Perakende sektöründe yapay sinir ağları ile talep tahmini
Demand forecasting with artificial neural networks in retail sector
- Tez No: 958887
- Danışmanlar: PROF. DR. SAİT ERDAL DİNÇER
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, Econometrics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 120
Özet
Perakende sektöründe talep tahmininin doğruluğu, işletmelerin stok yönetimi, maliyet optimizasyonu ve müşteri memnuniyetini sağlamaları açısından kritik bir rol oynamaktadır. Geleneksel tahmin yöntemleri belirli koşullarda işlevsel olsa da, sektördeki dinamik değişkenlikler karşısında çoğu zaman yetersiz kalmaktadır. Bu nedenle, yapay sinir ağları gibi makine öğrenmesi tabanlı yöntemler ile parametrik modellerin karşılaştırılması önemli bir araştırma alanı oluşturmaktadır. Bu çalışmada, perakende sektöründe bakliyat, makarna ve un ürün gruplarında haftalık talebi öngörmek amacıyla parametrik-deterministik Prophet modeli ile derin öğrenme tabanlı LSTM mimarisi karşılaştırılmıştır. Prophet modeli, kategori bazında dengeli bir doğruluk düzeyi sağlamış, R² değerleri bakliyatta yaklaşık 0,62, makarnada yaklaşık 0,55 ve unda yaklaşık 0,55 olarak gerçekleşmiştir. Ortalama RMSE değerleri ise sırasıyla ±2500, ±5800 ve ±4500 birim düzeyinde hesaplanmıştır. LSTM modeli, seçilmiş SSK'larda yüksek başarı sağlamış, Yeşil Mercimek 10 kg için R² 0,90 ve Arpa Şehriye 5 kg için R² 0,98 düzeyine ulaşmıştır. Ancak, kategori ortalamalarında dalgalı bir performans sergilemiştir. Elde edilen bulgular, Prophet modelinin geniş ürün portföylerinde düşük bakım maliyetiyle güvenilir bir temel sunduğunu, STK'nin ise belirli ürünlerde nokta atışı doğruluk sağlayarak rekabet avantajı yaratabileceğini göstermektedir. Çalışma sonucunda, Prophet ile trend ve sezon bileşenlerinin modellenmesi ve rezidüelin TM'ye öğretilmesi şeklinde yapılandırılacak hibrit bir yaklaşımın, stok maliyetlerini azaltma ve hizmet seviyesini artırma potansiyeline sahip olduğu sonucuna ulaşılmıştır.
Özet (Çeviri)
I the retail sector, demand forecast accuracy plays a critical role in businesses' inventory management, cost optimization, and customer satisfaction. While traditional forecasting methods are effective under certain conditions, they often fall short in the face of dynamic fluctuations in the industry. Therefore, comparing machine learning-based methods such as artificial neural networks with parametric models constitutes an important area of research. This study compared the parametric-deterministic Prophet model with the deep learning-based LSTM architecture to forecast weekly demand for pulses, pasta, and flour product groups in the retail sector. The Prophet model achieved consistent accuracy across categories, with R² values of approximately 0.62 for pulses, approximately 0.55 for pasta, and approximately 0.55 for flour. Average RMSE values were calculated at ±2500, ±5800, and ±4500 units, respectively. The LSTM model achieved high success across selected SKUs, achieving an R² of 0.90 for 10 kg Green Lentils and 0.98 for 5 kg Orzo. However, it exhibited fluctuating performance across category averages. The findings demonstrate that the Prophet model provides a reliable foundation with low maintenance costs across broad product portfolios, while LSTM can create a competitive advantage by providing pinpoint accuracy for specific products. The study concluded that a hybrid approach, modeling trend and seasonality components with Prophet and teaching the residual to LSTM, has the potential to reduce inventory costs and improve service levels.
Benzer Tezler
- Türkiye'de perakende sektöründe elektronik ürünlere olan talebin yapay sinir ağı ile modellenmesi
Forecasting the demand of electronic products by artificial neural networks in Turkey retail sector
DİDEM VURAL
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri Mühendisliğiİstanbul Ticaret ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. BERK AYVAZ
- Yapay sinir ağları yöntemi ile talep tahmini ve ayakkabı sektörüne uygulaması
Demand forrecasting with artificial neural networks method and implementation in the shoe industry
DENİZ KORKUT
Yüksek Lisans
Türkçe
2019
EkonometriAnkara Hacı Bayram Veli ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. MURAT ATAN
- Veri madenciliği ve yapay sinir ağları yöntemleri ile hazır giyim sektöründe talep tahmini
Demand forecasting in the apparel industry with data mining methods and artificial neural networks
ESRA ÇETİN
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiKocaeli ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ATAKAN ALKAN
- Multivariate product demand forecasting with neural networks
Yapay sinir ağları ile çok değişkenli ürün talep tahmini
ÇAĞATAY ŞAHİN
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TAFLAN İMRE GÜNDEM
- Yapay zeka algoritmaları ile talep tahmini elektrik perakende sektöründe bir uygulama
Demand forecasting with artificial intelligence algorithms an application in the electricity retail sector
BURAK AYÇİÇEK
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri MühendisliğiNecmettin Erbakan ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET AKTAN