Yazar "Güven, İlker" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim Yok
    Öğe
    Machine-part formation for cellular manufacturing in group technology: an application for furniture company
    (2021) Güven, İlker; Sımsır, Fuat
    Group technology’s basic logic is grouping and producing products of the same type together.An important reason behind Group Technology becoming such an important topic is thatnowadays companies have quite an extensive range and workshop type production hasincreased. Both fuzzy clustering and rank order clustering methods use for grouping parts andmachines based on a part-machine matrix created from the production flow technique in orderto increase productivity and reduce cost and workmanship required. In this study, GroupTechnology techniques such as the rank order clustering and fuzzy clustering methods wereapplied in order to increase the efficiency of the production line, reduce transportation betweenmachines, and form a machine-parts groups in the wood cutting department of a furniturecompany producing modular furniture in Istanbul. The TOPSIS method was used to determinewhich products to take into account. According to results of the study, it is shown that fuzzyclustering method has overperformed rank order clustering method based on the evaluationcriteria which are group productivity with 21,36%, group efficiency with 43,21% and groupingmeasure with 82,33%.
  • Küçük Resim
    Öğe
    PERAKENDE HAZIR GİYİM ENDÜSTRİSİNDE YAPAY ZEKA YÖNTEMLERİ İLE TALEP TAHMİNİ
    (2020-07-10) Güven, İlker
    Bu çalışmada perakende hazır giyim endüstrisindeki ürün çeşitliliği dikkate alınarak yapay zeka yöntemleri kullanarak minimum hata oranı ile satış talep tahmini yapılması amaçlanmıştır. Klasik yöntemlerin dikkate alamadığı birçok değişkeni yapay zeka teknikleri ile modele dahil ederek tahminin doğruluğu arttırılmıştır. Bu bağlamda yapay zeka tekniklerinden yapay sinir ağları (YSA), destek vektör makineleri (DVM) ve rastgele ormanlar (RO) modelleri kurularak veri setinden çıkarımlar yapılmıştır. Modellerin kurulması aşamasında tahmini yapılan ürünlerin renk detaylarının olduğu ve olmadığı iki farklı veri seti hazırlanmış ve tahmin işlemi gerçekleştirilmiştir. Böylece yapay zeka talep tahmin yöntemleri arasında karşılaştırma yapma imkanı oluşturulmuştur. Çalışma kapsamında 20 yılı aşkın süredir sektörde faaliyet gösteren bir perakende hazır giyim firmasının 2014 49. hafta ile 2018 52. haftaları arasında kadın ve erkek ürün grubunda yaptığı satışlar veri seti olarak kullanılmıştır. Giyim endüstrisinde sık görülen satışa çıkan ürünlerin renklerinin belirli bir kısmının diğer renklerden önce bitmesi durumunda satışın tek bir renge yoğunlaşması, diğer renklerin satış görememesi gibi tahmini olumsuz etkileyebilecek durumların değerlendirilmesi için ürünlerin renk detayları çalışma kapsamına alınmıştır. Ürünlerin tek bir veri setinde mi yoksa ayrı ayrı mı tahmin edilmesinin daha iyi olduğu sorusuna cevap bulabilmek için her bir ürün tek tek olarak ayrıca tahmin edilmiştir. Yapılan tahmin çalışmaları sonucunda hangi yöntemin daha iyi sonuçlar verdiği belirlenmiş, ayrıca yöntemlerin sonuçları karşılaştırılarak sonuçların güvenirliliği arttırılmıştır. Yöntemlerin karşılaştırılmasında literatürde en çok kullanılan performans kriterlerinden ortalama mutlak hata, ortalama karelerin hatası, hataların ortalama karekökü, ortalama mutlak yüzde hata ve R2 kriterleri dikkate alınmıştır. Çalışma kapsamında 14 farklı veri seti kullanılmış, renk detaylı ve renk detaysız olmak üzere toplamda 84 model kurulmuştur. Elde edilen sonuçlara göre 14 veri setinin 8’inde YSA renk detaysız modeller diğer modellere göre daha iyi sonuçlar vermiştir. YSA renksiz verilerde 14 modelden 11’inde daha başarılı iken, DVM ise 13 modelde renk detaylı verilerde daha iyi sonuçlar vermiştir. RO modelleri ise renk detaylı ve renk detaysız verilerde benzer sonuçlar vermiştir.