Vol. 5 No. 10 (2017)

Review Article

Literature Survey Abaut Demand Forecasting in Industry

Published 2017-03-31

Cilt 5 Sayı 10 kapak

Öz

İşletme Talep Tahmini Üzerine Literatür Araştırması

Şirketler olayları doğru bir şekilde anlamalı ve mevcut durumlarını korumak ve geliştirmek için iyi bir plan çerçevesinde uygun çözümler üretmelidir. Şirketler için hayatta kalma ihtimali artan rekabet ortamında bu öngörülerin doğruluğuyla paraleldir. Bu düşünceye göre, talep tahmininin tüm şirketler için yaşamsal önemi vardır. Tahminin amacı, şirketlerin gelecekte karşılaşabileceği durumları, farklı veri ve teknikleri kullanarak öngörmek ve önceden işlem yapmaktır. Talep tahmini, gelecekte belirli bir süre için bir ürünün veya bir şirketin bazı ürünlerinin talep seviyesini belirlemektir.Şirketler için kritik olan talebi tahmin etmek için kullanılan birçok yöntem vardır. Bu çalışmada, talep tahmin yöntemleri açıklanmış ve literatür taraması yapılmıştır.

Anahtar Kelimeler Talep tahmini, Literatür çalışması

Abstract

Companies should understand the events correctly and produce appropriate solutions within the framework of a good plan to protect and develop their current situation. For companies, the possibility of surviving is parallel with the accuracy of these predictions in increasing competition environment. According to this idea, demand forecast has vital importance for all companies. The purpose of the forecast is to predict situations companies may face in the future, using different data and techniques and take action in advance. Demand forecasting is to determine the demand level of a product or some products of a company for a specific time in the future. There are many methods used to forecast demand which are critical for companies. İn this study, explained demand forecasting methods and made literature survey.

Keywords Demand forecasting, Literature survey

PDF (Turkish)

References

  1. Türksay, (1995). İktisat Teorisine Giriş, İmaj Yayıncılık, Ankara.
  2. Çağıl, G. (1997). Mevsimsellik Olmayan Box-Jenkins Modellerinde İki Aşamalı Yapay Sinir Ağlarının Kullanılması ve Bir Uygulama. Doktora Tezi. İstanbul Üniversitesi, İstanbul.
  3. Borgelt, C., and R. Kruse. (2002). Graphical Models: Methods for Data Analysis and Mining. Chichester, UK: J. Wiley and Sons.
  4. Akyıldız, M. (2004). Lojistik Dış Kaynak Kullanımının Gelişimi ve Türkiye’deki Kullanım Biçimleri. Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Dergisi. 6(3).
  5. Kirby, Robert M. (1966). A comparison of short and medium range statistical forecasting methods, Management Science, 13(4). DOI: https://doi.org/10.1287/mnsc.13.4.B202
  6. Fildes, R., (2006), ―The forecasting journals and their contribution to forecasting research: Citation analysis and expert opinion‖, International Journal of Forecasting, 22(3):415– 432. DOI: https://doi.org/10.1016/j.ijforecast.2006.03.002
  7. Akar, S. ve Uğurlu, B. (2005). “Forecasting production of fossil fuel sources in Turkey using a comparative regression and ARIMA model”, Energy Policy, Cilt 34, No 18,3836-3846. DOI: https://doi.org/10.1016/j.enpol.2005.08.023
  8. Makridakis, S.G., (1996), Forecasting, Planning, and Strategy for the 21st Century, The Freen Press, New York.
  9. Winklhofer, H., Diamantopoulos, A. ve Witt, S. F., (1996), ―Forecasting practice: A review of the empirical literature and an agenda for future research‖, International Journal of Forecasting, 12:193–221. DOI: https://doi.org/10.1016/0169-2070(95)00647-8
  10. Montgomery D.C., Johnson L.A. ve Gardıner J.S., (1990). Forecasting and time series analysis, Mc-Graw Hill, New York.
  11. Kayım H., (1986). İstatistiksel ön kestirim yöntemleri, H.Ü. İ.LB.F. Yayın No:ll, Ankara.
  12. Haykın S. (1999). Neural Networks A Comprehensive Foundation, Prentice Hall International.
  13. Matuyama, K., Sumita, T. ve Wakayama, D., (2009), ―Periodic forecast and feedback to maintain target inventory level‖, International Journal of Production Economics, 118(1):298-304. DOI: https://doi.org/10.1016/j.ijpe.2008.08.026
  14. Fildes, R., Goodwin, P., Lawrence, M. ve Nikolopoulos, K., (2008). Effective forecasting and judgmental adjustments: an empirical evaluation and strategies for improvement in supply-chain planning‖, International Journal of Forecasting, 25(2009):3–23. DOI: https://doi.org/10.1016/j.ijforecast.2008.11.010
  15. Kirby, Howard R., Watson, Susan M. and Dougherty, Mark S. (1997). Should we use neural networks or statistical models for short-term motorway traffic forecasting? International Journal of Forecasting, 13. 43-50. DOI: https://doi.org/10.1016/S0169-2070(96)00699-1
  16. Carlson, RL and Umble, M (1980). Statistical demand functions for automobiles and their use for forecasting in an energy crisis. The Journal of Business, 53,2-10. DOI: https://doi.org/10.1086/296080
  17. Akbay, Aysel Özdes, Aktas, Erkan ve Koç, Ali (1999). Konsantre Meyve Suyu Talebinin “Tobit” Modeli ile Analizi, Turkish Journal of Agriculture and Foresty, 23: 493-499.
  18. Gavcar, Erdogan, Sen, Selim ve Aytekin, Alper (1999). Türkiye’de Kullanılan Kagıt- Karton Türlerinin Talep Tahminlerinin Belirlenmesi. Tr. Journal of Agriculture and Forestry, TÜB_TAK, 23. 203-211.
  19. Chen, Jui-Chi (2000). Forecasting Method Applications to Recreation and Tourism Demand, Doktora Tezi, North Carolina State University, USA.
  20. Zhoumcmahon, S.L, Walton, T.A and Lewis, A (2002). Forecasting operational demand for an urban water supply zone. Journal of Hydrology, 259(1): 189-202. DOI: https://doi.org/10.1016/S0022-1694(01)00582-0
  21. Cahow, Eric E. (2004). Forecast of demand for chronic care nursing home services: 2005-2025, Doktora Tezi, Brandeis University, Waltham Massachusetts, USA.
  22. Satır, Benhür ve Köksal, Mustafa (2006). Entegre Tavuk Organizasyonları için Genel Üretim ve Finansal Planlama Modeli. http:/academic.cankaya.edu.tr/ ~benhur/cv/yaem2004.doc Erisim Tarihi: 15.12.2016.
  23. Lin Chin-Tsai, Lee In-Fun and Huang Ya-Ling (2009). Forecasting Thailand's medical tourism demand and revenue from foreign patients. The Journal of Grey System 4 (2009) 369-376. DOI: https://doi.org/10.1016/j.plaphy.2009.01.005
  24. Saygılı, Yasin S. (2008). _statistiksel Yöntemlerle Yapay Sinir Agları Uygulamalarının Karsılastırılması: Milli Savunma Bakanlıgı Bütçesinin Öngörülemesi, Yüksek Lisans Tezi, Kara Harp Okulu Savunma Bilimleri Enstitüsü, Ankara.
  25. Xu, Xiaoyan; Qi, Yuqing and Hua, Zhongsheng (2010). Forecasting demand of commodities after natural disasters. Expert Systems with Applications, 37(2010) 4313-4317. DOI: https://doi.org/10.1016/j.eswa.2009.11.069
  26. Griffiths, William E., Newton, Lisa S. and O’Donnell, Christopher J. (2010). Predictive densities for models with stochastic regressors and inequality constraints: Forecasting local-area wheat yield, International Journal of Forecasting, 26 (2010) 397–412. DOI: https://doi.org/10.1016/j.ijforecast.2009.12.008
  27. Ataseven, Burçin (2007). Satıs öngörü modellemesi olarak YSA’nın kullanımı: PETK_M’de Uygulanması, Yüksek Lisans Tezi, Celal Bayar Üniversitesi Sosyal Bilimler Enstitüsü, Manisa.
  28. Avcı, Emin (2009). Yapay Sinir Agları Modelleri _le Hisse Senedi Getiri Tahminleri, Marmara Üniversitesi _ktisadi ve _dari Bilimler Fakültesi Dergisi, 26(1) 2009: 443-461.
  29. Asilkan, Özcan ve Irmak, Sezgin (2009). _kinci El Otomobillerin Gelecekteki Fiyatlarının Yapay Sinir Agları ile Tahmin Edilmesi, Süleyman Demirel Üniversitesi _ktisadi ve _dari Bilimler Fakültesi Dergisi, 14(2) 2009: 375-391.
  30. Aydogan, Burak; Ayat, Berna; Öztürk, Mehmet N.; Çevik, Özkan E. ve Yüksel, Yalçın (2010). Current velocity forecasting in straits with artificial neural networks, a case study: Strait of Istanbul, Ocean Engineering, 37 (2010) 443– 453. DOI: https://doi.org/10.1016/j.oceaneng.2010.01.016
  31. Hu, Clark (2002). Advanced Tourism Demand Forecasting: ANN and Box-Jenkins Modelling, Doktora Tezi, Purdue University, MI, USA.
  32. Jones, Spencer S. (2008). Measuring, Modeling, and Forecasting Demand in The Emergency Department, Doktora Tezi, The University of Utah, USA.
  33. Jones, Spencer S. (2008). Measuring, Modeling, and Forecasting Demand in The Emergency Department, Doktora Tezi, The University of Utah, USA.
  34. Sun, Xiaodong, Gauri, Dinesh and Webster, Scott (2010). Forecasting for cruise line revenue management. Journal of Revenue and Pricing Management, 29 Ocak 2010; doi:10.1057/rpm.2009.55 DOI: https://doi.org/10.1057/rpm.2009.55
  35. Karahan, M. (2011). İstatistiksel Tahmin Yöntemleri: Yapay Sinir Ağları Metodu İle Ürün Talep Tahmini Uygulaması. Doktora Tezi. Selçuk Üniversitesi Sosyal Bilimler Enstitüsü. Konya.
  36. Serttaş, S. Z. (2011). Türkiye’de Perakende Sektöründe Talebi Etkileyen Etmenler ve Yapay Sinir Ağlarıyla Talep Tahmini Uygulaması. Yüksek Lisans Tezi. Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü. İstanbul.
  37. Olgun, S. (2009). Tedarik Zinciri Yönetiminde Talep Tahmini Yöntemleri ve Yapay Zeka Tabanlı Bir Talep Tahmini Modelinin Uygulanması. Yüksek Lisans Tezi. İstanbul Üniversitesi Fen Bilimleri Enstitüsü. İstanbul.
  38. Özsoy, E. (2006). Talep Tahminine Dayalı Müşteri Odaklı Üretim Planının Oluşturulması ve Bir Uygulama. Yüksek Lisans Tezi. Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü. İzmir.