000			04832nam a2200409 i 4500
999			_c200438879 _d57091
003			TR-AnTOB
005			20230908000950.0
007			ta
008			171111s2018 xxu e mmmm 00| 0 eng d
035			_a(TR-AnTOB)200438879
040			_aTR-AnTOB _beng _erda _cTR-AnTOB
041	0		_atur
099			_aTEZ TOBB FBE END YL’20 ERT
100	1		_aErtem, Beyza Nur _eauthor _9128741
245	1	0	_aBir yüksek hızlı tren hattında yolcu sayısı tahmin modelleri geliştirilmesi / _cBeyza Nur Ertem ; thesis advisor Kadir Ertoğral.
246	1	1	_aDeveloping forecasting models for estimating the number of passengers on a high speed train line
264		1	_aAnkara : _bTOBB ETÜ Fen Bilimleri Enstitüsü, _c2020.
300			_axii, 77 pages : _billustrations ; _c29 cm
336			_2rdacontent _btxt _atext
337			_2rdamedia _bn _aunmediated
338			_2rdacarrier _bnc _avolume
502			_aTez (Yüksek Lisans Tezi)--TOBB ETÜ Fen Bilimleri Enstitüsü Temmuz 2020
520			_aDoğru ve güvenilir talep tahminleri firmaların etkinliğini artırmasında önemli rol oynamaktadır. Her sektörde olduğu gibi gıda sektöründe de talep tahminleri konusu büyük önem arz etmektedir. Özellikle raf ömrü bir günlük olan gıdalarda fazla atık oluşmasını önlemek doğru sipariş tahminlerinin yapılması şarttır. Çalışmamızda Türkiye Cumhuriyeti Devlet Demir Yolları'nın alt yüklenicisi olarak çalışan, yüksek Hızlı Trenlere yemek servisi sağlayan bir firma için yemek siparişlerinde belirleyici olan yolcu sayılarının tahmini için bir yaklaşım geliştirilmiştir. İlk aşama olarak günlük sipariş sisteminin kurulması amaçlanmış ve firmanın 2016 ve 2019 yılları arasındaki verileri kullanılarak yüksek hızlı trenlerin Ankara-İstanbul, İstanbul-Ankara güzergâhı arası hareket eden trenlerinin "business plus" ve "ekonomi plus" vagonlarında seyahat eden yolcu sayılarının çoklu regresyon modeliyle tahmin edilme konusu çalışılmıştır. Yolcu sayılarının iyi tahmini günlük yemek siparişlerinin daha doğru yapılmasını sağlayacak ve firmanın finansal kazancına dönüşecektir. Çalışmamızda veri gruplama ve regresyon model değişkenlerinin seçimlerinin farklı şekilde yapılmasına dayalı olarak çok sayıda tahmin modeli denenmiştir. Denenen modeller arasından seçilen en iyi üçü için ortalama mutlak hata hesaplanarak sonuçta yolcu sayıları için oldukça etkin tahmin model alternatifleri geliştirilmiştir. İkinci aşamada ise yine aynı tren verileri kullanılarak haftalık yemek siparişinin verildiği durumlarda kullanılmak üzere haftalık yemek tüketim miktarlarının tahmini için Winters üstel düzeltme modeli üzerine çalışılmış ve tahminlerin güvenirliği mutlak hata ortalama yöntemi ile test edilmiştir.
520			_aCorrect and reliable order forecasting has an important role in increasing the efficiency of companies. Similar to other sectors, the demand forecasts are very important in Food industry. Especially in one day shelf life products, it is a must to make accurate order forecast and prevent food waste excess. In this study an approach is developed for forecasting the passenger numbers in the the high speed train leg between Ankara and İstanbuls. The firms is a subcontractor to The Republic of Turkey State Railways. As a first step, it was aimed to create a daily order system and the forecasting with multiple regression of the passenger numbers who traveled Ankara-İstanbul and İstanbul-Ankara route in 'Business Plus' and 'Economy Plus' coaches using data from a catering company between 2016-2019 year. The accurate Passenger number estimation will create a better meal order and will lead into a financial savings. In our study several forecasting models are constructed based on different ways of data groping and the choices of independent regression variables. We selected the best three models among the models develop and we found the mean absolute percent error performance for selected models, which turn out to be quite accurate. In the second stage our study, using the same passenger data the Winters exponential smoothing method is studied to forecast the weekly meal consumption and the forecast accuracy is tested using MAPE values.
650		7	_aTezler, Akademik _932546
653			_aTalep tahmini
653			_aÇoklu doğrusal regresyon
653			_aTren yolcu sayısı tahmini
653			_aWinters üstel düzeltme
653			_aDemand forecast
653			_aMultiple linear regression method
653			_aPassenger numbers forecast
700	1		_aErtoğral, Kadir _9127056 _eadvisor
710			_aTOBB Ekonomi ve Teknoloji Üniversitesi. _bFen Bilimleri Enstitüsü _977078
942			_cTEZ _2z