Yazar "Taşdemir, Çağatay" seçeneğine göre listele

Listeleniyor 1 - 3 / 3
  • Küçük Resim Yok
    Öğe
    A FUZZY QFD-BASED APPROACH FOR CUTTING MACHINE SELECTION IN THE FURNITURE INDUSTRY
    (Bursa Uludağ Üniversitesi, 2025) İnce, Melike Nur; Taşdemir, Çağatay; Yildiz, Aytaç
    To survive in an increasingly competitive business environment, companies are placing a greater emphasis on customer demands. Demand-driven manufacturing has become a key business priority in light of these developments. Furthermore, customer demand has emerged as a pivotal consideration in strategic decision-making processes within the business sector. Adopting a customeroriented approach to decision-making in various operational areas, including purchasing, logistics, and production, could increase business profitability. In this study, a fuzzy AHP-based fuzzy QFD approach was developed for a cutting machine that a medium-sized furniture company sought to procure. This analysis identified eight customer requests and determined their relative importance using the Fuzzy AHP methodology. The results indicated that Precision (CR 3) was the most critical customer request, with a weight of 0.300, followed by Cutting Quality, which was identified as the second most crucial customer request, with a weight of 0.229. Subsequently, these weighted customer requests were input into the Fuzzy QFD methodology. Subsequently, ten technical requirements for machine selection were identified. The study results showed that the best-performing alternative was the laser cutting machine, with a percentage value of 28.00. In contrast, the worst-performing alternative was the autogenous flamecutting machine, with 19.40%. Although the employed methodology was explicitly focused on machine selection for metal components in the furniture industry, the findings offer significant insights with broader applicability. These insights provide a reference point for addressing complex decision-making problems of a similar nature, making the research valuable to practitioners and academics working in furniture manufacturing, machine selection, and multi-criteria decision-making.
  • Küçük Resim Yok
    Öğe
    Optimize Edilmiş SARIMA Modeli Kullanarak Elektrikli Araç Satışlarının Tahmini: İki Yıllık Öngörü Analizi
    (Murat GÖK, 2024) Çetin, Buse; Taşdemir, Çağatay
    Elektrikli araç (EV) pazarının hızla genişlemesi, üreticiler, politika yapıcılar ve paydaşlar için doğru tahmin modellerine olan ihtiyacı artırmaktadır. Bu çalışma, Ocak 2021'den Aralık 2023'e kadar olan tarihi satış verilerine dayanarak, önümüzdeki iki yıl için aylık EV satışlarını tahmin etmek amacıyla Mevsimsel Otoregresif Entegre Hareketli Ortalama (SARIMA) modelini kullanmaktadır. Veriler, ABD Enerji Bakanlığı'nın 'Amerika Birleşik Devletleri'nde Yeni Hafif Hizmet EV'lerinin Aylık Satışları' raporundan elde edilmiştir. SARIMA modeli, kapsamlı bir grid arama yoluyla optimize edilerek, mevsimsel olmayan bileşen için (1, 0, 2) ve mevsimsel bileşen için (1, 0, 1, 12) olarak belirlenen optimal konfigürasyona ulaşılmıştır. Yöntem, satış verilerinin Augmented Dickey-Fuller (ADF) testi kullanılarak durağanlığının doğrulanmasını içermektedir. Optimal parametrelerin belirlenmesi için grid arama kullanılmış ve modelin performansı Akaike Bilgi Kriteri (AIC), Bayesyen Bilgi Kriteri (BIC) ve Hannan-Quinn Bilgi Kriteri (HQIC) ile değerlendirilmiştir. Seçilen modelin AIC değeri 739.51, BIC değeri 749.01 ve HQIC değeri 742.82 olup, iyi bir uyum sağladığını göstermektedir. Tahmin sonuçları, önümüzdeki 24 ay boyunca EV satışlarında istikrarlı bir artış eğilimi ortaya koymakta; model, Ocak 2024'te yaklaşık 96.076 adet satış öngörmekte, Temmuz 2024'te 108.559 adede ulaşacağını ve Aralık 2025'te hafif bir düşüşle 100.676 adede gerileyeceğini tahmin etmektedir. Bu projeksiyonlar, elektrikli araçların artan tüketici benimsenmesini vurgulamakta ve sektör paydaşları için değerli içgörüler sunmaktadır. Tahmin edilen büyüme eğilimi, EV teknolojisindeki gelişmeler, artan çevresel farkındalık ve destekleyici hükümet politikaları ile yönlendirilen pazar genişlemesi potansiyelini gözler önüne sermektedir. Sonuç olarak, SARIMA modeli, EV satışlarının güvenilir bir şekilde tahmin edilmesini sağlamakta ve sektör katılımcıları için stratejik planlama ve kaynak tahsisine yönelik bilinçli kararlar alınmasına katkıda bulunmaktadır. Bu araştırma, hızla gelişen elektrikli araç sektöründe pazar dinamiklerinin daha geniş bir şekilde anlaşılmasına katkı sağlamakta ve sürdürülebilir büyümeyi desteklemede güçlü tahmin analitiklerinin önemini vurgulamaktadır. Bu da, sektörün geleceği için bir iyimserlik ve umut duygusu aşılamaktadır.
  • Küçük Resim Yok
    Öğe
    Optimizing Energy Efficiency in Wood Processing Plants through Data Analysis: A Case Study on Value-Added Wood Products Manufacturing
    (Sakarya University of Applied Sciences, 2024) İnce, Melike Nur; Taşdemir, Çağatay
    Energy consumption in value-added wood products manufacturing facilities has significant environmental and economic impacts. High energy usage increases costs and expands the carbon footprint, making it challenging to achieve sustainability goals. Inefficient energy management in wood processing plants elevates operational costs and exacerbates the environmental burden. Therefore, optimizing energy efficiency through data analysis techniques is critically important. This study analyzes energy consumption data to identify inefficiencies and propose effective optimization strategies. Historical data encompassing operational parameters, energy consumption, environmental conditions, and production output from five high-capacity wood processing machines in the wood products industry were collected daily over the past three years. The dataset includes ten categories: Date, Machine ID, Runtime Hours, Load Percentage, Electricity Usage, Gas Usage, Temperature, Humidity, Production Output, and Energy Efficiency. Initially, the data were loaded into a pandas Data Frame, converted to date and time format, and checked for missing and outlier values, followed by standardization of numerical features. Descriptive statistics were calculated for each feature, and data consistency was verified. The distributions of critical features were visualized with histograms, and the relationships between numerical features were illustrated using a correlation matrix heatmap. Trends and seasonal patterns in energy consumption and production output were analyzed by resampling the data monthly. Principal Component Analysis (PCA) was applied to reduce the dimensionality of the dataset while retaining significant information, and three clusters were formed using the K-Means algorithm. The clusters were visualized in the PCA-reduced feature space, and their characteristics were analyzed to prioritize machines for energy efficiency improvements. Cluster 2, characterized by an average energy usage of 209.79 kWh, an average gas usage of 107.90 m³, an average production output of 1595.03 units, an average energy efficiency of 5.26 units/kWh, and an average load percentage of 75.35%, demonstrated low energy consumption and high production output, indicating highly efficient operations. Therefore, it is recommended that the best practices from this cluster be standardized and implemented across other clusters. Additionally, investing in technological advancements to enhance energy efficiency and conducting continuous improvement efforts to maintain and improve efficiency are suggested.