Yazar
Aktaş, Taha Huzeyfe
Basım Tarihi
2024-08-30T14:55:38Z
Konu
Makine öğrenimi, Algoritmalar, Envanter kontrolü, Yöneylem araştırması, Veri işleme, Sezgisel algoritmalar, Matematiksel optimizasyon, Veri işleme, Veri bilimi
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Kayıt Numarası
7d66f573-fe2a-4159-b79e-f3f0a87b7d0f
Lokasyon
Veri Bilimi Bölümü
Tarih
2024-08-30T14:55:38Z
Örnek Metin
Envanter Yönlendirme Sorunu (IRP), tedarikçinin bir planlama ufku boyunca müşterilerinin stoklarını yenilemekten sorumlu olduğu satıcı tarafından yönetilen envanter iş ayarlarından kaynaklanır. IRP'de tedarikçi, sistemin genel performansını iyileştirmek için yönlendirme ve envanter kararlarını birlikte verir. Bizim ortamımızda tedarikçinin hedefi, müşteri lokasyonlarındaki stokların tükenmesini önlerken planlama ufku boyunca toplam nakliye maliyetlerini en aza indirmektir. Tedarikçinin homojen kapasiteli teslimat araçlarından oluşan bir filoya ve müşterilere teslim edilecek ürünün bol miktarda bulunabilirliğine sahip olduğunu varsayıyoruz. Her müşterinin sabit bir talep/tüketim oranı ve envanter tutmak için sınırlı depolama kapasitesi vardır. Bu sorunu çözmek için yeni bir entegre kümeleme ve yönlendirme algoritması öneriyoruz. Kümeleme aşamasında müşteri setini kümelere ayırarak her kümeye tek bir araçtan hizmet verilmesini sağlıyoruz. Bunu başarmak için kümeleme çerçevesinde yeni bir derin öğrenme modeli kullanıyoruz. Yönlendirme aşamasında her küme için teslimat programını geliştiriyoruz. Yaklaşımımızı diğerlerinden ayıran şey, karar verme sürecine hem matematiksel modeli hem de makine öğrenimi modelini entegre ederek üç temel kararın (ne zaman teslim edileceği, ne kadar teslim edileceği ve nasıl yönlendirileceği) dikkate alınmasıdır. Önerilen kümeleme ve yönlendirme algoritmalarının performansını mevcut literatüre göre değerlendiriyoruz ve sonuçlarımız önemli iyileştirmeler gösteriyor. Ayrıca, önerilen sinir ağı tabanlı kümeleme yaklaşımı, makine öğrenimi algoritmalarının karar verme yapılarını nasıl geliştirebileceğinin etkili bir temsili olarak hizmet vermektedir. Envanter Rotalama Problemi (ERP), tedarikcinin bir planlama ufku boyunca m¨u¸sterilerinin stoklarını kullanmaktan sorumlu olduğu˘gu ve satıcının stokları y¨onetti˘gi bir tes limat ve stoklanmasıdır. IRP'de tedarikci, sistemin genel performansını iyileştirmek için yönlendirme ve envanter kararlarını birlikte verir. Bu calı¸smamızda tedarik¸cinin amacı, bir planlama ufku boyunca toplam nakliye maliyeti en aza indirirken m¨u¸steri lokasyonlarında stok t¨ukenmesini ¨onlemektir. Tedarikinin; Aynı ta¸sıma düzenine sahip teslimat ara¸clarından olu¸san bir filona ve m¨u¸sterilere tes lim edilecek¨ur¨un¨un bol miktarda bulunabileceğine sahip olduğunu varsayıyoruz. Her m¨u¸sterinin sabit bir talep/tuketim oranı ve stok tutma i¸cin sınırlı ka depolama pasitesi vardır. Bu sorunu özlemek için yeni bir entegre küçültme ve yonlendirmeyi teşvik ediyoruz. Kümeleme asamasında, m¨u¸steri setini k¨umelere ayırarak, her kümeye tek bir ara¸c tarafından hizmet saglıgını saglıyoruz. Bunu başarmak için, küumeleme Cercevesinde yeni bir derin yeşillenme modeli kaydetti. Y¨onlendirme a¸samasında, her bir kü¨ume i¸cin teslimat programı gelistirildi. Yakla¸sımızı di˘gerle rinden ayıran ¸sey, karar verme s¨urecine hem derin bir model hem de bir makine ¨o˘grenimi entegre ederek ¨u¸c temel kararı (ne zaman teslim edilece˘gi, ne kadar teslim edilece˘gi ve nasıl y¨on sınıflandırılece˘gi) dikkate alınmasıdır. Onerilen küumele-¨me ve y¨onlendirme iddaalarının mevcut literat¨ure g¨ore de˘gerlen dirdik ve sonuçları¸clarımız ¨onemli gel¸smeler g¨osterdi. Ayrıca, onerilen sinir a˘gı tabanlı küumeleme yakla¸sımı, makine¨o˘grenimi büyümelerinin karar verme yapılarını nasıl geli¸tirebilece˘ginin etkili bir temsili olmu¸stur.
