Tedarik Zinciri Yönetiminde Yapay Zeka Teknikler

Tedarik Zinciri Yönetiminde Yapay Zeka
Teknikler
Doç.Dr.Mehmet Hakan Satman
mhsatman@istanbul.edu.tr
İstanbul Üniversitesi
2014.10.22
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
1 / 35
Doğa
Çarpıştırılan iki kum taneciği nereye saçılacağını bilir mi?
Taneciklerin nereye saçılacağı her an hesap edilir mi?
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
2 / 35
Doğa
Yaprak, üzerine düşen su damlacağını hisseder mi?
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
3 / 35
Doğa
Kediler neden medeniyet kuramamış olduklarının farkında mıdır?
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
4 / 35
Doğa
İnsan, yukarıda değinilenlerden ne derece farklıdır?
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
5 / 35
Turing
Varsayalım ki:
Düşünebilen bir makina yapılsın
İnsan deneklerin makine ile sohbet etmesi sağlansın.
Denekler bir makina ile değil, bir insanla sohbet ettiğini sansın
Soru: Karar alırken duygu, sezgi ve insana özgü özelliklerimizi işin
içine kattığımızı sanarken yalnızca beynimizin zihinsel fonksiyonlarını
mekanik bir şekilde kullanıyor olabilir miyiz?
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
6 / 35
Turing
Taklit edilebilen bir zeka, doğal zekanın yerini tutabilir mi?
Zekayı taklit edebilir miyiz?
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
7 / 35
Deep Mind by Google
”Our mission is to solve intelligence”
”We combine the best techniques from machine learning and
systems neuroscience to build powerful general-purpose learning
algorithms.”
http://deepmind.com/
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
8 / 35
Kural Çıkarma
Aşağıdaki işlem doğrusal bir fonksiyon ile ifade edilebilir mi?
X1
1
1
0
0
⊗
⊗
⊗
⊗
X2
1
0
1
0
⇒
⇒
⇒
⇒
Y
0
1
1
0
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
9 / 35
Yapay Sinir Ağları
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
10 / 35
Yapay Sinir Ağları
Belirli girdiler ve çıktılar arasındaki doğrusal olmayan ilişkileri,
beyni taklit ederek ortaya çıkarabilir miyiz?
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
11 / 35
Yapay Sinir Ağları
XOR verisi için tek gizli katmanlı yapay sinir ağı
1
Y =
1+e
−
1
1+e −X1 ×W11 −X2 ×W21
×W31 −
1
1+e −X1 ×W21 −X2 ×W22
×W32
W11 , W12 , W21 , W22 ne olmalıdır ki verilen girdiler beklenen çıktıları
üretsin?
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
12 / 35
Yapay Sinir Ağları
Çıktılar reel, tam veya ikili sayılar olarak düzenlenebilir.
Tahmin edilen parametre sayısı (Wij ) gözlem sayısından büyük
olabilir.
Dağılım varsayımı aranmaz.
Doğrusal olan ve olmayan ilişkiler keşfedilebilir.
Bir regresyon ve kümeleme aracı olarak ele alınabilir.
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
13 / 35
Genetik Programlama
Yapay sinir ağı:
Kaç bağımsız değişken içermelidir?
Kaç gizli katman içermelidir?
Her gizli katmanda kaç nöron yer almalıdır?
Nöronları birbirine bağlayan Wij değerleri ne olmalıdır?
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
14 / 35
GP, LISP ve PREFIX Notasyonu
LISP dilinde programlar prefix notasyonu ile yazilir.
2 + 5 ∗ 3 ifadesi ( + 2 ( ∗ 5 3 ) )
Böylece ifadeler Abstract Syntax Tree (Soyut Yazım Ağacı)
şeklinde yeniden yapılandırılabilir.
Bu gösterim, kod bloklarının parçalar halinde birleştirilmesini
olanaklı kılar.
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
15 / 35
GP, LISP ve PREFIX Notasyonu
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
16 / 35
GP, LISP ve PREFIX Notasyonu
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
17 / 35
GP, LISP ve PREFIX Notasyonu
// Parent 1
if ( sqrt ( x + y ) <= 10){
return( x )
} else {
return ( x / y )
}
// Parent 2
if ( sqrt(17) * sqrt(x) <= 10 ){
return(x)
} else {
return ( x + y )
}
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
18 / 35
GP, LISP ve PREFIX Notasyonu
// Caprazlama Sonrası Dol Cozum (Child 1)
if ( (x+y) <= 10 ){
return(x)
} else {
return(x / y)
}
// Caprazlama Sonrası Dol Cozum (Child 2)
if (sqrt(17) * sqrt(x) <= 10){
return(x)
} else {
return( sqrt( x + y) )
}
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
19 / 35
Genetik Algoritmalar
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
20 / 35
Genetik Algoritmalar
Rasgele belirlenmiş aday çözümler oluşturur.
Amaç fonksiyonunu en iyi sağlayan adaylar ile yeni aday
çözümler oluşturulur.
İyi çözümlerin çaprazlanması ile daha iyi çözümlere ulaşılabilmesi
beklenir.
Amaç fonksiyonunun sürekli veya türevlenebilir olması gerekmez.
Yapay sinir ağlarında optimum Wij değerlerinin aranmasında
genetik algoritmalar kullanılabilir.
Genetik programlamadan farklı olarak, GA ile yapay sinir ağının
eğitilmesine bir optimizasyon problemi olarak bakılır.
Ancak uygulamada GA hem ağ yapısının belirlenmesinde hem de
Wij değerlerinin seçilmesinde kullanılmıştır.
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
21 / 35
Genetik Algoritmalar
Model,
Yt = β0 + β1 Yt−1 + β2 Yt−8 + β3 Yt−17 + α1 t−1 + t
olsun. Uygun ARIMA modeli bulunabilir mi?
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
22 / 35
Genetik Algoritmalar
Model,
Y = β0 + β1 X5 + β2 X8 + β3 X17 + olsun. Değişken havuzunda X1 , X2 , ..., Xp yer almış olsun. Uygun
modelin keşfedilmesi için tüm mümkün alt kümeler denenebilir mi?1
1
Bu süreç 2p adet arama gerektirir!
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
23 / 35
Genetik Algoritmalar
Aday modeller kromozomlarla ifade edilebilir:
Kromozom
Model
Uygunluk
0000100000000000000 Y = β0 + β1 X5 + U1
0000000100000000000 Y = β0 + β1 X8 + U2
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
24 / 35
Genetik Algoritmalar
Uygunluğu U1 ve U2 olan iki kromozom çaprazlandığında, uygunluğu
U3 > U1 , U2 olan yeni bir kromozom oluşturulabilir.
Kromozom
Model
Uygunluk
0000100000000000000
Y = β0 + β1 X5 + U1
0000000100000000000
Y = β0 + β1 X8 + U2
000010 | 0000000000000
000000 | 0100000000000
0000100100000000000 Y = β0 + β1 X5 + β2 X8 + U3
0000000000000000000
Y = β0 + U4
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
25 / 35
Genetik Algoritmalar
Model,
Y = β0 + β1 X1 + β2 X2 + β3 D1 + modeli aşağıdaki veriden tahmin edilecek olsun:
Y
X D
16.9 1 ?
15.4 2 ?
12.3 3 ?
17.6 4 ?
...
... ...
11.2 40 ?
1 ve 0 değerleri alabilen D değişkeninin kendisi tahmin edilebilir mi?
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
26 / 35
Talep Tahmini
Q = f (P, PR , PT , ...) + TR(Q) = P × Q
TC (Q) = aQ 3 + bQ 2 + cQ + constant
T π(Q) = TR(Q) − TC (Q)
Asıl soru: Bir sonraki dönem Q ne olacak?
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
27 / 35
Talep Tahmini
Q = f (P, PR , PT , ...) + modeli
Hangi değişkenleri içerir? (Genetik algoritmalar)
Fonksiyonal yapı nasıldır? (Genetik programlama ve Genetik
algoritmalar)
Fonksiyonal yapı bilinmeden bir tahmin gerçekleştirilebilir mi?
(Yapay sinir ağları)
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
28 / 35
Depo Yeri Seçimi
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
29 / 35
Depo Yeri Seçimi
Koordinatları (X1 , Y1 ), (X2 , Y2 ), ..., (Xk , Yk ) olan birimlere toplam
ulaşım maliyetleri en küçük olan depo nereye kurulmalıdır?
Spatial median (Uzamsal medyan), k noktaya olan toplam
uzaklıkları minimize eder.
Problem bu haliyle bir optimizasyon problemidir.
Uzaklıklar veya maliyetler doğası gereği doğrusal değildir.
Uygun depo yeri genetik algoritmalar ile belirlenebilir.
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
30 / 35
Ciro Tahmini ile Mağaza Yeri Seçimi
Mevcut mağazanın geçmiş verileri ile gelecekteki cirosu tahmin
edilebilir.
Henüz kurulmamış bir mağazanın geçmiş verileri de olmayacaktır.
Bu mağazanın cirosu yine de tahmin edilebilir mi?
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
31 / 35
Doğrusal olmayan kümeleme
Mağaza veya alt kuruluşların belirli özelliklere göre kümelenmesi
gerekebilir
k-means, single-linkage gibi kümeleme yöntemleri başarısız
olabilir
Alternatif olarak SOM (Self organizing maps), segmentasyon için
kullanılabilir.
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
32 / 35
Parçacık Sürü Optimizasyonu
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
33 / 35
Parçacık Sürü Optimizasyonu
Kuşların veya balıkların göç yollarını araması modellenebilir mi?
Doğru yönü bulmak bir amaç fonksiyonu mudur?
Bu hayvanlar doğru yönü bulduklarında bir amaç fonksiyonunu
minimize etmiş olur mu?
PSO nerelerde kullanılabilir?
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
34 / 35
Teşekkürler
Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr
Tedarik Zinciri(İstanbul
Yönetiminde
Üniversitesi)
Yapay Zeka Teknikler
2014.10.22
35 / 35

Download

Tedarik Zinciri Yönetiminde Yapay Zeka Teknikler

Products

Support

Tedarik Zinciri Yönetiminde Yapay Zeka Teknikler

Add this document to collection(s)

Add this document to saved

Suggest us how to improve StudyLib