Tahminleme çalışmaları, teknik, sosyal ve ekonomik araştırmalar bakımından son derece önemlidir. İlgilenilen sistem hakkında gerçekleşmiş veriler kullanarak tahmin yapmak ya da yüksek doğrulukta tahminler yapabilmek genellikle çok zordur. Bilimsel yazında, tahminleme çalışmalarına enerji, personel planlama, üretim planlama, iklim değişimleri, satış-pazarlama ve ekonomik çalışmalarda sıklıkla rastlanmaktadır. Bu çalışmada, ülkemizde de son yıllarda yeniden yapılanma sürecine giren, sağlık, itfaiye ve güvenlik hizmetlerinin tek numarada birleştirilmesi konusundaki Acil Çağrı Merkezleri’nin bir pilot uygulaması olan Isparta ili 112 Acil Çağrı Merkezi için sağlık, güvenlik ve itfaiye ihtiyaçlarına yönelik gelebilecek çağrı sayısını tahminlemek amacıyla bir yapay sinir ağları (YSA) modeli geliştirilmiştir. Modelde gelecek dönemler için muhtemel çağrı sayısını tahminleme modeli için kurulan ağın eğitilmesinde momentum ve adatif öğrenme oranı kullanan ileri beslemeli geri yayılımlı en dik iniş algoritması kullanılmıştır. Uygulamada, geçmiş bir aylık verilerin %80’i öğrenme ve %20’si test amacıyla kullanılmıştır. Test süreci sonunda ortalama mutlak yüzdelik hata (OMYH) oranı %4,5 olarak elde edilmiş ve modelin test edilmesi uygun görülmüştür. Ayrıca, gelecek bir ay için OMYH oranı YSA modeli için %2,65, trend analizi modeli için %6,40 ve oto-regresif entegreli hareketli ortalama (ARIMA) modeli için %5,24 olacak şekilde çağrı türlerine göre çağrı sayıları her gün için elde edilmiştir. Sonuç olarak, YSA kullanılarak yapılan tahminleme ile trend analizi ve ARIMA (1 1 1) modeline göre daha düşük OMYH oranına sahiptir.

Forecasting studies are extremely important in the technical, social and economic research. Generally, we know it is very difficult to forecast with higher accurate about a system by using recent values. In the scientific literature, the forecasting studies of energy, personnel planning, production planning, climate changes, sales and marketing and economics etc. are frequently found. In this paper, for an emergency calls center in Isparta province of Turkey an artificial neural network (ANN) forecasting model was developed to determine the number of calls for as health, fire and security services on a pilot implementation of the emergency calls center on a single number 112. In the developed model, the gradient descent with adaptive learning and momentum (GDX) algorithm is selected as the training algorithm with feed-forward back-propagation by using 80% of input data and the 20% of input data is used for testing set data from last month. After the testing, the mean absolute percentage error (MAPE) rate is obtained as 4.5% and it is useful to test. In addition, the forecasting results of the next month are shown that the MAPE values are 2.65%, 6.40% and 5.24% with ANN, trend analysis and ARIMA (1 1 1) models respectively and, the number of calls are found separately on the types of calls in daily. Consequently, the developed model by using ANN to forecast the number of calls in an emergency call center is more accurate than the trend analysis and ARIMA models.

Makale Özeti | Tam Metin PDF

Geleneksel tedarik zinciri ağı tasarım problemleri genellikle tek amaçlı olarak ele alınmıştır. Ancak, tedarik zincirleri gerçek hayatta birbirleri ile çelişen amaçları olan organizasyonların meydana getirdiği karmaşık ağlardır. Bu çalışmada, piyasa taleplerinin belirsiz olduğu bütünleşik bir tedarik zinciri ağındaki birden fazla ölçülemeyen amacı gerçekleştirmek için çok ürünlü, çok aşamalı ve çok dönemli planlama modeli önerilmiştir. Tedarik zinciri planlama modeli, birbiriyle çelişen birkaç amacı doyurmak için karışık tam sayılı doğrusal olmayan programlama problemi olarak bina edilmiştir. Önerilen model iki amaç fonksiyonundan oluşmaktadır. Birincisi, tedarik zincirindeki sabit tesis açma ve işletme maliyetleri ile mesafelere bağlı olarak belirlenen taşıma maliyetlerinin en azlanmasıdır. İkincisi, Ekonomik Üretim Miktarı (EÜM) modeline göre satın alma, sipariş verme, stok bulundurma ve yok satma maliyetlerinin en azlanmasıdır. Önerilen modelde, karar vericilerin kesin olmayan hedef değerlerini dahil edebilmek için bulanık hedef programlama yaklaşımı kullanılmıştır. Model, GAMS optimizasyon programı kullanılarak çözülmüştür. Çalışmada sunulan uygulama sonuçları, bulanık modelleme ve çözüm yaklaşımlarının daha gerçekçi tedarik zinciri modelleri oluşturulmasında kullanılabileceğini göstermiştir.

Traditional supply chain network design problems are often taken as a single objective. However, supply chains are complex networks formed by organizations having conflicting objectives with each other in real life. In this study, a multi-product, multi-stage and multi-period planning model is proposed to achieve multiple incommensurable goals in an integrated supply chain network with uncertain market demands. The supply chain planning model is constructed as a mixed-integer nonlinear programming problem to satisfy several conflicting objectives with each other. The proposed model consists of two objective functions. The first one is minimizing the fixed opening and operating costs with transportation costs determined depending on distances. Second one is minimizing the purchasing, ordering, inventory and backlogging costs according to Economic Production Quantity (EPQ) model. Fuzzy goal programming approach is used in order to include decision maker's imprecise goal values in proposed model. The model is solved using GAMS optimization program. The application results presented in this study, demonstrates that fuzzy modeling and solution approaches could be used in the creation of more realistic models of the supply chain.

Makale Özeti | Tam Metin PDF

Günümüzde enerjinin temiz, yerli ve yenilenebilir olması sadece ülkemizde değil tüm dünya ülkelerinde çoğunlukla kabul görmektedir. Alternatif ve temiz olan bu enerji kaynaklarından biri ve en önemlisi de rüzgar enerjisidir. Atmosferi kirleten fosil yakıtlarla karşılaştırıldığında rüzgar enerjisini elektrik enerjisine dönüştüren sistemlerin hızlı bir şekilde geliştiği ve kullanıldığı görülmektedir. Rüzgar türbinlerinden elde edilen elektrik enerjisi birkaç faktöre bağlı olarak değişir. Bu faktörlerden ikisi ortalama rüzgar hızı ve rüzgar esme süreleridir. Bu çalışmada, Akhisar bölgesi için yıllık ortalama rüzgar hızı, Hellmann katsayısı, kule yüksekliği gibi parametrelere bağlı rüzgar esme süreleri Yapay Sinir Ağları (YSA) ile analiz edilmektedir. Rüzgar esme süreleri analizinde Rayleigh dağılımı’nın kullanıldığı geleneksel yöntem(GY) ile YSA’nın karşılaştırılması yapılmaktadır.

Renewable energy resources are widely preferred over conventional resources as they are environmentally favorable. Wind energy is one of the important renewable energy resources and has been widely developed recently. The energy produced from wind is dependent upon several factors. One of them is average wind speed and the other is wind blowing period. In this study, the wind blowing period is estimated based on annual average wind speed, Hellman coefficient and tower height using artificial neural networks (ANN). The results of ANN are compared with a conventional method in which Rayleigh distribution is employed.

Makale Özeti | Tam Metin PDF

Öğrencilerin Matematik 1 dersinden alacağı notları önceden tahmin etmek dönem öncesi öğrencileri Matematik 1 dersine hazırlamak için oldukça önemlidir. Verilerin doğrusal olmayan yapılarından dolayı çözüm elde etme zor olmaktadır. Sayısal değerler içeren bu tür problemler için çözüm sunan bulanık mantık yöntemi tercih edilen yöntemlerden bir tanesidir. Bulanık mantıkla çözüm elde etmek için üyelik fonksiyonlarını ve onların parametre değerlerini doğru belirlemek gereklidir. Bu işlem bir uzman tarafından yapılabildiği gibi bir veri kümesi kullanılaraktan da yapılabilmektedir. Bu çalışmada, Pamukkale Üniversitesi Mühendislik Fakültesi’ne 2007-2008 Eğitim-Öğretim yılında kayıt yaptıran 434 öğrencinin Öğrenci Seçme Sınavında elde ettikleri verileri kullanarak öğrencilerin Matematik 1 dersinden elde edeceği başarı durumunu önceden tahmin etmek amaçlanmıştır. Bu veri kümesini kullanarak üyelik fonksiyonlarını belirlemek için yapay sinir ağı ve bulanık mantık yönteminin önemli özelliklerini birleştiren uyarlanabilir ağ tabanlı bulanık çıkarım sistemi (ANFIS) kullanılmıştır. Eğitim aşamasında veri kümesindeki 16 nitelikten farklı kombinasyonlarla seçilen 9 veri niteliği ANFIS yapısına girdi olarak verilmiştir. Fakat dokuz tane girdi parametresine sahip olan bir bulanık çıkarım sisteminin her girdisinin en az üç tane üyelik fonksiyonuna sahip olduğu durumlarda bu çıkarım sisteminde en az 3^9 tane kural meydana gelmektedir. Bu yüzden eğitim işlemi oldukça vakit almakta ve bu işlem için oldukça fazla belleğe ihtiyaç duyulmaktadır. Bu çalışmada, çok verimsiz olan bu yapı yerine hiyerarşik bir yöntem önerilmiştir. Bu yöntemde ANFIS yapısı küçük alt sistemlere ayrılmaktadır. Her alt sistem veri kümesinin bazı parçalarını işlemekte ve elde ettiği çıktı değerlerini sistemden beklenilen asıl çıktı değerinin elde edilmesi için sonuç ANFIS yapısına girdi olarak göndermektedir. Verilerin üçte biri ile yapılan deneme işleminden sonra %77,77 ve %78,47 genel tahmin oranına sahip iki tane iyi sonuç elde edilmiştir. Bu sonuçlar detaylı incelendiğinde, ilk sonuçta Matematik 1 dersinden geçen 85 öğrencinin 64’ü, kalan 59 öğrencinin 48’i doğru tahmin edilmiştir. İkinci sonuçta ise dersten geçen 85 öğrencinin 69’u ve dersten kalan 59 öğrencinin 44’ü doğru tahmin edilmiştir.

Predicting Mathematics 1 course success of students is very important to prepare them before the semester. It is difficult to obtain solution because of the non-linear property of data set. Fuzzy logic is one of the common methods for the problems which involve numeric values. In fuzzy logic, it is important to determine membership functions and their parameter’s values correctly. This can be done by an expert or can be learned with a data set. In this study, we aimed to predict the Mathematics 1 course success of 434 students who enrolled to Engineering Faculty of Pamukkale University in 2007-2008 academic year by using their university exam data. For this, the adaptive-network-based fuzzy inference system (ANFIS) which combines the important characteristics of artificial neural network and fuzzy logic was used. In training section, nine parameters which are selected from sixteen parameters in data set with different combinations were given to the ANFIS. When an ANFIS structure with nine input parameters has at least three membership functions for each input, it will have at least 3^9 fuzzy rules. Because of this, the training part is too slow and too much memory is needed. Instead of this inefficient structure, a hierarchical method was proposed. In this method, the ANFIS is partitioned to the sub-systems. Each sub-system performs some part of input parameters and sends their result to the final ANFIS structure to obtain the overall system output. After testing with one-third of data set, two best prediction results with ratio 77.77% and 78.47% are obtained. When these results are analyzed, it is seen that 64 successful students from 85 students and 48 unsuccessful students from 59 students in Mathematics 1 course were predicted truly in the result with ratio 77.77%. Similarly, 69 successful students from 85 students, and 44 unsuccessful students from 59 students were predicted truly in the result with ratio 78.47%.

Makale Özeti | Tam Metin PDF

Bu çalışmada, İstanbul Menkul Kıymetler Borsası 100 (IMKB-100) içinde gıda, tekstil ve çimento sektörlerinde faaliyet gösteren 42 şirket ele alınmıştır. Bu şirketler finansal oranlara bağlı olarak üç sınıfa ayrılmak istenmektedir. Şirketlere ilişkin 10 adet finansal oranın 2006-2011 yılları arasındaki ortalama değerleri ele alınmıştır. Bu oranlara bağlı olarak kümeleme analizinden elde edilen sınıflar belirlenmiştir. Bu oranlar ve kümeleme analizi sonuçları bu makalenin veri kümesini oluşturmaktadır. Öğrenme algoritmasının ve sınıflandırmanın başarımını test etmek için tek çıkarımlı çapraz- doğrulama yöntemi kullanılmıştır. Destek Vektör Makineleri (DVM) yaklaşımı ile yapılan sınıflandırma çalışması %95,23 oranında doğru sınıflandırmayı 12 destek vektörü ile yapmıştır. Ayrıca giriş duyarlılık analizi yapılarak bu 10 orandan en etkin olan 4 oran belirlenmiştir. Bu oranlar en etkisizden en etkili olan faktöre doğru modelden sıra ile çıkarılarak, bu dört faktörden hangilerinin alınması ile en etkili DVM modeli elde edilebileceği araştırılmıştır. En iyi modelin ilk 3 faktöre bağlı olan model olduğu belirlenmiştir. Bu yeni modelde sınıflandırma başarı oranı %97,61 ve destek vektör sayısı 12 olarak kalmıştır.

In this study, 42 companies operating in food, textile and cement sectors within İstanbul Stock Exchange 100 (ISE-100) have been handled. The aim is to classify these companies into three groups according to financial ratios. The average values of 10 financial ratios of these companies between the years 2006-2011 have been handled. Based on these ratios, classes are derived from cluster analysis. These ratios and the results of the cluster analysis are the data set of this article. In order to test the performance of the learning algorithm and classification leave-one-out cross-validation method is used. The classification study conducted by Support Vector Machines approach has performed 95.23% correct classification with the help of 12 support vectors. Moreover, input sensitivity analysis has been conducted and 4 most efficient ratios have been determined out of these 10. These ratios are removed from the model one by one starting from the less influential one in order to investigate by which ratios the most effective Support Vector Machine model is obtained. It is seen that the best model is obtained by using the first 3 ratios. The classification success for this model is 97.61% and the number of support vector is 12.

Makale Özeti | Tam Metin PDF

İşletmeler, olağanüstü rekabetin yaşandığı günümüz piyasa şartlarında, maliyetleri minimize, kârı maksimize edecek etkin stok politikalarını geliştirmek ve uygulamak zorundadır. Stoklar, üretim işletmelerinin toplam varlıklarının içinde önemli bir yere sahiptir. Bu önemli kalem için etkin stok kontrol ve yönetim politikalarının uygulanması, işletmenin geleceği için büyük önem taşımaktadır. Bu çalışma kapsamında, büyük bir holdingin kimyasallar grubunda faaliyet gösteren bir işletmesinde öncelikle stok kontrol yöntemlerinden ABC analizi uygulanmıştır. İkinci olarak stokların çok kriterli olarak sınıflandırılması için öncelikle Bulanık Analitik Hiyerarşi Prosesi (BAHP) yöntemi ile kriter ağırlıkları belirlenmiş ve İdeal Çözüme Yakınlığa Göre Tercih Sıralama Tekniği (TOPSIS) yöntemi kullanılarak stok kalemleri önem derecelerine göre sıralanmıştır. Çalışmanın sonunda stokların sınıflandırılmasında klasik ABC analizi ve BAHP-TOPSIS yöntemlerinin sonuçları arasındaki farklılıklar ortaya konmuştur.

In today’s competitive market conditions, organizations have to develop and implement effective inventory policies to minimize their costs, and maximize profit. Inventories have an important place in the total assets of production enterprises. Applying efficient inventory control and management policies for this significant item is very important for the future of the organizations. In this paper, initially an ABC analysis method had been applied to a firm operating at the chemical group of a conglomerate. Then, to classify the inventory as multi criteria; primarily criteria weights are determined by the fuzzy analytic hierarchy process (FAHP) and then stock keeping units are ranked according to their significances with Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) method. Finally, the differences are presented between classical ABC analysis and
FAHP-TOPSIS results for classifying the inventories.

Makale Özeti | Tam Metin PDF

Bu çalışma Türkiye genelinde 30170 lise öğrencisine uygulanmış ve matematik dersi tutum ölçeği geliştirilmiş bir araştırma projesinin verilerine Bulanık Mantık yöntemi uygulanarak gerçekleştirilmiştir. Veri kümesini oluşturan her bir faktör bulanık sistemde ayrı bir giriş olarak ele alındığından, çalışmanın bulanık sistem girişleri dört adettir. Araştırmada kullanılan verilerin bulanıklaştırılması amacıyla üç çeşit alternatif üyelik fonksiyonu (üçgen tipi, yamuk tipi ve Gauss tipi) kullanılmıştır. Bulanıklaştırma birimi dışındaki bulanık sistem birimleri ise birbiriyle aynıdır. Kural tabanı 352 adet kuraldan oluşmaktadır. Durulaştırma biriminde ise alan merkezi (centroid) yöntemi kullanılmıştır. Yapılan hesaplamalar sonucunda Türkiye’de eğitim gören lise öğrencilerinin matematik dersine yönelik tutumlarının öğrencilerin cinsiyeti, okumakta oldukları lise türü ve yaşadıkları coğrafi bölgelere göre nasıl değiştiği daha önceki proje sonuçları ile karşılaştırılmıştır.

In this study, Fuzzy Logic method has been used on a previously completed research project data which investigate the Turkish high school students’ attitudes towards mathematics on 30170 students. There are four fuzzy system inputs available for the study since each factor consisting data set is handled as a separate input. Three types of alternative membership functions (triangular, trapezoidal, and Gaussian) have been used for the fuzzification of the data used in this study. Fuzzy system units are identical to each other except the fuzzification unit. Rule base has been composed of 352 rules. Centroid method has been used for defuzzification process. Turkish high school students’ attitudes towards mathematics, with respect to student’s gender, high school types and geographic regions where students live, were investigated and compared with the earlier completed project results.

Makale Özeti | Tam Metin PDF