Application of the LSTM model for demand forecasting in plastic packaging production
Plastik ambalaj üretiminde talep tahmini için LSTM modelinin uygulanması
- Tez No: 930389
- Danışmanlar: PROF. DR. ALPTEKİN DURMUŞOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Plastik Ambalaj, Talep Tahmini, LSTM, Plastic Packaging, Demand Forecasting, LSTM
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Artan rekabet baskıları ve sürekli değişen küresel koşullar altında şirketler, uzun vadeli sürdürülebilirliklerini sağlamak amacıyla gelecekteki eğilimleri tahmin etmek için stratejiler geliştiriyorlar. Bu stratejilerdeki en kritik araçlar ise kısa vadeli ve uzun vadeli talep tahminleridir. Doğru talep tahmini, büyük ölçüde tahmin sisteminin etkili bir şekilde çalışmasına bağlı olan gelecekteki gelir kayıplarını en aza indirmek için değerli bir fırsat sağlar. Plastik ambalaj sektörü oldukça dinamiktir ve yoğun rekabet, değişen tüketici davranışları ve hammadde fiyatlarındaki dalgalanmalar nedeniyle talep belirsizliklerine karşı özellikle hassastır. Bu çalışmada, zaman serisi analizine dayalı makine öğrenmesi tabanlı bir yaklaşım olan Uzun Kısa Vadeli Bellek (LSTM) algoritması, plastik ambalaj sektöründeki talebi tahmin etmek için kullanılmıştır. Bir plastik ambalaj firmasının satış hacimleri Ocak 2015 ile Aralık 2024 arasında her 15 günde bir toplanmış ve bu 240 veri noktasının %70'i eğitim verisi olarak ayrılırken, %30'u test verisi olarak kullanılmıştır. Plastik ambalaj üretiminde talep tahmini için LSTM modelinin uygunluğunu ve performansını değerlendirmek için hata ölçütleri kullanılmıştır. Tahmin modeli kullanılarak 2025 yılı için aylık satış hacimleri hesaplanmıştır. Bu araştırma, üretim süreçlerinin optimize edilmesi, envanter maliyetlerinin düşürülmesi ve müşteri memnuniyetinin artırılması gibi kritik alanlara önemli katkılar sağlayacaktır.
Özet (Çeviri)
Under increasing competitive pressures and ever-changing global conditions, companies are developing strategies to forecast future trends in order to ensure their long-term sustainability. The most critical tools in these strategies are short-term and long-term demand forecasts. Accurate demand forecasting provides a valuable opportunity to minimize future revenue losses, which largely depends on the effective operation of the forecasting system. The plastic packaging industry is highly dynamic and is particularly sensitive to demand uncertainties due to intense competition, changing consumer behavior, and fluctuations in raw material prices. In this study, the Long Short-Term Memory (LSTM) algorithm, a machine learning-based approach based on time series analysis, was used to forecast demand in the plastic packaging industry. Sales volumes of a plastic packaging company were collected every 15 days between January 2015 and December 2024, and 70% of these 240 data points were separated as training data, while 30% were used as test data. Error metrics were used to evaluate the suitability and performance of the LSTM model for demand forecasting in plastic packaging production. Monthly sales volumes for the year 2025 were calculated using the forecasting model. This research will make significant contributions to critical areas such as optimizing production processes, reducing inventory costs, and increasing customer satisfaction.
Benzer Tezler
- İşletmelerin satış bütçelerinin oluşturulmasında ARIMA, LSTM ve hibrit modellerin karşılaştırılması: Üretim işletmesi örneği
Comparison of ARIMA, LSTM and hybrid models in establishing sales budgets: A case of production facility
AYŞE SOY TEMÜR
- Energy demand forecasting in fog computing based microgrids using ensemble learning
Sis bilişimi tabanlı mikro şebekelerde topluluk öğrenme ile enerji talep tahmini
TUĞÇE KESKİN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN İNCE
- Güç sistemlerinin yük tahmini analizinde uzun kısa süreli bellek metodunun kullanılması ve uygulaması
Load forecasting analysis of power systems using long short-term memory and applicati̇on
ÜMMÜHAN GÜLSÜM KILIÇ
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiBilecik Şeyh Edebali ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KURBAN
DOÇ. DR. EMRAH DOKUR
- Time Series Forecasting of Live TV Channel Views on OTT Platforms
OTT Platformlarındaki Canlı TV Kanalları İzlenmelerinin Zaman Serisi Tahmini
MUSTAFA EFEKAN PEKEL
Yüksek Lisans
İngilizce
2025
Yönetim Bilişim SistemleriBoğaziçi ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYSUN BOZANTA HAKYEMEZ
- Deep learning-based public transport demand forecasting
Derin öğrenme teknikleri ile toplu taşıma talep tahmini
ENES KÖSER
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiVeri Bilimi ve Yapay Zeka Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞAZİYE BETÜL ÖZATEŞ