Yapı kimyasalları sektöründe makine öğrenmesi destekli çimento fiyat tahminlemesi
Machine learning-supported cement price forecasting in the construction chemicals industry
- Tez No: 956704
- Danışmanlar: PROF. DR. AYDIN SİPAHİOĞLU, PROF. DR. EZGİ AKTAR DEMİRTAŞ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 181
Özet
Bu tez çalışmasında, yapı kimyasalı üretiminde faaliyet gösteren bir firmanın Eskişehir fabrikasında çimento hammadde satın alma fiyatlarının tahminlenmesi amaçlanmıştır. Firma yetkilileri ile yapılan görüşmeler doğrultusunda geliştirilen bu çalışma, stratejik ve operasyonel karar mekanizmalarına veri temelli bir katkı sunmayı hedeflemektedir. Yapı kimyasalı üretiminde çimento, selüloz, kalsit, kraft kâğıdı ve polimerler olmak üzere beş temel hammadde yer almakta olup bu araştırma pilot bir uygulama olarak yalnızca çimento hammaddesine ve Eskişehir fabrikasına odaklanmaktadır. Araştırmada Ocak 2013 – Aralık 2024 dönemini kapsayan aylık olarak derlenmiş veri seti kullanılmış; arz-talep dengesi, enerji ve nakliye maliyetleri, ekonomik ve demografik göstergeler gibi farklı kategoriler altında toplam 30 aday öznitelik değerlendirmeye alınmıştır. İlk aşamada, öznitelik seçimlerinin önünü açmak amacıyla yüzeysel eksik veri doldurma işlemleri gerçekleştirilmiştir. Sonrasında, sektör uzmanlarının görüşlerine dayalı (Çalışma 1) ve akademik yöntemlerle desteklenmiş istatistiksel yaklaşımlara dayalı (Çalışma 2) iki farklı öznitelik seçim stratejisi benimsenmiş; Seçilen özniteliklerle oluşturulan veri setlerine ileri eksik veri doldurma teknikleri uygulanmış; devamında ise öznitelik kümelerinin birleştirilmesi (Çalışma 3), kapasite kullanım oranı değişkeninin modelden çıkarılması (Çalışma 4) ve korelasyon temelli öznitelik indirgeme (Çalışma 5) gibi çeşitli modelleme senaryoları üzerinden çalışmalar çeşitlendirilmiştir. Modelleme sürecinde sekiz farklı makine öğrenmesi algoritması hem varsayılan hem de eniyilenmiş hiperparametrelerle test edilmiştir. Modeller, çeşitli performans metrikleri ile değerlendirilmiştir. Sonuçlar, sektörel bilgiye dayalı öznitelik seçiminin özellikle makine öğrenmesi modelleri açısından yüksek tahmin başarısı sağladığını göstermiştir. Tez kapsamında geliştirilen modelleme yaklaşımının, sadece çimento değil, diğer hammaddelere yönelik tahmin sistemlerine de uyarlanarak yapısal bir karar destek aracı olarak yaygınlaştırılması önerilmektedir.
Özet (Çeviri)
This thesis aims to forecast the procurement prices of cement—a key raw material—for the Eskişehir factory of a company operating in the field of construction chemicals. Developed in line with consultations held with company representatives, the study seeks to provide a data-driven contribution to strategic and operational decision-making processes. Among the five fundamental raw materials used in the production of construction chemicals—namely cement, cellulose, calcite, kraft paper, and polymers—this research focuses on cement within the scope of a pilot application, specifically targeting the Eskişehir facility. The analysis is based on a monthly dataset compiled for the period between January 2013 and December 2024. A total of 30 candidate features were evaluated across different thematic categories such as supply-demand balance, energy and transportation costs, economic indicators, and demographic factors. In the initial phase, superficial missing value imputation was conducted to enable feature selection. Subsequently, two distinct feature selection strategies were adopted: one based on expert opinions (Study 1) and the other on academic and statistical methodologies supported by machine learning techniques (Study 2). Advanced missing value imputation techniques were then applied to the resulting datasets. The study was further diversified through additional modeling scenarios, including feature set merging (Study 3), the exclusion of the capacity utilization variable from the model (Study 4), and correlation-based feature reduction (Study 5). Eight different machine learning algorithms were tested during the modeling process, using both default and optimized hyperparameters. The models were evaluated using various performance metrics. The results reveal that feature selection based on domain knowledge yields particularly high prediction accuracy in machine learning models. The modeling framework developed within the scope of this thesis is recommended to be extended to other raw materials beyond cement, thereby enabling the construction of a more comprehensive decision support system.
Benzer Tezler
- Yapı kimyasalları sektöründe entegre Bulanık SWARA ve Bulanık TOPSIS yöntemleriyle yeşil tedarikçi seçimi
Green supplier selection in the construction chemicals sector with integrated Fuzzy SWARA and Fuzzy TOPSIS methods
ECE AKDOMAN
- Bağıl nemin sertleşmiş betonun fiziksel özelliklerine olan etkilerinin incelenmesi
Investigating the effect of relative humidity on hardned concrete's phsycal features
HASAN TEPE
Yüksek Lisans
Türkçe
2006
İnşaat MühendisliğiFırat ÜniversitesiYapı Eğitimi Ana Bilim Dalı
Y.DOÇ.DR. CEVDET EMİN EKİNCİ
- Detection and analysis for microplastics originating from the textile industry
Tekstil endüstrisinden kaynaklanan mikroplastiklerin tespiti ve analizi
SİNEM HAZAL AKYILDIZ
Yüksek Lisans
İngilizce
2023
Tekstil ve Tekstil Mühendisliğiİstanbul Teknik ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İPEK YALÇIN ENİŞ
PROF. DR. BAHATTİN YALÇIN
- Farklı türde korozyon önleyici malzemelerin betonun kimyasal bozulmasına etkilerinin irdelenmesi
Investigation of the effects of different types of anti- corrosion materials on chemical deterioration of concrete
MERT ALİ CENGİZ
Yüksek Lisans
Türkçe
2025
İnşaat Mühendisliğiİzmir Katip Çelebi Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. LÜTFULLAH GÜNDÜZ
- A proposal on a quantified ship navigational assessment and audit model
Gemilerin seyirde denetimine yönelik sayısal değerlendirme modeli
NASUH RAZI
Yüksek Lisans
İngilizce
2025
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
DOÇ. DR. KADİR ÇİÇEK