Author :
Abstract
Gelecekte ne olacağını tahmin etmek, özellikle rekabetin yoğun olduğu işletmeler için stratejik olarak önemlidir. Ancak tahminleme yapmak oldukça belirsiz ve karmaşık bir süreçtir. İşletmeler tarafından verilen tüm iş kararlarının ileriye dönük tahminlere bağlı olduğu söylenebilir. Bu nedenle gelecekte belirsiz durumlar için sağlıklı bir değerlendirme veya tahmin yapılmasının verilecek kararların güvenilirliği açısından önemlidir. İşletmeler harcamalarını nasıl planlayacaklarını ve üretim süreçlerini nasıl yöneteceklerini belirlemek için tahmin yöntemlerini kullanmaktadırlar. Kullanılan tahminleme yöntemlerinin doğru olması gerekir. Sağlıklı tahminlerde bulunmak ise ancak bilimsel çalışmalar ışığında mümkün olabilmektedir. Bu çalışmanın amacı Çorum Organize Sanayinde faaliyet gösteren değirmen makinaları üretimi yapan bir işletmenin aspiratör üretim miktarını tahminleme yapmak ve kullanılan yöntemlerden hangisinin daha yakın sonuç verdiğini görmektir. Bunun için; Monte Carlo Simulasyonu, hareketli ortalama, ağırlıklı hareketli ortalama, üstel düzeltme ve trend analizi yöntemlerine göre analiz yapılmıştır. Ayrıca tahmin hatalarını ölçmek amacıyla MAD, MSE, MAPE ve RMSE değerleri hesaplanmıştır. Sonuç olarak en uygun tahmin yönteminin trend analizi olduğu tespit edilmiştir.
Keywords
Abstract
Forecasting what will happen in the future is strategically important, especially for businesses with intense competition. However, forecasting is a rather uncertain and complex process. It can be said that all business decisions made by businesses depend on forward-looking forecasts. For this reason, it is important to make a healthy assessment or prediction for uncertain situations in the future for the reliability of the decisions to be made. Businesses use forecasting methods to determine how they will plan their expenditures and manage their production processes. The estimation methods used must be accurate. Making healthy forecast is only possible in the light of scientific studies. The aim of this study is to forecast the aspirator production amount of an enterprise that produces milling machines operating in Çorum Organized Industry and to see which of the methods used gives the closest results. For this; Analysis was carried out according to Monte Carlo Simulation, moving average, weighted moving average, exponential smoothing and trend analysis methods. In addition, MAD, MSE, MAPE and RMSE values were calculated to measure the estimation errors. As a result, it has been determined that the most appropriate estimation method is trend analysis.
Keywords
- Aktan, B. (2007). Ticari bankalarda risk yönetimi ve Monte Carlo VaR simülasyon yöntemiyle portföy riskinin hesaplanması (Doctoral dissertation, Adnan Menderes Üniversitesi).
- Balogh, P., Golea, P., & Inceu, V. (2013). Profit Forecast Model Using Monte Carlo Simulation in Excel. Romanian Statistical Review, 61(12), 33-40.
- Calp, M. H. (2019). İşletmeler için personel yemek talep miktarının yapay sinir ağları kullanılarak tahmin edilmesi. Politeknik dergisi, 22(3), 675-686.
- Çekerol, G.S. (2013) ‘Tedarik Zinciri Talep Tahmini’, Editörler: Mehmet Necdet Timur ve Gülseren Serap Çekerol, Tedarik Zinciri Yönetimi, AOF Ders Kitabı, Ankara.
- Demirdöğen, O. (1998). Talep Tahmininde Monte-Carlo Simülasyon Tekniğinin Kullanilmasi. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 12(1-2).
- Donatelli, G. D.; Konrath, A. C. (2005) Simulação de Monte Carlo na avaliação de incertezas de medição. Revista de Ciência e Tecnologia, v. 13, n. 5.
- Ergün, S. Şahin, S. (2017). İşletme talep tahini üzerine literatür araştırması. Ulakbilge, 5(10), 469-487.
- Fabianova, J., Janekova, J. ve Michalik, P. (2018) Papplıcatıon Of Monte Carlo Sımulatıons In Enterprıse Performance Forecastıng, 8th Carpathian Logistics Congress on Logistics, Distribution, Transport and Management (CLC), 8th Carpathıan Logıstıcs Congress ss:.422-428
- Fabianova, J., Kacmary, P. & Janekova, J. (2019). Operative production planning utilising quantitative forecasting and Monte Carlo simulations. Open Engineering, 9(1), 613-622.
- Garcia, S., Lustosa, P. R. B., Barros, N. R. (2010). Aplicabilidade do método de simulação de Monte Carlo na previsão dos custos de produção de companhias industriais: o caso da Companhia Vale do Rio Doce, Revista de Contabilidade e Organizações, v. 4, n. 10, p. 152-173.
- Harrison, R. L. (2010). Introduction to monte carlo simulation. In AIP conference proceedings (Vol. 1204, No. 1, pp. 17- 21). American Institute of Physics.
- Heizer, J. & Render, B. (2017) Üretim Yönetimi Sürdürülebilirlik ve Tedarik Zinciri Yönetimi, Çeviri: Umut Rıfat Tuzkaya, Palme Yayıncılık, Ankara.
- İnanç, Ş.., & Şenaras, A. E. (2018). Makine Arızalarının Monte Carlo Benzetimi İle Tahmin Edilmesi. Cataloging-In- Publication Data, 524.
- Kalchschmidt, M., Verganti, R., & Zotteri, G. (2006). Forecasting demand from heterogeneous customers. International Journal of operations & Production management.
- Karahan, M., & Ütkür, Ö. (2015). Monte Carlo Simülasyonuyla Makine Arızalarının Tahmini: Döküm Sanayisinde Bir Uygulama. Journal of Alanya Faculty of Business/Alanya Isletme Fakültesi Dergisi, 7(3).
- Kochanski, G. (2005). Monte Carlo Simulation. URL www. ugrad. cs. ubc. ca/~ cs405/montecarlo. pdf.
- Makridakis, S. vd. (1998) Forecasting Methods and Applications, Third Editon, John Wiley&Sons, New York.
- Mendes, A. S., Silva, A. M., Kawamoto J. L. T. (2016) Balance capacity with variability caused by human factor: An application in a line with monte carlo simulation. Independent Journal of Management & Production, v. 7, p. 627-642.
- Meydan, Y.A. (2007). Talep tahmin yöntemleri ve orta ölçekli bir işletmede uygulanması, Yüksek Lisans Tezi , İstanbul Ticaret Üniversitesi Fen Bilimleri Enstitüsü, İstanbul.
- Öztürk, L., & Bölümü-Malatya, E. (2004). Monte-Carlo Simulasyon Metodu ve Bir İşletme Uygulaması. Fırat Üniversitesi Doğu Araştırmaları Dergisi, 3(1), 116-122.
- Öztürk, F. & Özbek, L. (2004). Matematiksel Modelleme ve Simülasyon. Ankara: Gazi Kitabevi.
- Raychaudhuri, S. (2008, December). Introduction to monte carlo simulation. In 2008 Winter simulation conference (pp. 91-100). IEEE.
- Sağlamcı, Y. (2021). Simülasyon; Editör: Tüzemen ve Aslan Karar Vericinin El Kitabı Yöneticiler İçin Karar Verme Teknikleri ve Örnek Problem Çözümleri, Seçkin Yayınevi, Ankara.
- Shcherbakov, M. V. (2013) A Survey of Forecast Error Measures, World Applied Sciences Journal 24 (Information Technologies in Modern Industry, Education & Society): 171-176.
- Soysal, M., & Ömürgönülşen, M. (2010). Türk turizm sektöründe talep tahmini üzerine bir uygulama. Anatolia: Turizm Araştırmaları Dergisi, 21(1), 128-136.
- Can, Şengül. & Gerşil, Mustafa. (2018). Manisa pamuk fiyatlarının zaman serisi analizi ve yapay sinir ağı teknikleri ile tahminlenmesi ve tahmin performanslarının karşılaştırılması. Yönetim ve Ekonomi: Celal Bayar Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 25(3), 1017-1031.
- Taha, H. (2007) Yöneylem Araştırması. Literatür yayınları, İstanbul.
- Tirkes, G. (2017). "Demand Forecasting: A Comparison between the Holt-Winters, Trend Analysis and Decomposition Models." Tehnicki Vjesnik-Technical Gazette 24: 503-509.
- Türküm, Ahmet (2018). Kocaeli atmosferinde uçucu organik bileşiklerin ve inorganik gazların dağılımları, kaynakları ve sağlık risklerinin belirlenmesi, Kocaeli Üniversitesi Fen Bilimleri Enstitüsü, Basılmamış Doktora Tezi, Kocaeli.
- Tüzemen, A. Yıldız, Ç. (2018). Holt-Wınters Tahminleme Yöntemlerinin Karşılaştırmalı Analizi: Türkiye İşsizlik Oranları Uygulaması, Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 32(1), 1-18.
- Tüzemen, A. (2020). Cumhuriyet Altını Fiyatlarının Arıma Yöntemi Kullanılarak İleri Tahmini, Karadeniz Teknik Üniversitesi Sosyal Bilimler Enstitüsü Sosyal Bilimler Dergisi, 10(20), 361-381.
- Tüzemen, A. Yıldız, Ç. (2020) Tahminleme Yöntem ve Uygulamalar, Pegem Akademi, Ankara.
- Yıldırım, H. İnel, M.N. (2018) Operasyonel Mükemmellik İçin İsraf Simulasyonu Üzerine Ampirik Bir Çalışma. Organizasyon ve Yönetim Bilimleri Dergisi, 10(2), 64-73.
