Düzeltme: Bor Sektöründe Automl Ve Ağirliklandirma Yöntemi̇ İle Talep Tahmi̇ni̇ Uygulamasi
Year: 2026
Type: article
Abstract: Düzeltme yapılan önceki makaleye ait öz: Bu çalışmada, bir kurumun sevkiyat verileri kullanılarak talebi doğru tahmin etmeyi amaçlayan bir model önerisi sunulmuştur. AutoML (Otomatik Makine Öğrenmesi) yaklaşımı kapsamında AutoTS (Otomatik Zaman Serisi) kütüphanesi ile yedi farklı zaman serisi modeli test edilmiş ve performansları çeşitli hata metrikleriyle değerlendirilmiştir. Modelleme sürecinde ürün adı, torbalama türü ve şekli esas alınarak oluşturulan 5 farklı grup için ayrı tahminler yapılmıştır. Tahmin sonuçları ağırlıklandırma yöntemiyle birleştirilerek nihai tahminlere ulaşılmıştır. Çalışma, AutoML temelli zaman serisi tahminlerinin karar destek süreçlerinde etkin bir biçimde kullanılabileceğini göstermektedir. Ayrıca önerilen ağırlıklı modelleme yaklaşımı, dinamik yapısıyla tahmin doğruluğunu artırmaya katkı sağlamaktadır. Kurumun birden fazla ürünü için yapılan tahminler değerlendirilmiş; ancak bu makalede bir ürün üzerinden dört çeyrek dönemlik tahminler ile gerçekleşen değerler karşılaştırılmıştır. Seçilen ürün için çeyrek sonlarında sırasıyla %33, %-82, %-15 ve %0,63 oranlarında sapmalar gözlemlenmiştir. Sonuçlar, modelin bazı dönemlerde sapmalar gösterdiğini, bazı dönemlerde tahmin doğruluğu yüksek olduğunu göstermektedir.
Authors: Arzu Çakıroğlu, Pınar Özen
Institution: Kütahya Dumlupınar Üniversitesi
Language: Turkish
Field: Decision Sciences
Domain: Social Sciences
Open Access status: diamond
OpenAlex ID: W7172383223