Yapay sinir ağları ile otomotiv sektöründe norm kadro hesaplaması
Personnel planni̇g i̇n automoti̇ve industry wi̇th arti̇fi̇ci̇al neural networks
- Tez No: 987606
- Danışmanlar: PROF. DR. MUSTAFA YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Norm Kadro, Yapay Sinir Ağları, Zaman Serileri, Otomotiv Sektörü, Tahmin Modeli, Norm Staffing, Artificial Neural Networks, Time Series, Automotive Industry, Forecasting Model
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Küresel rekabetin giderek arttığı günümüzde, işletmelerin sürdürülebilirliğini sağlaması ve stratejik hedeflerine ulaşabilmesi için insan kaynaklarının etkin bir şekilde planlanması kritik bir öneme sahiptir. Bu kapsamda, norm kadro belirleme süreci, iş gücünün verimli kullanımı ve maliyet kontrolü açısından önemli bir araç olarak öne çıkmaktadır. Otomotiv sektörü gibi iş gücüne dayalı alanlarda doğru personel planlaması, üretim sürecinin kesintisiz devamlılığını sağlamakla birlikte, işletme performansını doğrudan etkilemektedir. Yöntem: Bu çalışmada, otomotiv sektöründe norm kadro hesaplamaları için yapay zekâ tabanlı bir yaklaşım önerilmiştir. Araştırmada hem geleneksel zaman serileri analizi (ARIMA) hem de yapay sinir ağları (YSA) yöntemleri kullanılmış, bu iki yöntemin güçlü yönleri birleştirilerek bir tahmin modeli geliştirilmiştir. Model, geçmiş dönem verilerini kullanarak 12 dönemlik ileriye dönük norm kadro tahminleri üretmiş ve ARIMA ile YSA tahmin sonuçları karşılaştırılmıştır. Bulgular: Uygulama sonuçları, geliştirilen modelin tahmin doğruluğu açısından yüksek performans sergilediğini göstermiştir. Elde edilen sonuçlara göre, yapay zekâ destekli modelin insan kaynakları planlamasında kullanılabilirliği artmış, norm kadro tahminlerinde geleneksel yöntemlere kıyasla daha tutarlı ve güvenilir sonuçlar elde edilmiştir. Sonuç: Sonuç olarak, önerilen modelin insan kaynakları planlamasında norm kadro tahminlerinin daha doğru yapılmasına olanak sağladığı görülmüştür. Bu yaklaşımın, farklı sektörlerdeki personel planlaması süreçlerine de uyarlanabilir bir yöntem sunduğu değerlendirilmektedir.
Özet (Çeviri)
Purpose: In today's increasingly competitive global environment, effective human resource planning is critically important for organizations to ensure sustainability and achieve their strategic goals. In this context, determining optimal staffing levels (norm staffing) plays a vital role in utilizing human resources efficiently and controlling labor costs. In labor-intensive industries such as the automotive sector, accurate personnel planning not only ensures the continuity of production processes but also has a direct impact on overall organizational performance. Method: This study proposes an artificial intelligence-based approach for workforce norm estimation in the automotive industry. Both traditional time series analysis methods (ARIMA) and Artificial Neural Networks (ANNs) were employed, and a forecasting model was developed by integrating the strengths of both methods. Using historical data, the model generated 12-period forward-looking forecasts for workforce requirements. The predictions obtained from the developed model were compared with those of standalone ARIMA and ANN models. Findings: The results demonstrated that the proposed model achieved higher forecasting accuracy compared to individual ARIMA and ANN models. The analysis revealed that the artificial intelligence-supported approach provides reliable estimations and contributes significantly to effective human resource planning by improving the precision of norm staffing forecasts. Results: In conclusion, the proposed model enables more precise and reliable workforce requirement estimations in the context of human resource planning. Furthermore, this approach presents a flexible and scalable framework that can be adapted to workforce planning practices in other sectors as well.
Benzer Tezler
- Otomotiv döküm parça talep tahmininin yapay sinir ağları ile modellenmesi ve arıma yöntemi ile karşılaştırmalı analizi
Modeling automotive casting part demand forecasting with artificial neural networks and comparative analysis with arima method
SELİNAY KAYALI
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MERVE CENGİZ TOKLU
- Robotik sac katlama kuvvet değerlerinin yapay sinir ağları yöntemi ile tahmini
Prediction of force values application using artificial neural networks for robotic roller hemming
RAMAZAN KAVALCI
Yüksek Lisans
Türkçe
2016
Mekatronik MühendisliğiKocaeli ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ZAFER BİNGÜL
- Bir otomotiv firmasında bireysel performans puanlarının yapay sinir ağı yaklaşımı ve XGBoost yöntemi ile tahminlenmesi
Prediction of individual performance scores in an automotive company using artificial neural network approach and XGBoost method
AYŞEGÜL YENİ
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiÇukurova ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZAHİDE FİGEN ANTMEN
- Alüminyum 5083-H111 malzemenin delik delme işleminde kesme parametrelerinin yapay sinir ağları ile optimizasyonu
Optimization of cutting parameters in the drilling process of aluminum 5083-H111 material with ann
EMRE TEKE
Yüksek Lisans
Türkçe
2024
Makine MühendisliğiSakarya ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. NESLİHAN ÖZSOY
- Kurumsal yönetimde risk yönetimi uygulamalarının finansal performans üzerine etkisi: Otomotiv sektöründe bir araştırma
The impact of risk management practices in corporate governance on financial performance: An application in the automotive sector
SUNAY ESER
Yüksek Lisans
Türkçe
2025
İşletmeİstanbul Aydın Üniversitesiİktisadi Programlar Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT ADİL SALEPÇİOĞLU