Proposal of a decision making methodology for inventory management using particle swarm optimization and grey forecasting

YÖK Tez No: 586015 Bu çalışmada stok yönetimi ve sipariş miktarlarının planlanması için bir karar verme metodolojisi önerilmiştir. Önerilen metodolojinin ilk aşamasında, Lolli ve diğerleri, (2014) tarafından yapılan çalışmada önerilen AHP-K ve AHP-K-Veto yönteminin tez kapsamında geliştirilip önerilen AHP-BCO-RVeto metodu ile ABC analizi yapılmıştır. Literatürde, Çok Kısıtlı Stok Sınıflaması problemlerinde kullanılan Analitik Hiyerarşi Prosesi(AHP) yöntemini kullanan, AHP-K ve AHP-K-Veto metotlarının sınıf sayılarını göz önüne almama başta olmak üzere eksik yanları önerilen metodoloji sayesinde geliştirilmiştir. Bu metodoloji Bulanık-C-Ortalamalar(BCO) kullanımı sebebiyle AHP-BCO-RVeto metodu olarak adlandırılmıştır. AHP-BCO-RVeto sınıflama sonuçlarının diğer metotlara olan performans karşılaştırmaları yapılmış ve daha iyi performans gösterdiği kanıtlanmıştır. Sınıflama aşamasının ardından gri tahminlemeyi (GT) de kullanan karma bir tahminleme yöntemi ile ileriye yönelik veriler tahmin edilmiştir. Söz konusu karma tahminleme sisteminde, poisson regresyon (PR) ve destek vektör makinaları (DVM) ile GT birlikte kullanılmıştır. Üç tahmin yönteminin kullanılması sayesinde, her yöntemin ayrı ayrı kullanılmasına oranla daha iyi sonuçlar verdiği kanıtlanmıştır. Öte yandan, GT'nin önemli bir avantajı olan az sayıdaki veriden tahmin gerçekleştirme sayesinde, az sayıdaki veri ile tahminler gerçekleştirmek mümkün olmuştur. Elde edilen bu tahminler son aşamada parçacık sürü algoritması kullanılarak yakın optimum sipariş miktarları tespit edilmesi için kullanılmıştır. Bu verilerin göz önüne alındığı noktada birim maliyet ve benzeri maliyet kalemlerinin en etkin şekilde tahmin edilmesi ve dolayısıyla ileriye yönelik alınan kararların en etkin olarak verilmesi amaçlanmıştır. Son aşamada, bu çalışmada önerilen karar metodolojisi ticari ürün satışı yapan bir şirketten alınan verilerle oluşturulan gerçek bir uygulamada kullanılmış ve mevcut duruma göre avantajları özetlenmiştir. In this study, the goal is to propose a new decision making methodology is proposed for inventory management and order quantity planning. In the first phase of the proposed methodology, a revised version of the AHP-K-Veto (Lolli et al., 2014) is used for the ABC analysis. In the literature, AHP-K-Veto method is used for the classificication for the area of Multiple Criteria Inventory Classification (MCIC) is improved mainly in the areas such as neglecting class sizes. So an improved version named AHP-BCO-RVeto which used Fuzzy-C-Means for classification is proposed in the thesis. Newly proposed algorithm named ABC-BCO-RVeto is shown to perform better compared to other alternative algorithms. In the second phase of proposed methodology the goal is to make the decisions in the most efficient way, datas such as demand and unit price are predicted. Grey forecasting, poisson regression and support vector machines are used in a hybrid method to make a reliable prediction. The performance is evelauated and showed superior performance by using these three metohds in a hybrid-merhod compared to sole methods used for prediction. Thanks to the the best advantage of the grey prediction is the ability to be used with very few datas which prevents any problems when very low datas are available, such perdiction became available with very few datas. The predicted values are used to determine the optimum values to maximise the profit by using Particle Swarm Optimization(PSO) Algoritms. The phase aims to have the most accurate predictions so that decision for the upcoming periods is performed in the most efficient way possible. In the last phase, data from a company that sells commercial products are solved with the proposed methodology and its advantages with the current status are given.