Geri Dön

Increasing firm's efficiency with machine learning algorithms: An application in the logistics industry

Makine öğrenmesi algoritmalarıyla işletmelerin verimliliğinin artırılması: Lojistik sektöründe bir uygulama

PDF İndir

  1. Tez No: 801070
  2. Yazar: EGEMEN ÇEKİÇ
  3. Danışmanlar: PROF. DR. BERİL DURMUŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: İşletme, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İşletme (İngilizce) Ana Bilim Dalı
  12. Bilim Dalı: Yönetim ve Organizasyon (İngilizce) Bilim Dalı
  13. Sayfa Sayısı: 77

Özet

Hava kargo taşımacılığının hızla yaygınlaşması ile birlikte sektördeki problemlerin algoritmalar ve yazılımlar aracılığıyla çözülmesi kaçınılmaz hale gelmiştir. Bu çalışmada, hava kargo yük planlama problemi olarak adlandırılan hava kargo taşımacılığında karşılaşılan temel problemler ele alınmış ve literatürdeki çözüm yaklaşımları incelenmiştir. Kargo kapasite tahminleme problemine çözüm bulmak için dört farklı makine öğrenmesi modeli geliştirilmiştir. Temel amaç, yolcu uçuşlarında bagajlar için kullanılacak konteyner sayısını tahmin ederek geriye kalan kargo kapasitesini hesaplayabilmektir. Bu amaçla Lineer Regresyon, Karar Ağacı Regresyonu, Rassal Orman Regresyonu ve Ekstrem Gradyan Artırma Regresyonu modelleri kullanılarak geçmiş veriler üzerinden tahminler yapılmıştır. Veri seti, son 3 yılda gerçekleştirilen yaklaşık 130.000 yolcu uçuşu verisine sahip bir havayolu şirketinden elde edilmiştir. Tüm makine öğrenimi modellerinin hiperparametreleri, 5 kat çapraz doğrulama ile Rastgele Arama algoritması kullanılarak belirlenmiştir. Modeller, ortalama mutlak hata, ortalama hatanın karesi, ortalama hatanın karekökü ve R² puanı gibi istatistiksel metrikler kullanılarak birbirleriyle karşılaştırılmıştır. Dört farklı model arasından Karar Ağacı Regresyon modeli en iyi performansı göstermiştir. Seçilen model test senaryolarında oldukça başarılı sonuçlar vermiştir.

Özet (Çeviri)

With the rapid spread of air cargo transportation, it has become inevitable to solve business problems in the sector by means of algorithms and software. In this study, the main problems encountered in air cargo transportation called as air cargo load planning problem are discussed and solution approaches in the literature are examined. In order to find a solution to the cargo capacity estimation problem, four different machine learning models were developed. The main objective is to predict number of containers to be used by baggages on passenger flights, so then the remaining cargo capacity can be calculated. In this purpose, Linear Regression, Decision Tree Regression, Random Forest Regression, and Extreme Gradient Boosting models were employed to make predictions from historical data. The dataset was gathered from an airline company having nearly 130.000 passenger flights data operated in the last 3 years. Hyperparameters of all machine learning models were determined using Random Search algorithm with 5-fold cross-validation. The models were compared with each other using statistical metrics such as mean absolute error, mean squared error, root mean squared error, and R² score. Among four different models, Decision Tree Regression model performed the best. In the test scenarios, the selected model produced successful results.

Benzer Tezler

  1. Tez No

    800231

    Gemi elektrik şebekelerinde derin öğrenme uygulamaları

    Deep learning applications on ship electric grids

    TAYFUN UYANIK

    Doktora

    Türkçe

    Türkçe

    2023

    Deniz Bilimleriİstanbul Teknik Üniversitesi

    Deniz Ulaştırma Mühendisliği Ana Bilim Dalı

    PROF. DR. YASİN ARSLANOĞLU

    PROF. DR. ÖZCAN KALENDERLİ

  2. Tez No

    719019

    Internal audit decision support framework using spherical fuzzy ELECTRE

    Küresel bulanık ELECTRE tabanlı iç denetim karar destek çerçevesi

    AKIN MENEKŞE

    Doktora

    İngilizce

    İngilizce

    2022

    İşletmeİstanbul Teknik Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. HATİCE CAMGÖZ AKDAĞ

  3. Tez No

    389371

    Türkçe metinlerde duygu analizi

    Sentiment analysis in Turkish texts

    CUMALİ TÜRKMENOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ

  4. Tez No

    766147

    Yapay zeka teknikleri ile desteklenmiş bulanık bilişsel haritalama yöntemi kullanılarak kurumların dijital dönüşümlerinin değerlendirilmesi

    The evaluation of digital transformation in institutions using fuzzy cognitive maps supported by artificial intelligence techniques

    ENES FURKAN ERKAN

    Doktora

    Türkçe

    Türkçe

    2022

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖZER UYGUN

  5. Tez No

    728120

    Developing data-driven methods using machine learning in operations and finance

    Üretim yönetimi ve finansta yapay öğrenme kullanan veri tabanlı yöntemler

    DAVOOD PIRAYESH NEGHAB

    Doktora

    İngilizce

    İngilizce

    2021

    Endüstri ve Endüstri MühendisliğiKoç Üniversitesi

    Endüstri Mühendisliği ve Operasyon Yönetimi

    PROF. DR. AHMET FİKRİ KARAESMEN

Geri Dön