Veri madenciliği ve stok tutma süresi teknikleri ile depolar için dinamik ürün analizi modelinin geliştirilmesi

Öz

Teknolojinin gelişmesi ile etkin bir depo yönetimi işletmelerin en önemli hedefleri arasına girmiştir. Bu hedeflerin gerçekleşmesi işletmelerin ellerinde olan veriyi kullanarak anlamlı bilgiler çıkarması ve bu bilgileri depo yönetiminde kullanması ile mümkün olacaktır. Depo yönetiminin ise en mühim fonksiyonlarından biri ürün yerleştirmedir. İdeal olmayan ürün yerleştirmeleri işletmeleri zaman ve maddi açıdan kayıplara yol açmaktadır. Çalışma kapsamında; çıkış siparişleri baz alınarak dinamik bir ürün analizi modelinin geliştirilmesi amaçlanmıştır. Çalışmanın birinci aşamasında standart sapma tekniği kullanılarak ideal dönemler belirlenmiştir. Çalışmanın ikinci aşamasında stokta tutma süresi tekniği ile ürünlerin bekleme süreleri hesaplanmıştır. Çalışmanın üçüncü aşamasında stok tutma süreleri sıralanarak depo içerisinde Pareto tabanlı Elmas, Altın ve Gümüş bölgelere bölünen lokasyonların ürünler ile eşlenmesi sağlanmıştır. Çalışmanın dördüncü aşamasında veri madenciliği modellerinden biri olan birliktelik analizinin literatürlerde en çok kabul görmüş olan Apriori algoritması tekniği ile verilerin birliktelik analizi gerçekleştirilmiş ve aynı bölgede sık giden ürünler yan yana konularak ürünlerin toplama gözü lokasyonları belirlenmiştir. Çalışmanın sonucunda depolama faaliyetlerinde bulunan işletmelere ve bu alanda çalışan araştırmacılara ürün yerleştirme süreçlerinde faydalanacakları bir modelin belirlenmesinde katkı sağlaması amaçlanmıştır. Bu çalışma ile ürün analizinin yapılmasında sadece literatürde sıklıkla rastlanılan ürün tonaj bilgileri veya ürün çıkış bilgileri baz alınmamış, o ürünün stok tutma süresi ve birlikte gitme özelliği baz alınmıştır. Böylece literature yeni ve etkin bir bakış açısı kazandırılmıştır.

Anahtar Kelimeler

• Apriori algoritması
• Dinamik ürün analizi
• Lojistik
• Pareto analizi
• Standart sapma
• Stok tutma süresi

Development of dynamic product analysis model for warehouse with data mining and stock-keeping time techniques

Abstract

Effective warehouse management has become one of the most important goals of businesses with the development of technology. The realization of these goals will be possible by using the data in the hands of the businesses to extract meaningful information and to use this information in warehouse management. One of the most important functions of warehouse management is product placement. Improper product placements cause time and financial losses for businesses. Scope of work; it is aimed to develop a dynamic product analysis model based on output orders. In the first stage of the study, ideal periods were determined by using the standard deviation technique. In the second stage of the study, the waiting times of the products were calculated with the technique of holding time in stock. In the third stage of the study, the products were ranked according to their stock keeping times. Afterward, the locations divided into Pareto-based Diamond, Gold and Silver regions were matched with the products in the warehouse. In the fourth stage of the study, the Apriori algorithm technique, which is one of the data mining models, is the most accepted in the literature, was used. The association analysis of the data was carried out and the collection bin locations of the products were determined by placing the products that go frequently in the same region side by side. As a result of the study, it is aimed to contribute to the businesses engaged in storage activities and researchers working in this field in determining a model that they will benefit from in the product placement processes. In this study, product tonnage information or product output information, which is frequently encountered in the literature, is not taken as a basis for product analysis, and the stock keeping time and go-with feature of that product are taken as the basis. Thus, a new and effective perspective has been gained to the literature.

Keywords

• Apriori algorithm
• Dynamic product analysis
• Logistics
• Pareto analysis
• Standard deviation
• Stock holding time

Kaynakça

1. [1] Hompel MT, Schmidt T. Warehouse Management Automation and Organisation of Warehouse and Order Picking Systems. 1st ed. Berlin, Germany, Springer, 2007.
2. [2] Denizhan B, Menşur Ş. “Bir lastik fabrikasında dinamik adresleme yaklaşımı ile depoya yerleştirme”. Academic Platform Journal of Engineering and Science, 7(3), 481- 488, 2019.
3. [3] Tompkins AJ, White JA, Bozer YA. Tanchoco JMA. Facilities Planning. 4th ed. New Jersey, USA, John Wiley& Sons Inc., 2010.
4. [4] Ha JW, Hwang H. “Class-based storage assignment policy in carousel system”. Computers & Industrial Engineering, 26(3), 489-499, 1994.
5. [5] Jewkes E, Lee C. Vickson R. “Product location, allocation and server home base location for an order picking line with multiple servers”. Computers & Operations Research, 31, 623-636, 2004.
6. [6] Heragu SS, Du L, Mantel RJ, Schuur PC. “Mathematical model for warehouse design and product allocation”. International Journal of Production Research, 43(2), 327- 338, 2005.
7. [7] Ng WL. “A simple classifier for multiple criteria ABC analysis”. European Journal of Operational Research, 177, 344-353, 2007.
8. [8] Muppani VR, Adil GK. “Efficient formation of storage classes for warehouse storage location assignment: a simulated annealing approach”. Omega-The International Journal of Management Science, 36, 609-618, 2008.

9. [9] Accorsi R, Manzini R, Bortolini M. “A hierarchical procedure for storage allocation and assignment within an order-picking system: a case study”. International Journal of Logistics, 15(6), 351-364, 2012.
10. [10] Özyörük B, Ak S. “Etkin depo yerleşiminin düzenlenmesi için bir model: elektronik firmada uygulanması”. Tübav Bilim Dergisi, 5(1), 21-29, 2012.
11. [11] Boysen N, Stephan K. “The deterministic product location problem under a pick-by-order policy”. Discrete Applied Mathematics, 161(18), 2862-2875, 2013.
12. [12] Fumi A, Scarabotti L, Schiraldi MM. “Minimizing warehouse space with a dedicated storage policy”. International Journal of Engineering Business Management, 5, 1-8, 2013.
13. [13] Wutthisirisart P, Noble JS, Chang CA. “A two-phased heuristic for relation-based item location”. Computers & Industrial Engineering, 82, 94-102, 2015.
14. [14] Dinçer F. Bir İlaç Deposunun Birliktelik Analizi Kullanılarak Yerleştirilmesi ve Sipariş Toplama Sürecinin İyileştirilmesi. Yüksek Lisans Tezi, Kocaeli Üniversitesi, Kocaeli, Türkiye, 2018.
15. [15] Şenyiğit E, Bozdoğan A. “Yeni bir sezgisel yöntem ile tek blok tek koridor depo yerleştirme probleminin çözümü”. Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi, 10(3), 1-9, 2018.
16. [16] Tambunan MM, Tambunan R. “Product placement based on throughput at PT XYZ warehouse”. IOP Conf. Series: Materials Science and Engineering, 851(1), 1-4, 2020.
17. [17] Çobanoğlu İ, GÜRE İ, Bayram V. “Sipariş toplama sıklığı düşünceleri altında veri güdümlü depolama yeri atama problemi: sezgisel bir yaklaşım”. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 27(4), 520-531, 2021.
18. [18] Yerlikaya MA, Arıkan F. “Sipariş toplama sistemlerinde üretim planlama ve sınıf temelli depo ürün atama problemi için bütünleşik model önerisi”. Journal of the Faculty of Engineering and Architecture of Gazi University, 37(3), 1703-1712, 2022.
19. [19] Eti S, İnel MN. “Kümeleme ve tasarruf algoritması yardımıyla sipariş toplama problemi üzerine ampirik bir uygulama”. Journal of Research in Business, 7(1), 80-90, 2022.
20. [20] Hejlsberg A, Wiltamuth S, Golde P. C# Language Specification. 1st ed. Boston, MA, USA, Addison-Wesley Longman Publishing Co., Inc., 2003.
21. [21] Evcimen C, Çakıcı A, Çakıcı C. “İşin anlamlılığının sapma davranışı ve performansa etkisi”. Selçuk Üniversitesi Sosyal Bilimler Meslek Yüksekokulu Dergisi, 23(2), 672-683, 2020.
22. [22] Kaya M, Tunç H, Topçuoğlu F. “Kısa vadeli borçlanmanın işletmelerin aktif karlılıkları üzerine etkisi: bist çimento sektörü üzerine bir uygulama”. Muhasebe ve Finansman Dergisi, 78, 171-182, 2018.
23. [23] Agrawal R, Srikant R. “Fast Algorithms for Mining Association Rules”. Proc. 20th Very Large Databases (VLDB) Conference, Santiago, Chile, 05 May 1993.
24. [24] Argüden Y, Erşahin B. Veri Madenciliği: Veriden Bilgiye, Masraftan Değere. 1. Basım. İstanbul, Türkiye, ARGE Danışmanlık Yayınları, 2008.
25. [25] Alpaydın E. “Zeki veri madenciliği: ham veriden altın bilgiye ulaşma yöntemleri”. Bilişim 2000 Eğitim Semineri, Ankara, Türkiye, 10-11 Şubat 2000.
26. [26] Çelik C, Şahin Y. “AHP temelli ORESTE ve TOPSIS yöntemleri ile işletmeler için bayilik seçimi ve bir uygulaması”. UMÜFED Uluslararası Batı Karadeniz Mühendislik ve Fen Bilimleri Dergisi, 3(1), 50-66, 2021.