching predictive models using graph embeddings
Tahminleme modellerinin çizge gömmeleri kullanılarak zenginleştirilmesi
YAREN YILMAZ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ