Mühendislik, Mimarlık ve Tasarım Fakültesi
Permanent URI for this community
Bilgisayar Mühendisliği (İngilizce) Bölümü Koleksiyonu
Browse
Browsing Mühendislik, Mimarlık ve Tasarım Fakültesi by Access Type "Attribution-NonCommercial-NoDerivs 3.0 United States"
Now showing 1 - 4 of 4
Results Per Page
Sort Options
- ItemA comprehensive analysis of apricot drying methods via multi-criteria decision making techniques(Wiley, 2024-10) Abdulvahitoğlu, Aslı; Abdulvahitoğlu, Adnan; Cengiz, Nurten; 382420Food and food safety have been among the most important issues for people throughout history. Societies have always tried to be self-sufficient in food and have avoided becoming dependent on foreign sources. However, the fact that most foods are seasonal and the increasing population's food consumption have revealed the need to preserve foodstuffs for a long time. The old and well-known method used today for extending shelf life is the drying process. The drying process is preferred over other preservation methods for reasons such as being more economical, easier to transport, having a longer shelf life, more concentrated nutritional value, and containing fewer additives. This ensures that dried foods are of higher quality in terms of physical, chemical, microbial properties, and nutritional values compared to other packaged foods. While the drying process was traditionally done over a long period, technological advancements have led to the production of higher quality and more valuable commercial products in a shorter time. In this study, traditional and technological methods used in drying apricots were compared according to the parameters determined by experts in the field. Since multiple parameters are effective in the comparison, Multi-Criteria Decision Making (MCDM) techniques were used. The optimum apricot drying method was determined by combining the results obtained from different MCDM techniques with the Borda rule.
- ItemKalıpçılık Sektöründe Tedarikçi Değerlendirme ve Seçimi İçin Çok Kriterli Karar Destek Modeli(Osmaniye Korkut Ata Üniversitesi, 2025-09) Abdulvahitoğlu, Adnan; Arıcı, Sercan; 382420Kalıp imalat süreci, nihai parçanın müşteri standartları ve beklentilerine uygun olarak başarılı bir şekilde üretilmesi ve seri üretime geçişin etkin bir biçimde sağlanması açısından uzun ve kritik bir süreçtir. Bu sürecin başarısında tedarikçi seçimi önemli bir rol oynamaktadır. Bu çalışmada, kalıp üretim aşamalarında gerçekleştirilen faaliyetler, bu faaliyetlerin süreç içerisindeki önemi, üretim sürecine etkileri ve tedarikçilerin bu aşamalardaki yeri ele alınmaktadır. Ayrıca, tedarikçi seçiminin önemi vurgulanarak, karar destek sistemleri (KDS) kullanımıyla en uygun tedarikçilerin belirlenmesi amaçlanmıştır. Bu kapsamda, değerlendirme sürecine temel teşkil eden veriler, işletmenin tedarikçi ağı içinde yer alan tüm tedarikçilerin geçmiş performansları ve kapasiteleri doğrultusunda ekip tarafından yapılan puanlamalarla belirlenmiştir. Ardından, Çok Kriterli Karar Verme (ÇKKV) yöntemleri kullanılarak karşılaştırmalı analiz gerçekleştirilmiş ve tedarikçi seçiminde karar destek mekanizmasının oluşturulmasına yönelik bir model önerilmiştir. Bu model çerçevesinde, kalıp üretim süreçlerindeki zaman, maliyet ve teknik gereklilikler gibi faktörler bütüncül bir yaklaşımla değerlendirilerek, en uygun niteliklere sahip tedarikçilerin belirlenmesi ve süreç verimliliğinin artırılması hedeflenmiştir.
- ItemLojistik depolarda sipariş toplama ve konumlandırmaya yönelik yenilikçi bir yaklaşım(Sanayi ve Teknoloji Bakanlığı, 2023) Şahinaslan, Önder; Karataş, Ceyhun; Şahinaslan, Ender; 122635Amaç: Uluslararası bir lojistik deponun verimliliğini artırmaya katkı sağlamak için depo dolaşım mesafesini kısaltacak yenilikçi ve etkin bir konumlandırma yönteminin geliştirilmesi amaçlanmıştır. Yöntem: 1.239.545 adet ham depo verisi uzman ekiplerin desteği ile analiz edilmiş ve yorumlanmıştır. Makine öğrenimi algoritmalarının depo konumlarının belirlenmesinde kullanılabilirliği araştırılmıştır. Dolaşım hızı ve anahtar değer hesaplamasına dayalı olarak alternatif bir konumlandırma çözümü geliştirilmiştir. Statik olarak beş farklı bölgeye ayrılan sahada uygulamalı testler yapılmıştır. Önerilen yöntemin etkinliği, bilinen konumlandırma yöntemleriyle karşılaştırılmıştır. Bulgular: Öğrenme algoritmalarının başarı oranları (%54-%64) uzman ekipler tarafından yeterli bulunmamıştır. Geliştirilen çözümde ürünleri doğru yere yerleştirme başarı oranı %90,93 olmuştur. Bir aylık gözlem sonucunda depo giriş çıkış işlemlerinde kat edilen mesafe yaklaşık 880 km kısalmış, depo doluluk oranı %54,07'den %55,68'e yükselmiştir. Elde edilen sonuçlar önerilen yöntemin etkinliğini göstermektedir. Özgünlük: Depo yerleşim yüzdeleri ve dolaşım mesafelerinde önemli kazanımlar elde edilmiştir. Bilinen diğer yöntemlere göre daha etkili ve yenilikçi bir yaklaşım sunmaktadır. Bölge sınırı olmayan dinamik, verimli ve başarılı yapısıyla farklı depolarda uygulanabilir özgünlüktedir. Gerçek depo verilerine ve uzman görüşlerine dayalı olarak oluşturulması literatüre eşsiz bir katkı sağlamaktadır.
- ItemStock price prediction using the Sand Cat Swarm Optimization and an improved deep Long Short Term Memory network(Elsevier, 2025-01) Gülmez, Burak; 222298Stock price prediction remains a complex challenge in financial markets. This study introduces a novel Long Short-Term Memory (LSTM) model optimized by Sand Cat Swarm Optimization (SCSO) for stock price prediction. The research evaluates multiple algorithms including ANN, LSTM variants, Auto-ARIMA, Gradient Boosted Trees, DeepAR, N-BEATS, N-HITS, and the proposed LSTM-SCSO using DAX index data from 2018 to 2023. Model performance was assessed through Mean Squared Error, Mean Absolute Error, Mean Absolute Percentage Error, and out-of-sample R2 metrics. Statistical significance was validated using Model Confidence Set analysis with 5000 bootstrap replications. Results demonstrate LSTM-SCSO's superior performance across all evaluation metrics. The model achieved an annualized return of 66.25% compared to the DAX index's 47.45%, with a Sharpe ratio of 2.9091. The integration of technical indicators and macroeconomic variables enhanced the model's predictive capabilities. These findings establish LSTM-SCSO as an effective tool for stock price prediction, offering practical value for investment decision-making.
