Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2019
Öğrenci: HAMID EINLOU
Danışman: FATİH EMRE BORAN
Özet:Günümüzde globalleşme ile işletmeler arasında oluşan rekabet artmakta, işletmelerin bu rekabette bir adım öne geçmesi yürütmüş olduğu önemli faaliyetlerde stratejik kararlar almalarına bağlıdır. Özellikle ürün üreten işletmelerde üretim planlama, satış pazarlama ve tedarik zinciri faaliyetleri önemli ve stratejik karar vermeyi gerektiren faaliyetler olarak ön plana çıkmaktadır. Talep tahmini üretim planlama, satış-pazarlama ve tedarik zinciri yönetimi ile ilgili karar alma süreçlerinde kullanılan en önemli girdilerden bir tanesidir. Düzgün bir şekilde yapılamayan talep tahmini işletmelerin fazla stok tutmalarına talebi karşılayamamalarına ve bazı fırsatlarına kaçırmalarına neden olabilmektedir. Bu nedenle literatürde talep tahmini konusunda birçok farklı yöntem önerilmiştir. Bu yöntemler temel olarak geçmiş dönem verilerini kullanarak gelecek değerlerin tahmin edilmesini hedeflemektedir. Bu yöntemlerin doğru sonuç üretmeleri kullanılan verinin yapısına büyüklüğüne ve karmaşıklığına bağlıdır. Son yıllarda stokastik süreç modellerinden Otoregresif Entegre Hareketli Ortalama (ARIMA) Yöntemi ve yapay zeka temelli yöntemler (Yapay sinir ağları, destek vektör regresyon (DVR) vb.) talep tahmininde sıklıkla kullanılmaktadır. Bu çalışmada bir tatlı firmasının üretmiş olduğu dört farklı ürünün talep tahmini ARIMA ve DVR yöntemleri kullanılarak yapılmıştır. Yapılan çalışmada talep tahmininde mevsim etkisinin önemli bir etken olduğu saptanmış, bu nedenle mevsimsel etkiyi de dikkate alan Mevsimsel Otoregresif Hareketli Ortalama (SARMA) yöntemi kullanılmıştır. Önerilen modellerin doğruluğunu değerlendirmek için, Ortalama Mutlak Yüzde Hata (MAPE) ölçütü ve determinasyon katsayısı kullanılmıştir. SARMA yöntemi kullanıldığında Ürün 1, Ürün 2, Ürün 3 ve Ürün 4 için MAPE değerleri sırası ile 19.97; 29.19; 24.58 ve 21.12 olarak bulunmuştur. RBF kernel DVR yöntemi kullanıldığında Ürün 1, Ürün 3 ve Ürün 4 için MAPE değerleri 11.23; 20.20 ve 13.61 ve Polinom kernel DVR kullanıldığında ise Ürün 2 için MAPE değeri 17.11 olarak hesaplanmıştır. Elde edilen sonuçlar karşılaştırıldığında, DVR yönteminin SARMA yöntemine göre daha yüksek doğruluğa sahip tahminler ürettiği gözlemlenmiştir