Predicting the catering load on inflight retail platforms
Uçak içi satış platformlarında ikram tahminleme
- Tez No: 909249
- Danışmanlar: DR. ÖĞR. ÜYESİ REİS BURAK ARSLAN
- 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: Galatasaray Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 95
Özet
Ticari havacılıkta rekabetçi bir ortamda, etkin kaynak yönetimi hem çevresel sürdürülebilirlik hem de ekonomik performans için kritik öneme sahiptir. Bu çalışmada, gerçekleşen her bir uçuş seferi kapsamında satın alma hizmetleri için yiyecek ve içecek tüketiminin tahmin edilmesinde yapay zekâ modellerini kullanılması ele alınmıştır. Tarihsel satış verilerini analiz ederek, yapay zekâ modeli toplam tüketimi tahmin etmekte, böylece havayollarının tedarikini optimize etmesine ve atığı azaltmasına olanak tanımaktadır. Uçağa fazla yüklenen yiyecek ve içecekler sadece çabuk bozulabilen malların israfını arttırmakla kalmayıp aynı zamanda ekstra ağırlık nedeniyle yakıt tüketimini artırmasına da sebep olmaktadır. Bu çalışma, havacılıkta yapay zekâ uygulamalarının kullanımına bir örnek oluşturmakta ve uçuş içi hizmet lojistiği ve sürdürülebilirlik konularına da katkıda bulunmaktadır. Bu çalışma, uçak içi satış sisteminde taze yiyecek tahmini üzerine odaklanmaktadır. Geçmişe dönük taze yiyecek satış verileri, eğitim ve geliştirme amaçları için kullanılmıştır. Bu veriler üzerinden veri analizleri yapılarak aday veri özellikleri seçilmiştir. Her bir veri uçuşun gerçekleştiği rota ve zaman bazında tüketim, promosyon ve yolcu sayısı bazında düzenlenerek kullanıma alınmıştır. Bu yaklaşım için iki model seçilmiştir; biri XGBoost ve diğeri ise yapay sinir ağlarıdır. Bu modeller, karmaşık, doğrusal olmayan veri ilişkilerini yönetme yeteneklerindeki farklı güçleri nedeniyle seçilmiştir. Karşılaştırmalı analiz, seçilen modellerin tahmin doğruluğunu, sağlamlığını ve operasyonel ortamlardaki verimliliklerini değerlendirmeye odaklanmıştır. Her iki model için de gerekli parametre optimizasyonları yapılmıştır. Sonuçlar, her iki modelin de geleneksel yöntemlere kıyasla tahmin hassasiyetini artırdığını, her birinin özgün avantajlar sunduğunu ve bu avantajların belirli operasyonel ihtiyaçlara bağlı olarak değerlendirilebileceğini göstermektedir.
Özet (Çeviri)
In the competitive landscape of commercial aviation, efficient resource management is pivotal for both environmental sustainability and economic performance. This thesis introduces a novel application of AI models in predicting food and beverage consumption for buy-on-board services across different flight legs. By analyzing historical sales data, the AI model forecasts total consumption, enabling airlines to optimize provisioning and reduce waste. This is critical, as excess inventory not only leads to increased wastage of perishable goods but also contributes to higher fuel consumption due to additional weight. This research not only advances the application of AI in aviation but also serves as a blueprint for enhancing onboard service logistics and sustainability practices. This research focuses on fresh food prediction in BoB system. Fresh Food sales data is used for training and development purposes. Two models are selected for this approach; one is XGBoost and other one is neural networks. These models were selected for their differing strengths in handling complex, nonlinear data relationships. For both models hyperparameter tunings applied and the results evaluated for best values and overfitting conditions. The comparative analysis focused on evaluating their predictive accuracy, robustness, and efficiency in operational environments. Results indicate that while both models enhance forecasting precision over traditional methods, each offers unique advantages that can be leveraged depending on specific operational needs.
Benzer Tezler
- Meal participation prediction with Bayesian hierarchical models
Başlık çevirisi yok
ALEYNA KOF
Yüksek Lisans
İngilizce
2021
Endüstri ve Endüstri Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SAVAŞ DAYANIK
- Türkiye'de hanehalkı tüketim harcamalarının analizi
Analysis of household consumption expenditures in Turkey
ABDULKADİR KILIÇ
Yüksek Lisans
Türkçe
2018
EkonomiErzurum Teknik Üniversitesiİktisat Ana Bilim Dalı
DOÇ. DR. GÜRKAN ÇALMAŞUR
- Firmaların finansal distress (sıkıntı) durumlarının tesbiti ve finansal distress (sıkıntı) içindeki firmalara yapılacak yatırımlarda karar verme
Predicting the financial distress situation of firms and making investment decisions on the financially distressed firms
ARDA AÇIKSÖZ
- Predicting the medical data by using different algorithms
Farklı algoritmalar kullanarak tıbbi verilerin tahmini
HUDHAIFA MUSTAFA MOHAMMED ALI AL SALMAN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
Assist. Prof. Dr. SEFER KURNAZ
- Predicting icu requirements of covid-19 patients using artificial neural network
Yapay sinir ağı kullanarak Covid-19 hastalarının yoğun bakım ünitesi gerekliliklerinin tahmini
YELİZ ÇOTOY
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri MühendisliğiGalatasaray ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUNCAY GÜRBÜZ