Veri madenciliği ve yapay sinir ağları yöntemleri ile hazır giyim sektöründe talep tahmini
Demand forecasting in the apparel industry with data mining methods and artificial neural networks
- Tez No: 790347
- Danışmanlar: DR. ÖĞR. ÜYESİ ATAKAN ALKAN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 80
Özet
Günümüz güçlü rekabet koşullarında şirketlerin varlıklarını güvenle sürdürebilmeleri için gelecek tahminleri kritik önem taşıyan bir faktördür. Bu doğrultuda talep tahmin çalışmaları şirketlerin gelecekte güvenilir yol almalarına önemli katkı sağlamaktadır. Şirketler varoluş süreçlerini etkileyecek bu yolda birçok yöntem kullanmaktadır. Literatürde de sıklıkla karşılaşılan yapay sinir ağları ve veri madenciliği yöntemleri bu yöntemlerden bazılarıdır. Çalışma kapsamında YSA ve veri madenciliği yöntemleri açıklanarak perakende sektöründe lider bir firmanın 4 yıllık veri seti kullanılarak satış tahmin çalışması için stok miktarı, fiyat, indirim oranı, hava koşulları, tüketici güven endeksi ve satışa etki eden anomaliler incellenmiş olup tüm bu veriler ışığında MATLAP ve WEKA programında tahminleme çalışmaları yapılmıştır. İlk olarak satışa etki eden anomalilerin (Range, fiyat, stok ve pandemi) YSA ile yapılacak olan talep tahmin çalışmasına girdi sağlayabilmesi için K-En yakın Komşu, Naive Bayes ve Destek vektör makineleri yöntemleri ile tahmin çalışması yapılmıştır. DVM ile yapılmış olan çözüm %78 doğruluk oranı ile diğer yöntemlere göre daha doğru bir tahmin sonucuna ulaşmıştır. Uygulamanın ikinci bölümünde bu veriler kullanılarak anomaliler dahil ve hariç olmak üzere iki şekilde de YSA ile talep tahmin çalışması yapılmıştır. Anomaliler dahil olarak yapılan YSA ile tahmin çalışması anomali hariç olan tahmin çalışmasından %4 daha doğru tahmin sonucuna ulaşılmıştır. Yapılan bu çalışma ile YSA ile satış tahmini uygulamalarında anomali değişkenlerinin önemini ve sınıflandırma tahmin algoritmalarından da destek vektör makinelerinin diğer algoritmalara göre daha başarılı sonuçlar elde ettiği gösterilmiş olup literatüre ve şirket maliyetlerini azaltma yönünde katkı sağlanmıştır.
Özet (Çeviri)
In today's fierce competitive conditions, future forecasts are a critical factor for companies to continue their existence with confidence. In this direction, demand forecasting studies make a significant contribution to companies to take a reliable path in the future. Companies use many methods in this way that will affect their existence processes. Artificial neural networks and data mining methods, which are frequently encountered in the literature, are some of these methods. Within the scope of the study, ANN and data mining methods were explained, and the stock amount, price, discount rate, weather conditions, consumer confidence index and anomalies affecting the sales were examined for sales forecasting using a 4-year data set of a leading company in the retail sector, and in the light of all these data, MATLAP and WEKA program prediction studies have been made. First of all, estimation study was carried out with K-Nearest Neighbor, Naive Bayes and Support vector machine methods so that anomalies (Range, price, stock and pandemic) affecting sales can provide input for demand estimation work to be done with ANN. The solution made with SVM has reached a more accurate estimation result with an accuracy rate of 78% compared to other methods. In the second part of the application, using these data, demand estimation studies were carried out with ANN in two ways, including and excluding anomalies. The estimation study with ANN including anomalies was 4% more accurate than the estimation study excluding anomalies. With this study, it has been shown that the importance of anomaly variables in sales forecasting applications, artificial neural networks and classification estimation algorithms, and that support vector machines achieve more successful results than other algorithms, contributing to the literature and reducing company costs.
Benzer Tezler
- Modeling educational data with machine learning methods
Eğitim verilerinin makine oğrenmesi algoritmaları kullanılarak modellenmesi
AYŞE İLKNUR DİLEK
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür ÜniversitesiMatematik ve Bilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET FATİH UÇAR
- Üniversite öğrencilerinde problemli teknoloji kullanımının veri madenciliği yöntemleri ile incelenmesi
Investigation of problematic technology use in university students with data mining methods
ZEYNEP EYMİR ÖZTEKİN
Doktora
Türkçe
2023
Eğitim ve ÖğretimFırat ÜniversitesiTeknoloji ve Bilgi Yönetimi Ana Bilim Dalı
PROF. DR. AHMET TEKİN
- Özellik seçim yöntemleri ve yeni bir yaklaşım
Feature selection methods and a new approach
HÜSEYİN BUDAK
Doktora
Türkçe
2015
İstatistikMimar Sinan Güzel Sanatlar Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. SEMRA ERPOLAT TAŞABAT
- Veri madenciliği aracı olarak genetik algoritmalar ile yapay sinir ağları ve yapay sinir ağı-genetik algoritma melez modelinin müşteri değerlendirilmesinde kullanılması
Genetic algorithms and artificial neural networks as data mining tools and usage of artificial neural-genetic algorithm hybrid model for customer evaluation
OSMAN ARDA MERİÇ
- Farklı makine öğrenmesi algoritmalarının karşılaştırılması
Comparison of different machine learning algorithms
EBRU PEKEL
Yüksek Lisans
Türkçe
2018
Endüstri ve Endüstri MühendisliğiOndokuz Mayıs ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
PROF. DR. SERMİN ELEVLİ
YRD. DOÇ. DR. TUNCAY ÖZCAN