Packaging planning prediction using multi-class and multi-output algorithms
Çoklu sınıf ve çoklu sonuç algoritmaları ile paketleme planlama tahmini
- Tez No: 866583
- Danışmanlar: PROF. DR. SUAT ÖZDEMİR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 72
Özet
Hızla gelişen endüstriyel manzara içerisinde, yapay zeka, imalat ve tedarik zinciri yönetimi dahil olmak üzere çeşitli sektörlerde dönüştürücü bir güç olarak ortaya çıkmıştır. Aynı zamanda, paketleme planlama, yapay zeka için hala geliştirilmeye açık bir alan olan bir başka alandır. Etkili paketleme planlama, tüm planlama süreci boyunca dikkatlice ele alınması gereken karmaşık bir görevdir. Bu sorunu çözmek için, her sevkiyat için paketlerin boyutlarını ve tiplerini tahmin etmek için etkili bir paketleme planlama için geliştirilmiş bir ilişki tabanlı heterojen zincir tabanlı çoklu çıkışlı sınıflandırma modeli öneriyoruz. Geleneksel regresyon zinciri modelleri genellikle her zincir içinde yalnızca tek bir sınıflandırıcı kullanırken, modelimiz her zincir içinde farklı sınıflandırıcıların kullanılmasına izin verir. Modelimiz, gerçek bir veri kümesi üzerinde farklı çoklu çıkışlı sınıflandırma algoritmalarını, Random Forest (RF), Decision Tree (DT) ve K-Nearest Neighbors (KNN) dahil kullanarak analiz edilir. Deneysel sonuçlar, DT temelli homojen zincir tabanlı çoklu çıkışlı sınıflandırma modelimizin ve ilişki tabanlı heterojen zincir tabanlı çoklu çıkışlı sınıflandırma modelimizin, geleneksel çoklu çıkışlı sınıflandırma ve zincir regresyon modellerine göre 0.98 genel doğruluk değeri ile en iyi performansı elde ederek daha iyi bir sonuç verdiğini göstermektedir. Ayrıca, farklı sınıflandırıcılar kullanan heterojen zincir tabanlı çok çıkışlı sınıflandırma modelimiz, tüm modellerde ikinci en iyi genel doğruluk sonucuna sahiptir ve geleneksel zincir tabanlı modellere göre daha yüksek bir genel doğruluk sonucuna sahiptir.
Özet (Çeviri)
In the rapidly evolving industrial landscape, Artificial Intelligence (AI) has emerged as a transformative force in various sectors, including manufacturing and supply chain management. Meanwhile, packaging planning is another area that is still open to development for AI. Effective packaging planning is a complicated task to be handled carefully throughout the entire planning process. To solve this problem, we propose a relation-based heterogeneous chain-based multi-output classification model for effective packaging planning in predicting the dimensions and types of packages for each shipment. While conventional regressor chain models typically employ only a single classifier within each chain, our model allows for the utilization of distinct classifiers within each chain. Our model is analyzed on a real-world dataset by employing different multi-output classification algorithms including Random Forest (RF), Decision Trees (DT), and K-Nearest Neighbors (KNN). Experimental results demonstrate that our homogeneous chain-based multi-output classification model, based solely on a DT, and our relation-based heterogeneous chain-based multi-output classification model outperform others, achieving the highest accuracy with an overall accuracy value of 0.98, as compared to traditional multi-output classification and chain regression models. Additionally, our heterogeneous chain-based multi-output classification model, utilizing different classifiers, has the second-highest overall accuracy result among all models and surpasses the overall accuracy achieved by traditional chain-based models.
Benzer Tezler
- Muğla bölgesindeki marinalarda atık yönetiminde tersine lojistik süreçlerin belirlenmesi: Mavi kart uygulaması
Determination of reverse logistics processes in waste management in mari̇nas in Muğla region: Blue card application
EMRE TÜMER
Yüksek Lisans
Türkçe
2019
DenizcilikDokuz Eylül ÜniversitesiDenizcilik İşletmeleri Yönetimi Ana Bilim Dalı
PROF. DR. ÖMÜR YAŞAR SAATÇIOĞLU
- 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
- Glokal reklam stratejilerinde metafor kullanımı
The use of the metaphor for glocal advertising strategies
VUSAL BABAYEVA
Yüksek Lisans
Türkçe
2019
Halkla İlişkilerİstanbul Aydın ÜniversitesiHalkla İlişkiler ve Tanıtım Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CİHAN BECAN
- Improvement of material requirements planning processes by using problem solving technique: A case in the automotive sector
Malzeme ihtiyaç planlama süreçlerinin problem çözme tekniğini kullanarak iyileştirilmesi: Otomotiv sektöründe bir uygulama
AYTÜL ŞENER
Yüksek Lisans
İngilizce
2006
Endüstri ve Endüstri MühendisliğiDokuz Eylül ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. EDİP TEKER
- Sanayi işletmelerinde üretim planlaması ve Sezersan Matbaacılık ve Ambalaj San. Tic. A.Ş.'de örnek uygulama
Planning of producing in industrial companies and the example of application in Sezersan Printing and Packaging Ind. Trd. Inc. co.
AYŞE GÜL BİLİCİ