Endüstri Mühendisliği Bölümü Koleksiyonu

Permanent URI for this collectionhttps://hdl.handle.net/20.500.11779/1942

Browse

Now showing 1 - 8 of 8

Anomali Tespiti ve Suistimal Önleme: Telekomünikasyon Sektöründe Bir Uygulama
(2025) Koç, Utku; Bulut, Özgür; Özalanyalı, Özge
Bu çalışmada, telekom sektöründeki satış kanallarında ortaya çıkan anomalilerin tespitine ve suistimal olabilecek durumların engellenmesine yönelik istatistiksel bir yöntem geliştirilmiştir. Yöntemin geliştirilmesi ve test edilmesi sürecinde 371 farklı satış kanalına ait 9 aylık tüm satış bilgileriyle 340 binden fazla gerçek veri noktası kullanılmıştır. Anomali tespitinde en çok karşılaşılan engellerden biri yöntemin anomali olarak işaretlediği noktaların gerçekten anomali olup olmadığının teyit edilmesindeki zorluktur. Her bir kanalın kendi kontrol grubunu oluşturduğu bu çalışmada ise yöntemin anomali olarak işaretlediği noktaların gerçekten bir anomali olup olmadığı ilgili iş birimi tarafından değerlendirilmiş ve teyit edilmiştir. Her bir satış kanalı için günlük güven aralıkları ayrı ayrı hesaplanmış ve bu aralığın dışına çıkan durumlara hızlı tepki veren bir yöntem kullanılarak olası suistimallerin önüne geçilmiştir. Elde edilen bulgular, önerilen yöntemin anomali tespitinde başarılı olduğunu ve satış süreçlerindeki potansiyel suistimallerin önüne geçtiğini ve dolayısıyla müşteri memnuniyetini artırdığını göstermektedir. Geliştirilen yöntem yüksek performans ve ölçeklenebilirliği sağlamak için çoklu mimari yapısında uygulamaya alınmıştır. Geliştirilen yöntem ve uygulama, güvenlik ve veri bütünlüğü konularında da önemli avantajlar sunmaktadır. İlgili iş birimlerinin hızlı ve etkili kararlar alabilmesi, organizasyonun genel risk yönetimi stratejisine büyük katkı sağlamaktadır. Bu sayede, potansiyel tehditler zamanında tespit edilerek işletmenin güvenlik standartları korunmakta ve sürdürülebilir bir operasyonel çevre yaratılmaktadır. Ayrıca, projenin teknik yapısı anomali tespit sisteminin sürekli iyileştirilmesi hem yazılımın performansını artıracak hem de daha ileri düzeyde veri analizi imkanı sunacaktır. Sonuçlar, telekom şirketlerinin stratejik karar alma süreçlerine önemli katkılarda bulunarak rekabet avantajı sağlamalarına yardımcı olmaktadır.
Büyük Ölçekli Etki Enbüyükleme Problemi için Lagrange Gevşetmesi Tabanlı Etkin Bir Çözüm Yöntemi
(AKÜ FEMÜBİD, 2020) Güney, Evren
Etki Enbüyükleme Problemi (EEP) büyük bir sosyal ağ içindeki en etkin K tane kişiyi seçen zor bir stokastik kombinatoryal eniyileme problemidir. Son yıllarda pek çok araştırmacının ilgisini çeken bu problem için çok sayıda etkin yöntem geliştirilmiştir. Sosyal ağdaki bilginin / etkinin yayılımı çeşitli ağ akış modelleri ile tasarlandığında, elde edilen problemin amaç fonksiyonunun alt-birimsel olduğu gözlemlenmiştir. Bu sebeple basit bir açgözlü algoritma ile (1-1/e) en kötü performans garantisine erişilmiştir. Ancak, aç gözlü algoritmanın büyük boyutlu problemlerde çok uzun çözüm süreleri gerektirmesi alternatif yöntem arayışlarına neden olmuştur. Son yıllarda geliştirilen yeni yöntemler genelde büyük boyutlu ağlarda kısa sürede iyi çözümler elde ederken (1-1/e) performans garantisini de korumaktadır. Ancak pek az sayıda çalışma problemin sadece en-iyi çözümüne odaklanmıştır. Bu çalışmada Lagrange gevşetmesi tabanlı ve EEP’yi eniyi / eniyiye yakın çözen ve ölçeklenebilen bir yöntem geliştirilmiştir. Bu çerçevede, öncelikle Örneklem Ortalama Yakınsaması ile özgün probleme yakınsayan belirgin bir matematiksel model kurulmuştur. Daha sonra bu model üzerinde düğüm tabanlı Lagrange gevşetmesi tekniği uygulanmıştır. İlgili yöntem bağımsız çağlayan ve doğrusal eşik bilgi yayılım modelleri varsayımı altında çeşitli boyutlardaki sosyal ağ veri setleri (Facebook, Enron, Gnutella, arXiv) üzerinde test edilmiştir. Bütün senaryolarda eniyi / eniyiye yakın çözümlere ulaşılırken yazındaki mevcut yöntemlere göre on kata kadar hızlanma sağlanmıştır.
Citation - WoS: 4
Citation - Scopus: 6
Consumer Loans' First Payment Default Detection: a Predictive Model
(TUBITAK SCIENTIFIC & TECHNICAL RESEARCH COUNCIL, 2020) Sevgili, Türkan; Koç, Utku
A default loan (also called nonperforming loan) occurs when there is a failure to meet bank conditions and repayment cannot be made in accordance with the terms of the loan which has reached its maturity. In this study, we provide a predictive analysis of the consumer behavior concerning a loan’s first payment default (FPD) using a real dataset of consumer loans with approximately 600,000 records from a bank. We use logistic regression, naive Bayes, support vector machine, and random forest on oversampled and undersampled data to build eight different models to predict FPD loans. A two-class random forest using undersampling yielded more than 86% on all performance measures: accuracy, precision, recall, and F1-score. The corresponding scores are even as high as 96% for oversampling. However, when tested on the real and balanced dataset, the performance of oversampling deteriorates as generating synthetic data for an extremely imbalanced dataset harms the training procedure of the algorithms. The study also provides an understanding of the reasons for nonperforming loans and helps to manage credit risks more consciously.
Citation - WoS: 1
Citation - Scopus: 2
Determining and Evaluating New Store Locations Using Remote Sensing and Machine Learning
(Tübitak, 2021) Ünsalan, Cem; Turgay, Zeynep Zerrin; Küçükaydın, Hande; Höke, Berkan
Decision making for store locations is crucial for retail companies as the profit depends on the location. The key point for correct store location is profit approximation, which is highly dependent on population of the corresponding region, and hence, the volume of the residential area. Thus, estimating building volumes provides insight about the revenue if a new store is about to be opened there. Remote sensing through stereo/tri-stereo satellite images provides wide area coverage as well as adequate resolution for three dimensional reconstruction for volume estimation. We reconstruct 3D map of corresponding region with the help of semiglobal matching and mask R-CNN algorithms for this purpose. Using the existing store data, we construct models for estimating the revenue based on surrounding building volumes. In order to choose the right location, the suitable utility model, which calculates store revenues, shouldbe rigorously determined. Moreover, model parameters should be assessed as correctly as possible. Instead of using randomly generated parameters, we employ remote sensing, computer vision, and machine learning techniques, which provide a novel way for evaluating new store locations.
Citation - WoS: 1
Facial Emotion Recognition Using Residual Neural Networks
(2024) Kırbız, Serap
Facial emotion recognition (FER) has been an emerging research topic in recent years. Recent automatic FER systems generally apply deep learning methods and focus on two important issues: lack of sufficient labeled training data and variations in images such as illumination, pose, or expression-related variations among different cultures. Although Convolutional Neural Networks (CNNs) are widely used in automatic FER, they cannot be used when the number of layers is large. Therefore, a residual technique is applied to CNNs and this architecture is named residual neural network. In this paper, an automatic facial emotion recognition method using residual networks with random data augmentation is proposed on a merged FER dataset consisting of 41,598 facial images of size 48 × 48 pixels from seven basic emotion classes. Experimental results show that ResNet34 with data augmentation performs better than CNN with a classification accuracy of 81%.
Müşteri Hizmetleri Bölümünde Süreç Analizi ve Stratejik Planlama- Lastik Sektöründe Bir Uygulama
(Eskişehir Teknik Üniversitesi, 2020) Özuduruk, Semih Faruk; Sergi, Duygu; Sarı, İrem Ucal
Bu çalışma kapsamında, bir işletmenin süreç analizinin yapılması ve sonrasında işletme stratejisinin oluşturulması için gerekli analiz ve stratejik yönetim modelleri incelenmiştir. Daha sonra, işletme geneli için incelenen bu yöntemler, bir işletme özelinde müşteri hizmetleri bölümüne uygulanmıştır. Çalışma kapsamında, öncelikle SWOT analizi ile iş biriminin içinde bulunduğu mevcut durumun özellikleri belirlenmiş, sonrasında oluşturulan Genişletilmiş SWOT matrisi ile ortaya çıkan faktörlere uygun stratejiler belirlenmiştir. Stratejiler belirlendikten sonra İç Faktör Değerlendirme ve Dış Faktör Değerlendirme matrisleri ile SWOT analizinde ortaya konan faktörler ağırlıklandırılarak puanlanmıştır. Oluşturulan puanlar, İç-Dış Faktörler matrisine yerleştirilerek işletmenin bulunduğu stratejik konum tayin edilmiştir. Son aşamada ise, seçilen stratejiye ulaşmak amacı ile Kurumsal Karne (Balanced Scorecard-BSC) yönteminden faydalanılarak oluşturulan stratejik harita üzerinde faktörler arası ilişkiler gösterilmiş ve alt stratejiler belirlenmiştir.
Stokastik Süreler İçeren Kapasite Kısıtlı Parti Büyüklüğü Belirleme Problemi
(EJOSAT - DergiPark, 2019) Taş, Duygu
Bu makalede üretim ve kurulum süreleri stokastik olan kapasite kısıtlı çok ürünlü dinamik parti büyüklüğü belirleme problemi ele alınmıştır. Bu problemde tüm sürelerin stokastik olduğu durum göz önünde bulundurularak hem verimli hem de güvenilir üretim planları elde edilmektedir. Ele alınan problemin amacı klasik üretim maliyetleri ve ek mesai maliyetlerinden oluşan toplam maliyeti en küçüklemektir. Klasik maliyetler, üretim, kurulum ve envanter tutmaktan kaynaklanmaktadır. Ek mesai maliyetleri ise makinenin zaman kapasitesini aşacak şekilde kullanılmasından dolayı ortaya çıkmaktadır. Öncelikle, belirli bir üretim ve kurulum planı için beklenen ek mesai süresini kesin olarak hesaplayan bir prosedür önerilmiştir. Problemi etkin bir şekilde çözmek için tabu algoritmasına dayanan bir çözüm yaklaşımı geliştirilmiştir. Bu yaklaşım üç aşamadan oluşmaktadır: Başlangıç, iyileştirme ve planlama. Algoritmanın ilk aşamasında olurlu planlar üreten bir başlangıç metodu önerilmiştir. Bulunan planlar makalede önerilen tabu arama metoduyla iyileştirilmektedir. Planlama aşamasında, yerel arama metodunun bulduğu çözümleri iyileştirmek için bir doğrusal programlama modeli geliştirilmiştir. Çözüm yöntemimizin performansı literatürde yayınlanmış alt sınırlar kullanılarak onaylanmıştır. Ayrıca, sonuçlar tabu arama yöntemimizin makul sürelerde çok iyi çözümler elde ederek iyi performans sergilediğini göstermektedir.
Citation - WoS: 8
Citation - Scopus: 8
Zaman Pencereli ve Değişken Başlama Zamanlı Bir Araç Rotalama Problemi için Sütun Türetme Temelli Matsezgiseller
(DergiPark, 2019) Küçükaydın, Hande
In this study, a vehicle routing problem with time windows is investigated, where the costs depend on the total duration of vehicle routes and the starting time from the depot for each vehicle is determined by a decision maker. In order to solve the problem, two column generation based mat-heuristics are developed, where the first one makes use of the iterated local search and the second one uses the variable neighbourhood search. In order to assess the accuracy of the mat-heuristics, they are first compared with an exact algorithm on small instances taken from the literature. Since their performance are quite satisfactory, they are further tested on 87 large instances by running each algorithm 3 times for each instance. The computational results prove that the mat-heuristic using the variable neighbourhood search outperforms the other one. Hence, this enables to obtain a good feasible solution in a very short time when it is not possible to solve large instances with an exact solution method in a reasonable CPU time.

Browse

Browsing Endüstri Mühendisliği Bölümü Koleksiyonu by Publication Index "TR-Dizin"