Replenishment and lateral transshipment decisions in multi-period and multi-location inventory systems
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye
Tezin Onay Tarihi: 2021
Tezin Dili: İngilizce
Öğrenci: EDA YILDIZ
Danışman: MUSTAFA GÖKÇE BAYDOĞAN
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:En uygun envanter seviyesini belirleme sorunu, sistem karlılığını doğrudan etkiler ve uzun süredir araştırılmaktadır. Bu çalışmada, en uygun envanter kararlarını elde etmek için; çok ürünlü, çok konumlu envanter sistemi birden çok dönem için optimize edilmiştir. Talep dağılımının bilinmediği kabul edilerek oluşturulan matematiksel modelde, talep dağılımı random forest metodu sayesinde oluşturulmuştur. Stok adedinin sıfıra düşmesi durumunda karşılanamayan talep kaybedilir. İlk analizler, matematiksel modelde kullanılan senaryo sayısı artışını test etmiştir, artan senaryo sayısı talepteki değişkenliği daha iyi yansıttığı için sistemin daha istikrarlı ve daha iyi sonuç vermesini sağlamıştır. Ek olarak, önerilen model, farklı envanter seviyesi senaryolarında test edilmiştir. Yapılan testler sonucunda envanter seviyesinin sistem performansı üzerinde etkili olduğu görülmüştür. Analizler, iki aşamalı olarak sürdürülmüştür. İlk olarak, sistemin ikmal kararları ile birlikte yanal aktarmaya izin verdiği düşünülmektedir. Daha sonra sistemin yalnızca ikmal kararlarına izin verdiği varsayılır. Sistemin ikmal kararlarına ek olarak yanal aktarım kararı vermesi sistemde toplam kayıp satış tutarını azaltırken, envanter taşıma seviyesini artırmıştır. Farklı envanter seviyesi analizlerinden sonra sistemin sipariş kararı alma sıklığı için kullanılan strateji test edilmiştir. Yapılan testler sonucunda dinamik ve statik izleme stratejilerinin arasında önemli bir fark olduğu görülmüştür. Tahmin modellerinde random forest methoduna ek olarak, kayan ortalama ve örneklem ortalama yaklaşımı yöntemleri kullanılmıştır. Sistemler kullandıkları tahmin modellerine göre karşılaştırıldığında, rassal orman metodunun daha yüksek performans sağladığı görülmüştür.