Çok kriterli karar verme yöntemleri ve makine öğrenme teknikleri ile stokların sınıflandırılması
Classification of stocks with multi-criteria decision making methods and machine learning techniques
- Tez No: 678165
- Danışmanlar: DOÇ. DR. MUSTAFA SOBA
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Uşak Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 221
Özet
Bu çalışmanın amacı, Çok Kriterli Karar Verme (ÇKKV) yöntemleri ile Makine Öğrenmesi yöntemlerini beraber kullanarak stok yönetimi için etkili bir hibrit model ortaya koymaktır. Bu amaçla ÇKKV yöntemlerinden Gri İlişkisel Analiz (GİA) ve Referens İdeal Metot (RİM), makine öğrenmesi yöntemlerinden de Yapay Sinir Ağları (YSA), Rasgele Orman (RO), Naive Bayes (NB) ve K En Yakın Komşuluk (KNN) yöntemleri kullanılmıştır. RİM hesaplama yaparken ideal nokta veya ideal aralık kullanırken GİA da ideal nokta kullanmaktadır. Bu yönleriyle diğer ÇKKV yöntemlerinden ayrılmaktadırlar. Çalışma kapasamında otomobil yedek parça perakendecisi bir işletmenin 1250 stok kalemi sınıflandırılmıştır. Literatürdeki kriterler incelenmiş ve otomobil yedek parçalarının sınıflanması için kalite, çıkış miktarı, fiyat, kârlılık, bulunabilirlik ve pazar payı kriterlerin önemli olduğu belirlenmiştir. Kriterlerin ağırlıkları da Max100 yöntemiyle belirlenmiştir. Stokların kriterlere göre aldığı değerler kullanılarak GİA ve RİM yöntemleri ile önem sıraları oluşturulmuştur. ABC analiziyle sınıflandırılan stok kalemlerinin sınıflarını tahmin etmek için makine öğrenmesi yöntemleri ile uygulama yapılmıştır. Kalite, çıkış miktarı, fiyat, kârlılık ve pazar payı kriterlerinde ideal aralık veya ideal değerler kullanılmıştır. İdeal aralık kullanarak hesaplama yapan RİM ile elde eden sınıflandırma sonuçlarının GİA yöntemine göre daha iyi sonuç vererek işletme için önemli olan stok kalemlerini ortaya çıkardığı sonucuna ulaşılmıştır. GİA ve RİM ile oluşturulan sınıfları tahmin etmede makine öğrenmesi yöntemlerinin iyi performans gösterdiği ortaya konmuştur. Otomotiv yedek parça perakendecisi bir işletmede uygulama yapılmış, yedek parçalar için önemli kriterler belirlenerek literatüre katkı yapılmıştır. Dengeli ve oranlı veri setleri kullanılarak Makine Öğrenmesi yöntemleri ile stok kalemlerinin tahmini yapılmıştır. Stok kalemlerinin sınıflarını tahmin etmede en başarılı yöntemin Rastegele Orman yönteminin olduğu sonucuna ulaşılmıştır.
Özet (Çeviri)
The purpose of this study is to put an effective hybrid model for stock management by using Multi Criteria Decision Making (MCDM) methods and Machine Learning (ML) methods together. For this purpose, Gray Relational Analysis (GRA) and Reference Ideal Method (RIM), which are among MCDM methods, and Artificial Neural Networks (ANN), Random Forest (RF), Naive Bayes (NB) and K Nearest Neighborhood (KNN) methods, among the machine learning methods, were used. While RIM calculates with the ideal point or the ideal range, the GIA uses the ideal point. In this respect, they differ from other MCDM methods. Within the scope of the study, 1250 stock items of an automobile spare parts retailer enterprise were classified. The criteria in the literature were examined and it was determined that the criteria for quality, output quantity, price, profitability, availability and market share are important for the classification of automobile spare parts. The weights of the criteria were determined by the Max100 method. By using the GIA and RIM methods, the stocks' rankings of importance were established by using the values that the stocks received according to the criteria. In order to estimate the classes of inventory items classified by ABC analysis, application was made with ma hine learning methods. Ideal range or ideal values are used in quality, output quantity, price, profitability and market share criteria. It has been concluded that the classification results obtained by RIM, which calculates using the ideal range, give better results than the GRA method, resulting in stock items that are important for the business. It has been demonstrated that machine learning methods perform well in estimating classes created by GRA and RIM. By making an application in a spare parts retailer business, important criteria for spare parts were determined and contribution was made to the literature. By using balanced and proportional data sets, estimation of stock items was made with Machine Learning methods. It has been concluded that the most successful method in estimating the classes of stock items is the Random Forest method.
Benzer Tezler
- Bakım planlamasında kullanılan makine öğrenme yöntemlerinin çok kriterli karar verme ile analizi
Analysis of machine learning methods used in maintenance planning with multi-criteria decision making
GÖZDE NUR CALAYIR
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri MühendisliğiGazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KABAK
- Condition monitoring and fault detection for electrical power systems using signal processing and machine learning techniques
Sı̇nyal ı̇şleme ve makı̇ne öğrenme teknı̇klerı̇ kullanılarak elektrı̇k güç sı̇stemleri ı̇çı̇n durum ı̇zleme ve arıza belirleme
YASMIN NASSER MOHAMED
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Yenikapı M1–Kirazlı M1 hattı için istasyon ve hat bazlı yolcu talep tahmini ve raylı ulaşım sistemlerinde sefer sıklığı belirlemede kritik başarı faktörlerinin çok kriterli karar verme yöntemleri ile önceliklendirilmesi
Station and line-based passenger demand forecasting for Yenikapi M1-Kirazli M1 line and prioritization of critical success factors in headway determination in railway systems with multi-criteria decision-making methods
MELEK NAR
Doktora
Türkçe
2022
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEHER ARSLANKAYA
- Öğrencilerin akademik başarısını etkileyen faktörler arası ilişkilerin DEMATEL yöntemi ile analizi
The analysis of the relations between factors affecting the academic achievement of students by using DEMATEL method
EDA GELİNCİK GÜLBAY
Yüksek Lisans
Türkçe
2021
Eğitim ve ÖğretimMarmara ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. ALİ ÖZDEMİR
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL