Bir Çimento Firmasında İstatistiksel Zaman Serileri Yöntemleri ve Derin Öğrenme ile Talep Tahminleme
Makaleler > Tam Makale · 2022
Yazarlar: Fatma DEMİRCAN KESKİN, Haluk SOYUER
European Journal of Science and Technology, Uluslararası, 2022
Özet
Talep tahminleri, üretim planlama, finansal planlama, bütçeleme, satın alma, satış gibi birçok iş sürecinin yönetilebilmesi için kritik öneme sahiptir. Talep tahminlerinin yüksek doğrulukla elde edilmesi, tüm tedarik zinciri yönetimi süreçlerinin başarısı için kilit bir faktördür. Bu çalışmada talep tahminleme problemi, bir çimento firmasının en yüksek satış payına sahip bir ürün grubunun geçmiş satış verileri kullanılarak ele alınmıştır. Ele alınan veri seti tek değişkenli bir zaman serisidir. Veri setinin ilk üç yılı eğitim, son yılı ise test seti olarak kullanılmıştır. Tahminleme için öncelikle geleneksel istatistiksel zaman serileri analiz yöntemleri uygulanmıştır. Eğitim setinde, uygulanan yöntemler içinde en başarılı olan istatistiksel zaman serileri yöntemi Basit Mevsimsel Yöntem (Simple Seasonal Method - SSM) olmuştur. SSM modelinin performansı, derin öğrenme yöntemlerinden Uzun-Kısa Süreli Bellek (Long-Short Term Memory-LSTM) temelli olarak geliştirilen modelin performansıyla karşılaştırılmıştır. LSTM modeli geliştirilirken ızgara (grid) arama yapılmış ve hiper-parametrelerin değerleri için en başarılı kombinasyon belirlenmiştir. Bu konfigürasyonla eğitilen LSTM modeli test setinde uygulanmıştır. Modellerin test setindeki tahmin performansları karşılaştırıldığında, LSTM modelinin SSM modeline göre MAPE ölçütünde %34,57, RMSE ölçütünde ise %33,74 iyileştirme sağladığı görülmüştür.