DERS BİLGİ PAKETİ · IND434

Tedarik Zinciri Analitiği ve Lojistik 4.0

Seçmeli · Fransızca
AKTS
4
Yerel Kredi
3
Teori + Uygulama + Lab
3 + 0 + 0
Dersin Düzeyi
Lisans
Ön Koşul
-
Yarıyıl
7

İçerik

Dersin Amacı

The main objective of this course is to explain how to incorporate real-time data and big data to the operations in supply chain to improve the key performance indicators (KPIs). In the first week, we introduce the fundamental concepts of Logistics 4.0. In the remaining 13 weeks, we will introduce and explain how to apply big data analytics in supply chain. The objectives of the course in detail are as follows:

1- Explain the fundamental concepts in Logistics 4.0, the technologies that enable to gather real-time data (RFID, IoT) and to store big data (cloud). Explain how these technologies influence the classic supply chain.

2- Explain several statistical learning techniques.

3- Explain how to analyze the resilience of the supply chain and risk management in supply chain under extreme conditions.

Dersin İçeriği

Week 1: Introduction to Logistics 4.0: Fundamental concepts, technologies to obtain real-time data, and store big data. Explain the advantages and disadvantages of using big data in supply chain. Explain the KPIs of supply chain and visualization of these KPIs in presence of real-time data.

Weeks 2-3: Supervised learning techniques for prediction with python and Excel applications

Weeks 4-5: Supervised learning techniques for classification with python applications

Week 6: Resampling techniques with python applications

Weeks 7-8: Dealing with big data

Week 9: Midterm

Week 10: Tree-based methods

Week 11-12: Unsupervised learning

Week 13-14: Supply chain resilience and risk analysis

Dersin Öğrenme Çıktıları

Upon successful completion of this course, the student will be able to

LO 1: Apply supervised learning techniques for prediction to big data
LO 2: Apply supervised learning techniques for classification to big data
LO 3: Apply unsupervised learning techniques for clustering to big data
LO 4: Build appropriate training and test sets using resampling techniques
LO 5: Analyze supply chain resilience and apply risk analysis

Öğretim Yöntemleri

Explain the subjects in class

Show how to use python libraries for prediction, classification, and clustering to big data in class

Kaynaklar

An Introduction to Statistical Learning, G. James, D. Witten, T. Hastie, and R. Tibshirani, Springer Texts in Statistics

Konu Başlıkları

Teori Konu Başlıkları
Hafta Konu Başlıkları
1 Fundamental concepts in logistics 4.0
2 Supervised learning techniques for prediction: simple and multiple linear regression with python and Excel applications
3 Supervised learning techniques for classification: logistic regression and linear discriminant analysis with python applications
4 Cross-validation and bootstrapping
5 Dealing with big data: subset selection, shrinkage methods, dimension reduction methods
6 Three-based methods
7 Unsupervised learning: principal component analysis, k-means clustering, hierarchical clustering
8 Supply chain resilience and risk analysis
9
10
11
12
13
14

Değerlendirme Sistemi

Başarı Notuna Etki Oranları
Etkinlikler Sayı Katkı Payı
Yarıyıl içi çalışmaların başarı notuna katkısı 4 60
Yarıyıl sonu çalışmaların başarı notuna katkısı 1 40
Toplam 5 100
Yarıyıl İçi Çalışmaları
Etkinlikler Sayı Katkı Payı
Ödevler 0 0
Sunum 0 0
Arasınavlar (Hazırlık Süresi Dahil) 1 30
Proje 0 0
Laboratuar 0 0
Diğer Uygulamalar 0 0
Kısa Sınavlar 3 30
Dönem Ödevi / Projesi 0 0
Portfolyo Çalışmaları 0 0
Raporlar 0 0
Öğrenme Günlükleri 0 0
Bitirme Tezi/Projesi 0 0
Seminer 0 0
Diğer 0 0
Bütünleme 0 0
Toplam 4 60

Yeterlilik İlişkisi

Numara Program Yeterlilikleri Puan
1 2 3 4 5
1 Matematik, fen ve mühendislik bilimleri konularında yeterli bilgi birikimi X
2 Bu alanlardaki kuramsal ve uygulamalı bilgileri karmaşık mühendislik problemlerini modelleme ve çözme için uygulayabilme becerisi X
3 Karmaşık Endüstri Mühendisliği problemlerini saptama, tanımlama, formüle etme, doğrulama ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi X
4 Karmaşık bir üretim veya hizmet sistemini, süreci, cihazı veya ürünü gerçekçi ve değişken kısıtlar ve koşullar altında, performans boyutlarını iyileştirmeye yönelik tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi
5 Endüstri Mühendisliği uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern yöntem, teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi X
6 Karmaşık Endüstri Mühendisliği problemlerinin veya bu alandaki araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuç çıkartma, sonuçları analiz etme ve yorumlama becerisi
7 Disiplin içi ve çok disiplinli takımlarda etkin biçimde ve farklı rollerde çalışabilme becerisi; bireysel çalışma becerisi
8 Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az iki yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi
9 Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme, bilgi yönetimi araçlarını kullanma ve kendini sürekli yenileme becerisi
10 Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; Endüstri Mühendisliği uygulamalarında kullanılan ulusal ve/veya uluslararası standartlar hakkında bilgi
11 Proje yönetimi ile risk yönetimi ve değişim yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi
12 Girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi
13 Endüstri Mühendisliği uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri hakkında bilgi; toplumsal ve kurumsal sosyal sorumluluk bilinci
14 Çağın mühendislik alanına yansıyan sorunları hakkında bilgi
15 Endüstri Mühendisliği çözümlerinin hukuksal sonuçları konusunda farkındalık

AKTS - İş Yükü Tablosu

Etkinlikler Sayı Süre Toplam İş Yükü
Ders Süresi 14 3 42
Sınıf Dışı Çalışma Süresi 13 3 39
Ödevler 0 0 0
Sunum 0 0 0
Arasınavlar (Hazırlık Süresi Dahil) 1 10 10
Proje 0 0 0
Laboratuar 0 0 0
Diğer Uygulamalar 0 0 0
Yarıyıl Sonu Sınavı (Hazırlık Süresi Dahil) 1 15 15
Kısa Sınavlar 3 5 15
Dönem Ödevi / Projesi 0 0 0
Portfolyo Çalışmaları 0 0 0
Raporlar 0 0 0
Öğrenme Günlükleri 0 0 0
Bitirme Tezi/Projesi 0 0 0
Seminer 0 0 0
Diğer 0 0 0
Bütünleme 0 0 0
Ts Yıl Sonu 0 0 0
Hazırlık Yıl Sonu 0 0 0
Hazırlık Bütünleme 0 0 0
Toplam İş Yükü 121
Toplam İş Yükü / 25 4.84
Dersin AKTS Kredisi 5