ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİ VE MAKİNE ÖĞRENME TEKNİKLERİ İLE STOKLARIN SINIFLANDIRILMASI

Bu çalışmanın amacı, Çok Kriterli Karar Verme (ÇKKV) yöntemleri ile Makine Öğrenmesi yöntemlerini beraber kullanarak stok yönetimi için etkili bir hibrit model ortaya koymaktır. Bu amaçla ÇKKV yöntemlerinden Gri İlişkisel Analiz (GİA) ve Referens İdeal Metot (RİM), makine öğrenmesi yöntemlerinden de Yapay Sinir Ağları (YSA), Rasgele Orman (RO), Naive Bayes (NB) ve K En Yakın Komşuluk (KNN) yöntemleri kullanılmıştır. RİM hesaplama yaparken ideal nokta veya ideal aralık kullanırken GİA da ideal nokta kullanmaktadır. Bu yönleriyle diğer ÇKKV yöntemlerinden ayrılmaktadırlar. Çalışma kapasamında otomobil yedek parça perakendecisi bir işletmenin 1250 stok kalemi sınıflandırılmıştır. Literatürdeki kriterler incelenmiş ve otomobil yedek parçalarının sınıflanması için kalite, çıkış miktarı, fiyat, kârlılık, bulunabilirlik ve pazar payı kriterlerin önemli olduğu belirlenmiştir. Kriterlerin ağırlıkları da Max100 yöntemiyle belirlenmiştir. Stokların kriterlere göre aldığı değerler kullanılarak GİA ve RİM yöntemleri ile önem sıraları oluşturulmuştur. ABC analiziyle sınıflandırılan stok kalemlerinin sınıflarını tahmin etmek için makine öğrenmesi yöntemleri ile uygulama yapılmıştır. Kalite, çıkış miktarı, fiyat, kârlılık ve pazar payı kriterlerinde ideal aralık veya ideal değerler kullanılmıştır. İdeal aralık kullanarak hesaplama yapan RİM ile elde eden sınıflandırma sonuçlarının GİA yöntemine göre daha iyi sonuç vererek işletme için önemli olan stok kalemlerini ortaya çıkardığı sonucuna ulaşılmıştır. GİA ve RİM ile oluşturulan sınıfları tahmin etmede makine öğrenmesi yöntemlerinin iyi performans gösterdiği ortaya konmuştur. Otomotiv yedek parça perakendecisi bir işletmede uygulama yapılmış, yedek parçalar için önemli kriterler belirlenerek literatüre katkı yapılmıştır. Dengeli ve oranlı veri setleri kullanılarak Makine Öğrenmesi yöntemleri ile stok kalemlerinin tahmini yapılmıştır. Stok kalemlerinin sınıflarını tahmin etmede en başarılı yöntemin Rastegele Orman yönteminin olduğu sonucuna ulaşılmıştır