Yapay zeka tabanlı talep tahmin yöntemlerinin performans üstünlükleri açısından değerlendirilmesi: Gıda sektöründe bir uygulama

Abstract

İşletmeler, sert rekabet koşulları altında varlığını korumak ve devam ettirmek amacıyla belirsizlik barındıran geleceğe yönelik çeşitli önlemler ve kararlar almaktadır. Bu önlem ve kararlar işletme içi ve işletme dışı çevrelerde yapılan tahminlerle şekillenmektedir. Bu amaca yönelik yapılan önemli tahmin türlerinden biri de talep tahminidir. İşletmecilik alanında kullanılan talep tahmin yöntemlerine ait gelişim seyri incelendiğinde geleneksel yöntemlerin yanı sıra yapay zekaya dayalı yöntemlerin başarılı sonuçlar verdiği görülmektedir. Bu çalışmada, Türk gıda sektöründe faaliyet gösteren bir firmanın dondurulmuş paket künefeye ait haftalık satış miktarı verilerinden yararlanılarak talep tahmin modelleri oluşturulmuştur. Bu kapsamda Yapay Sinir Ağları (YSA), Bulanık Zaman Serisi ve Uyarlanabilir Ağ Yapısına Dayalı Bulanık Çıkarım Sistemi (ANFIS) gibi yapay zekaya dayalı tahmin yöntemlerinden faydalanılmıştır. Deneme-yanılmaya dayalı olarak kurulan tahmin modellerinin performans karşılaştırması, Ortalama Karesel Hatanın Karekökü (OKHK) ve Ortalama Mutlak Yüzde Hata (OMYH) ölçütlerine göre yapılmıştır. Yapılan karşılaştırma sonucu üstün performansa sahip tahmin modelinden hareketle gelecek dönem talep tahmin değerleri elde edilmiştir.

Businesses take various measures and decisions for the future uncertainties to protect and continue their existence under harsh competition conditions. These measures and decisions are shaped due to estimates made for both inside and outside the enterprise. In this regard, one of the significant forecasting types used in the measures and decisions that businesses will take against future uncertainty is demand forecasting. Considering the developments in demand forecasting methods used in the field of business, it is clear that methods based on artificial intelligence give more successful results than traditional methods. In this study, future demand forecasting models were generated by using the weekly sales data of frozen packaged kunafa of a firm in the Turkish food industry. In this forecasting methods based on artificial intelligence such as Artificial Neural Networks (ANN), Fuzzy Time Series and Adaptive Network Based Fuzzy Inference System (ANFIS) were employed. The performance comparison of the estimation models based on trial and error was made according to the Root Mean Square Error (RMSE) and Mean Absolute Percent Error (MAPE) criteria. As a result of the comparison, the demand forecast values for the future period were obtained based on the forecast model with superior performance