Yapı kimyasalları sektöründe makine öğrenmesi destekli çimento fiyat tahminlemesi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Eskişehir Osmangazi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, ENDÜSTRİ MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: MEHMET EROL KARA
Asıl Danışman (Eş Danışmanlı Tezler İçin): Aydın Sipahioğlu
Eş Danışman: Ezgi Aktar Demirtaş
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bu tez çalışmasında, yapı kimyasalı üretiminde faaliyet gösteren bir firmanın Eskişehir fabrikasında çimento hammadde satın alma fiyatlarının tahminlenmesi amaçlanmıştır. Firma yetkilileri ile yapılan görüşmeler doğrultusunda geliştirilen bu çalışma, stratejik ve operasyonel karar mekanizmalarına veri temelli bir katkı sunmayı hedeflemektedir. Yapı kimyasalı üretiminde çimento, selüloz, kalsit, kraft kâğıdı ve polimerler olmak üzere beş temel hammadde yer almakta olup bu araştırma pilot bir uygulama olarak yalnızca çimento hammaddesine ve Eskişehir fabrikasına odaklanmaktadır. Araştırmada Ocak 2013 – Aralık 2024 dönemini kapsayan aylık olarak derlenmiş veri seti kullanılmış; arz-talep dengesi, enerji ve nakliye maliyetleri, ekonomik ve demografik göstergeler gibi farklı kategoriler altında toplam 30 aday öznitelik değerlendirmeye alınmıştır. İlk aşamada, öznitelik seçimlerinin önünü açmak amacıyla yüzeysel eksik veri doldurma işlemleri gerçekleştirilmiştir. Sonrasında, sektör uzmanlarının görüşlerine dayalı (Çalışma 1) ve akademik yöntemlerle desteklenmiş istatistiksel yaklaşımlara dayalı (Çalışma 2) iki farklı öznitelik seçim stratejisi benimsenmiş; Seçilen özniteliklerle oluşturulan veri setlerine ileri eksik veri doldurma teknikleri uygulanmış; devamında ise öznitelik kümelerinin birleştirilmesi (Çalışma 3), kapasite kullanım oranı değişkeninin modelden çıkarılması (Çalışma 4) ve korelasyon temelli öznitelik indirgeme (Çalışma 5) gibi çeşitli modelleme senaryoları üzerinden çalışmalar çeşitlendirilmiştir. Modelleme sürecinde sekiz farklı makine öğrenmesi algoritması hem varsayılan hem de eniyilenmiş hiperparametrelerle test edilmiştir. Modeller, çeşitli performans metrikleri ile değerlendirilmiştir. Sonuçlar, sektörel bilgiye dayalı öznitelik seçiminin özellikle makine öğrenmesi modelleri açısından yüksek tahmin başarısı sağladığını göstermiştir. Tez kapsamında geliştirilen modelleme yaklaşımının, sadece çimento değil, diğer hammaddelere yönelik tahmin sistemlerine de uyarlanarak yapısal bir karar destek aracı olarak yaygınlaştırılması önerilmektedir.