Gıda işletmelerinde yapay sinir ağları ile talep tahminlemesi
Estimating demand on food serving businesses with artificial neural networks
- Tez No: 855248
- Danışmanlar: PROF. DR. ERDOĞAN GAVCAR
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 99
Özet
Gıda üreten ve satan işletmeler için stok planlaması, özellikle hızlı tüketilmesi gereken ürün kalemleri için büyük öneme sahiptir. Bu çalışmada söz konusu işletmeler için soğuk zincirde depolanan gıdalar harici, atık oluşturma potansiyeline sahip ürünlerin kullanım miktarları tahminlenerek bir planlama sistemi oluşturulması hedeflenmiştir. Veri toplama yöntemi amacıyla geliştirilen online bir sipariş sistemi sipariş veren işletmenin mobil cihazına yüklenmiştir. Analiz amacına uygun bir işletme seçilerek, bu işletmenin 208 haftalık sipariş verileri, stok verileri ve günlük kasa fişleri temin edilmiştir. İşletmedeki atık oluşturmayan mamullerin de bağımsız değişkenlere dahil edilmesi lineer olmayan ilişkiler oluşturmuş, pandemi dolayısıyla kapanma dönemlerinde kesintiye uğrayan, yalnızca paket servis yapılabildiği durumlarda ise normal durumdaki zaman serilerine uyum sağlamayan veri yapısı, analiz için yapay sinir ağları kullanmamıza anlam kazandırmıştır. İlk aşamada lineer regresyon analizi ile bağımsız değişkenlerin sonucu etkileme düzeyi araştırılmış, etkisi düşük olan mamul verileri analiz dışı bırakılmıştır. İkinci aşamada ise yapılan iterasyonlarla en düşük MSE (Ortalama Hata Karesi) elde edilen ağ yapısı tercih edilmiştir. Elde edilen sonuçlar belirsizliğin yüksek olduğu hizmet sektörü açısından tatmin edicidir. Ortalama %12,5 hata payı ile tahminleme gerçekleştirilmiş, bazı haftalar için yapılan tahminlemeler %3'ün altında bir hata payıyla isabet sağlamıştır. Stok tahminlemesi yapılan işletme bazında seçilen yapay sinir ağı yapısı başarılı olmuştur. Farklı dinamiklerinden dolayı, tek bir ağ yapısının tüm işletmelerde en iyi sonucu vermesi beklenemeyecektir. İşletme bazında çalışılarak, ağa girdi sağlayan değişkenlerin ve kullanılacak ağ yapısının optimize edilmesi en doğru tahminlerin alınabilmesini sağlayacaktır.
Özet (Çeviri)
Inventory planning is important for businesses producing and selling food, especially for the products to be consumed in a limited time. In this work, a planning system is intended to be realized for these businesses, estimating consumption with the products except stored in cold chain, which mostly has potential to produce waste. An online ordering system is developed for gathering data and installed to business manager's mobile device as pilot, including orders from businesses to suppliers. An appropriate business is selected for our analysis, with order data of 208 weeks, inventory data and daily cashier receipts. Using artificial neural networks for analysis is significant for non lineer relations occurred of using durable products' data as independent variables, interrupted data in closing periods of pandemia, and data incompatible with standart time series in periods only delivery is allowed. At first phase, effect of independent variables on dependent variable is evaluated by lineer regression analysis, eliminating ineffective product inputs. Subsequently, iterations are done to obtain minimum MSE (Mean Squared Error) value for selecting the best network structure. Results acquired is satisfactory for this type of business where uncertainty is prominent. Estimations are realized with a %12,5 error ratio, for some weeks estimations are close to real values with a tolerance under %3. It's clear that preferred network structure succeeded for the selected business. For different dynamics, there is no one type of neural network to provide best estimations on all businesses. It's important to evaluate business by its characteristics to get the best results, optimizing the network structure and independent variables used as inputs to this network.
Benzer Tezler
- Bir gıda işletmesinde enerji talep tahmini
Energy demand forecasting in a food processing industry
SARA UYGUR
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri MühendisliğiBursa Uludağ ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ASLI AKSOY
- Yapay sinir ağları ile talep tahmini ve gıda sektöründe uygulanması
Demand forecasting with artificial neural networks and implementation in the food industry
MÜZEYYEN TUĞBA BALLI
Yüksek Lisans
Türkçe
2014
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELİN SONER KARA
- Yapay zekâ yöntemleri kullanılarak perakende satış sektöründe ürün talep tahmini
Artificial intelligence methods of using the sale of retail industry product demand forecast
GAMZE AYYILDIZ DOĞANSOY
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMersin ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ACI
- Tedarik zinciri yönetiminde yapay zeka tabanlı talep tahmini: Bir tekstil firmasında uygulama
Ai-based demand forecast in supply chain management: İmplementation in a textile company
BUSE CEREN AKBAŞ
Yüksek Lisans
Türkçe
2022
İşletmeAkdeniz ÜniversitesiUluslararası Ticaret ve Lojistik Ana Bilim Dalı
DOÇ. DR. FAHRİYE MERDİVENCİ
- Makine öğrenmesi yardımıyla zincir restoran gıda satışlarının tahmin edilmesi ve hava durumunun etkisinin incelenmesi
Forecasting food sales on chain restaurant and investigating weather effect on sales by using machine learning methods
SEZGİ ŞENER
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAŞAR ÖZTAYŞİ