Demand forecasting with machine learning algorithm: Implementation in a production facility
Makine öğrenmesi algoritması ile talep tahmini: Bir üretim tesisinde uygulanması
- Tez No: 700949
- Danışmanlar: DR. ÖĞR. ÜYESİ ABDULLAH YILDIZBAŞI
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Talep Tahmini, Makina Öğrenmesi, Destek Vektör Makineleri, Endüstri 4.0, Demand Forecasting, Machine Learning, Support Vector Machine, Industry 4.0
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 77
Özet
Teknolojinin ilerlemesiyle yeni kavramlar ortaya çıkmakta ve gün geçtikçe veri miktarı ve çeşitliliği artmaktadır. Artan bu veri miktarını ve çeşitliliğini yönetmek önem arz etmeye başlamıştır. Üretim sektörü özelinde artan rekabetle beraber kalite, maliyet, verimlilik gibi unsurları yönetmenin yanı sıra taleplere hızlı yanıt vermek kritik hale gelmiştir. Taleplere hızlı yanıt vermek etkin bir planlamayla mümkün görünmektedir. Etkin bir planlamanın temelini tahmin oluşturmaktadır. Elimizde bulunan geçmiş verilerle tahmin yapabilmek mümkündür. Ancak artan veri çeşitliliği ve miktarıyla bu tahminleri yapabilmek için klasik tahmin yöntemleri yetersiz kalmaktadır. Bu tez kapsamında güçlü istatistiksel yöntemler üzerine inşa edilmiş olan makine öğrenmesi tekniklerinde Destek Vektör Makineleri algoritması kullanılarak bir üretim tesisinin üç ayrı lokasyonu için haftalık malzeme girişi ve günlük malzeme girişi tahminleri yapılmıştır. Çorlu için %25,03, İzmit için %6,69 ve Gebze için %11,58 MAPE hata değeriyle haftalık tahmin günlük tahmine göre daha başarılı sonuçlar vermiştir.
Özet (Çeviri)
With the advancement of technology, new concepts emerge and the amount and variety of data is increasing day by day. It has become important to manage this increasing amount and diversity of data. With the increasing competition in the production sector, it has become critical to respond quickly to demands as well as to manage elements such as quality, cost and efficiency. It seems possible to respond quickly to demands with effective planning. Prediction is the basis of an effective planning. It is possible to make predictions with the historical data we have. However, classical prediction methods are insufficient to make these predictions with the increasing variety and amount of data. Within the scope of this thesis, weekly material input and daily material input prediction were made for three different locations of a production facility by using the Support Vector Machines algorithm in machine learning techniques built on strong statistical methods. The weekly forecast yielded better results than the daily forecasts, with MAPE error rate being 25.03% for Çorlu, 6.69% for İzmit and 11.58% for Gebze.
Benzer Tezler
- Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi
Analysis of container port operations using machine learning methods
ÜSTÜN ATAK
Doktora
Türkçe
2022
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU
PROF. DR. TOLGA KAYA
- Bütünleşik ürün karması planlaması için yeni bir optimizasyon yaklaşımı ve perakende sektöründe uygulaması
A novel optimization approach for integrated product assortment and its application in the retail sector
MUHAMMED CAN KONUR
Doktora
Türkçe
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET BÜLENT DURMUŞOĞLU
- How supply chain is digitalizing and integration of artificial intelligence
Başlık çevirisi yok
MÜGE PAMUKÇU
Yüksek Lisans
İngilizce
2019
Endüstri ve Endüstri MühendisliğiUniversità Ca' Foscari VeneziaPROF. GİOVANNİ VAİA
- Atm demand prediction with machine learning methods
Makine öğrenmesi yöntemleri ile atmlerde talep tahmini
EVRİM GENÇALP
Yüksek Lisans
İngilizce
2020
Bilim ve TeknolojiGalatasaray ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜJDE GENEVOIS
- Otomotiv döküm parça talep tahmininin yapay sinir ağları ile modellenmesi ve arıma yöntemi ile karşılaştırmalı analizi
Modeling automotive casting part demand forecasting with artificial neural networks and comparative analysis with arima method
SELİNAY KAYALI
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MERVE CENGİZ TOKLU