Steel Product Clustering and Feature-Based Product Price Estimation for Flat Secondary Materials

Abstract

Machine Learning replaces manual and repeatable processes every day, none of the industries can resist these developments. Older systems were rule-based which would bring some level of automation, but all had their limits. One of the goals of Machine Learning is prediction, and it can be used to obtain higher accuracy and better forecasts. Price predictions are made by hand according to market expectations and countries’ conjuncture in the past, but it is changing fast with the developments of Artificial Intelligence tools. In steel Industry, price levels are determining based on human intuition and simpler statistics. Profits are directly connected to the right pricing for the right time, machine learning algorithms may do the quotation of the steel properly to increase the company profits. This study aims to classify items as per quality and estimate the price level for the products. Feature selection preprocessing steps are used to enhance the performance and scalability of the classification method. The second part is feature-based product price estimation for the secondary products and selects the predictors of each quality under the product family.

Makine Öğrenimi her gün manuel ve tekrarlanabilir süreçlerin yerini almaya başladı, endüstri kollarının hiçbiri bu gelişmelere karşı koyamaz hale gelmektedir. Eski sistemler, bazı otomasyon seviyelerini getirecek kurallara dayalıydı, ancak hepsinin sınırları vardı. Makine Öğreniminin amaçlarından biri tahminidir ve daha yüksek doğruluk ve daha iyi tahminler elde etmek için kullanılabilir. Fiyat beklentileri geçmişte piyasa beklentileri ve konjonktürel gelişmelere göre elle yapılıyordu, ancak Yapay Zeka araçlarının gelişmeleri ile birlikte bu durum hızla değişmektedir. Sektörler, makinelerin tahminlerinin eski yöntemlerden daha güvenilir olduğunu fark etmeye başladıkça, yapay zeka sistemlerine geçişleri daha hızlı oluyor. Çelik Endüstrisinde fiyat seviyeleri, insan sezgisine ve daha basit istatistiklere dayanarak belirleniyor. Kârlar doğru zaman için doğru fiyatlandırma ile doğrudan bağlantılıdır, makine öğrenimi algoritmaları, şirketin karını arttırmak için çeliğin teklifini doğru bir şekilde yapabilir. Bu çalışma, kaliteye göre ürün sınıflandırmayı ve ürünler için fiyat seviyesini tahmin etmeyi amaçlamaktadır. Özellik seçimi ön işlem adımları, sınıflandırma yönteminin performansını ve ölçeklenebilirliğini geliştirmek için kullanılır. İkinci kısım, ikincil ürünler için özellik bazlı ürün fiyat tahminidir ve ürün ailesi altında her bir kalitenin tahmin edicilerini seçer.