Demand forecast with learning automata

Abstract

ÖĞRENEN DURUM MAKİNELERİ İLE TALEP TAHMİNİ Bu çalışmada öğrenen durum makineleri satış verilerinin yapılarının belirlenmesinde ve yakın gelecek verileri için tahminlerde bulunulmasında kullanılmıştır. Bu çalışmada kullanılan veriler bir servis şirketinin son beş yılına ait toner satış rakamlarından oluşmaktadır. Bu çalışmanın sebebi klasik tahmin yöntemlerinin artık mevcut sistemin ihtiyaçlarını karşılayamamasıdır. Sistemde yer alan pek çok dalgalanma, öğrenebilen ve uyumlu bir sistemin kurulmasını gerekli kılmıştır. Öğrenen durum makineleri yardımıyla satış verilerindeki şablonlar ortaya çıkarılmış ve bu şablonlara dayanarak tahmin yapılmıştır. Satış verileri öğrenen durum makinelerine iki farklı şekilde iletilmiş ve çalışmalar iki farklı formatta devam ettirilmiştir. Çalışmada satış verisinde iki farklı şablon aranmıştır. Bunlardan birincisi iniş ve çıkışlardaki ilişki diğeri ise gerçek satış değerleri arasındaki ilişkidir . İlk araştırmada iki müteakip satış değerinin oranlarının doğal logaritmaları veri olarak kullanılıp ikincisinde geçek satış değerleri alınmıştır. Yeniden düzenlenmiş veriler öğrenen durum makinesiyle araştırıldıktan sonra şablonlar geçiş olasılıkları yardımıyla oluşturulan döngülerin yardımıyla ortaya çıkarılmıştır. Oluşturulan şablonlar yardımıyla son durumlar için talep tahmini yapılmıştır. Öğrenen durum makineleri ile yapılan analiz sonucunda öğrenen durum makinelerinin talep tahmininde kullanılabileceği görülmüştür. Talep tahmini, öğrenen durum makinaları Talep tahmini, öğrenen durum makineleri DEMAND FORECAST WITH LEARNING AUTOMATA In this study learning automata approach is tried in determining the sales data's behavior and then making demand forecasts for the near future. The data used in the study belongs to a service company and composes of last five year's sales quantities of a toner. The reason for this analysis is because the classical demand forecast methods could not answer the needs any more. There were many fluctuations in the system and a new method, which can learn and which is adaptive has to be searched. By the help of learning automata it was planned to figure out a pattern in the sales data and make forecast depending on that pattern. Two methods of interpreting data to learning automata were chosen and the latter analysis depends on those methods. Two types of patterns are searched in the data. One of them was the increase and decrease relations and the other was the real value relations. First search was done by using natural logarithm of consequent data values and the second search was done by taking the real sales values. After running the reconstructed data in learning automata the patterns are searched by the help of the loops formed by the help of transition probabilities. With the patterns the forecasts are made according to the last states. The results of the analysis with learning automata and the forecasts showed that learning automata could be used in demand forecast. Key Words: Demand forecast, learning automata