Denizyolu lojistiğinde konteyner ardiye hizmetlerinin öngörülmesi: Türkiye'deki limanlar üzerine bir uygulama

Bu tez çalışmasında, Türkiye'de konteyner lojistiği açısından yoğun işlem hacmine sahip iki limanda (kod 9010 ve 9020 olarak kodlanmış ve tez boyunca bu şekilde anılmıştır) sunulan konteyner ardiye hizmetlerinin gelecekteki talebi zaman serileri ve makine öğrenmesi yaklaşımlarıyla öngörülmüştür. Çalışma kapsamında Ocak 2021–Ağustos 2024 dönemini kapsayan 44 aylık veri seti kullanılmış; her ay için üç hizmet türü (depolama -boş, ithalat -dolu, ihracat -dolu) ve iki konteyner boyutu (20 ft, 40 ft) olmak üzere toplam altı gözlem kaydedilmiştir. Ham veriler eksik değer analizi, uç değer kontrolü ve kategori kodlamalarıyla temizlenerek WEKA 3.8.6'nın timeSeriesForecasting eklentisine uygun ARFF biçimine dönüştürülmüş; böylece zaman bağımlılığı korunarak modelleme aşamasına aktarılmıştır. Tahminleme aşamasında Lineer Regresyon, Karar Tablosu (Decision Table) ve Random Forest algoritmaları kullanılmış; model başarısı Korelasyon Katsayısı (r) ve Göreceli Mutlak Hata (Relative Absolute Error, RAE) ölçütleriyle değerlendirilmiştir. Sonuçlar, Random Forest algoritmasının her iki limanda da en yüksek doğrulukta öngörüler ürettiğini göstermiştir. Elde edilen yüksek korelasyon ve düşük hata değerleri, ardiye talebinin trend ve mevsimsellik içeren karmaşık desenlerini güçlü bir şekilde yakalayabildiğini göstermektedir. Bu öngörüler, liman yönetimlerinin vinç ve saha planlaması, iş gücü tahsisi ile altyapı yatırım kararlarını veri temelli biçimde optimize etmesine katkı sağlayacaktır. Dahası, konteyner ardiye hizmeti tahmini üzerine Türkiye odaklı literatürde sınırlı sayıdaki çalışmaya yeni ampirik bulgular eklenmiş; makine öğrenmesi yöntemlerinin lojistik operasyon yönetiminde uygulanabilirliği gösterilmiştir.