Çoklu sınıf ve çoklu sonuç algoritmaları ile paketleme planlama tahmini

Hızla gelişen endüstriyel manzara içerisinde, yapay zeka, imalat ve tedarik zinciri yönetimi dahil olmak üzere çeşitli sektörlerde dönüştürücü bir güç olarak ortaya çıkmıştır. Aynı zamanda, paketleme planlama, yapay zeka için hala geliştirilmeye açık bir alan olan bir başka alandır. Etkili paketleme planlama, tüm planlama süreci boyunca dikkatlice ele alınması gereken karmaşık bir görevdir. Bu sorunu çözmek için, her sevkiyat için paketlerin boyutlarını ve tiplerini tahmin etmek için etkili bir paketleme planlama için geliştirilmiş bir ilişki tabanlı heterojen zincir tabanlı çoklu çıkışlı sınıflandırma modeli öneriyoruz. Geleneksel regresyon zinciri modelleri genellikle her zincir içinde yalnızca tek bir sınıflandırıcı kullanırken, modelimiz her zincir içinde farklı sınıflandırıcıların kullanılmasına izin verir. Modelimiz, gerçek bir veri kümesi üzerinde farklı çoklu çıkışlı sınıflandırma algoritmalarını, Random Forest (RF), Decision Tree (DT) ve K-Nearest Neighbors (KNN) dahil kullanarak analiz edilir. Deneysel sonuçlar, DT temelli homojen zincir tabanlı çoklu çıkışlı sınıflandırma modelimizin ve ilişki tabanlı heterojen zincir tabanlı çoklu çıkışlı sınıflandırma modelimizin, geleneksel çoklu çıkışlı sınıflandırma ve zincir regresyon modellerine göre 0.98 genel doğruluk değeri ile en iyi performansı elde ederek daha iyi bir sonuç verdiğini göstermektedir. Ayrıca, farklı sınıflandırıcılar kullanan heterojen zincir tabanlı çok çıkışlı sınıflandırma modelimiz, tüm modellerde ikinci en iyi genel doğruluk sonucuna sahiptir ve geleneksel zincir tabanlı modellere göre daha yüksek bir genel doğruluk sonucuna sahiptir.