Lojistik sektöründe makine öğrenmesi modelleri yardımı ile uygun paket tipinin seçilmesi
Selecting appropriate type of package with machine learning models in logistic companies
- Tez No: 812554
- Danışmanlar: DOÇ. DR. BERK AYVAZ, DR. ÖĞR. ÜYESİ EMİNE ELİF NEBATİ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İstanbul Ticaret Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 79
Özet
Bu çalışmada, lojistik sektörlerinde maliyet ve verimlilik açısından önemli bir yere sahip olan paketleme sürecindeki siparişler için uygun paket tipinin makine öğrenmesi modelleri yardımı ile belirlenmesi problemi üzerinde durulmuştur. Siparişlerin içerisinde çok fazla boşluk bulunduracak büyük paketlerde gitmesi ya da küçük paketlere tam sıoğmadan gönderilmesi marka imajını zedelemekteddir ve son kullanıcının siparişten memnun kalmamasına sebebiyet verebilmektedir. Lojistik Regresyon, Destek Vektör Makineleri, Karar Ağaçları, K-En Yakın Komşu Sınıflandırıcısı, Rassal Orman Sınıflandırıcısı, Gaussian Naive Bayes Sınıflandırıcıs ve XGBoost Sınıflandırıcısı modelleri çapraz geçerleme yapılmadan ve çapraz geçerleme yapılarak uygulanmıştır. Belirtilen modeller uygulandıktan sonra en doğru ve güvenilir olan modelin 10 kat çapraz geçerlemenin yapıldığı XGBoost Sınıflandırıcısı olduğu gösterilmiştir. Bu model sonucunda siaprişlerin yaklaşık olarak %83'ü doğru bir şekilde paketlenebilmektedir. Sürekli değişen personeller sebebiyle bilgi birikiminin tam olarak oluşamaması ve süre kaybının minimuma indirilmesi sayesinde bu modelin lojistik sektörlerinde uygulanabilir olduğu gösterilmiştir.
Özet (Çeviri)
In this study, the problem of selecting the appropriate package type for the orders in the packaging process, which has an important role in terms of cost and efficiency in the logistics sectors, is emphasized with the help of machine learning models. Sending orders in large packages that will contain too much space or sending them in small packages without fitting them completely damages the brand image and may cause the end user to be dissatisfied with the order. Logistic Regression, Support Vector Machines, Decision Trees, K-Nearest Neighbor Classifier, Random Forest Classifier, Gaussian Naive Bayes Classifier and XGBoost Classifier models were applied without cross-validation and cross-validation. After applying the specified models, it has been shown that the most accurate and reliable model is the XGBoost Classifier with 10-fold cross validation. As a result of this model, approximately 83% of orders can be packed correctly. It has been shown that this model is applicable in the logistics sectors, thanks to the fact that the knowledge cannot be fully formed due to the constantly changing personnel and the loss of time is minimized.
Benzer Tezler
- Sales forecasting in fashion retail industry with classical and machine learning methods
Moda perakendesi sektöründe klasik ve makine öğrenmesi metodları ile satış tahmini
HANİFE IŞIK
Yüksek Lisans
İngilizce
2020
Ekonomiİstanbul Teknik ÜniversitesiEkonomi Ana Bilim Dalı
DOÇ. DR. TOLGA YURET
- Sigorta sektöründe sahte hasar tespitinde makine öğrenimi modellerinin kıyaslanması
Comparison of machine learning models in fake damage detection in the insurance industry
GİZEM ÖZTÜRK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolİSTANBUL BEYKENT ÜNİVERSİTESİBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ATINÇ YILMAZ
- A decision support system on packaging planning using machine learning algorithms: Industrial case study
Paketleme planlaması için makine öğrenmesi algoritmaları kullanarak bir karar destek sistemi: Bir yan sanayi uygulaması
BEGÜM ŞENER
Yüksek Lisans
İngilizce
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
- An intelligent system for ranking e-commerce customer reviews to boost engagement
Müşteri etkileşimini artırmak için e-ticaret müşteri yorumlarını sıralayan akıllı sistem
ERTUĞRUL YÜCEL
Yüksek Lisans
İngilizce
2024
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. TOLGA KAYA
- Kumaş üretiminde yeniden işlemler için makine öğrenmesi yöntemleri kullanarak erken kalite tahmini
Early quality prediction using machine learning methods for reworks in fabric production
SEMA AYDIN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiBursa Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KORAY ALTUN