Geri Dön

Forecasting intermittent demand using Cox process

Cox prosesi kullanarak aralıklı talep tahmini

PDF İndir

  1. Tez No: 392427
  2. Yazar: GAMZE OĞCU KAYA
  3. Danışmanlar: DOÇ. DR. ÖMER FAHRETTİN DEMİREL
  4. Tez Türü: Doktora
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Parametre optimizasyonu, Talep tahmin sistemi, Parameter optimization, Demand estimation system
  7. Yıl: 2015
  8. Dil: İngilizce
  9. Üniversite: Fatih Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Düzensiz talep rastgele meydana gelen ve pek çok dönemde hiç bir talebin olmadığı talep biçimidir. Sıfır, talep oluşumu ve talep boyutunun değişkenlik göstermesi düzensiz talep tahminini zor hale getirmektedir. Düzensiz talep tahmini yapabilmek amacıyla özel amaçlı teknikler geliştirilmiştir. Croston yöntemi düzensiz talep tahmini için geliştirilen ilk yöntem olup orijinal yöntemden sonra değişimler yapılarak varyasyonları geliştirilmiştir. Bu çalışmada, Croston yöntemi ve Croston metodunun üç varyasyonu olan Syntetos ve Boylan, Levn ve Segerstedt ile Vinh metodları ele salınmıştır. En iyi performansı elde etmek i cin tahmin yöntemlerine ait parametreler Excel C çözücü ile dinamik olarak optimize edilmiştir. Ayrıca daha iyi performans selde etmek amacıyla aralıklı talep tahmini için Cox prosesi kullanılmıştır. Cox prosesinin ve Croston bazlı yöntemlerin performanslarını karşılaştırmak için yapay veri ve gerçek veri kullanılmıştır.

Özet (Çeviri)

Irregular demand occurs at random with many time periods showing no demand at all. Occurrence of zero demand and the variability of demand size make irregular demand forecasting a hard work. In order to generate forecasts for irregular demand, ad hoc techniques have been developed. Croston's method is developed for irregular demand forecasting and after the original method there have been some improvements on the method which constitute its variants. We consider Croston's method and three variations of Croston's method which are Syntetos and Boylan, Levn and Segerstedt and Vinh irregular demand forecasting methods. Smoothing parameters of the forecasting methods are optimized dynamically via Excel SOLVER in order to achieve best performance. Moreover Cox process is applied for intermittent demand forecasting with an aim of performance improvement. We compare performance of Cox process with Croston's method and its variations on simulated data and real data.

Benzer Tezler

  1. Tez No

    524296

    Time series forecasting of intermittent demand by using ATA method and computational intelligence

    İşlemsel zeka ve ATA metot kullanılarak kesikli taleplerin zaman serisi tahminlemesi

    TUĞÇE EKİZ YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    İstatistikDokuz Eylül Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. GÜÇKAN YAPAR

  2. Tez No

    926230

    Spare parts demand forecasting and inventory management using machine learning models: A comprehensive application

    Makine öğrenmesi modelleri ile yedek parça talep tahmini ve envanter yönetimi: Kapsamlı bir uygulama

    ZEYNEP KARACA BEKTAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Endüstri ve Endüstri MühendisliğiKoç Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. METİN TÜRKAY

  3. Tez No

    428605

    Aralıklı talep yapısına sahip ürünlerin talep tahmininde makine öğrenme yöntemlerinin uygulanması

    Implementing machine learning methods in forecasting intermittent demand

    DERYA SAATÇIOĞLU

    Doktora

    Türkçe

    Türkçe

    2016

    İşletmeİstanbul Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. NECDET ÖZÇAKAR

  4. Tez No

    290277

    Forecasting aviation spare parts demand

    Havacılıkta yedek parçaların talep tahmini

    MERVE ŞAHİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Endüstri ve Endüstri MühendisliğiFatih Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ÖMER FAHRETTİN DEMİREL

  5. Tez No

    825029

    Heuristic vectorized learning method based PV forecasting by using image recognition-based sky camera integration within sensor set

    Görüntü tanıma tabanlı gökyüzü kamerası entegrasyonunu kullanarak sezgisel vektörize öğrenme yöntemine dayalı PV tahmini

    LEVENT YAVUZ

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET ÖNEN

Geri Dön