Geri Dön

Baskı çoğaltma endüstrisine yönelik otonom tekliflendirme ve cihaz yönetimi stratejilerinin değerlendirilmesi: Bir karar destek sisteminin tasarımı

Evaluation of autonomous bidding and device management strategies for the print reproduction industry: The design of a decision support system

PDF İndir

  1. Tez No: 876232
  2. Yazar: DENİZ IŞIL ŞİMŞEK
  3. Danışmanlar: PROF. DR. EMRE ÇEVİKCAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 161

Özet

Tez çalışması dijital baskı endüstrisindeki stratejik karar verme süreçlerini iyileştirme, tekliflendirme sürecini otomatize etme ve sektördeki operasyonel verimlilikle birlikte pazar rekabetçiliğini artırma hedeflerine odaklanmaktadır. Çalışma, baskı endüstrisinin tarihçesine ve dijital teknolojilerin bu alana etkilerine odaklanarak geniş bir literatür taraması ile başlar. Endüstriyel baskı süreçlerinin gelişimi, dijitalleşmesi ve otomasyonun artmasıyla birlikte, firmaların karşılaştığı zorluklar ve bu zorlukların üstesinden gelmek için yapay zeka ve makine öğrenimi teknolojilerinin potansiyeli detaylandırılmaktadır. Çalışma, otonom tekliflendirme sistemlerinin geliştirilmesi ve cihaz yönetimi stratejilerinin değerlendirilmesine yönelik çözümler sunmayı amaçlamaktadır. İlk olarak metodoloji bölümünde veri toplama, veri analiz süreçleri, kullanılan makine öğrenimi modelleri, model değerlendirme ve validasyon yöntemleri, ve tekliflendirme süreci açıklanmaktadır. Çalışmada, gerçek zamanlı piyasa ve müşteri verilerini işleyebilen, dinamik tekliflendirme yapabilen ve müşteri ihtiyaçlarına göre özelleştirilmiş çözümler sunan bir karar destek sistemi geliştirilmiştir. Bu sistem, otonom olarak en uygun cihaz seçimini yapabilme ve rekabetçi fiyatlandırma stratejileri oluşturabilme kapasitesine sahiptir. Uygulama kısmında, firmadan alınan gerçek müşteri verilerinin değerlendirilmesi ve girdilerin belirlenmesi, kullanılacak makine öğrenmesi modelinin detaylandırılması ve değerlendirilmesi, geliştirilen modelin baskı endüstrisi özelinde kullanımı, kullanıcı arayüzü tasarımı, pilot uygulama ve elde edilen sonuçlar değerlendirilmektedir. Kopitek Kopyalama Sistemleri Ltd. Şti. tarafından sağlanan 8600 adet müşteri verisi, CHAID veri analizi yöntemi ile incelenmiştir. CHAID analizi, etkileşimli ağaçlar oluşturarak hangi faktörlerin müşteri tercihlerini en çok etkilediğini belirlemek için kullanılmıştır. CHAID analizinden elde edilen değişkenler, Rastgele Orman algoritması başta olmak üzere 5 farklı makine öğrenimi modeli ile test edilmiştir. Rastgele Orman, Karar Ağaçları Lojistik Regresyon, Destek Vektör Makineleri (SVM), ve K-En Yakın Komşular (KNN) algoritmaları da karşılaştırmalı olarak değerlendirilmiştir. Her bir modelin performansı, doğruluk oranı ile değerlendirilmiştir. Rastgele Orman, özellikle büyük veri setleri ve yüksek boyuttaki verilerde üstün performans gösterdiği için bu uygulama için tercih edilen makine öğrenmesi algoritması olmuştur. Rastgele Orman algoritması ile oluşturulan modelin etkinliği ve güvenilirliği, çapraz doğrulama ve karışıklık matrisleri aracılığıyla ayrıca değerlendirilmiştir. Daha sonra ise modelin sektör özelinde kullanımı adına bir kullanıcı arayüzü geliştirilmiş ve oluşturulan karar destek sisteminin gerçek zamanlı veriler ile uygulaması gerçekleştirilmiştir. Kullanıcı arayüzü, müşteri veri girişlerini kolaylaştırmak ve sistem çıktılarını anlaşılır bir biçimde sunmak üzere tasarlanmıştır. Bu arayüz, kullanıcılara dinamik tekliflendirme yapma, cihaz seçimleri sunma ve rekabetçi fiyatlandırma stratejileri oluşturma imkânı vermiştir. Sonuçlar bölümünde, tezin ana bulguları özetlenmekte ve teorik ile pratik katkılar tartışılmaktadır. Tez çalışması, baskı endüstrisindeki karar verme süreçlerini iyileştirmek için makine öğreniminin etkin bir şekilde nasıl kullanılabileceğini göstermektedir. Ayrıca, bu teknolojilerin endüstriyel uygulamalarda nasıl stratejik avantajlar sağlayabileceği üzerinde durulmaktadır. Tez aynı zamanda gelecekteki araştırmalar için önerilerde bulunarak, baskı endüstrisindeki dijitalleşme sürecinin gelişimine katkıda bulunmayı hedeflemektedir. Bu araştırma, baskı endüstrisinde faaliyet gösteren firmalara, karar verme süreçlerinde veriye dayalı, dinamik ve etkin çözümler sunma potansiyeli taşımaktadır. Geliştirilen karar destek sistemi, endüstriyel uygulamalarda yenilikçi bir yaklaşım olarak değerlendirilebilir ve baskı sektöründe dijitalleşme trendlerine uyum sağlamak, operasyonel verimliliği artırmak ve pazar rekabetçiliğini güçlendirmek için stratejik bir araç olarak ön plana çıkmaktadır. Özellikle dijital baskı teknolojilerinin sürekli gelişim gösterdiği bir dönemde, bu tür yenilikçi çözümler sektöre büyük değer katabilir ve baskı hizmetlerinin daha etkin ve verimli bir şekilde sunulmasını sağlayacaktır.

Özet (Çeviri)

The objective of the thesis was to develop a proposal system that will analyze complex customer and market data given increased efficiency and strategic decision-making in the print industry. That system lets customers choose the suitable device model and provides dynamic pricing strategies. This model employs machine learning to understand better customer behavior and trends in the use of printing devices, which helps make the best selection of devices and setting attractive competitive prices for customers. The research is to begin with a review of the history of the printing industry and the impacts of digital technologies on this industry. This article is entirely focused on how digitalization is evolving industrial print processes with time. What it is bringing and pushing companies to adopt in the digital age, and how it needs to be solved using new artificial intelligence and machine learning technologies. Literature underpinning the arguments for why printing industry technological enhancements are needed demonstrates how advanced computational tools can revolutionize traditional processes. The whole methodology section of this study exposes a very holistic approach to handling autonomous bidding and device management within the print reproduction industry, using statistical and machine learning techniques to review and forecast different types of market behavior and machine requirements. The research will account for massive data collection and involve real-time market data with specific details regarding the customer sourced from the CRM systems of companies serving in the industry. This shall include critical information, such as company profiles, printing volumes, and model preferences of the customers, essential in understanding the customer base to a level of fineness required in seeking detailed market demand patterns. It is upon this that this thesis tries to see if the influence and levels of importance contributed by independent variables affect the dependent variable, which is the machine model listed, using the CHAID analysis approach. Particularly, this method of analysis is favored because it enables the detection of complex structures and relationships within the dataset. This is widely used in market research, customer segmentation, and medical research, as well as in social sciences. CHAID is mainly used in research where the relationship between categorical independent variables and its effect on the dependent variable is explored. This work depicts various factors concerning the classification of machine models. After completion of the CHAID analysis, inputs for the machine learning were determined, and hence, the model-creation phase is taken up. The project involved developing a decision support system using machine learning approaches to automate selecting the best model of a machine that the firm's salesperson uses in matching and estimating rental prices. The following work will attempt to compare these classification algorithms: Decision Trees, Random Forest, Logistic Regression, Support Vector Machines (SVM), and K-Nearest Neighbors (KNN) about the performance of the model built. They chose the Random Forest to train the model because the technique of Random Forest entails bringing together predictions from a large number of decision trees, hence reducing variance compared to a single decision tree model. It quantified the performance with an accuracy score based on a test set. The generalization and stability were also assessed with the 5-fold cross-validation method. This helps reduce the risk of model overfitting since it shows how the model performs across different subsets of data. All the confusion matrices and classification reports presented very graphic insight into how each model is doing concerning the classes, respectively. They have helped to identify areas where they are strong and confused across classes. This methodological framework is based on the application of advanced approaches to data analysis and machine learning techniques to better decision-making processes in the field of print reproduction. It focuses mainly on the theoretical and practical implications of being the best, and effective, and efficient in their operations. The thesis elaborates on practical application using the developed model for machine learning in the printing industry. Through further integration, the use of the model for testing involved the application of real-time customer and market data scenarios. The model was trained with 80% of the data and tested with the rest. This is standard training for an evaluation method against unseen testing data. In the meantime, it also means that it can be used to point out the prediction ability and generality of the model. At the stage of development, an interface was developed to enable selecting best model, pricing and bid generation. In other words, there is an developed automatic system where users will have the chance to place their data through the web form and get a proposal. At the same time, companies will see the current requests through the interface and then prepare, depending on that, suitable offers for them. In essence, the model-generated system was used to enhance the company's decision-making processes, more so in the tailoring of dynamic pricing strategies and customer behavior analysis. This can adapt to market conditions and provides room for inclusions in a decision support system that will show practical utility in enhancing operational efficiencies and market responsiveness. The successfully deployed model has shown to help handle industry-specific challenges and, at the same time, gives the possibility of a competitive edge through rapid adaptation to market changes and strengthening customer relationships. This has placed the decision support system as a handy tool for companies within the print reproduction industry seeking to leverage advanced technologies for strategic advantages. Therefore, this study portrays excellent headway in the aspect of automation of the process of bidding and device management relevant to the print reproduction industry. This study demonstrates the effective integration of machine learning models into decision-making and operational efficiency enhancements. The paper elaborates on the point that the use of this system has brought improvement to both precision and adaptability to market conditions, where the testing of real-world conditions currently even shows a 90% accuracy rate. Theoretically, the research would further make the literature richer about digital transformation within industrial processes with the view to showcasing the role that will be played by machine learning. Practically, it will enable the company to gain more competitive advantages in the market as the developed decision support will allow the adoption of personalized and dynamic pricing strategies, through which customers could have the possibility to be more satisfied. Some limitations must be noted in the research process. For example, the representativeness of the data set is confined to a particular market segment and time. In the future, the data set should be expanded to even more varied market conditions and possibly even more countries to make the generalizability and robustness of the model better. This further implies the need for exploring more machine learning models and algorithms that could overcome the constraints faced by currently used models. It communicated the transformational impact that advanced computational technologies are poised to bring to the print reproduction industry. This will open up further exploration and fine-tuning of machine learning models for decision refinement and strategic planning in the industry. Therefore, called to be addressed in future studies are the identified limitations and further generalizing the applicability of the findings to the broader practices of the industry.

Benzer Tezler

  1. Tez No

    121174

    Atık kağıt hamurlarının formamidin sülfinik asit (FAS) ile ağartılması

    Bleaching of recycled fibre furnish with formamidine sulphinic acid (FAS)

    SAMİ İMAMOĞLU

    Doktora

    Türkçe

    Türkçe

    2002

    Ormancılık ve Orman Mühendisliğiİstanbul Üniversitesi

    Orman Endüstri Mühendisliği Ana Bilim Dalı

    PROF.DR. BAHATTİN GÜRBOY

    PROF.DR. GÜNEŞ UÇAR

  2. Tez No

    425552

    Dijital baskı teknolojisinin inorganik boyalar ile düz cam yüzeylerde kullanımının araştırılması

    Investigation of the digital printing technologies into flat glass surfaces by using inorganic inks

    BURCU KESKİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Güzel SanatlarMimar Sinan Güzel Sanatlar Üniversitesi

    Seramik ve Cam Tasarımı Ana Sanat Dalı

    YRD. DOÇ. DR. İLHAN HASDEMİR

  3. Tez No

    67177

    Topografik haritanın üretim tekniğinin incelenmesi

    Investigation on the production technique of the topographic maps

    BÜLENT SEVİNÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    1997

    Eğitim ve ÖğretimMarmara Üniversitesi

    Matbaa Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. MEHMET OKTAV

  4. Tez No

    392611

    A study of the dependence of source efficiency on design parameters in source-driven subcritical nuclear systems

    Kaynak güdümlü alt kritik sistemlerde kaynak verimliliğinin dizayn parametrelerine bağımlılığının incelenmesi

    CEYHUN YAVUZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Nükleer Mühendislikİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    PROF. DR. HÜSEYİN ATİLA ÖZGENER

  5. Tez No

    121047

    Meyve suyu endüstrisi atık sularının ardışık kesikli reaktör sistemi ile arıtılabilirliği

    Biological treatment of fruit juice industry effluents in sequencing batch reactor

    EMİNE ELMASLAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2002

    Çevre Mühendisliğiİstanbul Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    Y.DOÇ.DR. NEŞE TÜFEKÇİ

Geri Dön