Bir Lojistik Firmasında Zaman Serileri Analizi ve Yapay Sinir Ağları ile Talep Tahminin Karşılaştırılması

Giderek artan rekabet ortamında karar verme zorunluluğu olan tüm işletmeler, ayakta kalabilmek, mevcut durumlarını geliştirmek için çeşitli sorunlara ilişkin etkin kararları alabilmek ve iyi bir plan çerçevesinde uygun çözümler bulmak zorundadırlar. İşletmelerin gelecekte karşılaşabilecekleri durumları öngörmek için çeşitli yöntemlerle talep tahminleri yapılabilmektedir. Geleceğe yönelik verilecek kararlardan ve çözümlerden bazıları taleplerin önceden tahmin edilmesiyle de oluşur. Bu noktada talep tahmini çalışmaları işletmeler için çok büyük önem taşımakta ve talep tahmini yapmayı zorunlu kılmaktadır. Çalışmanın yapıldığı lojistik şirketinde kantitatif talep tahmini çalışması yapılmaması sonucu sipariş ile teslimat arasında geçen sürenin uzunluğu artmakta, yığın siparişler oluşmakta, kapasite verimsiz kullanılmakta ve bilgi paylaşımında problemler yaşanmaktadır. Bu çalışmada şirketin çalıştığı ev tekstili ürün grubuna ait 2015-2016-2017 yılları sevkiyat adetleri verilerinden ve ev tekstiline dair talep miktarını etkilediği düşünülen, Türkiye İstatistik Kurumundan alınan 2014-2017 yılları arası bazı istatistiksel verilerden faydalanılmıştır. Zaman serileri analizi ve yapay sinir ağları yöntemleri ile 2018 yılı talep tahmini çalışması yapılmıştır. Bu yöntemler karşılaştırılarak yapılan çalışmalar değerlendirilmiş ve kullanılması gereken en uygun yöntemin yapay sinir ağları olduğu tespit edilmiştir

In an increasingly competitive environment, all businesses facing decision-making must make effective decisions regarding various problems and find appropriate solutions within a well-planned framework in order to survive and improve their current situation. Demand forecasting can be done using various methods to predict situations that businesses may face in the future. Some of the decisions and solutions for the future are formed by predicting demand in advance. At this point, demand forecasting studies are of great importance for businesses and make demand forecasting mandatory. In the logistics company where this study was conducted, the lack of quantitative demand forecasting resulted in increased time between order and delivery, the creation of bulk orders, inefficient capacity utilization, and problems in information sharing. This study utilized data on shipment quantities for the home textile product group in 2015-2016-2017 and some statistical data from the Turkish Statistical Institute for the years 2014-2017, which are thought to affect the demand for home textiles. A demand forecast for 2018 was conducted using time series analysis and artificial neural networks. The studies were evaluated by comparing these methods, and it was determined that artificial neural networks are the most suitable method to use.