Data mining applications in a forklift distributor

dc.contributor.advisorİnkaya, Tülin
dc.contributor.authorPuspita, Pritiwi Eka
dc.contributor.departmentUludağ Üniversitesi/Fen Bilimleri Enstitüsü/Endüstri Mühendisliği Anabilim Dalı.tr_TR
dc.date.accessioned2019-12-11T21:19:57Z
dc.date.available2019-12-11T21:19:57Z
dc.date.issued2018-02-22
dc.description.abstractSales forecasting has a vital role in today's business environment. In a company, accurate and reliable sales forecasting is the fundamental basis for production planning processes. In this study, a data mining-based forecasting methodology is proposed for a forklift distributor. Monthly sales data for 100 different types of forklifts between years 1998 and 2016 are used. The proposed methodology has three stages. In the first stage, items with similar sales patterns are identified using hierarchical clustering. Dynamic time warping (DTW) is used for measuring the similarities among the items. The number of clusters is determined using the heterogeneity and homogeneity criteria. For each cluster, cluster prototypes are found based on cluster medoids and DTW barycenter averaging (DBA) method. In the second stage, features are extracted. In addition to the features that characterize amount, trend, growth, and volatility, new features are proposed to identify the intermittency in the data. Also, the important features are selected using multivariate adaptive regression splines (MARS). Then, support vector regression (SVR) is used as a forecasting model for each cluster prototype. In the final stage, the proposed approach is evaluated according to inventory performance. The numerical analysis shows that the proposed methodology forecasts the sales with reasonable accuracy and low complexity, and provides a reduction in inventory management costs.en_US
dc.description.abstractSatış tahmini bugünün iş ortamında hayati bir role sahiptir. Bir şirkette, doğru ve güvenilir satış tahminleri, üretim planlama sürecinin esas dayanağıdır. Bu çalışmada, bir forklift distribütörü için veri madenciliğine dayalı bir tahmin metodolojisi önerilmiştir. 1998 ve 2016 yılları arasında 100 farklı forkliftin aylık satış verileri kullanılmıştır. Önerilen metodolojinin üç aşaması vardır. İlk aşamada, benzer satış yapıları içeren ürünler hiyerarşik kümeleme kullanılarak belirlenmiştir. Ürünler arasındaki benzerliklerin ölçülmesinde dinamik zaman bükmesi (DTW) kullanılmıştır. Kümelerin sayısı, heterojenlik ve homojenlik kriterleri kullanılarak belirlenmiştir. Her küme için küme prototipleri küme medoidleri ve DTW ağırlık merkezi ortalaması (DBA) metodu temel alınarak bulunmuştur. İkinci aşamada, öznitelikler çıkarılmıştır. Miktar, eğilim, büyüme ve oynaklığı karakterize eden özniteliklerin yanı sıra verideki düzensiz aralıkları belirlemek için yeni öznitelikler önerilmiştir. Ayrıca, önemli öznitelikler çok değişkenli uyarlanabilir regresyon eğrileri (MARS) kullanılarak seçilmiştir. Ardından, her bir küme prototipi için bir tahmin modeli olarak destek vektör regresyonu (SVR) kullanılmıştır. Son aşamada, önerilen yaklaşım envanter performansına göre değerlendirilmiştir. Sayısal analiz, önerilen metodolojinin satışları makul doğruluk ve düşük karmaşıklıkla tahmin ettiğini ve envanter maliyetlerinde azalma sağladığını göstermektedir.tr_TR
dc.format.extentX, 109 sayfatr_TR
dc.identifier.citationPuspita, P. E. (2018). Data mining applications in a forklift distributor. Yayınlanmamış yüksek lisans tezi. Uludağ Üniversitesi Fen Bilimleri Enstitüsü.tr_TR
dc.identifier.urihttp://hdl.handle.net/11452/2955
dc.language.isoentr_TR
dc.publisherUludağ Üniversitesitr_TR
dc.relation.publicationcategoryTeztr_TR
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectData miningen_US
dc.subjectClusteringen_US
dc.subjectForecastingen_US
dc.subjectDynamic time warping (DTW)en_US
dc.subjectMultivariate adaptive regression splines (MARS)en_US
dc.subjectSupport vector regression (SVR)en_US
dc.titleData mining applications in a forklift distributoren_US
dc.title.alternativeBir forklift dağıtıcısında veri madenciliği uygulamasıtr_TR
dc.typemasterThesisen_US

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
496290.pdf
Size:
3.77 MB
Format:
Adobe Portable Document Format
Description:

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: