This study aimed to use the methodology of (BOX & Jenkins) for sefregression, integrative moving averages (ARIMA) and artificial neural networks (ANNs) method to predict ink sales. Through the study and analysis of time series data of the printing stuffs sales index in Iraq during the period from January 2008 to December 2018 which represents 132 views and that is through the methodology application s style (B&J) the style of autogressive and moving averages integrative study that model is to represent the date among the models (ARIMA) which has been selected this model based on the use of a measure of prediction accuracy (RMSE), (MAPE) while when using the artificial neural networks (ANNs) model was (MLP) is the best among models of neural networks to represent data these two methods were compared in terms of accuracy and efficiency of prediction by using (RMSE), (MAPE) the standard results indicated that the model artificial neural networks (MLP) were reliable in predicting the extent of future series printing stuffs sales, thus, the most appropriate model for our study subject and more suitable for further predictions is ANN (5.5.1) neural network model.

Bu çalışma sırasında yazıcı sarf malzemeleri satışları öngörülerinde bulunabilmek amacıyla Box-Jenkins (B-J) Metodu ile Otoregresif, Bütünleşik Otoregresif Hareketli Ortalama (ARIMA) ve Yapay Sinir Ağları (YSA) yöntemleri kullanılmıştır. Toplam 132 gözlemden ibaret olan Ocak 2008 ile Aralık 2018 Arasındaki süreçte Irak'ta satılan yazıcı sarf malzemeleri miktarı değerleri ele alınarak buna ait zaman serisi incelenip analiz edilmiş ve (B-J) metodu uygulanarak veri temsili için Otoregresif ve Bütünleşik Otoregresif Hareketli Ortalama yöntemlerinin kullanılması sonucunda (ARIMA) modelleri arasında en uygun modelin (ARIMA) olduğu sonucuna varılmıştır. Bu modelin seçimin nedeni ise öngörü doğruluğu ölçeğine Karesel Hata (RMSE) ve Mutlak Hata (MAPE) dayalı olup Yapay Sinir Ağları (YSA) kullanıldığında ise en uygun modelin Çok Katmanlı Ağı (MLP) olduğunu görüldü. Bu iki sonuç arasında Karesel Hata (RMSE) ve Mutlak Hata (MAPE) Kıstası kullanılarak öngörü doğruluğu ve performansı yönlerinden karşılaştırma yapıldığında ise Yapay Sinir Ağları Çok Katmanlı (MLP) en uygun model olduğu görüldüğünden yazıcı sarf malzemeleri satışları serisinin ileriki satış miktarı değerlerinin öngörülmesi için bu model kurulmuştur. Böylece çalışma için en uygun ve ileriki öngörüler için daha elverişli olan model YSA(5.5.1) sinir ağı modeli olduğu sonucu ortaya çıkmıştır.