Makine Öğrenmesi Tabanlı Envanter Yönetimi: Veriye Dayalı Karar Destek Sistemleri

Authors : Deniz Kızılaslan, Hakan Burak Emekli

Pages : 19-34

View : 46 | Download : 51

Publication Date : 2025-07-31

Article Type : Research Paper

Abstract :Günümüz perakende sektöründe envanter yönetimi, sadece ürün bulunabilirliğini sağlamakla kalmayıp, aynı zamanda müşteri memnuniyetini artırmak ve operasyonel maliyetleri azaltmak açısından kritik bir rol oynamaktadır. Hızla değişen tüketici talepleri ve artan ürün çeşitliliği, doğru zaman ve miktarda stoklama kararlarını zorlaştırmaktadır. Bu nedenle, geleneksel planlama yöntemlerinin ötesine geçilerek, veriye dayalı ve öğrenen sistemlere ihtiyaç duyulmaktadır. Bu çalışma, haftalık bazda mağaza stoklarını tahmin etmeye yönelik makine öğrenmesi tabanlı bir model geliştirmektedir. Gerçek satış ve stok verileri kullanılarak oluşturulan veri seti, eksik ve aykırı değerlerden arındırılmış; kategorik değişkenler uygun biçimde dönüştürülerek tahmin modellerine hazır hâle getirilmiştir. Ridge Regression ve Random Forest algoritmaları karşılaştırmalı olarak uygulanmış, hiperparametre optimizasyonu yapılmış ve modeller farklı hata metrikleriyle değerlendirilmiştir. Elde edilen bulgulara göre, Ridge Regression algoritması, özellikle lineer yapılı ve çoklu korelasyon içeren veri setlerinde daha yüksek doğrulukta ve istikrarlı tahminler üretmiştir (R² = 0.92, RMSE = 17.6). Random Forest modeli doğrusal olmayan ilişkileri öğrenme potansiyeline sahip olsa da bu çalışmada Ridge Regression modeline kıyasla daha düşük performans göstermiştir. Tahmin sonuçlarının gerçek stok verileriyle yüksek oranda örtüşmesi, geliştirilen sistemin karar destek aracı olarak etkin şekilde kullanılabileceğini göstermektedir. Bu çalışma yalnızca akademik bir katkı sunmakla kalmamakta, aynı zamanda pratikte uygulanabilir, doğru ve zamanında stok tahmini yapabilen dinamik bir makine öğrenmesi çözümü de önermektedir. Doğru stok tahminleri sayesinde gereksiz stok maliyetleri azaltılmakta, ürün bulunabilirliği artırılmakta ve tedarik zinciri süreçleri daha verimli hâle gelmektedir. Bu yönüyle çalışma, makine öğrenmesi destekli sistemlerin, envanter yönetiminde geleneksel yöntemlerin yerini alabilecek etkili araçlar olduğunu güçlü bir biçimde ortaya koymaktadır.
Keywords : Envanter Yönetimi, Karar Destek Sistemleri, Makine Öğrenmesi, Ridge Regression, Random Forest

ORIGINAL ARTICLE URL