Denizyolu lojistiğinde konteyner ardiye hizmetlerinin öngörülmesi: Türkiye'deki limanlar üzerine bir uygulama
Forecasting container yard storage services in maritime logistics: An application to ports in Turkey
- Tez No: 959500
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖZKAN ASLAN
- Tez Türü: Yüksek Lisans
- Konular: Yönetim Bilişim Sistemleri, Management Information Systems
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Afyon Kocatepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnternet ve Bilişim Teknolojileri Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 60
Özet
Bu tez çalışmasında, Türkiye'de konteyner lojistiği açısından yoğun işlem hacmine sahip iki limanda (kod 9010 ve 9020 olarak kodlanmış ve tez boyunca bu şekilde anılmıştır) sunulan konteyner ardiye hizmetlerinin gelecekteki talebi zaman serileri ve makine öğrenmesi yaklaşımlarıyla öngörülmüştür. Çalışma kapsamında Ocak 2021–Ağustos 2024 dönemini kapsayan 44 aylık veri seti kullanılmış; her ay için üç hizmet türü (depolama -boş, ithalat -dolu, ihracat -dolu) ve iki konteyner boyutu (20 ft, 40 ft) olmak üzere toplam altı gözlem kaydedilmiştir. Ham veriler eksik değer analizi, uç değer kontrolü ve kategori kodlamalarıyla temizlenerek WEKA 3.8.6'nın timeSeriesForecasting eklentisine uygun ARFF biçimine dönüştürülmüş; böylece zaman bağımlılığı korunarak modelleme aşamasına aktarılmıştır. Tahminleme aşamasında Lineer Regresyon, Karar Tablosu (Decision Table) ve Random Forest algoritmaları kullanılmış; model başarısı Korelasyon Katsayısı (r) ve Göreceli Mutlak Hata (Relative Absolute Error, RAE) ölçütleriyle değerlendirilmiştir. Sonuçlar, Random Forest algoritmasının her iki limanda da en yüksek doğrulukta öngörüler ürettiğini göstermiştir. Elde edilen yüksek korelasyon ve düşük hata değerleri, ardiye talebinin trend ve mevsimsellik içeren karmaşık desenlerini güçlü bir şekilde yakalayabildiğini göstermektedir. Bu öngörüler, liman yönetimlerinin vinç ve saha planlaması, iş gücü tahsisi ile altyapı yatırım kararlarını veri temelli biçimde optimize etmesine katkı sağlayacaktır. Dahası, konteyner ardiye hizmeti tahmini üzerine Türkiye odaklı literatürde sınırlı sayıdaki çalışmaya yeni ampirik bulgular eklenmiş; makine öğrenmesi yöntemlerinin lojistik operasyon yönetiminde uygulanabilirliği gösterilmiştir.
Özet (Çeviri)
In this thesis, the future demand for container yard storage services at two Turkish seaports with high container-handling volumes (coded 9010 and 9020 and will be referred to by these codes throughout the thesis for confidentiality reasons) is forecast by combining time-series analysis with machine-learning techniques. A 44-month data set covering January 2021 to August 2024 is analysed; for every month six observations are recorded, capturing three service categories (storage – empty, import – full, export – full) and two container sizes (20 ft and 40 ft). The raw data were cleaned through missing-value checks, outlier control and categorical recoding, then converted to ARFF format compatible with the timeSeriesForecasting plug-in of WEKA 3.8.6 so that temporal dependence could be preserved in the modelling stage. During forecasting, Linear Regression, Decision Table and Random Forest algorithms were applied, and their performance was evaluated using the correlation coefficient (r) and Relative Absolute Error (RAE). Results show that the Random Forest algorithm produced the most accurate forecasts for both ports. The combination of high correlation and low error statistics indicates that the models successfully captured the complex patterns of trend and seasonality embedded in storage demand. These forecasts can help port managers optimise crane and yard scheduling, labour allocation and infrastructure investment on a data-driven basis. In addition, the thesis contributes new empirical evidence to the limited Türkiye-focused literature on container storage demand forecasting and demonstrates the practicality of machine-learning methods in logistics operations management.
Benzer Tezler
- Topoloji optimizasyonu yöntemi ile ağırlığı azaltılmış, yeni bir araç taşıyıcı yüksek konteyner kavramsal tasarımı
The conceptual design of a high container weight reduced by topology optimisation method
ALİCAN KILIÇASLAN
Yüksek Lisans
Türkçe
2018
Denizcilikİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YALÇIN ÜNSAN
- Ro-Ro PCTC gemi operasyonları ve Türkiye Limanları'ndaki faaliyetlerinin geliştirilmesi
Ro-Ro PCTC ship operations and development of operations in turkish ports
GÖRKEM ÇİLSOY
Yüksek Lisans
Türkçe
2018
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
DOÇ. DR. TANZER SATIR
- Tedarik zinciri yönetiminde konteyner taşıyıcı firma seçimi ve türkiye'deki uygulaması
Container carrier firm selection in the supply chain management and its application in turkey
AYFER ERGİN
Doktora
Türkçe
2011
Denizcilikİstanbul ÜniversitesiDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLER ALKAN
- Lojistik sektörü ve lojistik süreçlerinin sağladığı maliyet ve iş gücü avantajları: Tekstil sektörü üzerine bir inceleme
Logistics sector and the advantages of the cost and labor force in logistics process: The examination of the textile sector
BEYDA HACIBEKTAŞOĞLU
- The effects of dry ports on inland container logistics
Kuru limanların iç konteyner lojistiğine etkileri
ERCAN KURTULUŞ
Doktora
İngilizce
2018
UlaşımDokuz Eylül ÜniversitesiDenizcilik İşletmeleri Yönetimi Ana Bilim Dalı
DOÇ. DR. İSMAİL BİLGE ÇETİN