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
- Palm yağı fiyatlarını etkileyen parametreler ve fiyat tahmin modeli
Parameters affecting palm oil prices and price forecasting model
HASAN ÖZMAY
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESRA BAŞ
- Yapay zeka tabanlı bara diferansiyel koruma sistemi
Artificial intelligence based busbar differential protection system
EMRE ÖZDEMİR
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YILMAZ UYAROĞLU
- Envanter tahsisinde arz ve talebin dengelenmesindeki farklı stratejilere yönelik stokastik model yaklaşımı
Stochastic model approach to different strategies for balancing supply and demand in iventory allocation
FURKAN KEMAL DİNÇER
Yüksek Lisans
Türkçe
2025
Mühendislik BilimleriSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SAFİYE SENCER
- 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
- Bilişim teknolojisi altyapı kütüphaneliği çerçevesinde operasyonel süreçlerin süreç madenciliği, tahminleme ve kesikli olay simülasyonu ile iyileştirilmesi
Improving operational processes through process mining, forecasting, and discrete-event simulation within the itil framework
AYŞEGÜL KAÇAR
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERKAN IŞIKLI