Geri Dön

Yapay sinir ağları ile teslim süresi tahmini ve savunma sanayinde uygulaması

Lead time estimation with artificial neural networks and its application in the defense industry

  1. Tez No: 777365
  2. Yazar: ERDEM BALTACI
  3. Danışmanlar: PROF. DR. AYDIN ULUCAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: İşletme, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İşletme Ana Bilim Dalı
  12. Bilim Dalı: Üretim Yönetimi ve Sayısal Yöntemler Bilim Dalı
  13. Sayfa Sayısı: 88

Özet

Üretim alanında faaliyet gösteren işletmeler arasındaki rekabet gün geçtikçe artmaktadır. İşletmeler rekabetçi piyasada söz sahibi olmak adına sürekli olarak kendilerini geliştirme çabası içindedirler. Teslim süresi, işletmelerin müşteri beklentilerini karşılamak amacıyla yüksek doğruluk seviyesi ile hesaplamak ve iyileştirmek istediği en önemli performans göstergelerinden birisidir. Müşteri siparişinin alınmasından ürünün teslimatına kadar geçen süre teslim süresi olarak adlandırılmaktadır. Bu çalışmada yapay sinir ağları (YSA) kullanılarak ürünün teslim tarihinin, üretim süresi ve hammadde tedarik süresini içerecek şekilde tahmin edilmesini sağlayan bir model geliştirilmiştir. Geliştirilen model ile müşteriye iletilecek teslim süresi kabul edilebilir bir doğrulukta tahmin edilebilmektedir. Bu da gecikme olmadan zamanında teslimat yapılmasını ve müşteri memnuniyetinin istenen seviyede tutulmasını sağlayacaktır. Bu model, teslim süresini hammadde tedarik süresini de göz önünde bulundurarak tahmin edecek bir yapıda olup bu yönüyle literatürde benzeri yoktur. Üretim süreçlerinin ve ürün ağacının karmaşık olduğu üretim sistemlerinde kolaylıkla uygulanabilecek yapıdadır. Geliştirilen model, savunma sanayinde faaliyet gösteren bir firmada üretilen bir ürüne ait veri ile farklı senaryolar kurgulanarak çalıştırılmış ve teslim süreleri ile hammadde tedarik süreleri analiz edilmiştir. Teslim süresinin iyileştirilmesi amacıyla, teslim süresinin uzamasına neden olan hammaddeler tespit edilerek bu hammaddeler için emniyet stoku tutulması önerilmiştir. En fazla gecikme görülen ilk 30 hammadde için emniyet stoku tutularak gecikme süresinde %70, gecikmeden kaynaklı ceza ödemesinde ise %77 oranında iyileştirme sağlanabileceği belirtilmiştir. Bu açıdan tahmin modeli sadece bir karar verme aracı olarak değil, bir iyileştirme aracı olarak da kullanılmaktadır. Bu çalışmada YSA uygulamaları literatürde yer alan diğer çalışmalara kıyasla daha detaylı bir şekilde aktarılmıştır. Bu yönüyle YSA tahmin uygulamalarında izlenecek adımları gösteren bir rehber niteliğindedir.

Özet (Çeviri)

The competition among the companies operating in the field of production is increasing day by day. Businesses constantly strive to improve themselves to have a say in the competitive market. Lead time is one of the most important performance indicators that businesses want to calculate with high accuracy and improve in order to meet customer expectations. The time elapsed from the receipt of the customer order to the delivery of the product is called the lead time. In this study, a model has been developed to predict the lead time of the product by using artificial neural networks (ANN), including the production time and raw material supply time. With the developed model, the lead time to be promised to the customer can be estimated with an acceptable accuracy. This will ensure on-time delivery and high customer satisfaction. The model has a structure that estimates the lead time by considering the raw material supply time, and in this respect, it is unique in the literature. It can be easily applied in production systems where production processes and product tree are complex. The developed model was run by setting up different scenarios with the data of a product produced in a company operating in the defense industry, and the delivery times and raw material supply times were analyzed. In order to improve the delivery time, it has been suggested to keep a safety stock for the raw materials that cause the lead time to be extended. It has been stated that by keeping the safety stock for the first 30 raw materials with the highest delay, an improvement of 70% can be achieved in the delay time and 77% in the penalty payment due to delay. In this respect, the prediction model is used not only as a decision-making tool, but also as an improvement tool. In this study, ANN applications have been explained in more detail than other studies in the literature. In this regard, this study is a guide that shows the steps to be followed in ANN estimation applications.

Benzer Tezler

  1. Artifical neural networks flood forecasting: Investigation of the contributions of data assimilation for applications to Cevennes rivers

    Yapay sinir ağlarıyla taşkın tahmini: Uygulamalar için veri asimilasyonunun katkılarının değerlendirilmesi Cevennes rivers

    ÇAĞRI ALPEREN İNAN

    Doktora

    İngilizce

    İngilizce

    2023

    Jeoloji MühendisliğiMuğla Sıtkı Koçman Üniversitesi

    Jeoloji Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BEDRİ KURTULUŞ

    PROF. DR. ANNE JOHANNET

  2. Sofware defect identification using neural network techniques

    Yazılım projelerindeki olası hataların yapay sinir ağları yöntemleriyle belirlenmesi

    EVREN CEYLAN

  3. Resource optimization of software development teams working with kanban

    Kanban ile çalışan yazılım geliştirme ekiplerinin kaynak optimizasyonu

    CİHANGİR ERTABAN

    Doktora

    İngilizce

    İngilizce

    2024

    Endüstri ve Endüstri MühendisliğiÖzyeğin Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ERİNÇ ALBEY

  4. Neural network based optimization in production scheduling

    Üretim çizelgelemesinde yapay sinir ağlarına dayalı en iyileme

    DERYA EREN AKYOL

    Doktora

    İngilizce

    İngilizce

    2006

    Endüstri ve Endüstri MühendisliğiDokuz Eylül Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜNHAN MİRAÇ BAYHAN

  5. Hücresel imalat sistemlerinde maliyet ve sinir ağları tabanlı iki evreli bir kümelendirme yaklaşımı

    Artificial neurat network x operation costs based twostage GT clusterning procedure

    AFFAN NOMAK

    Yüksek Lisans

    Türkçe

    Türkçe

    1995

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    DOÇ.DR. BÜLENT DURMUŞOĞLU