1. 1
YILDIZ TEKNĠK ÜNĠVERSĠTESĠ
MAKĠNE FAKÜLTESĠ
ENDÜSTRĠ MÜHENDĠSLĠĞĠ BÖLÜMÜ
TALEP TAHMĠN YÖNTEMLERĠ
06062050 CENGĠZ ÇĠLOĞULLARI
ENDÜSTRĠ MÜHENDĠSLĠĞĠ TASARIM 1 DERSĠ PROJESĠ
DanıĢman: Yrd. Doç. Dr. Tufan DEMĠREL
ĠSTANBUL, 2010

2. 2
GĠRĠġ
Bir Endüstri Mühendisi adayı olarak bulunduğum 3.sınıfa kadar öğrendiklerime dayanarak
iĢletmede en önemli unsurun “verim” olduğunu direk yanıtlayabilirim.Ve bu bağdamda kar
amacı gütmeyen endüstri iĢletmeleri tanımlamak olanaksızdır.
„Kar‟ a yönelik araĢtırmalara bakarsak baĢarının sırrının ileri öngörmeden geçtiğini
kolaylıkla görürüz ki buda projemin en önemli noktasıdır.ĠĢte planlamada tam bu açıda
karĢımıza çıkmaktadır.
Gelecek zamanlara iliĢkin alınacak olan kararlar, insanların daha iyi bir yaĢama kavuĢması,
isletme ve kurumların ise daha çok kar etmesi veya üretim ya da hizmet faaliyetleri açısından
hayatta kalabilmesi açısından oldukça büyük önem taĢımaktadırlar.
Montgomery ve arkadaĢları kitabında bunu Ģu Ģekilde belirtmiĢlerdir:
“Typically the decision problem requires a forecast over a numberof future periods.”Bu
nedenle geleceğe yönelik kararlarda, ileriye yönelik tahmin çalıĢmaları büyük önem
taĢımaktadırlar.(Montgomery,Lynwood,Gardiner;180,381;1990)
Planlama, üretim yönetiminin ayrılmaz bir parçasıdır. Ġleriye yönelik belirsizlikler,
planlama fonksiyonunun etkin bir Ģekilde yerine getirilmesini güçleĢtirmektedir. Dolayısıyla,
belirsizligi azaltmak için atılacak her adımın, sağlıklı kararlar alınması yönünde değerli bir
katkısı olacaktır. (1)

3. 3
ġekil 1 : Tahmin Metodolojisi Ağacı
Bu ağaç tahmin metodlarını kategorilere ayırmıĢ ve birbirleriyle etkileĢimlerini çok güzel
bir Ģekilde açıklamıĢtır. (2)
ĠĢletmelerde, yatırım ve iĢletme kararlarının alınmasında en önemli rol oynayan faktör,
üretilecek mal veya hizmetin gelecekteki satıĢ miktarı yani talebidir. Ekonomik düzen
içerisinde bir üründen veya hizmetten talep edilecek miktarın belirlenmesi, iĢletme
yatırımlarının Ģekillendirilmesi bakımından çok büyük önem taĢımaktadır.
Büyük ve modern iĢletmelerin çoğaldığı ülkelerde geleceğe iliĢkin iĢ koĢullarının
kestirilmesinde, kısmi bilgilerin ve istatistik analizlerinin kullanılmasının artan bir önem
kazanmasıyla, talep tahmininde dayanılan tek temel, rakamla ifade edilebilen bilgilerin analizi
olmuĢtur. BaĢka bir deyiĢle, istatistik tekniğine dayanmayan ve istatistik analizlerine
baĢvurmadan satıĢ tahmini yapmak mümkün değildir.
Talep tahmini için tek bir yöntem yoktur. Tek bir yöntem olmaması da doğaldır. Bir
ekonomide üretilen mal ve hizmetlerin çok çeĢitli oluĢu; tüketim malları, ara mallar, sermaye
malları taleplerinin birbirinden farklı Ģekilde meydana geliĢi; elde edilebilen istatistiklerin

4. 4
çoğu zaman sınırlı ve güvenilirlik derecelerinin çok değiĢik bulunuĢu, tek bir talep tahmin
yönteminin kullanılmasını imkansız kılmaktadır.
Karar sürecinde kullanılan tahminleme teknikleri kalitatif ve kantitatif olarak
sınıflandırılmaktadır. Karar vericiler öncelikle tahmin yapacakları sorunun yapısına en uygun
tahminleme tekniğini belirlemelidir. Tahminleme faaliyetleri; tahmin tipi, tahminin kapsadıgı
zaman, eriĢilebilir bilgi kaynakları ve kullanılan tahminleme tekniğinin fonksiyonu
niteliginde olmaktadır (3).
Tahminlemede kullanılan tekniklerden kalitatif tahminleme teknikleri, mevcut durumlara
ve gelecekle ilgili planlara iliĢkin bilgisi olması beklenen kiĢilerin fikir ve yargılarının
toplanmasını gerektirmektedir .
Kantitatif tahminleme teknikleri, zaman serileri ve nedensel teknikler (regresyon analizi)
olmak üzere iki gruba ayrılmaktadır.(Regresyonda Montgomery „den yararlanacağız.) Zaman
serileri analizinde, tahminlenecek değiĢkene iliskin geçmiĢ veriler belirli bir veri seyri elde
etmek üzere analiz edilmektedir. Bu nedenle tahminleme sadece geçmiĢ verilerin bu amaçla
analiz edilmesine ve yapılacak tahminlerde kullanılmasına dayanmaktadır. Bu özelliğinden
dolayı zaman serileri analizi, değiĢmeyen koĢullar altında daha etkin olmaktadır .
Nedensel tahminleme modellerinin, diger bir deyiĢle regresyon analizinin kullanılması ise,
degerleri tahmin edilecek değiĢkenle iliĢkili olan diğer değiĢkenlerin belirlenmesini
içermektedir (4) .
Regresyon analizi ve zaman serileri analizi dıĢında, değiĢkenler arasındaki iliĢkinin
derecesini tanımlamak için kullanılan teknik ise korelasyon analizidir. Korelasyon analizi
çoğunlukla, bağımlı değiĢkenin değiĢkenliğini regresyon doğrusunun ne kadar iyi açıkladığını
ölçmek için kullanılmaktadır. Bunun yanı sıra korelasyon analizi, iki degiĢken arasındaki
iliskinin derecesini ölçmek için de kullanılabilmektedir. Ġki degiĢken arasındaki iliĢki,
korelasyon katsayısı ve belirlilik katsayısı olarak adlandırılan iki parametre ile
belirlenmektedir.
Literatür AraĢtırması
Zaman serilerini kullanarak yapılan talep tahmin çalıĢmaların temeli, Holt,Brown ve
Winters‟in ortaya koyduğu Zaman Serileri Analiz Yöntemlerine dayanmaktadır.
Holt, Brown ve Winters zaman serileri analizlerinde Üssel Düzeltme Yöntemlerini kullanan
yöntemlerle ilgili çalıĢmalar yapmıĢlar ve bu yöntemlerin teorilerini ortaya koymuĢlardır.
Winters ; Holt‟un yöntemlerini biraz daha geliĢtirerek zaman serilerinde trend ile birlikte
mevsimsel etkileri de göz önüne alarak tahmin yapabilen bir yöntem geliĢtirmiĢtir.

5. 5
Daha sonraları araĢtırmalar devam etmiĢ ve birçok yeni yöntem elde edilmiĢtir.Günümüze
daha yakın olanları ele alacak olursak 1985 yılından itibaren zaman serileri üzerine yapılan
çalıĢmalar daha çok yöntemlerin deneysel özellikleri ,tahminlerin değerlendirilmesi, istatistiki
yöntemlerin tahmin yöntemlerine uyarlanması ve tahmin hatalarının ölçülmesi ve bu ölçülerin
yorumlanması ile ilgili çalıĢmalar olmuĢtur. Örnek olarak Armstrong &Collopy
verilebilir.(5)(Armstrongg and Collopy 38,1394)
Talep ve Talep Tahmini
GiriĢte de belirttiğimiz üzere ; talep, belirli bir dönemde ve belirli bir pazarda tüketicilerin
degiĢik fiyat düzeylerinde satın almaya istekli oldukları ve satın alabilecekleri ürün miktarıdır.
Talep, ürünün fiyatı, tüketicilerin gelirleri ve gelir dağılımları, tamamlayıcı ürünlerin fiyatı,
tüketicilerin zevk ve tercihleri, fiyatlarla ve gelirlerle ilgili beklentilerden etkilenebilmektedir.
Talep tahmini, tüketicilerin gelecekte ne miktar mal ve hizmet talep edeceklerinin
kestirilmesi iĢlevidir. Bu tahmin isletmenin üretim seviyesinin saptanmasında temel oluĢturur.
Hangi ürünün üretileceği, tüketicilerin bu üründen ne miktar talep edecekleri ve bu talebin
çoğunlukla hangi tarihlerde gerçekleĢme olasılığının bulunduğu talep tahminleri ile
yorumlanır.
Tahminle ilgili yapılan çalıĢmaların genelinde talep tahminleri üzerinde durulmaktaysa da,
kârlar, gelirler, maliyet ve verimlilik gibi degiĢkenlerle ilgili tahminler ile gayrisafi milli
hasılat, enflasyon, devlet borçlanması gibi temel olan ekonomik göstergelere ait tahminlerin
de büyük önem taĢıdığının unutulmaması gerekir. Talep tahmininde uygulanan kavram ve
yöntemlerin diğer tahmin alanlarına da aynı Ģekilde uygulanması mümkündür.
Tahmin ÇeĢitleri
1.Yönetimsel Tahmin Çesitleri :Yönetimin çeĢitli kademeleri isletmenin gelecekteki faaliyet
seviyesi konusunda değiĢik tahminlere gereksinim gösterir. Örneğin, genel müdür bir kaç
yılın toplam parasal gelirlerinin tahmini ile ilgilenirken; üretim yönetimi belli bir dönemde
her bir üründen ne miktar talep edebileceği ile ilgilenir. Bunlar;pazar tahmini-finansal tahmin-
satıĢ tahmini ve üretim tahmini gibi departmanlarca farklılık göstermektedirler.
2. Zaman Aralıgına Göre Tahmin Çesitleri :Tahminler için yapılan bir diğer yaygın
sınıflandırma, tahminlerin kapsadığı zaman aralığına göre yapılanıdır. Buna göre talep tahmin
çeĢitleri asağıdaki gibi gruplandırılabilmektedir.

6. 6
Kısa Vadeli Tahminler (günlük-haftalık);orta vadeli(haftalık-aylık);uzun vadeli(aylık-yıllık.)
olarak kapasiteye,kaynağa yada iĢgücüne bağlı olarak ayrılırlar.(6)
Talep Tahmin Ġlkeleri
Tahmin sonuçlarının etkili Ģekilde kullanılması amacıyla tahmin ilkelerinin bilinmesi
gerekmektedir. Bu ilke veya özellikler asağıdaki gösterilmiĢtir:
1. Tahmin çalıĢmalarında mükemmelliğe ulaĢmak genelde olanaksızdır. Gerçek sonuçlar çoğu
zaman tahminde bulunan değerlerden daha farklıdırlar. Bu farklılığın sebeplerinden ilki, tahmini
yapılacak değiĢkeni etkileyen bütün etkenlerin göz önünde bulundurulamaması gerçeği, ikincisi
ise tahmin edilemeyen rassal olayların olmasıdır.
2. Tahminlerin belirli bir ölçüde hata tasıyacağı unutulmamalıdır. Bu nedenle tahmin
çalıĢmalarında tek bir tahmin değerinin yanı sıra, bir aralığın,yani yapılan tahmin değeri için alt
ve üst sınırların belirlenmesini gerektirmektedir.
3. Miktar veya çeĢit bakımından büyük olan gruplar için yapılan tahminler daha duyarlı
olmaktadır.
4. Tahminlerin kapsadığı zaman aralıkları ne kadar kısa ise duyarlık o derecede artacaktır.
5. Tahmin yaparken geleceğe ait ve haberdar olunan bilgiler hesaba katılmalıdır.
Ġyi bir tahminden beklenen ise; olabildiğince isabetli olması,anlamlı birimler Ģeklinde ifade
edilebilir olması,yazılı olması,kolaylıkla anlaĢılabilir ve uygulanabilir olmasıdır
Tahmin Sürecinin AĢamaları
Talep tahminleri, daha önce anlatılan talep tahmin ilkelerinin göz önünde tutulması ile
birlikte dört aĢamada gerçekleĢtirilmektedir(7) .
1.Bilgi Toplanması
Talep tahmininde kullanılacak bilgiler, geniĢ kapsamlı bir pazarlama arastırmasıyla
toplanır. Bütünüyle yeni mal veya hizmet üretimi söz konusuysa, isletmenin tek basına ya da
bazı kuruluĢlarla isbirliği yaparak, birincil elden orijinal veri toplamaları gerekir.
Bunların en önemlileri su Ģekilde sıralanabilir:
• Üretilecek mal veya hizmetin pazarı,
• Üretilecek mal veya hizmetin kullanım yerleri ve özellikleri,
• KuruluĢ yerleri, pazar payları ve üretim düzeyleri,
• Resmi ve resmi olmayan istatistik serileri,
• Rakip mal veya hizmetlerin özellikleri,

7. 7
• Dağıtım sisteminin özellikleri,
• Devletin izlediği ekonomi politikası,
2.Talep Tahmin Döneminin Tespiti
Talep araĢtırması sonuçlarının kullanılıĢ amacı ile periyodun uzunluğu arasında yakın bir iliĢki
vardır. Örneğin, günlük iĢ emirlerinin hazırlanmasında yararlanılacak tahminlerin aylık dönemler
için yapılması son derece yanıltıcı sonuçlar verebilir. Zira günlük değerlerdeki
oynamalar aylık dönemlerde tamamen kaybolur.
3.Tahmin Yönteminin Seçimi ve Hata Hesabının Yapılması
Toplanan bilgilerin belirsizlik, duyarlık, değiĢim biçimi gibi nitelikleri ile uygulama amaçları,
kullanılacak yöntemin seçiminde göz önüne alınması gereken faktörlerdir.
4. Tahmin Sonuçlarının Geçerliginin AraĢtırılması
Çesitli bilgilere dayanılarak yapılan tahminlerle gerçek değerler arasındaki farkların sistematik
biçimde tespiti ve nedenlerinin araĢtırılmasından ibarettir.
ÖRNEK
Tahmin sürecini daha iyi kavrayabilmek için bir buzdolabı üretimini ele alalım:
 Buzdolabı parçaları tasarlanır.
 Bu parçaların nerede, nasıl kullanılacağı ve miktarları belirlenir.
 ĠĢletme kendi bünyesinde bulundurduğu parçaları kontrol eder,eksik varsa bu parçaları
üretir; üretemiyorsa dıĢarıdan temin eder.
 Parçalar temin edildikten sonra ürünü ne kadar üretileceğini ve bu ürünün maliyetinin
ne kadarını karĢılayabileceğini belirler.
 Önceki yıllarda üretilen miktarları bu yılla kıyaslar ve üretimden önce tahminlerde
bulunur.
 Bu tahminleri de talep tahmini yöntemlerine dayanarak yapar.
 Örneğin ürünün,tüketici tarafından ne kadar talep edildiğine, bu ürünün
mevsimselliğine (hangi mevsimde rağbet görmesi ) bakılır,üretim planlaması yapılır
ve üretime baĢlanır.

8. 8
ġekil 2:Buzdolabı Üretim Süreci Örnek
Tahmin Yöntemleri
Tahmin yapmak amacıyla kullanılabilecek çok sayıda yöntem mevcuttur. Bunlar sayısal
olmayan, kiĢisel görüĢ ve yargıya dayalı (kalitatif) tahmin yöntemleri ve sayısal (kantitatif)
tahmin yöntemleri olarak iki ana grupta toplanabilmektedir. GeçmiĢe iliĢkin yeterli sayıda veri
bulunamadığı takdirde, kiĢisel görüĢ ve yargıya dayalı tahmin yöntemlerine
baĢvurulabilinmektedir. Diğer yandan, sayısal modellerin kullanılmasıyla, tahminlerin elde
edilmesinde geçmiĢ verilerden veya değiĢkenler arası iliĢkilerden yararlanılmaktadır.
1. Sayısal Olmayan Tahmin Yöntemleri
GeçmiĢe iliĢkin verilerin mevcut olduğu pek çok durumda, sadece bu verileri kullanarak
tahmin oluĢturmak doğru degildir. Ürün ve hizmetle için gerçeklesen talep, faiz oranları,
enflasyon ve diğer ekonomik koĢullar, rakiplerin davranıĢ biçimi ve devlet tarafından
konulmuĢ düzenlemelerin etkisi altındadır. Sayısal tahmin yöntemler ise bu etkenleri tahmin
hesabına katmaktan uzaktır .
1.a.SatıĢ Gücü Grupları Yöntemi :SatıĢ elemanlarının tüketiciler ile en yakın iliĢki
kuranlar olduğunun varsayılması nedeniyle, tüketicilerin gelecekteki davranıĢları hakkında
kendilerinden bilgi alınamaması durumunda en sağlıklı bilginin satıĢ elemanlarından
alınabileceği düĢüncesine dayanmaktadır.
1.b.Yönetici GörüĢleri Yöntemi :Ġsletmenin çeĢitli bölümlerinden (pazarlama,
finansman, üretim isleri vb.) yöneticilerin bir araya gelerek tahmin oluĢturmalarını sağlayan
yöntemdir.

9. 9
1.c. SatıĢ Elemanları ve Ürün Hattı Yöneticileri: Bu yöntemin satıĢ gücü grupları
yöntemi ve yönetici görüĢleri yönteminin birleĢtirilmiĢ bir hali olduğu söylenebilir. SatıĢ
elemanları ya da satıĢ sorumlularının deneyimlerine dayalı yaptıkları talep tahminleri, daha
sonra isletme üst düzey yöneticileri tarafından gözden geçirilmektedir ve gerekli görüldüğü
takdirde düzeltmeler yapılmaktadır
1.d.Delphi Yöntemi : Mevcut verilerin bir istatistiksel analizi gerçekleĢtiremeyecek
kadar az olduğu ve geçmiĢteki talep verilerinin gelecekteki talebi yansıtmaktan uzak kaldığı
durumlarda, doğru bir talep tahmini için tüketicilerle bu ürüne iliĢkin beklentiler arasında çok
iyi bir iliĢki kurabilecek uzmanların düĢüncelerine baĢvurulması ve alternatif görüĢlerde fikir
birliğinin oluĢturulmasını sağlamaya çalıĢan bir yöntemdir.
Bunun için bir grup kurulur ve koordinatör grup baĢına geçilir.Gruptaki her bir uzmanın
tahmin hakkındaki görüĢleri alınır. Koordinatör bu dogrultuda yazılı bir öneri hazırlar ve
bunları tekrar uzmanların görüĢüne sunar.
1.e.Nominal Grup Yöntemi :Delphi yöntemindeki gibi sezgi ve deneyimlerine
güvenilen bir uzmanlar grubu oluĢturulmaktadır. Delphi yönteminden farklı olarak,
uzmanların birbirleri ile etkileĢimine ve tartıĢmasına izin verilmektedir.
1.f.Pazar AraĢtırması Yöntemi : Gelecekteki talep tahminleri hakkında bilgi almak
amacıyla tüketicilerden, mülakat, anket, telefonla konuĢma gibi yöntemler ile bilgi
toplanmasını amaçlayan bir tahmin yöntemidir.
1.g.Tarihi Analog Yöntemi : Daha önce piyasaya sunulan benzer bir ürün ya da
hizmetle karĢılastırma sonucu, bir ürün ya da hizmetin gelecekteki talep değeri hakkında bilgi
sahibi olunmasını amaçlayan bir yöntemdir.
2.Sayısal Tahmin Yöntemleri
Sayısal tahmin yöntemlerini iki ana grupta incelemek mümkündür. Bunlar;
2.a Nedensel Yöntemler ve
2.b. Zaman Serisi Analizi Yöntemi’dir.
Nedensel Yöntemlerde ürüne iliĢkin geçmiĢ talep verileri ile bu talebi etkiledigi düsünülen
diğer değiĢkenlere ait veriler kullanılmaktadır.

10. 10
Zaman Serileri Analizi Yöntemi‟nde ise geçmiĢ dönemlerde gerçekleĢmiĢ talep
verilerinden yararlanılmaktadır. Talepte, dönemsel, mevsimsel ya da trend etkisi
olabilmektedir. Seride gözlenen bu durumların gelecekte de gerçekleĢeceği varsayımı ile talep
tahmini yapılması amaçlanmaktadır.
Zaman Serileri Analizi
Bir olayın tarih sırasına göre aldığı değerlerin alt alta sıralanmasıyla elde edilen diziye
zaman serisi denir. Zaman serilerine, bir olayın geçmiĢte nasıl bir eğilim gösterdiğini
belirlemek üzere yapılacak araĢtırma ve analizlerin temelidir denebilir. Yine seri, sonuçlarını
yıl, ay, gün vb. gibi bir zaman biriminin ifadesi itibariyle gösteriyorsa zaman serisi adını alır.
Bunlar sabit, artan, azalan ve dalgalı Ģekillerde ortaya çıkabilirler.
Zaman Serileri Analizi, zaman serisi gözlemlerine ait olan verilerin belirli bir zaman
dönemi içerisindeki değiĢmelerinin ölçülmesi ve değiĢmelerinin arındırılması ile ilgilidir.
Herhangi bir zaman serisi belli zamanlarda ve genelde eĢit aralıklarla alınan gözlemlerden
oluĢur. Söz konusu gözlemler rassal gözlemler değil belirli zamanlarda sistemli bir Ģekilde
elde edilen verilerdir. YapılmıĢ olan tüm Zaman Serileri Analizi tanımlarının hemen hepsinde
esas olarak meydana gelmiĢ olan olayların sayısal değerleri zamana göre düzenlenmektedir.
Yani zaman (t) bir parametre olarak analizde yer almaktadır.
Y = f(t) (2.1)
Bir zaman serisi t1, t2,……..,tn zamanlarındaki Y'nin degiĢken değerleri olan
Y1, Y2,… ,Yn ile belirtilir. Böylece zaman serisindeki Y‟ler EĢitlik 2.1 ile sembolize
edilen zamanın (t) bir fonksiyonudur. Zaman Serisi Analizi‟nde amaç geçmiĢteki verilerin
yorumlanması yardımıyla degiĢkenin gelecekteki davranıĢ biçiminin tahmin edilmesidir.
Serilerde görülebilen çeĢitli dalgalanmalar olması sebebiyle, zaman serisi verilerinin çeĢitli
elemanlara ayrılmasını gereklidir.
Zaman serileri bilimsel ve farklı amaçlar ile ekonomi, mühendislik, sağlık, egitim gibi birçok
farklı alanda toplanmakta ve kullanılmaktadır. Özellikle istatistik ve ekonometrik
çalıĢmalarda zaman serilerine yoğun bir ihtiyaç duyulmaktadır. Zaman serileri farklı alanlarda
toplandığı gibi farklı yapılarda da karsımıza çıkmaktadır.Ekonomik zaman serileri ; fiziksel
zaman serileri ;isletme zaman serileri;süreç kontrol serileri gibi birçok alana
uyarlanabilmektedirler.

11. 11
Zaman Serilerinin Elemanları
Zaman Serileri Analizi, seriyi, seriyi oluĢturan bileĢenlerden ayrıĢımını gerektirmektedir. Bir
seriyi bileĢenlerine ayırmak için kapsadığı dört bilesen arasında belli bir iliĢki bulunduğu
varsayılmalıdır. Klasik modelde, zaman serisi dört elemana sahiptir(8):
1. Uzun – dönemli genel trend (T)
2. Konjonktürel dalgalanmalar (C)
3. Mevsimsel dalgalanmalar (S)
4. Varyasyon ve düzensiz rassal hareketler (I)
Bütün zaman serilerinde adı geçen dört unsur daima bulunmayacagı gibi, bulunan
etmenlerin tümünü yok etmek bazen kolay olmayabilir. Zaman serilerini meydana getiren
ifadenin formülasyonu iki Ģekilde gösterilebilir;
Y=T×C×S×I (2.2)
Y=T+C+S+I (2.3)
Çarpım seklindeki modelde ana değer trend olup, diğerleri ortalaması 100 olan birer
yüzdedir. Toplam seklindeki modelde ise her değer Y‟nin bir kısmını oluĢturur.
Toplam seklindeki modelde unsurların birbirini etkilemediği kabul edilir. Çarpım
modelinde bu varsayım söz konusu değildir. Yani devresel ve mevsimsel dalgalanmalar,
trendin birer fonksiyonudur.
Toplam modelde trend artınca, mevsim dalgalanmaları sabit kalır. Çarpım modelinde
trend artınca mevsim dalgalanmasının trende oranı sabit kalır, yani trend arttıkça mevsim
dalgalanmasının mutlak değeri yükselir .
Sayılan özellikler göz önüne tutulduğunda, toplam seklindeki modelin bazı durumlarda
kullanılabileceği ancak çarpım modelinin zaman serilerinin çoğunda daha doğru sonuçlar
vereceği anlaĢılır.
Ġstatistiksel yönden zaman serilerinin incelenmesinden amaç, sözü edilen dört unsurdan her
birinin olay üzerinde ne oranda etkin olduğunu araĢtırmak ve etkileri birbirine karıĢmıĢ olan
dört elemanın ayrı ayrı payını bulmaktır.
Zaman Serisi Kalıpları
Zaman serisine ait gözlemlerin içerdiği kalıpların (zaman içerisinde göstermiĢ olduğu biçim
veya yol) yapısı ve seride yer alan olağan dısı gözlemler grafikler sayesinde kolayca takip
edilebilirler. Zaman serilerinin grafikleri, kısmen zaman içerisinde degiskenin almıĢ olduğu
gözlem degerlerindeki degiĢmelere açıklık getirilebilir.

12. 12
Bir zaman serisi genel olarak trend, mevsimsel, konjonktürel ve düzensiz hareketlerin
bileĢiminden olusan bir yapıya sahiptir. Zaman serisi degiĢkenleri artan, azalan veya
değismeyen yapıda bir trend özelliğine sahip olabilir. Bir zaman serisinde trend, zaman
serisinin uzun dönemli eğilimini gösterir. Bir seride trend değiĢmeleri adeta serinin ortalaması
gibidir. Mevsimsel bilesen ise belirli aralıklarla tekrarlı bir salınım gösterir. Bir zaman
serisinin gözlem değerleri trendin altında veya üstünde tekrarlı biçimde deger almasıyla
mevsimlik etkiler ortaya çıkar. Konjonktürel dalgalanmalar sektörlerin veya ekonominin refah
ve depresyon dönemlerini içeren degiĢmeleri kapsar. Düzensiz hareketler ise daha çok sosyal
ve ekonomik nedenlerle ortaya çıkan ve önceden tahmin edilmesi mümkün olmayan olayların
etkisini yansıtır. Bunları ayrı grafikler halinde göstermek mümkündür.Ancak Gültekin
ÇAĞIL‟ın yüksek lisans tezinde yer verdiği grafiği en uygun grafik olarak gördüm.
Bu grafikte ÇAĞIL(s.34,1988) bütün faktörleri bir grafik üzerinde özetlemiĢ ve bu sayede
karĢılaĢtırma yoluna gidebilmiĢtir.
ġekil 3:Bir zaman serisini etkileyen faktörler (9)
1. Rassal Zaman Serisi Kalıpları
Rassal kalıplar yatay veya çizgi kalıplar olarak da bilinir. Rassal kalıplar genelde verilerin
sabit bir ortalama civarında dalgalandığı kalıplardır.Bu tür seriler ortalamaya göre durağan bir
yapıya sahiptirler. Varyasyon ve düzensiz rasgele hareketler, doğal ve sosyo–ekonomik
nedenlerden dolayı ortaya çıkabilir. Ancak, sözü edilen hareketlerin ne zaman, nasıl bir dalga
Ģiddeti ile meydana geleceği belirsizlik tasıdığı için tahmini mümkün olmaz. Bu nedenle bu
tip hareketleri bir istatistiksel ölçüyle ifade edebilmek zordur .

13. 13
2.Trend Yapan Zaman Serisi Kalıpları
Trend, bir zaman serisinde uzun dönemli hareketleri göstermektedir. Zaman serileri trend
içeren bir yapı içerdiğinde seride uzun süreli artıĢlar veya azalıĢların olduğu görülmektedir.
Trend değiĢmeleri serinin ortalamasına benzetilebilmektedir. Trendin ortaya çıkabilmesi için
yaklaĢık 15 ile 18 yıllık bir döneme ihtiyaç duyulmaktadır. Bir trend döneminin varlığından
söz edilebilmesi için 5 ile 8 yıllık konjonktür dalgalanmalarından en az 2 veya 3 dalgalanmayı
içermesi gerekir. Dolayısıyla bu sürelerden daha kısa bir süre ele alındığında trend yerine bir
konjonktür döneminin ele alınması ihtimali ortaya çıkabilmektedir. 15 ile 18 yıllık bir
dönemden daha uzun bir dönem dikkate alındığında ise iki trend döneminin incelenmesi söz
konusu olabilmektedir. Trend baĢlangıç noktası olarak genelde ekonomide durgunluk dönemi,
konjonktür döneminde bir refah ya da depresyon dönemi seçilmelidir.
Birçok firmanın satıĢlarına ait değerler, gayri safi milli hasıla rakamları, uzun dönemi
içeren nüfustaki değiĢiklikler, kurumlardaki üretim ve teknolojik açıdan zamanla görülen
degiĢmeler birer trend kalıbını tanımlamaktadır. Trend kalıpları artan, azalan veya degiĢmez
yapıda olabileceği gibi dogrusal ve dogrusal olmayan kalıplarda da görülebilmektedir.
Genelde bir seri trend içeriyorsa, tahmin yapmada baĢarılı sonuçlar elde edilebilmektedir,
3.Mevsimsel Zaman Serisi Kalıpları
Birçok zaman serisi belirli dönemlerde mevsimsel faktörlerin etkisi altında bulunabilir.
Ekonomiksel olayların zaman içinde izlendiği dogal ve sosyal nedenlerden dolayı, mevsime
göre oluĢan degiĢmeler mevsimsel dalgalanmalar olarak adlandırılır. Mevsimsel
dalgalanmaların dalga uzunluğu 12 ay olmaktadır.
Mevsimlere göre tüketimi etkilenen degiĢkenlerin tüketim miktarları yılın bazı
dönemlerinde diğer dönemlere oranla daha yüksek veya daha düĢük değerlere ulaĢmaktadır.
Örneğin, yılın bazı dönemlerinde soğuk içecek tüketiminin artması ya da azalması, bazı
dönemlerinde doğalgaz tüketiminin artması ya da azalması vs. gibi zaman serilerinde
dönemsel olma özelliğine sahip olanların bile ardıĢık dönemlerde tam olarak tekrarı söz
konusu olmayabilir.

14. 14
Sekil 4: Bir Ürünün Üretimine iliĢkin seriye ait verilerde bir mevsimsel kalıbın varlığı
Ġklim koĢulları, tüketicilerin alıĢkanlıkları, milli veya dini anlamlı özel günler, ürünlerin
indirimde oldugu zamanlar gibi pek çok faktör mevsimselliğin ortaya çıkısında etkili
olmaktadır ve çok farklı Ģekillerde ortaya çıkmaktadırlar. Mevsimsellik altı ay, üç ay, bir ay,
bir hafta, bir gün ve hatta bir saat gibi dönemleri kapsayabilir. Daha uzun süreli
mevsimselliklere örnek olarak belirli yıllarda tekrarlanan olimpiyat oyunları ve diğer sportif
etkinlikler gibi durumlar örnek verilebilir.
Mevsimsel dalgalanmalar birbirlerine benzeyen periyodik dönemlerden meydana
geldiğinden, serideki dalgalanmalarda dalga Ģiddetleri ve dalga uzunlukları bulunmaktadır.
4. Konjonktürel Zaman Serisi Kalıpları
Konjonktürel hareketler daha çok ekonominin veya sektörlerin refah ya da durgunluk
(ekonomik kriz) dönemlerini içeren degiĢmelerdir. Refah dönemlerinde yatırımlar, üretimler,
gelirler ve satıĢlar gibi ekonomik göstergeler bir süre için artıĢ gösterir ve durgunluk
dönemlerinde ise düĢmeler baĢ gösterir ve durgunlaĢmanın ardından tekrar ekonomide bir
canlanma olur. Genelde konjonktürel hareketler periyodik olmayan fakat 5 ila 8 yıllık
dalgalanmalar ile tekrarlanır.
ÇAĞIL‟ a göre “mevsimsel ve konjonktürel kalıplar arasında benzerlik olmasına rağmen
iki kalıp arasında önemli farklılıklar” da bulunmaktadır. Mevsimsel hareketlerde dönemler,
konjonktür hareketlere oranla daha düzenli ve periyodik bir düzen gösterirken, konjonktürel
hareketlerde dönemler düzensiz ve periyodik olmayan bir yapıdadır.
Düzensiz salınıma sahip olan konjonktürel dalgalanmalara rağmen tahmin yapılması
amaçlanıyor ise serinin son
dönem ortalaması ile serideki artıĢ ya da azalıĢ göz önünde tutularak son birkaç dönem
üzerinden tahmin yapılması daha uygundur. Konjonktürel dalgalanmalardaki artıĢtan azalıĢa
ve azalıĢtan artıĢa geçiĢ noktaları bu nedenle dikkatli bir Ģekilde analiz edilmelidir.

15. 15
5. Otokorelasyonlu Zaman Serisi Kalıpları
Ġki degiĢken arasında birlikte hareket etmenin ve nedensel olmayan iliĢkinin ölçüsü
korelasyondur. Zaman serilerinde otokorelasyon ise seride bulunan bir dönemin kendisinden
önce ya da sonra gelen dönemle birlikte hareket etme iliĢkisini tanımlamaktadır. Zaman
serilerinde çok sık karĢılaĢılan diger bir kalıp ise otokorelasyonlu yapılardır. Eğer bir zaman
serisinde otokorelasyonlu bir yapıdan söz ediliyor ise seri gözlemleri arasında bir korelasyon
(birlikte hareket etme iliĢkisi) varlığından da söz edilebilinir. Otokorelasyonlar genellikle
zaman serisinin hareketinden ortaya çıkmaktadırlar. Otokorelasyonlu kalıplar daha önce ele
alınan kalıpların birçoğunda ortaya çıkabilir. (9)(ÇAĞIL,34-48,1988)
Zaman Serisi Analizi AĢamaları
Zaman Serileri Analizleri, değiĢkenlere ait geçmiĢ verilerin zaman içerisindeki
oluĢturdukları düzeni esas almaktadırlar. Analizin amacı, verilerin geçmiĢteki hareketlerine
bakarak gelecekteki hareketlerinin tahmin edilmesidir. Analizi yapan kiĢiler, belirli
zamanlarda gözlemlenen talep verilerini yerlestirerek bir zaman ölçeği olustururlar. Verilerin
yerleĢtirdikleri bu noktalar incelenerek, bu noktaların zaman içerisinde kararlı bir seyir izleyip
izlemediklerini tespit etmeye çalıĢırlar. Analizi sonucunda ulaĢılmak istenen hedef ürüne ait
talebin sabit olduğu, bir egilime sahip oldugu veya mevsimsel ya da konjonktürel
dalgalanmalara sahip olduğu ya da talebin hepsinin birleĢimi seklinde olduğunu
görebilmektir. Zaman Serisi Analizleri Yöntemleri uygulanırken izlenmesi gereken adımlar
asağıdaki belirtilmiĢtir(10):
1. Tahmin yönteminin değerlendirilmesi, yürütülebilmesi için ilgili zaman serisi iki eĢit
parçaya bölünür.
2. Tahmin yöntemi mümkün olan metotlar içerisinden seçilir.
3. BaĢlangıç veri seti tahmin yöntemini baĢlatmak için kullanılır.
4. Modelin parçalarını hesaplamada kullanılmayan veriler de, tahminde etkisinin nasıl
olduğunu görmek için test setine uygulanır. Her bir tahminden sonra tahmin hataları
hesaplanır. Bu asama modeldeki parametre değerlerinin uygun hale getirilmesi için baĢlangıç
iĢlemlerinin düzenlenmesini gerektirir.
5. DeğiĢik veri örnekleri için tahmin yönteminin uygunluğu değerlendirilir.

16. 16
Zaman Serileri Analizi YÖNTEMLERĠ
Zaman Serileri Analizlerinde birçok yöntem kullanılmaktadır.Bunlardan en genel olanlarını
ele alacak olursak;
1.Aritmetik Ortalama Yöntemi
Talep tahmini açısından geleceğe en basit bakıĢ geleceğin, geçmiĢte olanların ortalamasına
doğru eğilim göstereceğini varsaymaktadır. Bu varsayıma göre geleceğin en geçerli tahmini,
geçmiĢte olup bitenlerin tek tek toplanıp ortalamasını almaktır.
Bu talep tahmin yöntemi, oldukça basittir. Sıradan birisi bile, aritmetik ortalamayı, aĢağıdaki
formülle hesaplanır:
n
y
AO
n
t
t


 1
Yukarıdaki formüle göre, geçmiĢ dönemlere iliĢkin veriler toplanarak, dönemlerin
sayısına bölünürse ortalama değer hesaplanmıĢ olur. Böylece gelecek dönemler için tahminin,
hep bu ortalama değer alacağı ortaya çıkmaktadır. Bununla birlikte, yeni dönemlere iliĢkin
veriler geldikçe bunların yeni hesaplamalara dahil edilerek son güne uygun bir tahminin
yapılması da aynı modelle mümkündür. Ancak, tarihi olarak olup bitenlerin istatistik
ortalamasına dayanan bu tahminin, zaman içinde tek tek gözlemlenen noktaların sırasını göz
önüne almadığı görülmektedir.
2.Hareketli Ortalama Yöntemi
Yaygın Ģekilde kullanılan bir tahmin tekniğidir. Hareketli ortalama yöntemi, uzak
geçmiĢten çok, yakın geçmiĢe ağırlık verir ve buna dayanarak, yalnızca bir dönem satıĢ
tahminini yapar. Örneğin geçmiĢ tarihi dönem verilerinin üçü, dördü veya beĢi alınarak, en
son gerçekleĢen dönem bunlara ilave edilir. Daha sonra, bu verilerin ortalaması, bir sonraki
dönem satıĢ miktarı olarak kabul edilir.
Bu yöntem ile yapılacak tahmin, talep yükselen bir trend gösteriyor ise çok küçük,
alçalan bir trend gösteriyor ise çok büyük olacaktır. Aynı Ģekilde Ģayet n çok az ise gerçek
talebin etkileri abartılmıĢ olacak, n çok büyük ise bu etkiler azaltılmıĢ olacaktır. Matematiksel
olarak aĢağıdaki formülle ifade edilebilir:

17. 17
n
yyy
nHO nttt 11 ...........
)(  

3. Ağırlıklı Hareketli Ortalama Yöntemi
Hareketli ortalama yönteminin sakıncalarından bir kısmı ağırlıklı hareketli ortalama
yöntemi kullanılarak giderilebilir. Bu yöntemde en yakın veriye en büyük ağırlık verilir.
Matematiksel olarak;
ywywywnAHO ntntt 1121 ............)(   Ģeklinde ifade edilir.
Bazı talep yapılarında bu yöntem standart hareketli ortalamalarının zayıflıklarını
kısmen ortadan kaldırır. n için seçilecek değer ve ağırlık katsayıları (w) ihtiyari olarak seçilir
ve çeĢitli deneyimlerden geçirildikten sonra kabul edilir.
4.Üssel Düzeltme Yöntemi
Üssel düzeltme tahmin yöntemi, tüm tarihi verileri göz önünde bulundurur. Ancak,
geçmiĢe eskidikçe daha az ağırlık verir. Bir bakıma, tüm tarihi verilerin hareketli ortalaması
olmaktadır. Üssel düzeltme yönteminin kullanılmasındaki temel düĢünce talepte tesadüfi
dalgalanmaların etkilerini gidererek genel yönelime uygun bir tahminde bulunabilmektir.
Örneğin; beklenen 100 birim ile dönem sonu gerçekleĢen 95birim arasındaki farkın ne kadarı
talepte meydana gelen gerçek kaymalara, ne kadarı tesadüfi nedenlere atfedilebilir. ġayet
gelecek dönemin talebini 100 birim olarak tahmin edersek bir dönem önce gerçekleĢen talep
ile tahmin edilen talep arasındaki 5 birimlik farkın tamamen tesadüfi dalgalanmaların bir
sonucu olduğunu, talebin genel yöneliminde bir değiĢmenin bulunmadığını varsayarız. ġayet
gelecek dönemin talebini 95 birim olarak tahmin edersek, bu kez de meydana gelen farkın
talep kalıbındaki dalgalanmalardan kaynaklandığını, talepte tesadüfi dalgalanmaların
bulunmadığını kabul etmiĢ oluruz.
Üssel düzeltme yönteminde kullanılan formüller aĢağıdaki gibidir:
 FyFF tttt 
1 veya  FyF Ttt
 
11
Ft 1
: Yeni tahmin.
Ft
: Bir önceki tahmin.
 : Düzeltme faktörü.
yt
: GerçekleĢen talep.

18. 18
Düzeltme faktörü olan (α) , geçmiĢ göz önünde bulundurularak, araĢtırmacının arzusuna göre
O ile 1 sınırları içinde keyfi olarak seçilir.
5. En Küçük Kareler (Regresyon) Yöntemi:
Bir Endüstri Mühendisliği Serisi kitabı olan Forecasting and Time Series
(MONTGOMERY,LYNWOOD,GARDĠNER,1990) kitabında Regresyon Analizi detaylı
olarak incelenmiĢtir.Bunu sonucunda Eğilim (trend) metotlarında en güvenilir olanı "En
küçük kareler metodu" olguğu görülmüĢtürç. Bu nedenle veriler elveriĢli olduğu takdirde
eğilimin hesaplanmasında en çok bu yol uygulanmaktadır.Bu yöntemi kısaca özetle ele alacak
olursak;
En küçük kareler yöntemine göre, bir zaman serisine en iyi uyan baĢka bir deyiĢle bir
değerler serisini en iyi ifade eden doğru veya eğri, geçmiĢ yıllara ait gerçek değerlerle
formülün uygulanması ile bulunacak teorik değerler arasındaki farkların karelerinin toplamını
(saptamaların kareleri toplamını) minimum yapan doğru veya eğridir.
Söz konusu metotta eğilim matematik bir fonksiyonla belirtilir. Zaman serisinin
göstermiĢ olduğu eğilim, doğrusal olabileceği gibi, bir eğri Ģeklinde de olabilir. Bu nedenle,
zaman serilerinde eğilimi ortaya koymak için en çok kullanılan denklemler,
Y = a0 + aıX (Doğru denklemi)
Y = a0 + aıX + a2X2
(Parabol Denklemi)
Y = a0 aı X (Yarı logaritmik eğri denklemidir)
Formüllerde Y çeĢitli yıllara ait değerleri, X yılların sıra sayılarını
göstermektedir.Zaman serisinin eğilimini ortaya koymak için üç denklemin de denenmesi
gerekir.
-Bir tüketim serisi analizinde geçmiĢ yıllar eğilimini en iyi Ģekilde ifade eden denklem
Y= a0 + aıX Ģeklindeki denklem ise, bu durum tüketim artıĢının yıldan yıla sabit kaldığını
gösterir.
-Y = a0 + aıX + a2X2
Ģeklinde parabol denklemi, tüketim serisi en iyi Ģekilde uyuyorsa,
tüketimdeki yıldan yıla artıĢın (veya azalıĢın) sabit olmadığını tüketim miktarındaki artıĢın
seri boyunca düzenli bir Ģeklide gittikçe artarak veya azalarak geliĢtiğini ifade eder. (a;
katsayısının iĢareti (+) ise tüketimdeki yıllık artıĢ gittikçe artarak (-) ise gittikçe azalarak
geliĢiyor demektir).
-Buna karĢılık Y = a0 aı X denklemi en uygun Ģekilde tüketimdeki yıllık artıĢ hızının sabit
kaldığı Ģeklinde yorumlanmalıdır. Özetlersek, zaman serileri analizinde doğru denklemi,
artıĢın yıldan yıla sabit kaldığını; yarı logaritmik eğri denklemi, yıllık artıĢ oranının sabit

19. 19
olduğunu; parabol denklemi ise, artıĢın seri boyunca düzenli bir Ģekilde gittikçe artarak veya
gittikçe azalarak geliĢtiğini ifade eder.
Y=a+bX regresyon doğrusu denklemindeki a ve b katsayıları hesaplanırsa, herhangi
bir X değeri için Y‟nin alacağı değer hesaplanır ve böylece gelecek dönemlerin tahminleri
yapılır. “a” ve “b” katsayıları aĢağıdaki eĢitliklerle hesaplanır: Regrasyon eĢitliğindeki
bıktırıcı hesaplamalar, bilgisayar destekli yapıldığında gerekli tahminler, kısa zamanda ve
hatasız olarak yapılabilir.(4) (MONTGOMERY..,21-45/381,1980)
n
X
b
n
Y
a
 
  
 



 
XX
b
n
YXXYn
22
Tahmin Yöntemlerinin Doğruluklarını Belirleme
Tahmin yöntemlerinin doğruluklarını belirlemek ve yöntemleri birbiriyle
karĢılaĢtırabilmek için 3 tane yöntem kullanılır. (11) Bunlar:
6.1Mean squared error (MSE)
6.2.Mean absolute deviation (MAD)
6.3.Mean absolute percent (MAPE)
 
K
Fy
MSE
K
i
ii 

 1
2
K
Fy
MAD
K
i
ii


 1
K
y
Fy
MAPE
K
i
i
ti



1
100
Her üç doğruluk ölçüsünde de çıkan sonuçlar ne kadar küçükse gerçek talebe o kadar
yaklaĢılmıĢ demektir.

20. 20
UYGULAMALAR:
Moonlight Grocery Store Ģirketinin sahibi her hafta sonu talep tahminlerini istemektedir.
ARĠTMETĠKORTALAMAYÖNTEMĠ HAREKETLĠ ORTALAMA YÖNTEMĠ
33.110
9
1151061141051121211081021101
10 




n
y
F
n
t
t
67.111
3
115106114
3
)3( 789
10 




yyy
FHO
AĞIRLIKLIORTALAMAYÖNTEMĠ ÜSSELDÜZELTME YÖNTEMĠ
Dörderli agırlıklı ort:(n=4, w1=0,4 w2=0,3 w3=0,2w4=0,1) (α=0.2)

1.111)105(1.0)114(2.0)106(3.0)115(4.0
)4( 6473829110

 ywywywywFAHO

21. 21
   8.110)7.109115(2.07.10999910
 FyFF 
  8.1107.109)2.01(1152.01 9910
 FyF t

REGRESYON YÖNTEMĠ
Örnek: AĢağıda Moonligt Hospital‟ın ilk yardım odasına baĢvuran hasta sayılarının
aylara göre dağılımı görülmektedir. Regresyon tekniğini kullanarak talep tahminlerini
belirleyeceğiz.
  
  7.10
1716
18354
78)650(12
)4625)(78()31592(12
222







 
XX
b
n
YXXYn
  
  7.10
1716
18354
78)650(12
)4625)(78()31592(12
222







 
XX
b
n
YXXYn
9.315
12
78
7.10
12
4625 

n
X
b
n
Y
a
Hesaplanan katsayılar doğru denkleminde
yerine (Y=a+bX) yerine konursa;
Ft= 315.9 + 10.7X biçimindeki sayısal tahmin
modeli kurulmuĢ olur.
Örnek olarak Haziran ayındaki hasta sayısını
tahmin için bu denklemi kullandığımızda;
Ft= 315.9 + 10.7 (6) = 380.1 değerini elde ederiz.
Aylar (Xi)
Hasta
Sayısı
(yi)
Xi
2
Xiyi
Ocak 1 328 1 328
ġubat 2 310 4 620
Mart 3 355 9 1065
Nisan 4 362 16 1448
Mayıs 5 375 25 1875
Haziran 6 380 36 2280
Temmuz 7 408 49 2856
Ağustos 8 415 64 3320
Eylül 9 417 81 3753
Ekim 10 412 100 4120
Kasım 11 429 121 4719
Aralık 12 434 144 5208
TOPLAM 78 4625 650 31592

22. 22
Talep tahminlerini MSE, MAD ve MAPE‟ye göre karĢılaĢtırma:
Tam anlamıyla bir karĢılaĢtırma yapabilmek için denklemlerde, 6.hafta ile 9 hafta
arasındaki verileri kullanacağız. Yani K=4 olacak. Bu verileri denklemlerde yerlerine
koyduğumuzda aĢağıdaki sonuçları buluyoruz:
HO(3) AHO(4) ÜDY (α=0.2)
MSE 35.20 35.95 25.73
MAD 5.25 5.78 5.03
MAPE %4.83 %5.30 %4.59
Buna göre gerek MSE‟de gerek MAD‟da gerek de MAPE‟de en küçük değerleri veren
Üssel Düzeltme yöntemi gerçekleĢen satıĢa en yakın tahminleri belirlemiĢtir. Yani bu iĢletme,
talep tahmin yöntemi olarak üssel düzeltme yöntemini kullanarak satıĢ rakamlarına en yakın
tahmini yapabilir.(12)
Hafta SatıĢ
HO (3) AHO (4) ÜDY (α=0.2)
Tah
min
(Ft)
Hata Hata2
Tah
min
(Ft)
Hata Hata2
Tah
min
(Ft)
Hata Hata2
1 110 110.0
2 102 110.0 -8.0 64.0
3 108 108.4 -0.4 0.2
4 121 106.7 +14.3 204.5 108.3 +12.7 161.3
5 112 110.3 + 1.7 2.9 112.2 -0.2 0.0 110.8 +1.2 1.4
6 105 113.7 - 8.7 75.7 112.9 -7.9 62.4 111.0 -6.0 36.0
7 114 112.7 + 1.3 1.7 110.6 +3.4 11.6 109.8 +4.2 17.6
8 106 110.3 - 4.3 18.5 111.6 -5.6 31.4 110.6 -4.6 21.2
9 115 108.3 + 6.7 44.9 108.8 +6.2 38.4 109.7 +5.3 28.1
TOPLAM 21 140.8 23.1 143.8 20.1 102.8

23. 23
8. SONUÇ
Günümüzde var olan rekabetle baĢa çıkabilmek ve sürekli geliĢmeyi sağlayabilmek
için iĢletmelerin yapması gereken, günlük satıĢlara,üretime,yatırıma yönelik ve
fonksiyonlarla yapılan tahminleri hammade, malzeme ,yedek parça ,insan gücü,programlama
ve diğer kararlara dönüĢtürmektir.
ÇalıĢmalarımda görüldüğü gibi talep tahmininde en uygun sonuca ulaĢmak için
baĢvurulan baĢlıca yöntem zaman serileri analizidir.Bu yöntemle iĢletmeye gelebilecek
mevcut talepleri,mevsimlere göre sıcaklık değerleri gibi olaylarla inceleyebilmekteyiz.Bizi
ilgilendiren en önemli yöntem olmasının sebebi ise;özellikle mühendislik ve diğer bilimsel
alanlarda uygulanabilir olmasında eski dönemlere yönelik gözlemlerin incelenmesi ve ileriye
dönük tahminlerin yapılabilmesinin mümkün olmasıdır.
ÇalıĢmamdan edindiğim bilgilerle; geçmiĢten günümüze uygulanan talep tahmin
yöntemleri ele alınmıĢ ve araĢtırmalar arası çok fazla farklılıklar görülmemiĢtir.Bu nedenle
belirli yöntemler üzerinde durulmuĢtur.En önemlisi de gerek mühendislik gerekse diğer
dallarda yapılan çalıĢmaların tümünde talep tahminin önemi görülmüĢtür.Çünkü ülke
ekonomisini etkileyen faktörler küçük ve büyük ölçekli iĢletmelerdir ve ülkenin kalkınması-
psikolojisi gibi birçok faktörün temelinde geçmiĢi algılama ve geleceği öngörme
yatmaktadır.Bir ekip çalıĢması gerektirmesi;kullanılan teknikler yönünden derslerimizde
gördüğümüz birçok kavramı araĢtırma sayesinde bir kez daha pekiĢtirmiĢ bulunmaktayım.
„Mühendislik‟ tanımlandığında verimli yöntemlerin uygulanması; „verimlilik‟
tanımlandığında bir çalıĢma için ileriyi öngörme;„kar‟ tanımlandığında taleplerden kazanım
sağlayabilme; „talep‟ tanımlandığında ise belirsizlik söz konusuysa „Talep Tahmin
Yöntemlerine‟ baĢvurmanın kaçınılmaz olduğunu hazırladığım bu proje sayesinde öğrenmiĢ
durumdayım.

24. 24
KAYNAKLAR
(1) ÜRETEN, S. , Üretim/ĠĢlemler Yönetimi, Stratejik Kararlar ve Karar Modelleri, Gazi
Kitabevi, Ankara, 2002
(2) ARMSTRONG J.S. ; GREEN , Strateging Marketing Managament ; Australia Monash
University , 2,2005
(3) MONKS, J.G. ; Operations Management, McGraw-Hill International Editions; Third Ed.:
Singapore, 1987
(4)* MONTGOMERY C.D,LYNWOOD A.,GARDĠNER J.;Forecasting and Time Series
Analysis, McGraw-Hill International Editions,Endustrial Engineering Series;Second Ed.
New York ,21-45, 381, (1990)
(5) COLLOPY, F. ,AMSTRONG J.S. ; "Rule-Based Forecasting: Development and
Validation of An Expert Systems Approach To Combining Time Series
Extrapolations"; Management Science, 38, 1394(1992)
(6) NAHMIAS, S. , Production and Operations Analysis, Mc-Graw Hill, New York, 2001
(7) KOBU, B. ; Üretim Yönetimi, Avcıol Basım Yayım; Ġstanbul, 1994
(8) D_L, O Yönetimde Ġstatistik Teknikleri ve Örnek Olaylar; Ġ.Ü. Yayınları,
Ġstanbul, 1979
(9) ÇAĞIL.G.,Zaman Serileri Analizi ile Talep Tahmini;Yüksek Lisans Tezi YTÜ;
Ġstanbul,34-48,182,(1988)
(10) MAKR.DAK.S, S. S.S ,WHEELWRIGHT S.C. , HYNDMAN, R.J. ; Forecasting
Methods and Applications, John Wiley and Sons; New York, 1998
(11) MEYDAN Y.A.;Talep Tahmin Yöntemleri ve Uygulaması;Yüksek Lisans
Tezi;Ġstanbul,89,134,(2007)
(12) http://www.ekodialog.com/Konular/talep-tahmini-tahminleri.html
http://www.forecastingprinciples.com/
http://tr.wikipedia.org/wiki/Talep_tahmini