Application of the LSTM model for demand forecasting in plastic packaging production
Plastik ambalaj üretiminde talep tahmini için LSTM modelinin uygulanması
- Tez No: 930389
- Danışmanlar: PROF. DR. ALPTEKİN DURMUŞOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Plastik Ambalaj, Talep Tahmini, LSTM, Plastic Packaging, Demand Forecasting, LSTM
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 98
Özet
Artan rekabet baskıları ve sürekli değişen küresel koşullar altında şirketler, uzun vadeli sürdürülebilirliklerini sağlamak amacıyla gelecekteki eğilimleri tahmin etmek için stratejiler geliştiriyorlar. Bu stratejilerdeki en kritik araçlar ise kısa vadeli ve uzun vadeli talep tahminleridir. Doğru talep tahmini, büyük ölçüde tahmin sisteminin etkili bir şekilde çalışmasına bağlı olan gelecekteki gelir kayıplarını en aza indirmek için değerli bir fırsat sağlar. Plastik ambalaj sektörü oldukça dinamiktir ve yoğun rekabet, değişen tüketici davranışları ve hammadde fiyatlarındaki dalgalanmalar nedeniyle talep belirsizliklerine karşı özellikle hassastır. Bu çalışmada, zaman serisi analizine dayalı makine öğrenmesi tabanlı bir yaklaşım olan Uzun Kısa Vadeli Bellek (LSTM) algoritması, plastik ambalaj sektöründeki talebi tahmin etmek için kullanılmıştır. Bir plastik ambalaj firmasının satış hacimleri Ocak 2015 ile Aralık 2024 arasında her 15 günde bir toplanmış ve bu 240 veri noktasının %70'i eğitim verisi olarak ayrılırken, %30'u test verisi olarak kullanılmıştır. Plastik ambalaj üretiminde talep tahmini için LSTM modelinin uygunluğunu ve performansını değerlendirmek için hata ölçütleri kullanılmıştır. Tahmin modeli kullanılarak 2025 yılı için aylık satış hacimleri hesaplanmıştır. Bu araştırma, üretim süreçlerinin optimize edilmesi, envanter maliyetlerinin düşürülmesi ve müşteri memnuniyetinin artırılması gibi kritik alanlara önemli katkılar sağlayacaktır.
Özet (Çeviri)
Under increasing competitive pressures and ever-changing global conditions, companies are developing strategies to forecast future trends in order to ensure their long-term sustainability. The most critical tools in these strategies are short-term and long-term demand forecasts. Accurate demand forecasting provides a valuable opportunity to minimize future revenue losses, which largely depends on the effective operation of the forecasting system. The plastic packaging industry is highly dynamic and is particularly sensitive to demand uncertainties due to intense competition, changing consumer behavior, and fluctuations in raw material prices. In this study, the Long Short-Term Memory (LSTM) algorithm, a machine learning-based approach based on time series analysis, was used to forecast demand in the plastic packaging industry. Sales volumes of a plastic packaging company were collected every 15 days between January 2015 and December 2024, and 70% of these 240 data points were separated as training data, while 30% were used as test data. Error metrics were used to evaluate the suitability and performance of the LSTM model for demand forecasting in plastic packaging production. Monthly sales volumes for the year 2025 were calculated using the forecasting model. This research will make significant contributions to critical areas such as optimizing production processes, reducing inventory costs, and increasing customer satisfaction.
Benzer Tezler
- Ağ trafiği tahmininde makine öğrenmesi algoritmalarının karşılaştırmalı analizi
A comparative analysis of machine learning algorithms on network traffic forecasting
BUSE DİLAN USLAN
Yüksek Lisans
Türkçe
2025
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
- Güç sistemlerinin yük tahmini analizinde uzun kısa süreli bellek metodunun kullanılması ve uygulaması
Load forecasting analysis of power systems using long short-term memory and applicati̇on
ÜMMÜHAN GÜLSÜM KILIÇ
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiBilecik Şeyh Edebali ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KURBAN
DOÇ. DR. EMRAH DOKUR
- Enhancing photovoltaic system performance through NARX-LSTM forecasting and neuro-controller based MPPT techniques
NARX-LSTM tahmın ve nöro-denetleyici temelli MPPT teknikleri vasıtasıyla fotovoltaık sistem performansının artırılması
OUBAH ISMAN OKIEH
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Energy demand forecasting in fog computing based microgrids using ensemble learning
Sis bilişimi tabanlı mikro şebekelerde topluluk öğrenme ile enerji talep tahmini
TUĞÇE KESKİN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN İNCE
- Rüzgar hızı yük tahmin modelleri ve Yalova bölgesinde bir uygulama
Wind speed load forecasting models and an application in Yalova
ZELİHA NUR KİRİŞ
Yüksek Lisans
Türkçe
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA