ARIMA modeli ile makine öğrenimini kullanarak beton pompası üretiminde talep tahmini ve ABC-XYZ analizi
Demand forecasting and ABC-XYZ analysis in concrete pump manufacturing using ARIMA model and machine learning
- Tez No: 880694
- Danışmanlar: DOÇ. DR. GÖKAY AKKAYA
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Envanter yönetimi; iş performansı, nakit akışı, stok maliyetlerinin minimize edilmesi ve zaman yönetimi için çok önemlidir. Envanter seviyelerinin verimli bir şekilde yönetilmesi operasyonel verimliliği ve finansal stratejileri artırır. Kötü yönetim; mali kayıplara, stok dengesizliklerine, siparişlerin yerine getirilmesinin gecikmesine ve memnuniyetsiz müşterilere neden olabilir. Bu tez çalışmasında; birincil amaç, maliyetleri optimize ederken yeterli işletme sermayesini sağlamak ve malzeme eksikliği arasındaki ilişkiyi dengelemektir. Söz konusu olan çalışma, beton pompası üretilen bir tesiste son 3 seneye ait tüketimlerin makine öğrenmesiyle eğitilmesi ve gelecek dönemlere ait taleplerin kestirimi amacıyla ele alınmıştır. Birinci aşamada malzemelerin tüketimlerine ait veri seti dikkate alınarak ABC-XYZ analizi yapılmakta olup, ikinci aşamada ise gelecek yıl için tüketimini tahmin etmeyi hedeflemektedir. Talep tahmini için zaman serisi yöntemleri ele alındığında en uygun modelin ARIMA olduğuna karar verilmiştir. Model Python yazılım dilinde kodlanarak ABC-XYZ analizi yapılacaktır. Python yazılım dilinde arima ve sarima kütüphaneleri ile makine öğrenmesi yöntemlerini birlikte geliştirilmesiyle malzemelerin gelecek dönem talep tahmini yapılacaktır. Verileri anlamak; test ve eğitim olarak bölmek için zaman serisi ayrıştırması kullanılmaktadır. ARIMA modelinin malzeme talebini tahmin etmek için sırasıyla 0,80 ve 0,20 gibi daha düşük eğitim ve test hata değerleri kullanılacaktır. Önerilen matematiksel model ile malzemelerin daha doğru bir şekilde sipariş adetleriyle tedarik edilmesi stok maliyetinin azaltılması beklenmektedir.
Özet (Çeviri)
Inventory management; It is very important for business performance, cash flow, minimizing inventory costs and time management. Managing inventory levels efficiently increases operational efficiency and financial strategies. Mismanagement; It may result in financial losses, stock imbalances, delayed order fulfillment and dissatisfied customers. In this thesis study; The primary objective is to balance the relationship between ensuring adequate working capital and material shortages while optimizing costs. The study in question was undertaken with the aim of training the consumptions of the last 3 years with machine learning in a facility where concrete pumps are produced and predicting the demands for future periods. In the first stage, ABC-XYZ analysis is performed by taking into account the data set of the consumption of materials, and in the second stage, it aims to predict the consumption for the next year. Considering time series methods for demand forecasting, it was decided that ARIMA was the most appropriate model. The model will be coded in Python software language and ABC-XYZ analysis will be performed. Future demand forecasts for materials will be made by developing Arima and Sarima libraries together with machine learning methods in the Python software language. Understanding the data; Time series decomposition is used to divide the data into testing and training. Lower training and testing error values of 0.80 and 0.20, respectively, will be used to predict the material demand of the ARIMA model. With the proposed mathematical model, it is expected that materials will be supplied with more accurate order quantities and inventory costs will be reduced.
Benzer Tezler
- High impedance fault detection in medium voltage distribution systems using wavelet transform
Dalgacık dönüşümü kullanılarak orta gerilim dağıtım sistemlerinde yüksek empedanslı arıza tespiti
BARAA MAKKAWI
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER USTA
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Developing a decision-support system using machine learning and deep learning models for daily demand forecasting: A case study
Günlük talep tahmini için makine öğrenimi ve derin öğrenme modelleri kullanarak karar destek sistemi geliştirme: Bir vaka çalişmasi
RANA EZGİ KÖSE
Yüksek Lisans
İngilizce
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
- Application of machine learning techniques for predictive maintenance
Kestirimci bakım için makine öğrenmesi tekniklerinin uygulanması
ÖZLEM ECE YÜREK
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Yazılımı Ana Bilim Dalı
PROF. DR. DERYA BİRANT
- Machine learning-based energy consumption forecastingfor stores in a shopping center - A case study
Alışveriş merkezindeki dükkânların enerji tüketimininmakine öğrenmesiyle tahmini - Vaka çalışması
NADIA AHBAB
Yüksek Lisans
İngilizce
2023
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
ÖĞR. GÖR. MUSTAFA BERKER YURTSEVEN