Toplu yemek hizmetlerinde makine öğrenmesi algoritmaları ile talep planlama
Demand planning for catering services by using machine learning algorithms
- Tez No: 687055
- Danışmanlar: DOÇ. DR. TARIK KÜÇÜKDENİZ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 122
Özet
Sanayileşme ile çalışanların; üniversitelerin büyük yerleşkelerde faaliyetlerini yürütmesi ile öğrencilerin ve personellerin; devlet kurumlarının genişlemesi ile memurların yemek tüketim ihtiyaçları farklı organizasyonların gelişmesine sebep olmaktadır. Bu organizasyonlar“catering”ismi ile adlandırılmaktadır. Catering firmaları müşterilerinin yemek ihtiyaçlarını karşılamak için yemek üretim merkezleri olarak faaliyetlerini sürdürmektedir. Bu faaliyetlerini sürdürürken planlama, satın alma, üretim, dağıtım, lojistik, servis ve kalite kontrol gibi süreçler gerçekleştirilmektedir. Söz konusu süreçler menülerin planlaması ile başlamaktadır. Menü planlama aşamasında yemek çeşitlerinin, porsiyonların ve tüketecek kişi sayısının belirlenmesi oldukça önemli bir aşama olmaktadır. Bu aşamada tüketim sayısının belirlenmesi ile birlikte satın alma gerçekleştirilmektedir. Satın alma gerçekleştirilmeden önce yemek tüketim sayısının belirlenmesi (tahmini) aşaması bu çerçevede oldukça önemli görülmektedir. Uygun ve gerçekçi olmayan yemek tüketim sayısı tahmini; fazla satın alma, fazla stok, işgücü kaybı, enerji kaybı gibi israf kalemlerine sebep olabilmektedir. Yapılan çalışma ile günlük yemek tüketiminin tahmin edilmesi için makine öğrenme algoritmaları incelenerek, toplu yemek hizmeti sunan tüm catering işletmelerinde kullanılabilecek bir model önerilmiştir. Teknolojik düzeydeki artış ile geliştirilen algoritmalar kullanılarak catering sektörünün kullanımı için bir yaklaşım sunulmuştur. Bu yaklaşımı gerçekleştirmek amacıyla, bir üniversite yemekhanesine ait 233 günlük yemek tüketim sayıları kullanılmış ve geleceğe yönelik yemek tüketim sayısı tahmini gerçekleştirilmiştir. Özel günlere ve normal günlere ait daha kararlı sonuçlar elde etmek için genel veri seti içerisinden 18 adet farklı veri setleri oluşturulmuştur. Bu veri setleri ile; Rassal Orman Algoritması (ROA), Yapay Sinir Ağları (YSA) içerisinde yer alan Tekrarlayan Sinir Ağları (RNN), Uzun Kısa Süreli Bellek (LSTM) ve Kapılı Tekrarlayan Sinir Hücresi (GRU) yöntemleri, zaman serisi yöntemlerinden olan ARIMA yöntemi kullanılarak eğitim değerleri ile modeller geliştirilmiştir ve test değerleri ile kıyaslamalar yapılmıştır. Modellerin performanslarını ölçmek için MSE, RMSE, MAE, MAPE, R2 göstergeleri kullanılmıştır. Geliştirilen modeller ile elde edilen performans değerleri, literatürdeki çalışmalara göre daha üstün sonuçlar göstermiştir. Bu çalışma ile catering sektöründe yemek tüketim tahminlerinin yapılması için geniş bir yaklaşım sunulmuştur. Sektörde faaliyet gösteren işletmeler, bu yaklaşımı kolaylıkla faaliyetlerine entegre edebilirler.
Özet (Çeviri)
The food consumption needs of civil servants with the growth of state institutions, of students with the universities carrying out their activities in large campuses, of workers with industrialization cause the development of different organizations. These organizations are called“catering”. Catering companies continue their activities as food production centers to supply the food needs of their customers. While continuing these activities, processes such as planning, purchasing, production, distribution, logistics, service and quality control are carried out. The processes in question start with the planning of the menus. In the menu planning stage, it is very important to determine the types of food, portions and the number of people who will consume the food. At this stage, the purchase is made after determining the number of food consumption. Before the purchase, the stage of determining (estimating) the number of food consumption is considered very important in this context. The estimation of the inappropriate and unrealistic number of food consumption may cause waste items such as over-purchasing, excess stock, loss of labor, and energy loss. In the study, machine learning algorithms were examined to predict daily food consumption and a model that could be used in all catering operations offering mass food service was proposed. An approach for use in the catering industry is presented by using algorithms developed with the increase in technological level. In order to realize this approach, the number of food consumption for the future was estimated by using 233 daily food consumption numbers of a university dining hall. In order to obtain more stable results for special days and normal days, 18 different data sets were created from the general data set. With these data sets; By using Random Forest Algorithm (ROA), Recurrent Neural Networks (RNN), Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU) and ARIMA methods, models with training values were developed and comparisons were made with test values. MSE, RMSE, MAE, MAPE, R2 indicators were used to measure the performances of the models. The performance values obtained with the developed models showed superior results compared to the studies in the literature. In this study, a broad approach is presented to make food consumption forecasts in the catering industry. Catering businesses operating in the industry can easily integrate this approach into their processes.
Benzer Tezler
- Hedonik tüketimde tüketici motivasyonları: Bir model önerisi
Consumer's motivations in hedonic consumption: A model proposition
HUMEYRA ASLIM BİLGE
- Sosyal medya fenomenlerinin tüketicilerin yeme-içme tercihlerine etkisi üzerine bir araştırma
Research on the impact of social media influencers on consumers' food & beverage preferences
AYPAR SATI
- Edirne merkezindeki ilkokul öğrencilerinde kaygı düzeyleri ve sosyo-demografik özelliklerle ilişkisi
Başlık çevirisi yok
SEBAHAT MOLLA
Yüksek Lisans
Türkçe
1999
Halk SağlığıTrakya ÜniversitesiHalk Sağlığı Ana Bilim Dalı
PROF. DR. AHMET SALTIK
- Ana dağıtım üslerinin kullanılamaz hale gelme riski altında topla-dağıt ağı için bir matematiksel model önerisi
A mathematical model proposal for a hub-and-spoke network at risk of hub failure
BURCU TOKBAY ERKEK
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiErciyes ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. EMEL KIZILKAYA AYDOĞAN