Forecasting purchasing price of products via machine learning methods
Makine öğrenmesi yöntemleriyle ürünlerin satın alma fiyatının tahminlenmesi
- Tez No: 960074
- Danışmanlar: PROF. DR. AHMET SERMET ANAGÜN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Yapay zeka ve makine öğrenmesi dersi, Artificial intelligence and machine learning course
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İzmir Ekonomi Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Fiyatlandırma bir ürün veya hizmet için en uygun olan fiyatı belirleme stratejisidir. Bu süreç, ticari işletmelerin kârlılığını doğrudan etkileyen temel unsurlardan biri olması nedeniyle büyük önem taşımaktadır. Artan rekabet koşulları, işletmeleri birçok alanda olduğu gibi fiyatlandırma konusunda da daha stratejik ve bilinçli davranmaya itmektedir. Bu doğrultuda, doğru fiyatlandırma stratejileri işletmelerin hem kârlılığını maksimize etmesine hem de pazarda rekabet avantajı elde etmesine katkı sağlar. Bu çalışmada, bağlantı elemanları sektöründe faaliyet gösteren bir firmanın ürünlerine yönelik satın alma fiyatı tahminlemesine odaklanılmaktadır. Çoklu Doğrusal Regresyon, Rastgele Orman, Destek Vektör Regresyonu ve Yapay Sinir Ağları algoritmaları ürünlerin satın alma fiyatını tahmin etmek amacıyla uygulanmıştır. Algoritmaların performansı Korelasyon Katsayısı, Ortalama Mutlak Hata, Kök Ortalama Kare Hata, Bağıl Mutlak Hata ve Kök Bağıl Karesel Hata performans metrikleri kullanılarak değerlendirilmiştir. Elde edilen sonuçlar, en yüksek korelasyon katsayısı ve en düşük hata oranlarıyla Rastgele Orman algoritmasının en başarılı performansı sergilediğini ortaya koymuştur. Bu bulgular, makine öğrenmesi yaklaşımlarının ürün satın alma fiyatlarını tahminleyebildiğini ve fiyat tahminlemesi problemleri için etkili ve uygulanabilir çözümler sunduğunu göstermektedir.
Özet (Çeviri)
Pricing is the strategy of determining the most appropriate price for a product or service. This process is crucial since it is a fundamental factor that directly influences the profitability of commercial enterprises. Increasing market competition compels businesses to adopt more strategic and data-oriented approaches to pricing, as in many other areas. Accordingly, well-designed pricing strategies contribute to maximizing business profitability while enhancing competitive positioning in the marketplace. This study focuses on the forecasting purchasing price of products for a company operating in the fastener industry. Multiple Linear Regression (MLR), Random Forest (RF), Support Vector Regresssion (SVR) and Artificial Neural Networks (ANNs) algorithms are applied to predict purchasing price of products. Performance of the algorithms was evaluated using performance metrics including Correlation Coefficient (R), Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), Relative Absolute Error (RAE) and Root Relative Squared Error (RRSE). The results indicate that RF algorithm achieved the best performance with the highest R and the lowest error values. These findings demonstrate that machine learning approaches are capable of predicting purchasing price of products and provide effective and applicable solutions to the price prediction problem.
Benzer Tezler
- Elektrik enerjisi piyasaları ve çimento sektöründe elektrik enerjisi tüketim tahmininin önemi
Electricity markets and the importance of electricity consumption forecasting in cement sector
EZGİ KAYAHAN
Yüksek Lisans
Türkçe
2019
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
PROF. DR. SERMİN ONAYGİL
- Otomotiv yan sanayi firmasında yapay sinir ağları ile talep tahmini
Demand forecasting with artificial neural networks in an automotive supplier company
NİHAL KURU
Yüksek Lisans
Türkçe
2017
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
- Üretim planlama ve kontrol
The Production planning and control
HÜLYA AKIN
Yüksek Lisans
Türkçe
1993
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. MEHMET TANYAŞ
- Üretim yönetimi için stok ve stoksuzluk yönetim tercihinin belirlenmesi
Decision of inventory and non-inventory for production management
SELMAN BELEKOĞLU
- Supply chain management: Choosing a robust demand forecasting technique and a point-of-sale application
Tedarik zinciri yönetimi: Uygun talep tahmin tekniği seçimi ve satış noktası uygulaması
JAMEEL DAHO
Yüksek Lisans
İngilizce
2021
İstatistikAltınbaş Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET GÜREL TEKELİOĞLU