İstatistiksel tahmin yöntemleri: Yapay sinir ağları ile ürün talep tahmini uygulaması

Tam metin

(1)T.C. SELÇUK ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ İŞLETME ANABİLİM DALI. İSTATİSTİKSEL TAHMİN YÖNTEMLERİ: YAPAY SİNİR AĞLARI METODU İLE ÜRÜN TALEP TAHMİNİ UYGULAMASI. Mehmet KARAHAN. DOKTORA TEZİ. Danışman Prof. Dr. Mahmut TEKİN. Konya – 2011.

(2) BİLİMSEL ETİK SAYFASI Bu tezin proje safhasından sonuçlanmasına kadarki bütün süreçlerde bilimsel etiğe ve akademik kurallara özenle riayet edildiğini, tez içindeki bütün bilgilerin etik davranış ve akademik kurallar çerçevesinde elde edilerek sunulduğunu, ayrıca tez yazım kurallarına uygun olarak hazırlanan bu çalışmada başkalarının eserlerinden yararlanılması durumunda bilimsel kurallara uygun olarak atıf yapıldığını bildiririm.. Mehmet KARAHAN (İmza).

(3) ii. DOKTORA TEZİ KABUL FORMU Mehmet KARAHAN tarafından hazırlanan “İstatistiksel Tahmin Yöntemleri: Yapay Sinir Ağları Metodu İle Ürün Talep Tahmini Uygulaması” başlıklı bu çalışma …/…/ 2011 tarihinde yapılan savunma sınavı sonucunda oybirliği/oyçokluğu ile başarılı bulunarak, jürimiz tarafından doktora tezi olarak kabul edilmiştir.. Prof. Dr. Mahmut TEKİN. Başkan. İmza. Prof. Dr. Hasan K. GÜLEŞ. Üye. İmza. Prof. Dr. Orhan ÇOBAN. Üye. İmza. Prof. Dr. Nihat AYDENİZ. Üye. İmza. Doç. Dr. Muammer ZERENLER. Üye. İmza.

(4) iii Önsöz Doktora eğitimim boyunca ve tez çalışmamda, her zaman bizlere çok değerli bilgi ve görüşlerinden yararlanma imkânı sağlayan, rehberliği ve yardımlarıyla bizlere yol gösteren danışman hocam sayın Prof. Dr. Mahmut TEKİN’e, teşekkür ve şükranlarımı sunarım. Yine doktora eğitimim süresince üzerimde emeği olan, Üretim Yönetimi ve Pazarlama Bilim Dalında bulunan tüm hocalarıma, ilk günümüzden itibaren bizlerden yardım ve yakınlıklarını esirgemeyen sayın Doç. Dr. Muammer ZERENLER, Yrd. Doç. Dr. Mehmet YILDIZ ve Arş. Gör. Emel CELEP’e teşekkürlerimi sunarım. Ayrıca, bu günlere gelene kadar tüm lisansüstü çalışmam süresince, büyük özverilerde bulunarak bana sabır ve anlayış gösteren sevgili aileme sonsuz teşekkürlerimi sunarım..

(5) Öğrencinin. iv. Adı Soyadı. Mehmet KARAHAN. Ana Bilim / Bilim Dalı. İşletme Anabilim Dalı / Üretim Yönetimi ve Pazarlama Bilim Dalı. Danışmanı. Prof. Dr. Mahmut TEKİN. Tezin Adı. Numarası: 084127001004. İstatistiksel Tahmin Yöntemleri: Yapay Sinir Ağları Metodu İle Ürün Talep Tahmini Uygulaması ÖZET. Karar verme zorunluluğunda olan tüm işletmeler, gelecekte mevcut durumlarını muhafaza etmek ve geliştirebilmek için gelecekteki olayları kestirmek ve iyi bir plan çerçevesinde uygun çözümler üretmek zorundadırlar. Tahminin amacı işletmelerin gelecekte karşılaşabilecekleri durumları önceden öngörmek, çeşitli veri ve teknikleri kullanarak önceden önlemler alınmasını sağlamaktır. Talep tahmini işleminde de bu amaç öngörülmektedir. Bilgisayarlar üzerinde yapılan uzun süreli çalışmalar sonucunda bilim adamlarının insan beyninin modellenmesi sonucu yapay zekâ kavramı yaşamımıza girmiştir. Bunu izleyen çalışmalar, yapay sinir ağları adı verilen yeni bir alanı ortaya çıkarmıştır. Yapay sinir ağlarının doğrusal olmayan problemlerin çözümünde etkin olarak kullanılması ve oldukça güvenilir sonuçlar sunması, bu tekniğin kullanımını gittikçe yaygınlaştırmıştır. Çalışmada istatistiksel talep tahmin tekniklerinden yapay sinir ağı modeli kullanılarak, Malatya ili kuru kayısı ürününe ait yurtdışı (ihracat) talep tahmini uygulaması yapılmıştır. Uygulama sonrası yapılan hata testleri soncuna göre, modelin yaptığı tahminlerin güvenilir ve tutarlı olduğu gözlenmiştir. Çalışma üç bölümden oluşmaktadır. İlk bölümde; konuyla ilgili temel kavram ve tanımlar ayrıntılara girilmeden özetlenmiş ve çalışmanın gerekçesi teorik olarak anlatılmaya çalışılmıştır. İkinci bölümde; istatistiksel talep tahmin metotlarının en yaygın kullanılanları kısaca anlatılmış ve çağdaş metotlardan yapay sinir ağları teorisi, kullanım alanları, hata analizleri ayrıntılı olarak anlatılmıştır. Üçüncü bölümde; Malatya iline ait kuru kayısı ürününün ihracat talep tahminini yapmak üzere tasarlanan yapay sinir ağları modeli ayrıntılı olarak anlatılmış ve modelin eğitimi, testi, tahmin süreci hakkında detaylı bilgiler sunulmuştur. Anahtar Kelimeler: Üretim planlaması, Talep tahmini, YSA, Hata testleri.

(6) v. Öğrencinin. Adı Soyadı. Mehmet KARAHAN. Numarası: 084127001004. Ana Bilim / Bilim İşletme Anabilim Dalı / Üretim Yönetimi ve Pazarlama Bilim Dalı Dalı Danışmanı. Prof. Dr. Mahmut TEKİN. Tezin İngilizce Adı. Statistical Demand Forecasting Methods: An Application of Product Demand Forecast With Artificial Neural Networks Method SUMMARY. Decision-making is the requirement of all businesses in the future to maintain and improve the existing situation to predict future events and are required to produce appropriate solutions within the framework of a good plan. The purpose of the forecast, businesses may face situations in. the. future to. predict. before, using different. data and techniques to. enable measures to be taken before. As a result of long-term studies done on computers scientists, modeling of the human brain, namely the concept of artificial intelligence has put our lives. The following studies have revealed a new method, called artificial neural networks. Effective use of artificial neural networks to solve nonlinear problems and to produce highly reliable results, increasingly widespread use of this technique. In this study, using artificial neural network model from statistical techniques to forecast demand, product of dried apricots belong to Malatya abroad (exports) was applied to forecast demand. According to the results after application of the error test, the model estimates that a reliable and consistent. The study consists of three parts. The first chapter, basic concepts and definitions are summarized on the subject, and study rationale is explained in theory. The. second. section, the. most commonly. used. statistical. methods. of demand. forecasting methods are shortly explained and the contemporary theory of artificial neural networks, applications, error analysis is described in detail. The third section, the province of Malatya dried apricot product, designed for export demand to forecast the ANN model is described in detail. Then, the model training, testing, or detailed information about the process of forecast is presented. Keywords: Production Planning, Demand Forecasting, ANN, Error Test..

(7) vi İÇİNDEKİLER Sayfa No Bilimsel Etik Sayfası ............................................................................................... i Doktora Tezi Kabul Formu ................................................................................... ii Önsöz / Teşekkür .................................................................................................. iii Özet ....................................................................................................................... iv Summary ................................................................................................................ v İçindekiler ............................................................................................................. vi Kısaltmalar Listesi ................................................................................................ x Tablolar Listesi ..................................................................................................... xi Şekiller Listesi ..................................................................................................... xii Giriş ....................................................................................................................... 1. BİRİNCİ BÖLÜM TALEP TAHMİNİNİN KAVRAMSAL TEMELLERİ TEMEL KAVRAMLAR VE TANIMLAR 1.1. Literatür Taraması ............................................................................................ 4 1.2.Üretim Yönetiminin Temel Kavramları ........................................................... 10 1.2.1. Üretim Kavramı ............................................................................... 11 1.2.2. Üretim Yönetimi Kavramı ................................................................ 12 1.2.3. Üretim Yönetiminin Amaçları ........................................................... 13 1.3. Üretim Sistemleri ve Sistem Yaklaşımı ............................................................ 14 1.3.1. Sistem ve Sistem Yaklaşımı Kavramı ............................................... 14 1.3.2. Üretim Sistemleri ............................................................................. 16 1.3.3. Üretim Sistemlerinin Sınıflandırılması .............................................. 19 1.4. Üretim Planlaması ve Kontrolü ....................................................................... 19 1.4.1. Üretim Planlama ve Kontrol Fonksiyonu .......................................... 21 1.4.2. Üretim Planlama Süreci .................................................................... 23 1.4.3. Üretim Kontrolü ............................................................................... 24 1.5. Tahmin Teorileri ve Tahminleme Yöntemleri ................................................. 26.

(8) vii 1.5.1. Tahmin İlkeleri ................................................................................. 28 1.5.2. Tahmin Yönteminin Seçimi .............................................................. 29 1.5.3. Tahminleme Teknikleri .................................................................... 30 1.5.4. Tahmin Maliyetleri ........................................................................... 32 1.6. Talep Tahmini ................................................................................................ 33 1.6.1. Talep Tahminlerinin Sınıflandırılması .............................................. 35 1.6.2. Talep Tahmini İlke ve Yöntemleri .................................................... 37 1.6.3. Talep Araştırmasında Yapılacak İşlemler ......................................... 38. İKİNCİ BÖLÜM İSTATİSTİKSEL METOTLARLA TALEP TAHMİN YÖNTEMLERİ 2.1. İstatistiksel Metotlarla Talep Tahmini ............................................................. 41 2.1.1. Regresyon Analizi ............................................................................ 44 2.1.2. Korelasyon Metodu .......................................................................... 45 2.1.3. Zaman Serisi Analizine Dayanan Yöntemler .................................... 47 2.1.3.1. Hareketli Ortalamalar Yöntemi .......................................... 49 2.1.3.2. Üssel Düzeltme Yöntemi .................................................... 49 2.1.3.3. Box-Jenkins Yöntemi ......................................................... 50 2.1.3.3.1. ARMA Modeli ..................................................... 51 2.1.3.3.2. ARIMA Modeli ................................................... 51 2.1.4. Simülasyon Metoduyla Talep Tahmini ............................................. 52 2.2. Yapay Sinir Ağları Metoduyla Talep Tahmini ................................................ 55 2.2.1. Yapay Sinir Ağı Tanımları ............................................................... 55 2.2.2. Yapay Sinir Ağlarının Genel Özellikleri ........................................... 57 2.2.2.1. Yapay Sinir Ağlarının Diğer Metotlarla Karşılaştırılması ... 61 2.2.3. Yapay Sinir Ağlarının Uygulama Alanları ........................................ 66 2.2.4. Yapay Sinir Ağlarının Avantajları .................................................... 69 2.2.5. Yapay Sinir Ağlarının Dezavantajları ............................................... 70 2.2.6. Yapay Sinir Ağlarının Yapısı ve Temel Elemanları .......................... 72 2.2.6.1. Yapay Sinir Ağlarının Yapısı ............................................. 72 2.2.6.2. Yapay Sinir Ağlarının Temel Elemanları ............................ 74 2.2.6.2.1. Biyolojik Sinir Hücresi ........................................ 74.

(9) viii 2.2.6.2.2. Yapay Sinir Hücresi ............................................. 76 2.2.6.2.3. Biyolojik-Yapay Nöronların Karşılaştırılması ...... 80 2.2.7. Yapay Sinir Ağlarının Sınıflandırılması ............................................ 81 2.2.7.1. İleri Beslemeli Yapay Sinir Ağları ...................................... 82 2.2.7.2. Geri Beslemeli Yapay Sinir Ağları ..................................... 84 2.2.7.3. Geri Beslemeli Geri Yayılmalı Yapay Sinir Ağları ............. 85 2.2.8. Yapay Sinir Ağlarının Temel Öğrenme Kuralları .............................. 86 2.2.8.1. Hebb Kuralı ....................................................................... 88 2.2.8.2. Hopfield Kuralı .................................................................. 88 2.2.8.3. Delta Kuralı ....................................................................... 88 2.2.8.4. Kohonen Kuralı .................................................................. 89 2.2.9. Yapay Sinir Ağlarının Eğitilmesi ...................................................... 89 2.3. Tahminin Hata Testi ....................................................................................... 93 ÜÇÜNCÜ BÖLÜM YAPAY SİNİR AĞLARI METODU KULLANILARAK MALATYA İLİ KURU KAYISI ÜRÜNÜ TALEP TAHMİNİ UYGULAMASI 3.1. Uygulamada Ele Alınan Kayısı Ürününün Tanıtımı ........................................ 96 3.1.1. Tüketim Alanları .............................................................................. 96 3.1.2. Kayısıdan Elde Edilen Ürün Çeşitleri ............................................... 97 3.1.3. İnsan Sağlığı Bakımından Önemi ..................................................... 98 3.2. Dünya’da ve Türkiye’de Kayısı Üretimi ......................................................... 99 3.2.1. Dünya’da Kayısı Üretimi .................................................................. 99 3.2.2. Türkiye’de Kayısı Üretimi .............................................................. 102 3.3. Dünya’da, Türkiye’de ve Malatya’da Kayısı İhracatı .................................... 103 3.3.1. Dünya’da Kayısı İhracatı ................................................................ 103 3.3.2. Türkiye’de Kayısı İhracatı .............................................................. 105 3.3.3. Malatya’da Kayısı İhracatı .............................................................. 108 3.3.4. Kayısının Malatya İçin Ekonomik Değeri ....................................... 108 3.4. Kayısı Değer Zinciri ve Pazarlama Kanalları ................................................ 111 3.4.1. Kayısı Değer Zinciri ....................................................................... 111 3.4.2. Kayısı Pazarlama Kanalları ............................................................ 113 3.5. Kuru Kayısı Üretimiyle İlgili Sorunlar ve Çözüm Önerileri .......................... 115.

(10) ix 3.5.1. İşletme Büyüklüğü Sorunu .............................................................. 115 3.5.2. Etkin Üretici Birliklerinin Olmayışı Sorunu ..................................... 115 3.5.3. Fiyat Belirleme Sorunu .................................................................... 116 3.5.4. İlkbahar Geç Donları ....................................................................... 117 3.5.5. Markalaşma, Kalite ve Verim Sorunu .............................................. 118 3.5.6. Pazarlama ve Reklam Sorunları ....................................................... 120 3.5.7. Ürün Çeşitliliğinin Artırılması Sorunu ............................................. 121 3.5.8. Ürünün Depolama ve Raf Ömrünün Artırılması Sorunu .................. 121 3.5.9. Ulaşım ve Nakliye Sorunu ............................................................... 122 3.5.10. Finansal ve Bankacılıkla İlgili Sorunlar ......................................... 123 3.5.11. İhracat Sonrası İade Nedenleri ....................................................... 123 3.5.12. Kuru Kayısı Üretimiyle İlgili Diğer Sorunlar ................................. 124 3.6. Yapay Sinir Ağları Metoduyla Kuru Kayısı Talep Tahmini Uygulaması ....... 125 3.6.1. Tahmin Sürecinin Planlanması ....................................................... 125 3.6.2. Veri Setinin Hazırlanması ............................................................... 127 3.6.2.1. Aylık Amerikan Doları Kur Verileri ................................. 128 3.6.2.2. Aylık Kuru Kayısı Fiyatı Verileri .................................... 130 3.6.2.3. Aylık Pazar Sayısı Verileri ............................................... 132 3.6.2.4. Mevsimsel Etkilerin Verdiği Zarar Oranları ...................... 134 3.6.2.5. Aylık Dış Talep Miktarı Verileri ...................................... 136 3.6.2.6. Aylık İç Talep Miktarı Verileri ......................................... 138 3.7. Yapay Sinir Ağları Modelinin Kurulması ...................................................... 140 3.7.1. Modelin Tasarımı ........................................................................... 140 3.7.2. Modelin Eğitimi ve Testi ................................................................ 142 3.7.3. Model Aracılığıyla Tahmin Üretimi ................................................ 147 3.7.3.1. Gelecek Dönem İçin Dış Talep Tahmini ........................... 148 3.7.3.2. Gelecek Dönem İçin İç Talep Tahmini ............................. 149 3.7.3.3. Gelecek Dönem İçin Toplam Talep Tahmini .................... 151 3.7.4. Modelde Üretilen Talep Tahminin Hata Testleri ............................. 153 3.7.5. Gerçekleşen Talepler ile Yapay Sinir Ağları ve ARIMA Modellerinin Yaptıkları Tahminlerin Karşılaştırılması .................................................. 157 3.8. Uygulama Sonuçlarının Genel Bir Değerlendirmesi ve Öneriler ................... 159 Sonuç .................................................................................................................. 167.

(11) x. Kaynakça ............................................................................................................ 169 Ekler ................................................................................................................... 179 Özgeçmiş ............................................................................................................ 193.

(12) xi KISALTMALAR LİSTESİ ARMA. : Otoregresif Hareketli Ortalamalar. BDÜ. : Bilgisayar Destekli Üretim. BM. : Bulanık Mantık. EİB. : Ege İhracatçı Birlikleri. EKK. : En Küçük Kareler Yöntemi. ESM. : Üssel Düzeltme Yöntemi. FAO. : Uluslararası Tarım Örgütü. FFBP. : Geri beslemeli, Geri yayılmalı Sinir Ağları. GA. : Genetik Algoritmalar. KAYVAK. : Kayısı Vakfı. MAPE. : Ortalama Mutlak Yüzde Hata. MCS. : Monte Carlo Simulasyonu. MİP. : Malzeme İhtiyaç Planlaması. MLP. : Çok Katmanlı Perseptron Sinir Ağı. MLR. : Çoklu Doğrusal Regresyon. MRA. : Çoklu Regresyon Analizi. MS. : Ortalama Hata. MSE. : Ortalama Hata Kareleri. MTB. : Malatya Ticaret Borsası. MTİM. : Malatya Tarım İl Müdürlüğü. MTSO. : Malatya Ticaret ve Sanayi Odası. R. 2. : Regresyon Katsayısı. TCMB. : Türkiye Cumhuriyet Merkez Bankası. TİM. : Türkiye İhracatçılar Meclisi. TUİK. : Türkiye İstatistik Kurumu. TZÜ. : Tam Zamanında Üretim. TZY. : Tedarik Zinciri Yönetimi. US. : Uzman Sistemler. ÜPK. : Üretim Planlama ve Kontrol. YSA. : Yapay Sinir Ağları.

(13) xii TABLOLAR LİSTESİ Sayfa No Tablo-1.1: Farklı Dönemlere İlişkin Talep Tahminlerinin Kullanım Amaçları ........ 36 Tablo-2.1: Korelasyon Katsayısı Değerleri ve Yorumlamaları ............................... 46 Tablo-2.2: Yapay Sinir Ağları ve Geleneksel Metotların Karşılaştırılması ............. 62 Tablo-2.3: US ve Yapay Sinir Ağlarına Karşılık Gelen Elemanlar ......................... 64 Tablo-2.4: US ve Yapay Sinir Ağları Arasındaki Farklılıklar ................................. 65 Tablo-2.5: Biyolojik Sinirler ile Yapay Sinirlerin Karşılaştırılması ........................ 80 Tablo-2.6: Biyolojik ve Yapay Sinir Hücrelerinin Karşılaştırılması ....................... 81 Tablo-3.1: Dünya Kayısı Üreten Önemli Ülkeler ve Yıllık Üretim Miktarları ...... 100 Tablo-3.2: Türkiye’de Kuru Kayısı Üretimi ......................................................... 103 Tablo-3.3: Dünyanın En Önemli Kuru Kayısı İhracatçı Ülkeleri .......................... 104 04Tablo-3.4: Dünyanın En Önemli Kuru Kayısı İhracatçı Ülkeleri ...................... 104 Tablo-3.5: Türkiye’nin Kuru Kayısı İhracatı ........................................................ 106 Tablo-3.6: Türkiye’nin Kuru Kayısı İhraç Ettiği Önemli İhracat Pazarları ........... 107 Tablo-3.7: Son 20 Yıl Malatya Kayısı Üretimi ve Kuru Kayısı İhraç Miktarı ....... 111 Tablo-3.8: Kuru Kayısı Değer Zinciri .................................................................. 112 Tablo-3.9: Kuru Kayısı İhracatında İade Nedenleri .............................................. 124 Tablo-3.10: 2004-2011 Dönemi Aylık ABD Doları Kur Bilgileri ......................... 128 Tablo-3.11: Aylık Kuru Kayısı Fiyat Verileri ....................................................... 130 Tablo-3.12: Aylık Satış Yapılan Pazar Sayıları ..................................................... 132 Tablo-3.13: Mevsimsel Etkilerin Verdiği Zararlar ............................................... 135 Tablo-3.14: Aylık Kuru Kayısı Dış Talep Miktarları ............................................ 136 Tablo-3.15: Aylık Kuru Kayısı İç Talep Miktarları .............................................. 138 Tablo-3.16: Sinir Ağı Eğitimi Hata Sonuçları ...................................................... 143 Tablo-3.17: Sinir Ağının Eğitim ve Test Aşaması Performans Raporu ................. 144 Tablo-3.18: Yapay Sinir Ağları Modelinin Ürettiği Dış Talep Miktarları ............. 148 Tablo-3.19: Yapay Sinir Ağları Modelinin Ürettiği İç Talep Miktarları ............... 150 Tablo-3.20: Yapay Sinir Ağları Modelinin Ürettiği Toplam Talep Miktarları ....... 152 Tablo-3.21: Talep Tahmininin Hata Testleri Excel Çözümü ................................. 154 Tablo-3.22: Talep Tahminin Hata ve Güvenirlik Sonuçları ................................... 156 Tablo-3.23: Yapay Sinir Ağları ile ARIMA Modellerinin Karşılaştırılması ......... 157.

(14) xiii ŞEKİLLER LİSTESİ Sayfa No Şekil- 1.1: Bir Üretim Sisteminin Şematik Gösterimi ............................................. 15 Şekil- 1.2: Üretim Sisteminin Çevre İlişkisi ........................................................... 16 Şekil- 1.3: Talep Tahminlerine İlişkin Üretim Kontrol Sistemi .............................. 18 Şekil- 1.4: Üretim Planlama ve Kontrol Fonksiyonu Faaliyetleri ........................... 22 Şekil- 1.5: Bir İşletmenin Planlama Süreci ............................................................. 24 Şekil- 1.6: Üretim Kontrolü Faaliyetleri ................................................................. 25 Şekil- 1.7: Tahmin Maliyetleri ............................................................................... 33 Şekil- 2.1: Büyüme Eğilimi ve Sezonsal Talep Eğrilerinin Gösterimi .................... 43 Şekil- 2.2: Regresyon Doğrusu .............................................................................. 45 Şekil- 2.3: Korelasyon Katsayısı Eğrisi................................................................... 46 Şekil- 2.4: Korelasyon Katsayısının Yorumlanması ............................................... 47 Şekil- 2.5: Zamana Göre Çeşitli Talep Düzenleri ................................................... 48 Şekil- 2.6: Yapay Sinir Ağları Modelinin Sembolik Gösterimi .............................. 55 Şekil- 2.7: Yapay Sinir Ağları ile Geleneksel Metotların Karşılaştırılması ............. 63 Şekil- 2.8: Yapay Sinir Ağları Kara Kutu Benzetimi .............................................. 72 Şekil- 2.9: Yapay Sinir Ağları Yapısı Blok Gösterimi ............................................ 73 Şekil- 2.10: Yapay Sinir Ağları İşlem Süreci ......................................................... 74 Şekil- 2.11: Biyolojik Sinir Hücresi ....................................................................... 75 Şekil- 2.12: Sinir Sisteminin Blok Gösterimi ......................................................... 76 Şekil- 2.13: Yapay Sinir Hücrelerinin Matematiksel Yapısı ................................... 77 Şekil- 2.14: Yapay Sinir Ağları Mimarileri ............................................................ 82 Şekil- 2.15: İleri Beslemeli Yapay Sinir Ağları ...................................................... 83 Şekil- 2.16: İleri Beslemeli Çok Katmanlı Yapay Sinir Ağları ............................... 84 Şekil- 2.17: Geri Beslemeli Yapay Sinir Ağları ..................................................... 85 Şekil- 2.18: Geri Beslemeli Geri Yayılmalı Sinir Ağı Modeli Mimarisi ................. 86 Şekil- 2.19: İleri Beslemeli Bir Sinir Ağının Eğitim ve Test Aşamaları .................. 91 Şekil- 2.20: Yapay Sinir Ağlarının Öğrenme Eğrisi ............................................... 92 Şekil- 2.21: Tahminler İçin Kontrol Sınırları ......................................................... 95 Şekil- 3.1: Kayısı Ürün Çeşitlemeleri .................................................................... 98.

(15) xiv Şekil- 3.2: Dünya Kayısı Üretim Yoğunluğu Haritası .......................................... 101 Şekil- 3.3: Kuru Kayısı İşleme Süreci .................................................................. 113 Şekil- 3.4: Kayısı Yurtiçi Pazarlama Kanalları ..................................................... 114 Şekil- 3.5: Kayısı Yurtdışı Pazarlama Kanalları ................................................... 114 Şekil- 3.6: Yapay Sinir Ağları Talep Tahmin Sürecinin Akış Şeması ................... 126 Şekil- 3.7: 2004-2011 Dönemine Ait ABD Doları Kur Değerleri ......................... 129 Şekil- 3.8: 2004-2011 Dönemine Ait ABD Doları Kur Değerleri ......................... 129 Şekil- 3.9: Yıl İçi Aylık Kuru Kayısı Fiyatları Dalgalanmaları ............................. 130 Şekil- 3.10: 2004-2011 Yılları Arası Dönemsel Olarak Kayısı Fiyatları ............... 131 Şekil- 3.11: Kuru Kayısı Pazar Sayısı, Yıl İçi Değişim ........................................ 133 Şekil- 3.12: Kuru Kayısı Pazar Sayısının Dönemsel Değişimi .............................. 133 Şekil- 3.13: Mevsimsel Etkilerin Verdiği Zararlar ............................................... 135 Şekil- 3.14: Yıllık Dış Talep Miktarları ............................................................... 137 Şekil- 3.15: 2004-2011 Dönemi Dış Talep Miktarları .......................................... 137 Şekil- 3.16: İç Talep Miktarlarının Yıl İçi Değişimi ............................................. 139 Şekil- 3.17: İç Talep Miktarlarının Dönemsel Değişimi ....................................... 139 Şekil- 3.18: Tasarlanan Yapay Sinir Ağları Modelinin Mimarisi .......................... 141 Şekil- 3.19: Sinir Ağı Eğitimi Ortalama Hata Değerleri Grafiği ........................... 143 Şekil-3.20: Yapay Sinir Ağının Tahminiyle Gerçek Değerlerin Karşılaştırılması . 145 Şekil- 3.21: Tahmin Değerleri ile Gerçek Değerler Arasındaki Sapmalar ............. 146 Şekil- 3.22: Tahmin Değerleri ile Gerçek Değerlerin Serpilme Diyagramı ........... 146 Şekil- 3.23: Girdi Değişkenlerinin Sonuca Katkısı ............................................... 147 Şekil- 3.24: Gerçekleşen ile Tahminlenen Dış Talebin Karşılaştırılması .............. 149 Şekil- 3.25: Gerçekleşen ile Tahminlenen İç Talebin Karşılaştırılması ................. 151 Şekil- 3.26: Gerçekleşen ile Tahminlenen Toplam Talebin Karşılaştırılması ........ 153 Şekil- 3.27: Gerçekleşen ile Yapay Sinir Ağı ve ARIMA Tahmininin Karşılaştırılması ................................................................................. 158.

(16) GİRİŞ Üretim, doğada var olan beşeri ve maddi faktörlerin insanların gereksinimlerini karşılayacak ürün ve hizmetlere dönüştürülmesidir. Kısaca, insan ihtiyaçlarını karşılayacak mal ve hizmetlerin ortaya çıkarılışı olarak da tanımlanabilir. Üretim yönetimi ise, üretilecek malın istenilen miktar, kalite, zaman ve maliyet faktörleri ile ilgili olup; temel amacı bu faktörler için en uygun değerlerin bulunmasıdır. Üretim yönetimi fonksiyonlarının en önemlilerinden birisi planlama fonksiyonudur. Çünkü karar sürecinde hızlı olabilmek için örgütün bir sisteme ve planlamaya ihtiyacı vardır. Üretim planlaması, işletmelerin amaçları dikkate alınarak, üretim alt sistemleri organizasyonu, üretim politikaları, üretim programları ve üretimle ilgili gerekli tüm işlemlerin planlanmasıdır. Üretim planlaması sürecinde; üretimi yapılacak malın talep durumu dikkate alınarak, tüketicilerin istediği ürün özellikleri, fiyat, kalite ve ürün miktarları ile ilgili bilgiler toplanarak, gerekli değerlendirmelerin yapılması gerekmektedir. Tüketici taleplerinde meydana gelen değişiklikler sürekli takip edilerek, tüketici taleplerine uygun üretim yapılmalıdır. Üretim planlamasının amacı önceden belirlenen üretim hedeflerine ulaşmak olduğundan, mevcut satış imkânlarından faydalanmak ve kaynakları en uygun şekilde kullanmak üzere planlar yapılmalıdır. Bunun için üretimi yapılacak ürüne ait talep tahminlerinin yapılması çok önemlidir. Çünkü, üretilmesi düşünülen mala ne kadar talep olacağı bilinmeden, herhangi bir planlamaya girişilmez. Üretim yöneticisi, stratejik ve işlemsel kararların verilmesinde uzun, orta ve kısa süreli tahminlerden yararlanır. Tahminlerin doğruluğu işletmeler açısından çok önemlidir ve bunların sağlıklı olabilmesi için, bilimsel çalışmalara dayandırılmaları gerekmektedir. Tahmin, geçmiş dönemlerde meydana gelmiş olayların sonuçlarını değerlendirerek gelecek dönemlerde meydana gelebilecek olayların sonuçlarını önceden görebilmektir. Tahminler esas alınarak, mevcut imkân ve işgücü çerçevesinde personel, malzeme ve kapasitenin yer aldığı bir üretim programı hazırlanacağından, bu tahminlerin gerçeğe en yakın şekilde, işletme amaçlarına ve durumuna uygun yapılması gerekmektedir. Tahminler olmaksızın planlama ve kontrol, etkili bir şekilde yapılamaz..

(17) 2 İşletmelerin temel amacı, piyasa talebini karşılamak üzere mal ve hizmet üretmek ve pazarlamak olduğundan, işletmeler tüketici talebini karşılamak amacıyla faaliyette bulunurlar. İktisadi anlamda talep, tüketicilerin bir mal veya hizmeti belirli bir fiyat seviyesinde almaya hazır oldukları miktardır. Talep tahmini ise, işletmenin üretmiş olduğu mal ve hizmetlere olan talebin, gelecek dönemler için tahmin edilmesidir. Hammadde, yedek parça, yarı mamul, makine, insan gücü ve yatırım ihtiyaçlarının saptanmasında temel veri talep tahminleridir. Üretim işletmelerinde yapılacak çalışmaların tamamının oluşacak talep miktarına bağlı olması, talep tahmininin önemini ortaya koymaktadır. Bilgisayarlar üzerinde yapılan uzun süreli çalışmalar, zamanla insan beynini modelleme ve yapay zekâ modelini yaşamımıza sokmuştur. Bunu izleyen çalışmalar, yapay sinir ağları adı verilen yeni bir metodu ortaya çıkarmıştır. Çağdaş tahmin araçlarının en yenilerinden birisi olan yapay sinir ağları, insanların sezgi ve deneyime dayalı tahmin yeteneğinin bilgisayar ortamında modellenmesi sonucu ortaya çıkmıştır. Yapay sinir ağları modeli, insan beyninin özelliklerinden olan öğrenme yolu ile yeni bilgiler türetebilme ve keşfedebilme gibi yetenekleri, herhangi bir yardım almadan otomatik olarak gerçekleştirebilmektedir. Modelin bu üstün yeteneklerinden dolayı, doğrusal olmayan problemlerin çözümünde etkin olarak kullanılması ve oldukça güvenilir sonuçlar sunması, günümüzde metodun kullanımını gittikçe yaygınlaştırmaktadır. Yapay sinir ağları modelinin neredeyse tüm alanlarda kullanılmakta olması ve tahmin modellemesi için geliştirilen en yeni yöntemlerden birisi olmasına rağmen, bu alanda Türkiye’deki çalışmalar dünya literatürüne göre daha azdır. Ülkemizde de artık araştırmacıların yapay sinir ağları üzerinde yoğunlaşmaları ve bu metot ile sınıflandırma, tahmin, veri kavramlaştırma ve kontrol problemlerinin çözümü gibi daha birçok konuda çözümler geliştirmeleri, ülkemiz bilimine önemli katkılar sağlayacaktır. Ayrıca daha yeni mimarilerin geliştirilmesi, bulanık mantık ve genetik algoritmalar yardımıyla yapay sinir ağı metodunun daha da iyileştirilmesi konusunda da çalışmalar yapılması, yine önemli katkılar sağlayabilecektir. Böylece ülkemizin dünya yazınında yeterli çalışma ile temsil edilmesi ve ülkemizin yeni bin yılın yeni teknolojileri ile donatılması mümkün olabilecektir..

(18) 3 Çalışmada, istatistiksel talep tahmin tekniklerinden yapay sinir ağı modeli kullanılarak, Malatya ili kuru Kayısı ürününün gelecekteki talep miktarlarının tahmini yapılmıştır. Geliştirilen sinir ağı modeli tarafından üretilen tahminler üzerinde yapılan hata testi sonuçları, modelin ürettiği tahminlerin güvenilir ve tutarlı olduğunu göstermiştir. Çalışma üç bölümden oluşmaktadır. Birinci Bölümde; konuyla ilgili temel kavram ve tanımlar ayrıntılara girmeden özetlenmiş ve çalışmanın gerekçesinin teorik altyapısı oluşturulmaya çalışılmıştır. İkinci. Bölümde;. istatistiksel. talep. tahmin. metotlarının. en. yaygın. kullanılanları kısaca anlatılmış ve çağdaş metotlardan yapay sinir ağları teorisi, kullanım alanları, hata analizleri ayrıntılı olarak anlatılmıştır. Üçüncü Bölümde; Malatya ili kuru kayısı ürününün gelecekteki talep miktarı tahminini yapmak üzere bir yapay sinir ağı modeli tasarlanmış, modelin eğitimi ve testi yapılmış, tahmin süreci hakkında detaylı bilgiler verilmiştir. Daha sonra üretilen bu tahminlerin hata analizleri yapılmıştır. Çalışmanın sonuç kısmında, uygulamadan elde edilen bulgular doğrultusunda değerlendirmeler ve yorumlamalar yapılarak, gelecekte yapılacak çalışmalara yönelik bazı önerilerde bulunulmuştur..

(19) 4. BİRİNCİ BÖLÜM TALEP TAHMİNİNİN KAVRAMSAL TEMELLERİ TEMEL KAVRAMLAR VE TANIMLAR. 1.1. Literatür Taraması Talep Tahmini, yönetim bilimi, üretim planlaması ve kontrolü gibi birçok alanda kullanılan ve işletmeler için stratejik anlamda oldukça önemli bir konudur. Talep Tahmini konusunda 1960’lı yıllardan itibaren önemli gelişmeler yaşanmakta olup bu konuda her geçen gün daha yeni metotlar denenmektedir. Günümüze kadar geçen süreçte yaşanan bu gelişmelerin en azından bir kısmını yansıtmak üzere, yurt içinde ve yurt dışında istatistiksel yöntemlerle yapılan talep tahmini çalışmalarından bazıları aşağıda özetlenmiştir. Kirby, (1966) kısa ve orta süreli istatistiksel talep tahmin metotlarının karşılaştırmasını yaptığı, Singer dikiş makinesi üretimi uygulamasında, beş farklı ülkeden alınan farklı dikiş makinelerine ait 7,5 yıllık satış verilerinden oluşan 23 farklı seri kullanılarak bir talep tahmini yapmıştır. Çalışmada, üstel düzleştirme, hareketli ortalamalar ve zaman serileri analizinde, en küçük kareler yöntemleri kullanılmıştır. Çalışma sonucunda trend analizi ve mevsimsellik içeren üstel düzleştirme yönteminin daha iyi sonuçlar ürettiği sonucuna varılmıştır. Çalışmada, tahmin doğruluğunun, verilerin özelliklerine ve tahminin yapıldığı zaman dilimine (kısa-orta-uzun süreli) göre değiştiği tespit edilmiştir. Carlson ve Umble (1980) Amerika’da, standart ve lüks otomobil kategorisinde beş farklı tür otomobilin, gelecek beş yıllık talep tahminini belirlemek üzere yaptığı araştırmada, tahminleme tekniği olarak çoklu regresyon analizi yöntemini kullanılmıştır. Çalışmada, tüketici gelirleri, otomobil fiyatları, benzin fiyatları, benzin kıtlığının piyasaya etkileri ve Amerikan otomotiv sanayi işçilerinin grevlerinin, talebi etkileyen faktörler olduğu tespit edilmiştir. Akbay vd. (1999) yapmış oldukları çalışmada, Türkiye’deki gıda ürünlerine olan talebin tahminlenmesi çalışmasında, kalitatif bir talep tahmin modeli olan Tobit.

(20) 5 modeli ile bir tahmin çalışması yapmışlardır. Çalışma sonuçları konsantre meyve suyu üreten firmalar için önemli bilgiler sağlamıştır. Bu bilgilere göre, firmalar pazar taleplerini artırmak istediklerinde, 12-17 yaş grubu tüketiciler üzerinde yoğunlaşmalı ve özellikle eğitim düzeyi yüksek olan annelerin, ürüne olan olumsuz tutumlarını değiştirmeye çalışmalıdırlar. Gavcar vd. (1999) yaptıkları bir araştırmada, SEKA kâğıt fabrikasında üretilen sekiz farklı kâğıt ürününe gelecekte olması muhtemel talebin tahminini yapmışlardır. Çalışmada kağıt talebini etkileyen; kağıt ürünleri ve basım sanayine ait toplam eşya fiyat endeksi, ithalat ve ihracat miktarları, Gayri Safi Milli Hasıla ve nüfus faktörleri dikkate alınmıştır. Talep tahminleri, çoklu regresyon analizi ile yapılmış ve değişkenler arasındaki ilişki, korelasyon analiziyle belirlenmiştir. Chen, (2000), Turizm ve eğlence sektörüne olan talebi belirlemek üzere, Amerikan Kuzey Carolina devlet üniversitesinde bir doktora tez çalışması yapmıştır. Çalışmada, Amerikan milli parklarından üç tanesini örnek seçilmiş ve bu parklardan elde edilen, ziyaretçi sayıları gibi verilerle talep tahminleri yapmıştır. Çalışmada istatistiksel tahmin yöntemlerinden ARIMA metodu ile diğer istatistiksel metotlar karşılaştırılmış ve ARIMA metodunun diğer metotlara göre daha doğru tahminler ürettiği, hem yıllık hem de mevsimsel verilere göre yapılan tahminlerde yüksek performans sergilediği gözlenmiştir. Zhoumcmahon vd. (2002), Zaman serileri analizi metodunu kullanarak Avustralya su tedarik sisteminin Melbourne şehri bölgesine ait altı yıllık, günlük su tüketim verilerini kullanarak, gelecekteki su talep tahminini gerçekleştirmişlerdir. Cahow (2004) yaptığı çalışmada, evde tedavi edilen kronik hastalara bakan hemşirelere olan talebi, Çoklu Regresyon ve Monte Carlo simülasyon metotlarını kullanarak tahminlemiştir. Çalışmada, sağlık ve emeklilik anketlerinden elde edilen verilerle yapılan tahmin sonuçları göstermiştir ki, 2025 yılına kadar Amerika’da bu hizmete olan ihtiyaç hızla artacaktır. Satır ve Köksal (2006) entegre tavuk üretimi yapan bir organizasyonun finansal planlaması için yaptıkları talep tahmini çalışmasında, geçmiş iki senelik veriler kullanılarak organizasyonun ürettiği 90 çeşit ürün için zaman serisi analizi.

(21) 6 metotlarından ARIMA modeli ile bir talep tahmini uygulaması yapmışlardır. Çalışma sonuçlarına göre, model tatmin edici bulunarak bazı küçük düzenlemelerle diğer entegre tavuk organizasyonlarında da kullanılarak yaygınlaştırılabileceği ileri sürülmüştür. Lin vd. (2009) Taylan’daki medikal turizm talebi ve yabancı hastalardan elde edilecek gelirlerin tahmini çalışmasında, yeni geliştirdikleri bir istatistiksel model ile zaman serisi modelinin tahmin performanslarını karşılaştırmışlardır. Sonuçlar geliştirilen yeni modelinin hata üretme olasılığı yönünden, zaman serisi analizi modelinden daha iyi performansa sahip olduğunu göstermiştir. Araştırma, uluslararası medikal turizm yöneticileri için önemli karar öngörüleri sağlanmıştır. Xu vd., (2010) doğal afetlerden sonra acilen ihtiyaç duyulacak malzemelerin talep tahmini üzerine yaptıkları çalışmada; doğal afetlerden hemen sonraki ilkyardım sürecinde ihtiyaç duyulan malzemelerin tahmininde lineer regresyon, ARMA gibi geleneksel istatistiksel ve ekonometrik metotları kullanmışlardır. Bu çalışma, 2008’deki Çin kış fırtınasından sonraki afet döneminde, tarımsal ürün talep tahmininde kullanılarak başarılı sonuçlar elde edilmiştir. Griffiths vd. (2010) yaptıkları, Regresyon modeli ile yerel buğday verimliliği tahmin çalışmasında, batı Avustralya’daki 5 farklı eyaletten elde ettikleri verileri kullanılarak bazı belirsizliklerin tahminini yapmışlardır. Sezon boyunca yağan yağmurlar, buğday ürününün yetişmesinin temel belirleyicisi olduğundan, tahmin çalışması için geçmiş dönemlere ait bu yağış bilgileri toplanmış ve Regresyon modeliyle tahminleme çalışması yapılmıştır. Sun vd., (2010) son yıllarda turizm piyasasında pazar payı hızlı bir şekilde büyüyen gemi turu endüstrisinin, müşteri talep tahmini çalışmasını yapmışlardır. Uygulama sonuçları, bazı belirsizliklere rağmen tahminlerin oldukça tutarlı ve güvenilir olduğunu göstermiştir. Literatürde yapay sinir ağları ile ilgili, birçok disiplin ve endüstri alanında yapılmış yüzlerce tahmin çalışması mevcuttur. Yapay sinir ağları ile yapılan ilk tahmin çalışması hava durumunun tahmin edilmesidir. Daha sonra 1964 yılında Hu, tarafından işletmelerde yapılan yapay sinir ağları modeli çalışması, modeli popüler yapmıştır. İşletmelerde yapay sinir ağları ile tahmin çalışmaları, öncelikle finans ve.

(22) 7 ekonomi alanlarında yapılmış ve önemli sonuçlar elde edilmiştir. Daha sonraları işletmelerde birçok konuda tahmin uygulamaları yaygınlaşmaya başlanmıştır. Çalışma konumuzla ilgili olan bu uygulamalardan bazıları literatür taraması sonucu incelenip, aşağıda özetlenmiştir. Wong vd., (1997), Yapay sinir ağları uygulamaları ile ilgili 1988-1995 yılları arasında. yayınlanmış. bilimsel. makaleleri. bir. anket. vasıtasıyla. incelediği. çalışmasında; yapay sinir ağları uygulamalarının her geçen gün artan bir şekilde işletme faaliyetlerinde kullanıldığını tespit etmiştir. Çalışma sonuçlarına göre; Yapay sinir ağlarının var olan veya gelişen yeni teknolojilere çok çabuk uyum sağladığı, yapay zekâ teknolojileri ve bilgisayar temelli sistemlerde yapılan yeniliklerin sinir ağları teknolojisinin işletme araştırmalarında kullanımı için yepyeni fırsatlar oluşturduğu ifade edilmiştir. Kirby vd. (1997) otoyol trafik yoğunluğu tahmini, Gürbüz (2008) yolcu ve yük taşımacılığı konusundaki talebi, Tsai vd. (2009) demiryolu yolcu talebi, Yaşar (2009) otobüs yolcu talebi konularında yaptıkları tahmin çalışmalarında, Yapay sinir ağları metodunu kullanmışlardır. Çalışmalarda, bazı geleneksel metotlarla sinir ağı metodu karşılaştırılarak yapay sinir ağı modelinin ulaştırma problemlerinde tahmin performansını geliştirdiği ve tutarlı sonuçlar ürettiği ifade edilmiştir. Chung (2001), şehrin kanalizasyonu kirlilik yoğunluğunun belirlenmesi, Yüksek (2007), hava kirliliği tahmini, Shuai ve Gong, (2009), çevre kirlenmesi şiddetinin tahminlemesi gibi şehirlerdeki altyapı planlamasına ve ilerde meydana gelebilecek çevre felaketlerine karşı önceden tedbirler alınmasına yardımcı olacak gelecek bilgilerinin üretilmesi amacıyla yapay sinir ağları metodunu kullanarak tahmin çalışmaları yapmışlardır. Hu (2002), iç turizm talep tahmini, Çuhadar vd. (2009), dış turizm talep tahmini çalışmalarında; yapay sinir ağları metodunun diğer geleneksel metotlara göre daha iyi tahminlerde bulunduğunu, geliştirilen modellerin veriler arasındaki doğrusal olmayan ilişkileri öğrenerek genelleme yapabildiğini ve böylelikle daha önce hiç karşılaşılmayan sorunları bile kabul edilebilir hata sınırları içinde çözebildiğini ifade etmişlerdir..

(23) 8 Yu (2003) tedarik zinciri yönetimi veya e-ticaret yapan işletmeler için agent temelli bir talep tahmin modeli önermiştir. Çalışmada önerilen model, yapay sinir ağları modeli temelinde oluşturulmuş olup, talep miktarları ve temin sürelerinin belirsiz olduğu tedarik zinciri yönetim sürecinde, oldukça güvenilir sonuçlar ürettiği ifade edilmiştir. Ataseven, (2007); Çelik, (2008); İnsel vd., (2010); Hajirezaie vd., (2010), yaptıkları çalışmalarda, yapay sinir ağı modelinin planlama ve kalite kontrol uygulamalarının performans ölçümünde hem güvenilir, hem de hızlı olduğunu, modelin tahmin gücü kullanılarak yöneticilerin karar verme sürecinde daha tutarlı kararlar verebileceğini ifade etmişlerdir. Yu vd. (2008) ve Kaynar vd. (2010), yaptıkları çalışmalarda, ham petrol fiyatlarının tahmininde karmaşık ilişkileri başarıyla modelleyebilen yapay sinir ağları metodunu kullanmışlardır. Çalışma sonuçları metodun en iyi performansı gösterdiğini ispatlamıştır. Sahoo vd. (2009) sıcak su akıntı hızının, Aydoğan vd. (2010) İstanbul boğazındaki deniz suyu akıntı hızının, Shamseldin, (2010) Sudan’daki mavi Nil nehrinin akış hızının tahminlemesini yapmak üzere, birer yapay sinir ağı modeli tasarlamışlardır. Çalışmalarda tasarlanan modeller, tatmin edici sonuçlar üretmiş ve daha önce geleneksel metotlarla yapılmış tahminlerden daha tutarlı oldukları gözlenmiştir Jones, (2008) hastanelerin ilk yardım bölümlerine olan talep tahmini modellemesi ve değerlendirilmesi başlıklı doktora çalışmasında, gizli katmanlı, geri beslemeli bir yapay sinir ağları modeli tasarlamıştır. Modelin giriş katmanı tatil dönemlerine ait aylık, haftalık, talep bilgisi değişkenlerinden oluşmaktadır. Geliştirilen modeldeki işlemci elemanların ağırlıkları ve geri yayılma algoritmaları sayesinde tutarlı tahminler yapılabilmiştir. Kellova, (2008) yaptığı kısa dönemli elektrik talep tahmini doktora çalışmasında, yapay sinir ağları ile tasarladığı bir model geliştirerek tahminlemeler yapmıştır. Çalışmada, elektrik talep tahmininin yıllardır düşünülenin aksine doğrusal değil de doğrusal olmayan bir problem durumu olduğunu ifade edilmiş ve değişken.

(24) 9 koşullarda doğrusal olmayan modellerin yani, yapay sinir ağlarının kullanımının çok yararlı sonuçlar verdiğini ifade etmiştir. Aksoy ve Dahamsheh (2009)’in yaptıkları Ürdün’deki yağış miktarı tahmininde, yapay sinir ağlarıyla geliştirdikleri bir model kullanmışlardır. Ürdün bölgesinde yağmur yağışlarının yegâne su kaynağı olması sebebiyle, yağışlar bu bölge için hayati önem taşımaktadır. Avcı (2009) yaptığı çalışmada, yapay sinir ağı modeli ile IMKB-30 endeksi içinden seçilmiş bazı hisse senetlerinin günlük getirilerinin tahminlemesini yapmıştır. Çalışma bulguları, yapay sinir ağları modelinin hisse senedi getirileri tahmininde etkili ve yararlı olduğunu göstermiştir. Asilkan (2009) yaptığı çalışmada, yapay sinir ağları kullanarak ikinci el otomobillerin gelecekteki fiyatlarını tahmin etmeye çalışmıştır. Çalışmada, yapay sinir ağları uygulamasından elde edilen sonuçlar, zaman serisi analizleri ile elde edilen sonuçlar ile karşılaştırılmış ve sonuçlar, yapay sinir ağlarının ikinci el otomobillerin gelecekteki fiyatlarını tahminde daha başarılı olduğunu göstermiştir. Higgins vd. (2010) yaptıkları çalışmada, yeşil bezelyenin olgunlaşma süresini yapay sinir ağları yardımıyla tahmin etmişlerdir. Çalışmada, bezelye üreticisi firmaların önemle ihtiyaç duydukları, en uygun hasat zamanının tahmin edilmesi için yapay sinir ağları ile bir model tasarlanmıştır. Geliştirilen modelin, geleneksel metotlardan daha doğru tahminlerde bulunduğu gözlenmiştir. Çalışma sonucunda modelin diğer ürünler için de uygulanabileceği, örneğin kuru fasulye, patates, karnabahar gibi ürünler için de bu türden çalışmalar yapılması gerektiği ifade edilmiştir. Yapılan yurtiçi ve yurtdışı literatür incelemeleri sonucunda, birçok konuda talep tahminiyle ilgili çalışmalara rastlanmıştır. Bu çalışma literatüre katkıda bulunmak amacıyla genelde Türkiye’nin, özelde Malatya ilinin en büyük gelir kaynağı olan kuru kayısı ürününün, yurt içi ve yurt dışı talep tahminiyle ilgili olarak yapılmıştır. Bir tarımsal ürün olan kayısı ürününün ıslahı, pazarlaması, zirai problemleri ile ilgili birtakım çalışmalar ışığında bu ürünün talep tahmininde önemli zorluklarla karşılaşıldığı görülmektedir. Bu çalışma genelde tarımsal ürün talep.

(25) 10 tahmininde karşılaşılan zorlukları aşmak amacıyla ve literatüre katkıda bulunmak için yapılmıştır. Kayısı üretiminde ilin ülke geneline ve hatta Dünya ortalamasına göre, önemli bir ağırlığına sahip olması ve talep tahmininde karşılaşılan zorluklar, yapay sinir ağları ile talep tahmini konusunun önemini bir kat daha artırmaktadır. Bu çalışma sonucunda, yapay sinir ağları ile yapılan isabetli talep tahminleri sayesinde yapılacak bilinçli üretimler sonucunda, sağlanan ekonomik katkının, öncelikle Malatya ilini ve sonra da ülke ekonomisini olumlu yönde etkilemesi beklenmektedir. Bu çalışmadan elde edilecek bilgiler sayesinde, bölgede binlerce kişinin geçimini sağladığı, üreticilerin, işletmecilerin önemli miktarlarda yatırım yaptıkları kayısı ürününden, başta üreticiler ve pazarlamacılar olmak üzere tüm kesimlerin, zarar etmeden maksimum fayda sağlamaları mümkün olabilecektir. Yapay sinir ağlarıyla yapılacak isabetli bir talep tahmini uygulaması; Malatya ilindeki üreticilerin ve ilgili kurumların, kayısı üretimi sırasında geleceği görerek yatırım planlamaları yapmalarına imkân sağlayacaktır. Model ile yapılan talep tahminleri sayesinde, üreticiler ve yatırımcılar tüm istihdam, harcama ve yatırım planlarını, depolama ihtiyaçlarını, elde edilen bu sonuçlara göre yapabileceklerdir. Böylece kayısıdan ekonomik fayda sağlayan tüm ekonomik birimler maliyetlerini minimum, karlarını maksimum yapacak, üretim kararları almalarına imkân sağlanmış olacaktır. Bu çalışma, kuru kayısı talep tahmininde yapay sinir ağları metodunun ilk kez kullanılacak olması yönüyle özgün bir çalışmadır. Çalışma, ürünün üretildiği diğer illere de örnek teşkil edecek, yurt dışında kayısı üretimi yapılan ülkelere göre de, ülkemize rekabet üstünlüğü sağlayacaktır. Ayrıca, kuru kayısı ürünü için yapılan bu talep tahmin çalışması, diğer tarımsal ürünler için de örnek teşkil edecek, uygulamanın yaygınlaşması literatüre önemli katkılar sağlayacaktır. 1.2. Üretim Yönetimi Temel Kavramları İşletmelerin temel amacı, piyasa talebini karşılamak üzere mal ve hizmet üretmek, pazarlamak, tüketici taleplerini karşılamak amacıyla faaliyetlerde bulunmak olduğundan, işletme yöneticileri piyasa taleplerini ölçerek, bu talepleri karşılamak.

(26) 11 için gerekli üretim sistemlerini kurmaya çalışırlar. İktisadi anlamda talep, tüketicilerin bir mal veya hizmeti belirli bir fiyat seviyesinde almaya hazır oldukları miktardır. Talep tahmini ise, işletmenin ürettiği mal ve hizmetlere olan talebin gelecek dönemler için tahmin edilmesidir. Gelecekteki üretim faaliyetlerinin planlanmasının hareket noktası talep miktarlardır. Üretilmesi düşünülen mamule ne kadar talep olacağı bilinmeden herhangi bir planlamaya kalkışılamaz. Hammadde, yedek parça, yarı mamul, makine, insan gücü ve yatırım ihtiyaçlarının saptanmasında temel veri yine talep tahminleridir. İşletmelerin ürettikleri mal ve hizmetlere olan talebi gelecek dönemler için tahmin edilmesi işlemi her zaman ilgi çeken bir konu olmuştur. Birbiriyle bu kadar ilişkili olan üretim ve talep tahmini kavramlarını daha iyi anlayabilmek için, konuya giriş mahiyetindeki bu kısımda, talep tahmini çalışmasının kavramsal temelini oluşturan üretim yönetimiyle ilgili temel kavram ve tanımlara yer verilecektir. 1.2.1. Üretim Kavramı Üretim, belirli girdilerin bir takım işlemlerden geçirilerek bir mal ya da hizmet haline dönüştürülmesidir. İşletme faaliyetleri üretimle başlar ve işletmeler mal ve hizmet üretmek üzere kurulurlar (Tekin, 2009: 3). Ekonomistler, üretimi fayda oluşturmak seklinde tanımlamaktadır. Mühendisler ise, bir fiziksel varlık üzerinde, onun değerini arttıracak bir değişiklik yapmayı veya hammadde ve yarı ürünleri kullanılabilir bir ürüne dönüştürmeyi üretim sayarlar. İkinci tanıma göre, bankacılık, sigortacılık, dağıtım, depolama, gibi hizmet faaliyetlerini üretim saymamak gerekir. İşletmeci açısından birinci tanımı kabullenmek daha doğru olur. Zira işletme kâr amacı ile kurulur. Bu amacına her çeşit fayda yaratarak ulaşmaya çalışır (Sağlam, 2008: 48). Üretim, doğada var olan maddelerin insanların gereksinimlerini karşılayacak ürünler ve hizmetler haline dönüştürülmesi işlemidir. Diğer bir ifadeyle üretim, beşeri ve maddi faktörlerin ürün ve hizmetlere dönüştürülmesidir (Mucuk, 1987:163). Üretim kısaca, insan ihtiyaçlarını karşılayacak mal ve hizmetlerin ortaya çıkarılışı olarak tanımlanabilir (Çağlar, 2007: 16). Üretim malların ve hizmetlerin ortaya konulduğu bir süreçtir. Üretim yönetimi ise, en az maliyetle, belirli nitelikte.

(27) 12 ve belirli miktarda üretimi, en iyi biçimde gerçekleştirecek kararları almaktır (Şahin, 1978: 9). 1.2.2. Üretim Yönetimi Kavramı Üretim yönetimi, işletmedeki mevcut kaynakları etkin bir şekilde kullanarak bu kaynaklardan istenilen nicelik ve nitelikte ürünler üretilmesiyle ilgili karar verme işlemidir. Üretim yönetimiyle, kaynakların en etkin bir biçimde kullanılması, kayıpların en aza indirilerek verimli çalışması ve kalite yönünden istenilen seviyeye çıkarılması hedef alınır. Üretim yönetimi, işletmenin elinde bulunan malzeme, makine ve insan gücü kaynaklarını belirli miktardaki ürünün istenilen kalitede, istenilen zamanda ve en düşük maliyetle üretimini sağlayacak biçimde bir araya getirilmesi işlemlerine denilir (Tekin, 2009: 6). Üretim yönetimi, tüketici taleplerini ve eldeki mevcut üretim imkânlarını dikkate alarak karar vermeyi gerektirmektedir. Üretim yönetimiyle ilgili faaliyetler üretim faktörleriyle de yakından ilgilidir. Bu faktörler; sermaye, işgücü, makine, teknoloji ve enerji olarak gruplandırılabilir. Üretim yöneticisi eldeki mevcut üretim faktörleriyle istenilen kalite, fiyat, miktar ve zamanda üretim yaparak, tüketici taleplerini en uygun şekilde karşılamaktadır. Üretim yönetimi bölümü, üretimle ilgili kararlar alırken işletmenin diğer fonksiyonlarını da dikkate almak durumundadır. Üretim yönetimi, sistem içinde bir sistem olduğundan örgütün diğer kısımlarından farklı bir karakteristiğe sahip olup, birçok alt sistemden oluşur. Üretim yönetimi fonksiyonlarından beklide en önemlilerinden birisinin planlama fonksiyonu olduğu söylenebilir. Çünkü; karar sürecinde hızlı olabilmesi için örgütün sistemlere ve planlamaya ihtiyacı vardır (Muhlemann vd., 1994: 21). Üretim yönetimi kapsam bakımından oldukça geniş, faaliyet hacmi çok yüklü bir işletmecilik fonksiyonudur. Üretim yönetimi, işletmenin elinde bulunan malzeme, makine ve insan gücü kaynaklarının belirli miktarlardaki mamulün istenilen niteliklerde, istenilen zamanda ve mümkünse en düşük maliyetle üretimini sağlayacak biçimde bir araya getirilmesidir (Kobu, 1994: 4). Monks (1996: 4)’a göre üretim yönetimi, tanımlanmış bir sistem içindeki kaynakların, değer eklemek amacıyla yönetim tarafından ortaya konulan politikalara.

(28) 13 uygun olarak kontrollü bir şekilde bir araya getirilmesine ve dönüştürülmesine yönelik bir faaliyettir. Çetinkaya (2000: 282)’ya göre üretim yönetimi, miktar, kalite, zaman ve maliyet parametrelerinin en iyi duruma getirilmeye çalışılmasıdır. Bir tarım işletmesinde, tarımın temel girdileri olan tohumluk, gübre, ilaçlama, sulama, insan ve hayvan gücü gibi unsurları en uygun zamanda ve en uygun biçimde kullanmak suretiyle yüksek ürün elde edebilmek için bu üretim zincirini de iyi yönetmek gerekir. Bu bağlamda üretim yönetimi tanımlanırsa, Üretim yönetimi, bir üretim zincirinde malzeme, insan ve makine gücünün belirli bir zaman süresince istenen miktarda yüksek kaliteli ve düşük maliyetli elde edilmesi için en uygun şekilde kullanılmasıdır (Saygılı, 1991: 3). Üretim yönetiminin en zor görevi, birbirinden bağımsız birçok farklı görevi birlikte yönetmektir. Bu farklı görevleri bölümlere ayırmak bazen yönetim sürecine sorunlar yaşatabileceğinden böyle bir iş bölümlemesi yapılmadan organizasyonun yönetimi mümkün olmamaktadır. Bu görev bölümlenmesi isteğe bağlı olarak yapılmakla birlikte, üretim yönetimi sürecinin sağlıklı işleyebilmesi açısından çok yararlıdır (Muhlemann vd., 1994: 8). 1.2.3. Üretim Yönetiminin Amaçları Üretim yönetimi, üretilecek malın istenilen miktar, kalite, zaman ve maliyet faktörleri ile ilgili olup; temel amacı bu faktörler için en uygun değerlerin bulunmasıdır. Diğer bir ifadeyle üretim yönetimi, “hangi malların”, “ne miktarda”, “hangi özelliklerde”, “nerede” ve “kim tarafından” yapılacağı sorularına en düşük maliyeti (veya en fazla kârı) sağlayan cevabı bulmaya çalışır. Bu çerçevede, üretim yönetiminin amaçları şöyle sıralanabilir (Mucuk, 2001: 101): • Tüketici ihtiyaçlarının fiyat, zaman, miktar ve kalite açısından en iyi şekilde karşılanması, • Stok düzeyinin mümkün olduğu kadar düşük tutulması veya stok devrinin artırılması, • İşletmenin insan gücü ve makine kaynaklarından yararlanma derecesinin yükseltilmesi,.

(29) 14 • Hızlı talep değişmelerine ve yoğun rekabete uyum sağlayabilmek için üretim sisteminin gereken esnekliğe sahip olması. 1.3. Üretim Sistemleri ve Sistem Yaklaşımı Üretim sistemi, işletme sistemi içerisinde yer alan bir alt sistemdir. Üretim sistemi; işgücü, malzeme, bilgi, enerji, sermaye gibi girdilerin belirli bir dönüştürme sürecinden geçirilerek mal veya hizmetin üretildiği bir sistemdir. Sistem yaklaşımı, karmaşık sistemlerin analizi için sistem kademelerini belirleyerek, sistemin alt sistemler yoluyla incelenmesine imkân vermektedir. Sistem yaklaşımı, sistemin amaçlarının belirlenmesini zorunlu kılmaktadır. Sistem yaklaşımı, belirlenen amaçları sağlayacak alt sistemlerin teşhisi ve sistem amaçlarının gerçekleştirilmesi üzerinde durmaktadır. Üretim sistemleri ve sistem yaklaşımı kavramlarıyla ilgili ayrıntılar aşağıda açıklanmıştır. 1.3.1. Sistem ve Sistem Yaklaşımı Kavramı Sistemler planlara göre amaçlara ulaşılmasını sağlamak için tasarlanmış unsurlar topluluğudur. Sosyal ve ekonomik çevremiz birçok sistem ve alt sistemlerden oluşur. Bu sistem ve alt sistemler ise daha büyük sistemlerin unsurlarını oluştururlar. Sistem yaklaşımı tüm sistem faaliyetlerinin bütünleştirici özelliği üzerinde durarak sistemin içinde olması gereken ilişki ve işbirliğini vurgular. Tutarlı ve bütünleştirici bir yaklaşımla makro sistem amaçlarının optimizasyonu sağlanabilir. Alt sistem amaçlarının birbirlerinden bağımsız olarak gerçekleştirilmesi halinde, sonuçta alt optimizasyon oluşabilir. Bir sistemin amaçlarını gerçekleştirme yeteneği, o sistemin tasarım ve kontrolüne bağlıdır. Sistem tasarımı unsurların önceden yapılmış bir düzenlemesidir. Tasarım ne denli iyi planlanmış ise, sistemin işleyişi aşamasında verilmesi gereken kararlar o denli az olacaktır. Sistem kontrolü, faaliyetlerin planlara veya hedeflere uygunluğunu sağlar (Monks, 1996: 5). Aşağıda Şekil-1.1’de bir işletmenin alt sistemi olan üretim sisteminin işleyişini gösteren şematik model yer almaktadır..

(30) 15 Şekil-1.1: Bir Üretim Sisteminin Şematik Gösterimi Talep. Tahmin. Ç E V R E. DÖNÜŞÜM FAALİYETLERİ Ürün tasarımı ve süreç planlaması. G İ R D İ L E R. Ç I K T I L A R. Üretim Kontrolü Toplam Planlama. Malzeme ve Kapasite Planlaması. Programlam a ve Kontrol. Bakım. Stok Kontrol. Kalite Kontrol. Ç E V R E. Maliyet Kontrol. Geri besleme. Kaynak: Monks, 1996: 6.. Yukarıdaki. Şekil-1.1’de. üretim. sisteminin;. çevre,. girdiler,. dönüşüm. faaliyetleri, çıktılar ve çevre ilişkisi yer almaktadır. Son yıllarda sistem kavramı işletme bilimi içerisinde oldukça sık kullanılmaya başlanmıştır. İşletmelerde karşılaşılan sorunlar ve sorunların çözümüne ilişkin öneriler işletme sistemi içerisinde incelenmektedir. Sistem kavramının işletme biliminde kullanılmasıyla birlikte sistem yaklaşımı kavramı da önem kazanmıştır. Genel olarak sistem aralarında ilişkiler bulunan ve belli bir amacı gerçekleştirmek üzere bir araya getirilmiş elemanlardan oluşan bir bütündür. Her sistem daha büyük başka bir sistemin parçasıdır (Kobu, 1994: 31). Sistem kavramının değişik tanımları bulunmaktadır. Sistem, belirli parçalardan oluşan, bu parçalar arasında belirli ilişkiler olan ve bu parçalarla dış çevre ilişkisi bulunan bir bütün olarak tanımlanır. Bir başka tanımı ise; bir tek bütün oluşturacak biçimde bir araya gelen ve aralarında düzenli ilişkiler veya bağlılıklar bulunan.

(31) 16 unsurlar dizisi veya unsurları birbirine bağlı, karşılıklı etkileşim içinde bir bütündür. Kısaca sistem; önceden tespit edilmiş bir amaca ulaşabilmek için tasarlanan ve birbirleriyle bağıntılı ya da bağımsız birimler ile belirli bir düzen veya plana göre organize ya da karmaşık bir bütün meydana getiren parçalar olarak tanımlanabilir. 1.3.2. Üretim Sistemleri Üretim sistemlerinin insan ve doğal kaynaklar (maddi kaynaklar) olmak üzere iki temel girdisi bulunmaktadır. Bu iki temel girdi; işgörenler, yöneticiler, hammaddeler, malzemeler, makine-donanım ve enerji gibi tüm faktörleri kapsamaktadır. Üretim sisteminin başlıca çıktıları; ürün ve hizmet biçimindeki ürünler, bilgi ve deneyim birikimleri, ortaya çıkan artık maddelerdir. Bu değişimlerin oluşumu, kullanılan teknolojiye bağlı olarak farklılık gösterir (Sağlam, 2008: 49). Üretim sistemleri, en iyi fiziksel girdiler ve kaynakları kullanarak kaliteli üretimi gerçekleştirip, müşterilerin tatminini en yüksek düzeye çıkarmayı hedefler (Tekin, 2009: 29). Bir sanayi işletmesinin üretim sistemi ve bu sistemin çevreyle ilişkisi aşağıda Şekil-1.2’de gösterilmiştir. Şekil-1.2: Üretim Sisteminin Çevre İlişkisi Finansman Sosyo-Ekonomik Politik Faktörler. Girdi Kaynak. Bütçe Pazarlama. Fabrika. Makine. Üretim. Fabrika. Robot. Ar-Ge. Fabrika. Operatör. Pazarlar Personel. Kaynak: Tekin, 2009: 29.. Geniş kapsamlı, karmaşık ve özellikle ekonomik-sosyal faaliyetlerle ilgili konularda yapılan sınıflandırmaların amacı, tanıtma ve bilgi vermeden öteye gidemez. Zira bu tür faaliyetlerin değişik kıstaslara göre yapılan sınıflandırmalarında, bir elemanın birkaç sınıfta birden yer alması doğaldır. Üretim tiplerinin.

(32) 17 sınıflandırılmasında da aynı durumla karşılaşılır. Bu gibi konularda sınıflar esas alınarak genel kurallar çıkarma veya yöntemler geliştirme olanağı pek yoktur. Sınıflar arasında kesin çizgiler belirlemek ve bilimsel ayırım yapmak mümkün değildir. Üretim sistemlerini; üretim yönetimi, mamul cinsi, mamul miktarı veya üretim akışı kriterlerine göre farklı biçimlerde sınıflandırmak mümkündür (Kobu, 1994: 33). İşletmeler, politik, hukuki, sosyal, ekonomik ve teknolojik çevre koşullarının getirdiği sınırlamalar çerçevesinde çalışmalarını sürdürmek zorunda olduklarından, bu koşullara ilişkin bilgi sağlamalıdırlar. Her şeyden önce, politik-hukuki çevrenin, sistem üzerine getirdiği kısıtlamalar bilinmelidir. Sosyal ve ekonomik koşullara ilişkin bilgiler, üretim yönetimini gelecekte etkileyebilecek eğilimlere işaret edebilir. Teknolojik koşullara ilişkin bilgiler, gelecekte makine, araç gereç ve süreçlerde meydana gelmesi beklenen önemli gelişmeler hakkında yöneticiyi uyarırlar. Rekabete, müşteri istek ve beklentilerine, yeni ürünlere ilişkin bilgiler de, üretim sisteminin başarısı için vazgeçilmez girdilerdir (Üreten, 2005: 9). Sistem terimi genel anlamda, ortak bir amacı gerçekleştirmek için, değişik nitelikteki parçaların belirli bir plana göre oluşturduğu bütündür. Günümüzde sistem yaklaşımı düşüncesinden her alanda geniş olarak yararlanılmaktadır. Bu kavram, üretim yönetimine geniş görüş açısı sağladığından, günümüz işletmecileri üretim sistemlerine, değer yaratabilen eylemlerden oluşan bir genel çatı olarak bakmaktadırlar. Genel üretim sistemi, alt sistem ve paralel sistemlerden oluşur. Üretim kontrol sistemleri, stok kontrol sistemleri, kalite kontrol sistemleri gibi alt sistemlerin birer parçasıdır. Buna karşılık, üretim süreci ile üretim yöneticisi arasındaki. iletişimi. sağlayan. araçlar,. raporlar. ve. yönergeler;. bunların. hazırlanmasında ve ulaşımında uygulanacak kurallar, genel üretim sistemine paralel sistemlerdir. Üretim kontrol sistemi, karşılıklı olarak etkileşen çok sayıda değişkeni düzenlemekte olup, bu değişkenler çok sayıda geri bildirim kontrol bilgisini içerir (Şahin, 1978: 12). Aşağıda Şekil-1.3’de bu ilişkilerin en önemlilerinden biri olan talep tahminiyle ilgili üretim kontrol sistemi gösterilmiştir..

(33) 18 Şekil-1.3: Talep Tahminlerine İlişkin Üretim Kontrol Sistemi. Kaynak: Aktaran: Şahin, 1978: 13.. Yukarıda Şekil-1.3’deki ilişkiler, talep tahminine dayanan kontrol sistemini oluşturmakta ve tahmin alt sistemi ile ona ilişkin alt sistemler arasındaki genel ilişkileri belirlemektedir. Buna göre, tahmin alt sistemi, genel ekonomi ve endüstri göstergeleri ışığında, herhangi bir tahmin yöntemi ile bir talep tahmini yapar. Bundan sonra, üretim kontrolü alt sistemi, söz konusu talep tahminlemesini veri olarak alır ve üretim planını hazırlar. Dönüşüm alt sistemi de, üretim kontrolü alt sisteminin hazırladığı bu planı uygulamaya koyar. Bu arada, sistemlerin geri bildirim bilgileriyle gerekli karşılaştırmalar yapılarak sapmalar analiz edilir (Şahin, 1978: 14)..

(34) 19 Şekil 1.3’deki oklar, hem devre başındaki işlemleri, hem de devre sonundaki işlemleri öncelik sırasıyla belirlemektedir. Aşağıdan yukarıya doğru olan oklar, devre başlarındaki verilerin alınışını, yukarıdan aşağıya doğru olan oklar ise, devre sonlarındaki sapma analizlerini göstermektedir. İşletmelerde 1960’lı yıllardan günümüze değin verimliliği artırmaya yönelik bir dizi yeni sistem geliştirilmiştir. Malzeme İhtiyaç Planlaması (MRP), İmalat Kaynakları Planlaması (MRP), Tam Zamanında Üretim (JIT) ve Optimize Üretim Teknolojisi (OPT) sistemleri, üretim programlaması ve denetimi alanına son otuz yılda girmiş olan yaklaşımlardır. Bu yaklaşımlar hem imalat süreçlerini değiştirmiş hem de üretim yönetimi fonksiyonunu ve işletmenin yapısını büyük ölçüde etkilemişlerdir. 1.3.3. Üretim Sistemlerinin Sınıflandırılması Ekonomik-Sosyal faaliyetlerle ilgili konularda sınıflandırmanın kesin çizgiler ile yapılması mümkün değildir. Üretim sistemlerinin de sınıflandırılmasında aynı durum sözkonusudur. Buna rağmen bazı ortak özellikler gözönünde bulundurularak üretim sistemlerini aşağıdaki gibi üç sınıfta incelemek mümkündür (Sağlam, 2008: 50). •. Üretim Yöntemlerine Göre Sınıflandırma,. •. Ürün Cinsine Göre Sınıflandırma,. •. Üretim Miktarına veya işlerin Akışına Göre Sınıflandırma.. 1.4. Üretim Planlaması ve Kontrolü Üretim yönetimi fonksiyonlarının başlıca üç aşamasından birisi olan üretim planlamasında; işletmelerin üretim yönetimi amaçları dikkate alınarak, üretim alt sistemlerinin organizasyonu, üretim politikaları, üretim programları ve üretimle ilgili faaliyetlerle ilgili gerekli planlama çalışmaları yapılır. Planlama aşamasında ayrıca, talep tahminlerine uygun olarak; üretim planlaması, işgücü planlaması, malzeme ihtiyacı planlaması, gelişim planlaması, işlem planlaması, üretim metotları, personel planlaması, ödeme planı, finansal planlama, çalışma sermayesi ve nakit akışı ve bilgisayar destekli üretim, üretim sistemleri planlaması gibi işlemler yapılır..