PREDICTIVE MODELING FOR ORDER QUANTITIES IN THE AUTOMOTIVE INDUSTRY: A STATISTICAL AND MACHINE LEARNING APPROACH
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Edebiyat Fakültesi, İstatistik Bölümü, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: İngilizce
Öğrenci: MİRAY SARIŞEN
Danışman: Fulya Gökalp Yavuz
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Otomotiv endüstrisi, ürün merkezli bir yaklaşımdan müşteri merkezli bir yaklaşıma doğru odaklanmaya başlamaktadır. Dolayısıyla, satış sonrası hizmetler, geleneksel üretimin yanı sıra, otomotiv şirketleri için mükemmel müşteri hizmeti sağlamanın çok önemli bir yönü ve önemli bir kâr kaynağı haline gelmiştir. Bu hizmet ve ürünleri müşterilere etkin bir şekilde sunmak için iyi yapılandırılmış ve organize edilmiş bir lojistik zinciri gereklidir. Satış sonrası hizmetlere bir örnek de yedek parça teslimatıdır. Müşteri talebini karşılayabilmek için şirketlerin etkin depolama ve envanter yönetimi sistemlerine sahip olması gerekir. Müşteriler tarafından gelecekteki üretim ve sevkiyat için verilen ancak şu anda mevcut olmayan veya stokta bulunmayan siparişler, üretim maliyetlerinin artmasına ve müşteriler arasında memnuniyetsizliğe yol açabilir. Bu tezin amacı, sipariş miktarını önceden tahmin ederek müşteri memnuniyetini artırmak, maliyetleri düşürmek ve otomotiv endüstrisinin satış sonrası hizmetlerinde verimliliği artırmak için istatistiksel ve makine öğrenimi yöntemlerini kullanmaktır. Bu çalışmada ARIMA, ETS, TBATS ve Prophet gibi istatistiksel yöntemlere ek olarak, rastgele karar ormanları, gradyan artırma algoritması, LightGBM, uzun-kısa süreli bellek yapay sinir ağları ve ileri beslemeli sinir ağları gibi makine öğrenmesi yöntemleri kullanılmıştır. Analizin ilk amacı sipariş miktarını tahmin etmek olduğu için analiz tek değişkenli ve çok değişkenli analiz olarak iki kısma ayrılmıştır. İlk analiz tek değişkenli veri üzerinde uygulandıktan sonra tahminlerin doğruluğunu artırmak için daha fazla değişken dahil edilip çok değişkenli analiz yapılmıştır. Analiz sonuçları, model performans metriklerine göre, tek değişkenli analiz için Prophet metodunun, çok değişkenli analiz için ise rastgele karar ormanları yönteminin diğer yöntemlere göre daha iyi sonuç verdiğini göstermiştir.