Yapay sinir ağları ve destek vektör regresyonu ile talep tahmini: Gıda işletmesinde bir uygulama
Yükleniyor...
Tarih
2021
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Son yıllarda, değişen ve küreselleşen koşullar insan ihtiyaçlarını değiştirerek hızlı değişikliklere vetalep belirsizliğine neden olmuştur. Bu hızlı değişim ve belirsiz koşullar altında işletmelerin etkinplanlama yapmalarının yolu, doğru ve güvenilir tahminler yapmaktan geçmektedir. Günümüzdeteknolojik gelişmelerle birlikte talep tahmininde zaman serileri analizi gibi klasik yöntemlerin yeriniyapay zekâ tabanlı tahmin algoritmaları almıştır. Bu yöntemler özellikle belirsizliğin ve değişkenliğinçok fazla olduğu durumlarda klasik tahmin yöntemlerinden çok daha başarılı sonuçlar vermektedir.Bu çalışmada bir gıda işletmesinde değişkenliğin ve belirsizliğin fazla olduğu ürünler için Yapay SinirAğları (YSA) ve Destek Vektör Regresyonu (DVR) yöntemleri ile talep tahmini yapılmıştır. Yöntemleruygulanmadan önce parametre optimizasyonu amacıyla deney tasarımı yapılmış ve en iyi parametredeğerleri bulunarak tahmin doğruluğu arttırılmıştır. Sayısal sonuçlar, incelenen ürünler için YSA’nınDVR’ye kıyasla daha iyi tahminler yaptığını göstermiştir.
In recent years, the changing and globalizing conditions caused the rapid changes and demand uncertainty by changing human needs. Under these rapid changes and uncertain conditions, the way for companies to make effective planning is to make accurate and reliable forecasting. As the technological developments increases artificial intelligence-based forecasting algorithms are widely used for demand forecasting instead of the classical methods such as time series analysis. These methods yield much more successful results than classical forecasting methods, especially in cases where the uncertainty and variability are high. In this study, Artificial Neural Networks (ANN) and Support Vector Regression (SVR) are employed to forecast the demands of the products with high variability and uncertainty in a food company. Before the methods were applied, an experimental design was conducted to find the best parameter values, and in this way, the accuracy of forecasts was increased. Numerical results showed that ANN makes better forecasts than SVR for the examined products.
In recent years, the changing and globalizing conditions caused the rapid changes and demand uncertainty by changing human needs. Under these rapid changes and uncertain conditions, the way for companies to make effective planning is to make accurate and reliable forecasting. As the technological developments increases artificial intelligence-based forecasting algorithms are widely used for demand forecasting instead of the classical methods such as time series analysis. These methods yield much more successful results than classical forecasting methods, especially in cases where the uncertainty and variability are high. In this study, Artificial Neural Networks (ANN) and Support Vector Regression (SVR) are employed to forecast the demands of the products with high variability and uncertainty in a food company. Before the methods were applied, an experimental design was conducted to find the best parameter values, and in this way, the accuracy of forecasts was increased. Numerical results showed that ANN makes better forecasts than SVR for the examined products.
