Makine öğrenmesi algoritmalarıyla gıda sektöründe karar destek sistemlerinin oluşturulması
Creating decision support systems in the food industry with machine learning algorithms
- Tez No: 830551
- Danışmanlar: PROF. DR. İPEK DEVECİ KOCAKOÇ
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, Econometrics
- Anahtar Kelimeler: makine öğrenmesi, talep tahmini, gıda endüstrisi, veri analizi, karar destek sistemleri, Machine Learning, Demand Forecasting, Food İndustry, Data Analysis, Decision Support Systems
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: Veri Yönetimi ve Analizi Bilim Dalı
- Sayfa Sayısı: 86
Özet
Makine öğrenmesi ve derin öğrenme algoritmalarının talep tahmini çalışmalarında giderek daha fazla kullanılması gerekliliği günümüzün rekabetçi ticaret ortamında bir gerekliliktir. Bu algoritmaların enerji, gıda, otomotiv, turizm gibi çeşitli sektörlerde talep tahmini için kullanıldığı bilinmektedir. Gıda perakendeciliği alanında stok ve/veya satış analizleri, verimlilik artışı sağlamak için uygulanabilecek çözümler arasında yer almaktadır. Yapay zekâ, makine öğrenmesi ve derin öğrenme algoritmalarının gıda perakendeciliği süreçlerini daha etkin bir şekilde yönetmek için kullanılmasının, verimlilik ve kar maksimizasyonu açısından önemli olduğu vurgulanmaktadır. Bu çalışmada, online olarak satış yapan hızlı market uygulaması hizmetinin satış verileri kullanılmıştır. Çalışmada Makine Öğrenmesi yaklaşımlarından“Birliktelik Kuralları”kullanılarak bir inceleme yapılmıştır. Ayrıca, makine öğrenmesi temelli uygulamaların kaynak kullanımını optimize ederek sermaye tasarrufu sağladığı, bu tasarruflar sayesinde rekabet gücünün korunabileceği ve karlılığın bir ticari işletmenin uzun yıllar boyunca sürdürülebilir halde tutulabilmesini sağlamaktadır. Çalışmada elde edilen bulgular şu şekilde özetlenebilir: 2 milyondan fazla veri satırı üzerinde yüksek güven aralığı ve destek değerleriyle yapılan analiz sonucunda, 200'den fazla anlamlı kural tespit edilmiştir. Bu analizde, destek değeri %2 ve güven değeri %75 olarak kullanılmıştır. Taze sebze ve Taze meyve ürün grubunun birbirleri ile yüksek oranda ilişkileri oldukları gözlemlenmiştir. Sepette biri bulunduğunda diğerinin de bulunma olasılığı yüksektir. Elde edilen verilerin ışığında, bu analiz sonuçları işletmeler için kar maksimizasyonunu mümkün kılan bir yöntem olarak değerlendirilebilir. Aynı zamanda, sunulan grafikler ve interaktif paneller, işletme yöneticilerinin daha bilinçli kararlar alabilmelerine katkı sağlayacak görsel araçlar olarak önemli bir rol oynayabilirler. Bu sonuçlar, işletmelerin yönetim süreçlerini daha etkili ve sağlıklı bir şekilde yürütebilmeleri için değerli bir kaynak sunmaktadır.
Özet (Çeviri)
Demand forecasting is a topic related to predicting product and service demands in advance. The necessity of using machine learning and deep learning algorithms in demand forecasting studies is increasingly emphasized in today's competitive business environment. It is known that these algorithms are used for demand forecasting in various sectors such as energy, food, automotive, and tourism. Stock and/or sales analysis in the field of food retailing are among the solutions that can contribute to increased efficiency. The utilization of artificial intelligence, machine learning, and deep learning algorithms to manage food retailing processes more effectively is important in terms of efficiency and profit optimization. In this study, we used Association Rules, a machine learning approach to analyze a dataset of transactions from an online grocery store. The challenges and opportunities in this field were addressed. Additionally, machine learning-based applications were found to optimize resource utilization, leading to capital savings, maintaining competitive advantage, and ensuring long-term profitability for a commercial enterprise. The findings obtained in the study can be summarized as follows: Through the analysis conducted on more than 2 million data rows with high confidence intervals and support values, over 200 significant rules have been identified. This analysis utilized a support value of 2% and a confidence value of 75%. It has been observed that the Fresh Vegetable and Fresh Fruit product groups are highly correlated. When one of them is present in the basket, the probability of the other being present is high. Given the obtained data, these analysis results can be considered a method enabling business profit maximization. Additionally, the presented graphs and interactive panels can be crucial as visual tools in assisting business managers in making more informed decisions. These findings provide a valuable resource for businesses to effectively and healthily manage their operational processes.
Benzer Tezler
- Perakende sektöründe dinamik fiyatlandırma ile gelir optimizasyonu
Revenue optimization application with dynamic pricing in retail industry
SİNEM BATMACA
Yüksek Lisans
Türkçe
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Üniversitesi-CerrahpaşaEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SİNEM BÜYÜKSAATÇI KİRİŞ
- Kanatlı kuluçkahanelerinde yumurta sınıflandırmasının görüntü işleme teknikleriyle gerçekleştirilmesi
Performing egg classification with image processing techniques in poultry hatcheries
EMRE TEKİN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET ÇELİK
- Hızlı ıslah yöntemiyle geliştirilen ekmeklik ve makarnalık buğday popülasyonlarında tanenin fiziksel özelliklerinin görüntü işleme algoritmalarıyla belirlenmesi ve yapay zeka teknikleriyle sınıflandırılması
Determining the physical properties of grain in bread and durum wheat populations developed by rapid breeding by image processing algorithm and classification with ai techniques
MESUT ERSİN SÖNMEZ
Doktora
Türkçe
2022
BiyomühendislikKaramanoğlu Mehmetbey ÜniversitesiBiyomühendislik Ana Bilim Dalı
PROF. DR. NEVZAT AYDIN
DOÇ. DR. KADİR SABANCI
- Makine öğrenmesi algoritmalarıyla kalp hastalıklarının tespit edilmesine yönelik performans analizi
Performance analysis for detecting heart diseases with machine learning algorithms
ELİF ÇİL
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ GÜNEŞ
- Detection of antimicrobial resistance using surface-enhanced raman spectroscopy combined with machine learning algorithms
Makine öğrenmesi algoritmalarıyla birleştirilmiş yüzeyi zenginliştirilmiş raman spektroskopisi kullanılarak antimikrobiyal direnç tespit
ZAKARYA ALI ZAIN AL-SHAEBI
Yüksek Lisans
İngilizce
2022
Bilim ve TeknolojiErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER AYDIN