SATIŞ VE TALEP TAHMİNİ İÇİN DERİN TRANSFER ÖĞRENME METODOLOJİSİNİN GELİŞTİRİLMESİ
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Bursa Uludağ Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, Endüstri Mühendisliği, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: BEGÜM EROL
Danışman: Tülin İnkaya
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Satış ve talep tahmini, tedarik zinciri yönetiminde kritik bir role sahiptir. Hızlı, doğru ve etkin tahminler için gelişmiş tekniklere ihtiyaç duyulmaktadır. Gelişen teknoloji ile birlikte son yıllarda satış ve talep tahmininde derin öğrenme (Deep Learning – DL) yöntemlerinin kullanımı yaygınlaşmıştır. DL ile yapılan tahminlerde başarılı sonuçlar elde edilmektedir. Ancak DL eğitimi için hem büyük miktarda veriye ihtiyaç duyulmaktadır, hem de kullanılan veri miktarı arttıkça modelin eğitim süresi katlanarak artmaktadır. Buna çözüm olarak, kaynak alandaki veri ile ön eğitilmiş ağdan edinilen bilgilerin hedef alana aktarımını sağlayan transfer öğrenme kullanılmaktadır. Bu tez çalışmasında, satış ve talep tahmini için bilgi aktarımını sağlayan derin transfer öğrenme (Deep Transfer Learning – DTL) tabanlı metodolojiler geliştirilmiştir. Satış verileri tek ve çok değişkenli zaman serileri olarak ele alınmıştır. İlk olarak, satış ve talep tahmininde en uygun DL yöntemini seçmek amacıyla dokuz farklı DL yöntemi karşılaştırılmıştır. Parametrik olmayan istatistiksel testler yardımıyla LSTM yöntemi seçilmiştir. İkinci olarak, uzaklık tabanlı kaynak seçimi ile tek kaynaklı DTL modeli önerilmiştir. Sonrasında, transfer öğrenmede aktarım başarısını tahmin eden rastgele orman modeli geliştirilerek kaynak seçiminde açıklanabilirlik sağlanmıştır. Rastgele ormanda seçilen öznitelikler ile derin kümeleme tabanlı DTL modeli geliştirilmiştir ve bu modele topluluk öğrenme uygulanmıştır. Bu metodoloji kümeleme ve topluluk tabanlı DTL metodolojisi olarak adlandırılmıştır. Ayrıca, geliştirilen metodolojide çoklu kaynak seçimi için ağırlıklandırma mekanizması geliştirilmiştir. Son olarak, önerilen metodolojiler çok değişkenli satış verilerine uyarlanmıştır. Çeşitli veri setleri ile yapılan deneysel çalışmalarda, kümelemenin benzer satış verilerinin tespitini sağlayarak tahmin doğruluğunu arttırdığı görülmüştür. Ayrıca, çok kaynaklı DTL yaklaşımlarının tek kaynaklı DTL yaklaşımlarına göre tahmin sonuçlarını iyileştirdiği gözlenmiştir. Geliştirilen metodolojiler; enerji, finans, çevre ve tedarik zinciri gibi çeşitli üretim ve hizmet sektörlerinde uygulanabilir niteliktedir.