Derin öğrenme ile talep tahmini: Bir üçüncü parti lojistik firması için COVID-19 döneminde vaka analizi

Authors : Ayşe ZEYBEL PEKÖZ, Tülin İNKAYA

Pages : 331-339

View : 38 | Download : 33

Publication Date : 2023-08-31

Article Type : Research Paper

Abstract :COVID-19 pandemi döneminde yaşanan kısıtlamalar ve kapanmalar küresel tedarik zincirlerini büyük ölçüde etkilemiştir. Lojistik sektörü, bu süreçten en çok etkilenen sektörler arasında yer almaktadır. Bu nedenle, lojistik talebinin doğru ve hızlı tahmin edilmesi, etkin kaynak planlaması için önem taşımaktadır. Bu çalışmada, bir üçüncü parti lojistik firmasında COVID-19 pandemi dönemindeki talebin doğru tahmin edilmesi hedeflenmiştir. Lojistik firmasının Haziran 2020 ve Aralık 2020 tarihleri arasındaki sevkiyat verisi incelenmiştir ve tahmin problemi tek değişkenli zaman serisi olarak ele alınmıştır. Çalışma kapsamında, derin öğrenme tabanlı talep tahmini modeli önerilmiştir. Önerilen modelde evrişimli sinir ağı insert ignore into journalissuearticles values(CNN); ile uzun kısa dönem hafıza insert ignore into journalissuearticles values(LSTM); ağı bütünleştirilmiştir. CNN özniteliklerin çıkarılmasını, LSTM ağı ise uzun dönemli bağımlılıkların yakalanmasını sağlamaktadır ve önerilen model hibrit CNN-LSTM olarak adlandırılmıştır. Hibrit CNNLSTM’in tahmin performansı klasik tahmin yaklaşımlarının yanı sıra makine öğrenmesi ve derin öğrenme yaklaşımları ile karşılaştırılarak değerlendirilmiştir. Tüm tahmin yöntemlerinin parametre değerleri deneysel çalışmalar ile belirlenmiştir. Deneysel sonuçlara göre önerilen hibrit CNN-LSTM yöntemi diğer yöntemlerden daha yüksek tahmin performansı göstermiştir. Önerilen yaklaşım, lojistik talebinin doğru tahmin edilmesini sağlayarak işgücü ve kaynak planlaması faaliyetlerine girdi oluşturmaktadır.
Keywords : Talep tahmini, Üçüncü parti lojistik, Derin öğrenme, Evrişimli sinir ağları, Uzun kısa dönem hafıza