Bir üretim işletmesinde yapay sinir ağları ve ANFİS metoduyla talep tahminlemesi
Demand forecasting in a manufacturing business with artificial neural networks and ANFİS method
- Tez No: 902592
- Danışmanlar: DR. ÖĞR. ÜYESİ FURKAN DİŞKAYA
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İstanbul Beykent Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çalışmamızda yer alan firmamızın satışları genellikle Avrupa ülkeleri ve çeşitli ülkeler de olduğu için bir ülkenin satışları azalırken diğer ülkenin satışları artış göstermektedir. Bu faktörlerin incelenmesi, yapay sinir ağları (YSA) ve ANFIS gibi yöntemlerle talep tahmini yapılırken kullanılan modellerin doğruluğunu artırabilir ve işletmenin stratejik planlamasına katkı sağlayacağı düşünülmektedir. Çalışmada kullanılan veriler firmamız tarafından 2 yıl boyunca satış yapılan gerçek miktarlardır. Veriler ERP (Enterprise Resource Planning) programı olanı SAP Business One üzerinden alınmıştır. Bu çalışmada hem YSA hem de ANFIS yöntemlerinin kullanılması, model performansının karşılaştırılması, güçlü ve zayıf yönlerin belirlenmesi, daha kapsamlı analiz yapılması, farklı uygulama alanlarının incelenmesi, akademik ve pratik katkı sağlanması ve daha güvenilir tahminler elde edilmesi gibi birçok önemli nedeni kapsamaktadır. Bu yaklaşımla tez çalışmasının bilimsel değerini artırmakta ve tahmin doğruluğunu maksimize etmek amaçlanmıştır. Sonuç olarak, her iki modelin de belirli veri setlerinde başarılı tahminler yapabildiği ve farklı eğitim oranlarına göre performanslarının değiştiği gözlemlenmiştir. ANFIS modeli, genellikle daha yüksek tahmin doğruluğu ve istikrar sunarken, YSA modeli de belirli koşullarda etkili sonuçlar verebilmektedir. Bu çalışma, zaman serisi tahminlerinde hem ANFIS hem de YSA'nın önemli yöntemler olduğunu ve belirli durumlarda birbirini tamamlayabileceklerini göstermektedir. Bu bulgular, her iki yöntemin de zaman serisi tahminlerinde başarılı bir şekilde kullanılabileceğine ve seçilecek yöntemin veri setinin yapısına bağlı olarak değişebileceğine işaret etmektedir.
Özet (Çeviri)
Since the sales of our company in our study are generally in European countries and various other countries, while the sales of one country decrease, the sales of the other country increase. Examining these factors can increase the accuracy of the models used in demand forecasting using methods such as artificial neural networks (ANN) and ANFIS and is thought to contribute to the strategic planning of the business. The data used in the study are the actual amounts sold by our company for 2 years. The data was taken from SAP Business One, an ERP (Enterprise Resource Planning) program. The use of both ANN and ANFIS methods in this study covers many important reasons such as comparing model performance, determining strengths and weaknesses, performing more comprehensive analysis, examining different application areas, providing academic and practical contributions and obtaining more reliable predictions. With this approach, it is aimed to increase the scientific value of the thesis study and maximize the prediction accuracy. As a result, it has been observed that both models can make successful predictions on certain datasets and that their performance varies depending on the training ratio. The ANFIS model generally provides higher prediction accuracy and stability, while the ANN model can deliver effective results under specific conditions. This study demonstrates that both ANFIS and ANN are valuable methods for time series forecasting and can complement each other in certain situations. These findings suggest that both methods can be effectively used for time series forecasting and that the choice of method may depend on the structure of the dataset.
Benzer Tezler
- Akıllı şebekelerde yük yönetimi ve yük tahmini
Load forecasting and load management in smart grid
MEHMET ŞEFİK ÜNEY
Doktora
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NURETTİN ÇETİNKAYA
- İstatistiksel süreç kontrolünde Shewhart, CUSUM ve EWMA kontrol kartları ile yapay sinir ağlarının bütünleşik kullanımı: Bir orman endüstri işletmesinde uygulama
Integrated use of artificial neural networks and Shewhart, CUSUM and EWMA control charts in statistical process control: A case study in forest industry enterprise
RIFAT KURT
Doktora
Türkçe
2018
İşletmeBartın ÜniversitesiOrman Endüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SELMAN KARAYILMAZLAR
- Her şey dâhil sisteminde yiyecek içecek miktarlarının yapay sinir ağları ile tahmini, Alanya'da bir uygulama
Estimation of amounts of food and beverage in all-inclusive system with artificial neural networks, an application in Alanya
FARUK ERİNCİ
Doktora
Türkçe
2016
EkonometriAkdeniz ÜniversitesiEkonometri Ana Bilim Dalı
YRD. DOÇ. DR. HAKAN ÇETİN
PROF. DR. İBRAHİM GÜNGÖR
- Bir üretim işletmesinde veri madenciliği uygulaması
An application of data mining in a manufacturing industry
MUHAMMET ÇETİN
Yüksek Lisans
Türkçe
2009
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BAYRAM TOPAL
- Bir gıda işletmesinde enerji talep tahmini
Energy demand forecasting in a food processing industry
SARA UYGUR
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri MühendisliğiBursa Uludağ ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ASLI AKSOY