Demand forecasting under uncertainty and an application in a food company

Talep tahmini, bir ürün için gelecek dönemlerde oluşabilecek talebin geçmiş dönemlerdeki satış hareketlerine ait veriler kullanılarak belirlenmesidir. Bu çalışmada gıda sektöründeki bir işletmede belirsiz koşullar altında talep tahmini yapılmıştır. Belirsiz koşullar altında tahmin yapılırken geleneksel istatistiksel yöntemlerin yetersiz olması sebebiyle çalışmada yapay zekâ tekniklerinden Yapay Sinir Ağları (YSA) ve Destek Vektör Regresyonu (DVR) yöntemleri kullanılmıştır. Yöntemler uygulanmadan önce parametre optimizasyonu amacıyla deney tasarımı yapılmış ve bulunan optimum parametre değerleri ile tahmin gerçekleştirilmiştir. Yapılan tahminlerin performansı Ortalama Hata Kare, Ortalama Yüzde Hata ve Ortalama Mutlak Yüzde Hata gibi farklı hata ölçütlerine göre değerlendirilmiştir. Sayısal sonuçlar, incelenen ürünler için YSA’nın DVR’ye kıyasla daha iyi tahminler yaptığını göstermiştir.Demand forecasting is the determination of the demand of a product that may occur in the future using the previous sales data. In this study, demand forecasting is carried out for a firm in food sector under uncertainty. It is well-known that the traditional statistical techniques are not sufficient while forecasting under uncertain conditions. Because of that Artificial Neural Networks (ANN) and Support Vector Regression (SVR) methods, which are the artificial intelligence techniques, are used in this study. Before employing these techniques, an experimental design is conducted for parameter optimization and forecasting is carried out with the optimum parameter values found. The performance of the forecasting is considering different criteria such as Mean Square Error, Mean Percentage Error and Mean Absolute Percentage Error. Numerical results showed that ANN produced better forecasts than SVR for considered products