The Application of Machine Learnıng Methods in Warehouse Management Processes: The Example of Azure Ml Studio

Makine Öğrenme Yöntemlerinin Depo Yönetim Süreçlerinde Uygulanması: Azure ML Studio Örneği

Abstract

E-commerce processes must work in harmony and simultaneously with warehouse and operation activities on the logistics side. E-commerce activities include the processes resultingin positive order requests. Routing orders in a correct and fast way depends on the integrated and seamless solution of warehouse technologies with ERP systems. The aim of this study is to manage the warehouse capacity efficiently by predicting the products to be demanded in the future.In the study, the data of an e-commerce company operating at national level was processed in Azure ML (Machine Learning) Studio and the future and demand forecast values were tried to be calculated. The study in which thenew generation machine learning cloud platform was introduced and model performances were measured comparatively aims to plan and develop e-commerce sector and logistics activities based on data.

Özet

E-ticaret süreçleri, lojistik tarafta depo ve operasyon faaliyetleri ile birlikte uyumlu ve eş zamanlı çalışmak zorundadır E-ticaret faaliyetleri;sipariş taleplerinin olumlu bir şekilde sonuçlanmasıile gerçekleşen süreçleri içerir. Siparişlerin, doğru ve hızlı bir şekilde yönlendirilmesi, depo teknolojilerinin, ERP sistemleriyle entegre ve sorunsuz çözümüne bağlıdır. Buçalışmanın amacı;gelecekte talep edilecek ürünlerin öngörüsü yapılarak depo kapasitesininverimli bir şekilde yönetilmesini içerir. Çalışmada, ulusal düzeyde faaliyet gösteren bir E-ticaret firmasının verileri Azure ML(Makine Öğrenmesi)Studio’da işlenerek geleceğe dönük öngörü ve talep tahmin değerleri hesaplanmaya çalışılmıştır. Yeni nesil makine öğrenme bulut platformunun tanıtıldığı ve model performanslarının karşılaştırmalı olarak ölçümlendiği çalışma; E-ticaret sektörü ve lojistik faaliyetlerin veriler üzerinden planlanması ve geliştirilmesini hedeflemektedir.