Yapay sinir ağları ile talep tahmini: Türkiye'deki otomobil sektöründe bir uygulama
Demand forecasting with artificial neural networks: An application in the automobile industry in Turkey
- Tez No: 900709
- Danışmanlar: PROF. DR. SAİT PATIR
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Bingöl Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Genel İşletme Bilim Dalı
- Sayfa Sayısı: 157
Özet
Dünya nüfusundaki hızlı artış, otomobil talebinin de hızla büyümesine yol açmaktadır. Bu durum, otomobil üreticileri için önemli bir baskı oluşturmakta ve gelecekteki talebi karşılamak amacıyla etkili planlama yapma gerekliliğini artırmaktadır. Piyasa koşulları, ekonomik göstergeler ve tüketici alışkanlıkları, otomobil talebini etkileyen temel faktörlerdir. Bu bağlamda, talep tahminine yönelik stratejiler geliştirmek, otomobil üreticilerinin rekabet gücünü artırmak ve üretim süreçlerini optimize etmek açısından büyük önem taşır. Talep tahmin yöntemleri, karmaşık süreçlerin modellenmesi ve bu süreçlere etki eden parametrelerin belirlenmesi için etkili çözümler sunmaktadır. Talep tahmin yöntemleri temel olarak nitel ve nicel yöntemler olmak üzere iki grupta ele alınmaktadır. Bu çalışmada nicel talep tahmin yöntemleri uygulanmıştır. Bu araştırmada, otomobil talebi tahmininde Çoklu Regresyon Analizi, NARX (Nonlinear Autoregressive with Exogenous Inputs) modeli ve Yapay Sinir Ağları modeli kullanılarak satış tahminleri yapılmıştır. Otomobil talebini etkileyen bağımsız değişkenler Brent Petrol Fiyatı, Dolar Kuru, Taşıt Kredi Faizleri, Tüketici Fiyat Endeksi (TÜFE), Araç Alım Düzeyi ve Otomobil Üretim Adedi, bağımlı değişken ise OYAK Renault, Tofaş, Toyota, Ford, Honda ve Hyundai firmalarının toplam otomobil satış adedi olarak alınmıştır. Çalışmada, üç modelin sonuçları karşılaştırılmış ve en etkili model belirlenmiştir. Modellerin tahmin doğruluğunu değerlendirmek amacıyla, Ortalama Hata Kareleri (MSE) ve Ortalama Mutlak Yüzde Hata (MAPE) gibi performans kriterleri kullanılmıştır. Yapılan analizler sonucunda, Yapay Sinir Ağları modelinin performansı MSE=0,0210 ve MAPE=%11,66 olarak hesaplanmıştır. Bu sonuçlar, Yapay Sinir Ağları modelinin diğer iki yönteme kıyasla daha başarılı olduğunu ve otomobil talebini tahmin etmede daha güçlü bir performans sergilediğini ortaya koymuştur. Yapay Sinir Ağları Modeli ile 2014–2024 yılları arasındaki aylık otomobil satış verileri temel alınarak Ocak 2024 - Aralık 2024 arasındaki 12 aylık süreçte gerçekleşmesi beklenen otomobil talep tahmini yapılmıştır. Yapay Sinir Ağları modeli, gelecekteki otomobil satışlarını daha isabetli tahmin etme potansiyeli sunmuş ve bu sayede üreticilerin stratejik planlamalarına katkıda bulunabilecek bir tahmin aracı olarak öne çıkmıştır.
Özet (Çeviri)
The rapid growth of the global population has led to a significant increase in automobile demand. This situation creates considerable pressure on automobile manufacturers and heightens the necessity for effective planning to meet future demand. Market conditions, economic indicators, and consumer habits are the key factors influencing automobile demand. In this context, developing strategies for demand forecasting is crucial for enhancing the competitiveness of automobile manufacturers and optimizing their production processes. Demand forecasting methods offer effective solutions for modeling complex processes and determining the parameters that affect these processes. These methods are generally categorized into two groups: qualitative and quantitative approaches. In this study, quantitative demand forecasting methods have been applied. In this research, automobile demand forecasts were made using Multiple Regression Analysis, the NARX (Nonlinear Autoregressive with Exogenous Inputs) model, and the Artificial Neural Networks (ANN) model. The independent variables affecting automobile demand were identified as Brent Oil Price, Dollar Exchange Rate, Vehicle Loan Interest Rates, Consumer Price Index (CPI), Vehicle Purchase Level, and Automobile Production Quantity, while the dependent variable was the total number of car sales from the companies OYAK Renault, Tofaş, Toyota, Ford, Honda, and Hyundai. The results of the three models were compared in the study, and the most effective model was determined. To evaluate the accuracy of the models' predictions, performance metrics such as Mean Squared Error (MSE) and Mean Absolute Percentage Error (MAPE) were used. The analysis revealed that the performance of the Artificial Neural Networks model resulted in MSE = 0.0210 and MAPE = 11.66%. These findings demonstrated that the Artificial Neural Networks model outperformed the other two methods, providing a stronger performance in predicting automobile demand. Using the Artificial Neural Networks model, automobile demand forecasts for the 12-month period from January 2024 to December 2024 were made based on monthly automobile sales data from 2014 to 2024. The Artificial Neural Networks model has shown the potential to make more accurate predictions of future automobile sales, positioning itself as a valuable forecasting tool that can contribute to manufacturers' strategic planning.
Benzer Tezler
- Otomobil satışlarının yapay sinir ağları ile tahmini ve regresyon analizine göre başarısının incelenmesi
Examining the success of car sales prediction and regression analysis using artificial neural networks
MERT TEKİN
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiGebze Teknik Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. BÜLENT SEZEN
- Yapay sinir ağları yaklaşımı ile Türkiye'deki ulaştırma talebinin tahmini
The estimation of transportation demand in Turkey with artificial neural networks approach
TOLGA GÜRBÜZ
Yüksek Lisans
Türkçe
2008
İnşaat MühendisliğiKırıkkale Üniversitesiİnşaat Ana Bilim Dalı
YRD. DOÇ. DR. ALİ PAYIDAR AKGÜNGÖR
- Short term electrıcıty consumptıon forecastıng usıng long short-term memory cells
Uzun kisa vadeli̇ hafiza ağlari i̇le kisa vadeli̇ elektri̇k tüketi̇m tahmi̇ni̇
ANIL TÜRKÜNOĞLU
Yüksek Lisans
İngilizce
2019
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURAK BARUTÇU
- Optimal doğal gaz tüketiminin tespitinde farklı yapay sinir ağı algoritmalarının kullanımı: Samsun ili örneği
The use of different artificial nerve network algorithms in determining optimal natural gas consumption: sample of Samsun
BEDİA KANT
Yüksek Lisans
Türkçe
2021
Endüstri ve Endüstri MühendisliğiOndokuz Mayıs ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET SERHAT ODABAŞ
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA