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

E-commerce processes must work in harmony and simultaneously with warehouse and operation activities on the logistics side. E-commerce activities include the processes resulting in 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 the new 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

Dünyamızda ve ülkemizde yaşanılan pandemik gelişmeler, E-ticaret faaliyetlerinin, lojistik tarafta depo ve operasyon yönetimleriyle uyumlu ve eş zamanlı bir şekilde çalışması gerekliliğini tüm işletmelere deneyim olarak yaşatmıştır. E-ticaret faaliyetleri, sipariş taleplerinin olumlu bir şekilde sonuçlanması ile gerçekleşen süreçleri içerir. Siparişlerin, doğru ve hızlı bir şekilde yönlendirilmesi, depo teknolojilerinin, ERP sistemleriyle entegre ve sorunsuz çözümüne bağlıdır. Bu çalışmada depo süreçlerinin iyileştirmesi hedeflenmiş ve süreçlerde oluşan firma verileri bulut teknolojileri üzerinde yer alan makine öğrenme platformlarından Azure MLStudio’da işlenmesi ele alınmıştır. Geleceğe dönük öngörü ve talep tahmin uygulamaları, makine öğrenme yöntemleri ve yapay sinir ağları gibi modellerde hesaplamış ve kullanılan model performansları birbiriyle karşılaştırılmıştır.