Anfis ve bulanık c-ortalamalar yöntemleri tabanlı çok kriterli envanter sınıflandırma modeli

Abstract

Günümüz imalat şartlarında, işletmelerin envanter yönetimini optimize etmenin en iyi yolu, envanterlerin sınıflandırılmasıdır. Bu ihtiyaç üzerine geliştirilmiş çok sayıda çok kriterli envanter sınıflandırma yöntemi mevcuttur. Fakat mevcut yöntemler uygulama zorluğu, kalitatif verilerle çalışamama ve öznellik içerme gibi pek çok açıdan eleştirilere maruz kalmaktadır. Mevcut yöntemlerde en sık karşılaşılan sorunlardan biri de, yeni bir envanter kalemi dahil edildiğinde sınıflandırma işleminin tekrar edilmesi zorunluluğudur. Bu tez çalışmasında, yapay zeka yöntemlerinden faydalanılarak yeni bir çok kriterli envanter sınıflandırma modeli geliştirilmiştir. Bu hibrit model oluşturulurken Bulanık C-Ortalamalar (FCM) ve Adaptif Ağ Yapısına Dayalı Bulanık Çıkarım Sistemi (ANFIS) yöntemlerinden faydalanılmıştır. FCM ve ANFIS metotları pek çok kez bir araya getirilmiş fakat daha önce envanter sınıflandırma problemleri için kullanılmamıştır. Çalışma sonucunda tahmin, öğrenme ve sınıflandırma yeteneğine sahip bir çok kriterli envanter sınıflandırma modeli geliştirilmiştir. Bu model diğer modellerden farklı olarak, yeni bir envanter birimi dahil edildiğinde modelin tekrar oluşturulması zorunluluğunu ortadan kaldırmaktadır. Ayrıca, yine birçok modelden farklı olarak, bu model kantitatif verilerin yanı sıra, kalitatif verilerle de çalışabilmektedir. Bir firmadan elde edilen veriler ile geliştirilen modelin uygulaması yapılmıştır. Daha sonra aynı veri seti ile yapay sinir ağları kullanılarak yeni bir model oluşturulmuştur. Son olarak iki modelin performansları karşılaştırılmıştır.

In today's manufacturing environment, the best way to optimize inventory management is classifying the inventories for enterprises. Upon this needs, a lot of multi criteria inventory classification methods are developed. However, each of these methods are criticized in many ways, such as the difficulty of the application, not having capability of handling qualitative data, involving subjectivity. In addition, one of the most common problem is that, in most of the existing methods, when a new inventory item is stored in a warehouse, the classification process must be repeated. In this study, a new multi criteria inventory classification model is generated by utilizing artificial intelligence (AI) techniques. By using Fuzzy C-Means (FCM) and Adaptive Neuro Fuzzy Inference Systems (ANFIS), a hybrid model is developed. For the first time, ANFIS and FCM methods are combined to solve multi criteria inventory classification problem. As a result of the study, multi criteria inventory classification model with ability of prediction, learning and classification, is generated. The proposed model does not need to regenerate and solve whenever a new inventory item is introduced. At the same time, this model is capable of handling both quantitative and qualitative criteria. The model is applied to a real life data set that obtained from a company. Then a new model is generated by using Artificial Neural Network (ANN) method. The performance of the proposed model is verified by comparing with ANN model.