Bir Savunma Sanayi Firmasında Depo Bölgesi Atama Sisteminin Veri Madenciliği ve Makine Öğrenme Yaklaşımlarıyla İyileştirilmesi

Authors : Mehmet ERTEM

Pages : 501-506

Doi:10.31590/ejosat.1083226

View : 20 | Download : 13

Publication Date : 2022-03-31

Article Type : Research Paper

Abstract :Günümüzde envanter kontrolü ve depolama operasyonları firmaların masraflarının oldukça önemli bir bölümünü oluşturmaktadır. Bu nedenle pek çok firma envanter kontrolü ve depolama operasyonları üzerindeki etkinliklerini arttırmayı amaçlamaktadır. Firmalar bu doğrultuda çözüm üretebilmek amacıyla, bazen depolama alanlarının sıfırdan tasarımını tartışırken bazen de maliyetler göz önüne alınarak var olan çalışma alanlarını optimize etmeyi amaçlamaktadır. Depo sistemlerinin etkinliğinin arttırılması amacıyla kullanılan pek çok alternatif yöntem vardır. Ancak depoyu bir veri ambarı, içindeki hammadde ve parçaları da veri olarak düşünecek olursak, veri madenciliğinin kullanımı kaçınılmaz olacaktır. Bu çalışmada, bir depolama yöntemi olan depo bölgesi atama işleminin iyileştirilmesi adına veri madenciliği teknikleri kullanılmıştır. Modelleme adımında ise bir makine öğrenme yaklaşımı olan çok sınıflı sınıflandırma algoritmalarından yararlanılmıştır. Bu bağlamda, literatürde yaygın olarak kullanılan çok sınıflı sınıflandırma algoritmaları karşılaştırılarak performansı en yüksek 8 tanesi seçilmiştir. Seçilen algoritmalar ile çalışılan probleme uygun bir model Python kodlama dili kullanılarak geliştirilmiş ve depolanan yedek parçaların özellik verileri kullanılarak hangi ambar bölümüne ait olduğu tahmin edilmiştir. Yapılan veri madenciliği ve makine öğrenmesi yöntemleri sonucunda gerçek ambar bölümünü en doğru tahmin eden algoritmanın, %72’lik bir başarı oranıyla Rastgele Orman algoritması olduğu görülmüştür. Genel anlamda bu çalışmada kullanılan bazı verilerin eksik veya yanlış kaydedildiği düşünüldüğünde daha fazla ve tutarlı veri kullanılarak bu başarı oranının çok daha yüksek oranlara çıkabileceği öngörülmektedir.
Keywords : Makine öğrenme, Veri madenciliği, Yapay zeka, Depo bölgesi atama, Depo yönetimi