Yapay sinir ağları ile talep tahminleme ve doğrusal programlama yaklaşımı ile dağıtım ağı optimizasyonu
Demand forecasting with artificial neural networks and distribution network optimization with linear programming approach
- Tez No: 935558
- Danışmanlar: DR. ÖĞR. ÜYESİ MEHLİKA KOCABAŞ AKAY
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 95
Özet
Günümüz rekabet ortamında, müşteri taleplerini tam zamanında ve doğru şekilde karşılamak, şirketler için kritik bir rekabet avantajı haline gelmiştir. Enflasyonist pazar koşullarında, ürün ve hizmetin zamanında teslim edilmesi, kimi zaman fiyat faktöründen daha öncelikli hale gelerek müşteri memnuniyetinin en belirleyici unsurlarından biri olmuştur. Bu doğrultuda, müşteri taleplerinin önceden tahmin edilmesi ve optimum lojistik planlama ile karşılanması, şirketlerin sürdürülebilir büyüme stratejileri açısından büyük önem arz etmektedir. Özellikle pandemi sonrası değişen tüketici davranışları, tedarik zinciri yönetiminde esneklik, hız ve verimlilik gerekliliğini artırmış, bu durum üretim, perakende ve lojistik sektörlerinde daha etkin dağıtım modellerinin geliştirilmesini zorunlu hale getirmiştir. Artan beklentiler ve rekabet koşulları, şirketleri maliyet etkinliği sağlayan, aynı zamanda yüksek servis seviyelerini koruyabilen dağıtım ağlarını kurmaya yönlendirmiştir. Bu kapsamda, doğru yerleşim yeri seçimi ve dağıtım ağı optimizasyonu, tedarik zinciri süreçlerinde maliyet ve operasyonel verimliliği artırmada temel bir unsur olarak karşımıza çıkmaktadır. Bu çalışmada, müşteri taleplerini önceden tahmin etmek için Yapay Sinir Ağları (YSA) ile talep tahminleme modelleri incelenmiş, ardından bu tahminlerin lojistik operasyonları destekleyici bir optimizasyon modeli ile nasıl entegre edilebileceği araştırılmıştır. Kuruluş yeri seçimi ve dağıtım ağı optimizasyonu, doğrusal programlama yaklaşımıyla ele alınmış, talep tahminleme sürecinin sağladığı verilerin optimizasyon modeli ile nasıl hibrit bir yapıya dönüştürülebileceği detaylandırılmıştır. Çalışmanın sonucunda, hem talep tahmini doğruluğunu artıran hem de dağıtım süreçlerini maliyet ve performans açısından optimize eden bütünleşik bir yaklaşım önerilmektedir.
Özet (Çeviri)
In today's competitive business environment, meeting customer demands accurately and on time has become a crucial competitive advantage for companies. Under inflationary market conditions, the timely delivery of products and services has sometimes taken precedence over pricing, emerging as one of the most critical factors in customer satisfaction. In this context, forecasting customer demand in advance and fulfilling it through optimal logistics planning has become vital for the sustainable growth strategies of businesses. Especially in the post-pandemic era, shifting consumer behavior has increased the need for flexibility, speed, and efficiency in supply chain management. This necessity has driven companies in manufacturing, retail, and logistics to develop more effective distribution models. Rising customer expectations and intensified competition have compelled businesses to establish cost-efficient distribution networks that also maintain high service levels. In this regard, optimal facility location selection and distribution network optimization play a fundamental role in improving cost-effectiveness and operational efficiency in supply chain processes. This study examines Artificial Neural Networks (ANNs) for demand forecasting, followed by an investigation into how these forecasts can be integrated into an optimization model to support logistics operations. The facility location selection and distribution network optimization are approached using linear programming methods, and the study elaborates on how data derived from demand forecasting can be transformed into a hybrid optimization framework. As a result, a comprehensive approach is proposed that enhances demand forecasting accuracy while also optimizing distribution processes in terms of cost and performance.
Benzer Tezler
- Penetration rate optimization in heterogeneous formations with support vector machines method
Destek vektör makinesi yöntemi ile heterojen formasyonlarda ilerleme hızı optimizasyonu
KORHAN KOR
Doktora
İngilizce
2021
Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik ÜniversitesiPetrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜRŞAT ALTUN
- Essays on electricity price modeling and forecasting
Elektrik fiyatlarının modellenmesi ve tahmini üzerine makaleler
UMUT UĞURLU
Doktora
İngilizce
2019
İşletmeİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. OKTAY TAŞ
- Ana sisteme bağlı bir mikro şebeke için gün içi elektrik piyasasına dayalı çizelgeleme
Energy scheduling for a microgrid connected to the main grid based on real time electricity market
EMRAH ERDEM UFLUOĞLU
Doktora
Türkçe
2018
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLGÜN KAYAKUTLU
- Makine öğrenimi algoritmaları üzerinden bina enerji performansı tahminleme modeli
A predictive model for building energy performance based on machine learning algorithms
MERVE ERTOSUN YILDIZ
- Spare parts demand forecasting and inventory management using machine learning models: A comprehensive application
Makine öğrenmesi modelleri ile yedek parça talep tahmini ve envanter yönetimi: Kapsamlı bir uygulama
ZEYNEP KARACA BEKTAŞ
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri MühendisliğiKoç ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. METİN TÜRKAY