Covıd 19 süreci için yapay sinir ağları ile amortisör satış tahmini = Shock absorber sales forecast with artifical neural networks for the Covid 19 process

Abstract

Anahtar kelimeler: Amortisör Satışları, WEKA, MatLab, YSA ve Tahmin Parametreleri, Covid 19 Günümüzde çevik yaklaşımla yönetilen birçok firma verilerini doğru şekilde değerlendirmek ve karar verme sürecinde yardımcı birer olarak kullanmak durumundadır. Covid 19 pandemisi ile birlikte birçok sektörde olduğu gibi otomotiv endüstrisi de olumsuz etkilenmiştir. Bu çalışmada, bir amortisör firmasına ait, Türkiye için erken pandemi dönemi olan 2020 yılı Mart, Nisan ve Mayıs ayları satışlarınıın ne olacağı tahminlemesi yapılmış ve elde edilen tahmin değerleri ile gerçekleşen satışlar arasındaki fark kıyaslanarak pandeminin olumsuz etkisi yansıtılmak istenmiştir. WEKA ve MatLab programlarının YSA yapıları, tahmin parametreleri ve model eğitimleri 2016 yılı Ocak ayı ila 2020 yılı Şubat ayı arası aylık satış dataları bir amortisör firmasından elde edilerek kullanılmıştır. Pandemi dönemini kapsayan 3 aylık gerçekleşen satış rakamları ise, firmadan alınarak gerçekleşen satış olarak adlandırılmış ve WEKA ile MatLab satış tahmini sonuçlarıyla karşılaştırılmıştır. Sonuç olarak, amortisör satışlarının pandemi dönemi öncesinde artış gösteren bir eğilimde olduğu ancak pandemi dönemine ait yapılan tahminler ile gerçekleşen satışlar kıyaslandığında amortisör satışlarının pandemiden oldukça olumsuz etkilendiği gözlenmiştir. Araştırmada elde edilen bulgulara göre, WEKA yapısının tahminleme sonuçlarında daha büyük bir hata payı olduğu ve kurulan modelde daha fazla YSA barındıran MatLab'ın daha başarılı tahmin ürettiği sonucuna varılmıştır. Ancak her iki programın, tahmini yapılan pandemi dönemi için hata oranlarının bir tahmin çalışması kapsamında yüksek oluşunun temel sebebi olarak, programlarda kriz dönemlerine ait bir tanım bulunmamasının, dolayısı ile kurulan YSA modellerine etkisinin yansıtılamamış olmasının sebep olmuş olacağı öngörülmüştür.

Keywords: Shock Absorber Sales, WEKA, MatLab, ANN and Forecast Parameters, Covid 19 Today, many companies managed with an agile approach have to evaluate their data correctly and use it as an additional resource in the decision-making process. With the Covid-19 pandemic, the automotive industry has been adversely affected, as in many other sectors. In this study, an estimate of the sales of a shock absorber company for March, April and May 2020, which is the early pandemic period for Turkey, has been made and the negative impact of the pandemic has been tried to be reflected by comparing the difference between the estimated values obtained and the actual sales. ANN structures, estimation parameters and model trainings of WEKA and MatLab programs were used by obtaining monthly sales data from January 2016 to February 2020 from a shock absorber company. On the other hand, the actual 3 months sales figures covering the pandemic period, were taken from the company and named as actual sales and compared with the sales forecast results of WEKA and MatLab. As a result, it was observed that the sales of shock absorbers had an increasing trend before pandemic period but when the forecasts for the pandemic period and actual sales were compared, the sales of shock absorbers were adversely affected by the pandemic. According to the findings obtained in the research, it was concluded that the WEKA structure has larger margin of error in the estimation results and MatLab, which includes more ANNs in the established model, produces more successful predictions. However, it was predicted that the main reason for the high error rates of both programs for the predicted pandemic period within the scope of an estimation study was that there was no definition of crisis periods in the programs, and therefore the effect could not be reflected on the established ANN models.