Optimizing inventory routing: an integrated machine learning solution approach
Envanter rotalama optimizasyonunda entegre bir makine öğrenmesi çözüm yaklaşımı
- Tez No: 856770
- Danışmanlar: PROF. DR. OKAN ÖRSAN ÖZENER
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Ulaşım, Industrial and Industrial Engineering, Transportation
- Anahtar Kelimeler: envanter rotalama problemi, tamsayı programlama tabanlı sezgisel, sinir ağı, makine öğrenimi tabanlı karar verme, inventory routing problem, integer programming-based heuristic, neural network, machine learning based decision-making
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Özyeğin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Veri Bilimi Ana Bilim Dalı
- Bilim Dalı: Veri Bilimi Bilim Dalı
- Sayfa Sayısı: 64
Özet
Envanter Rotalama Problemi (ERP), tedarikçinin bir planlama ufku boyunca müşteri- lerinin stoklarını yenilemekten sorumlu olduğu ve satıcının stokları yönettiği bir tes- limat ve envanter planlama işidir. IRP'de tedarikçi, sistemin genel performansını iyileştirmek için yönlendirme ve envanter kararlarını birlikte verir. Bu çalışmamızda tedarikçinin amacı, bir planlama ufku boyunca toplam nakliye maliyetini en aza in- dirirken müşteri lokasyonlarında stok tükenmesini önlemektir. Tedarikçinin; aynı taşıma kapasitesine sahip teslimat araçlarından oluşan bir filosuna ve müşterilere tes- lim edilecek ürünün bol miktarda bulunabilirliğine sahip olduğunu varsayıyoruz. Her müşterinin sabit bir talep/tüketim oranı ve stok tutmak için sınırlı depolama ka- pasitesi vardır. Bu sorunu çözmek için yeni bir entegre kümeleme ve yönlendirme algoritması öneriyoruz. Kümeleme aşamasında, müşteri setini kümelere ayırarak, her kümeye tek bir araç tarafından hizmet verilmesini sağlıyoruz. Bunu başarmak için, kümeleme çerçevesinde yeni bir derin öğrenme modeli kullanıldı. Yönlendirme aşamasında, her bir küme için teslimat programını geliştirildi. Yaklaşımımızı diğerle- rinden ayıran şey, karar verme sürecine hem matematiksel bir modeli hem de bir makine öğrenimi modelini entegre ederek üç temel kararı (ne zaman teslim edileceği, ne kadar teslim edileceği ve nasıl yönlendirileceği) dikkate almasıdır. Önerilen kümele- me ve yönlendirme algoritmalarının performansını mevcut literatüre göre değerlen- dirdik ve sonuçlarımız önemli gelişmeler gösterdi. Ayrıca, önerilen sinir ağı tabanlı kümeleme yaklaşımı, makine öğrenimi algoritmalarının karar verme yapılarını nasıl geliştirebileceğinin etkili bir temsili olmuştur.
Özet (Çeviri)
Inventory Routing Problem (IRP) arises from vendor-managed inventory business set- tings where the supplier is responsible for replenishing the inventories of its customers over a planning horizon. In the IRP, the supplier makes the routing and inventory decisions together to improve the overall performance of the system. In our setting, the supplier's goal is to minimize total transportation costs over a planning horizon while avoiding stock-outs at the customer locations. We assume that the supplier has a fleet of homogeneous capacitated delivery vehicles and abundant availability of the product to be delivered to the customers. Each customer has a constant de- mand/consumption rate and limited storage capacity to keep inventory. To address this problem, we propose a novel integrated clustering and routing algorithm. In the clustering phase, we partition the customer set into clusters, ensuring that each cluster is served by a single vehicle. To accomplish this, we employ a novel deep learning model within the clustering framework. In the routing phase, we develop the delivery schedule for each cluster. What sets our approach apart is its consider- ation of the three key decisions—when to deliver, how much to deliver, and how to route—by integrating both a mathematical model and a machine learning model in the decision-making process. We evaluate the performance of the proposed clustering and routing algorithms against existing literature, and our results demonstrate sig- nificant improvements. Furthermore, the proposed neural network-based clustering approach serves as an effective representation of how machine learning algorithms can enhance decision-making structures.
Benzer Tezler
- Grup teknolojisi imalat sistemleri tasarımı için bir metodoloji ve bu metodolojinin endüstride uygulanması
Başlık çevirisi yok
NEVİN AYDIN
Doktora
Türkçe
1998
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. M. BÜLENT DURMUŞOĞLU
- Üretim kaynakları planlaması
Başlık çevirisi yok
TOLGA EREN
Yüksek Lisans
Türkçe
1997
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET TANYAŞ
- ATM nakit ikmal optimizasyonunda asimetrik destek vektör regresyon tahmin modeli yaklaşımı
Asymmetric support vector regression forecast model approach in ATM cash replenishment optimization
ÖZGE TUĞRUL SÖNMEZ
Doktora
Türkçe
2016
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. CAFER ERHAN BOZDAĞ
- Hybrid genetic algorithm approach for production inventory routing problem with perishable products
Bozulabilir ürünlerde üretim-envanter rotalama problemine hibrit genetik algoritma yaklaşımı
EGE SOMER
Yüksek Lisans
İngilizce
2023
Endüstri ve Endüstri MühendisliğiKoç ÜniversitesiEndüstri Mühendisliği ve Operasyon Yönetimi
PROF. CEYDA OĞUZ
- Multi-agent based approach for integrated aircraft maintenance management problems (Approche multi-agent pour la gestion des problemes d'entretien d'aeronefs entegre)
Başlık çevirisi yok
HALİL KESMEZ
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUniversité Paris Descartes (Paris 5)