ViraScience.
Article

بهبود الگوریتم خوشه بندی مشتریان برای توزیع قطعات یدکی با رویکرد داده کاوی (k-means)

mohammad mehdi sepehri associate professor, industrial engineering department, tarbiat modares university، mehrdad kargari ph.d. student, industrial engineering department, tarbiat modares university

Abstract

خوشه بندی مشتریان با رویکرد داده کاوی برای بهینه سازی برنامه حمل ونقل یکی از مباحث مطرح در حوزه مدیریت ارتباط با مشتریان است. در این مقاله داده ها و اطلاعات واقعی توزیع قطعات یدکی شرکت ایساکو در طی 36 ماه گذسته مورد بررسی قرارگرفته است و به کمک ابزار داده کاوی شباهت رفتار تقاضای قطعات یدکی توسط مشتریان درمناطق مختلف کشور ایران سنجیده شده است. تابع سنجش شباهت رفتار مشتریان در مناطق مختلف براساس ترکیب قواعد تعریف گردیده است . براساس این تابع و به کمک الگوریتم k-means عملیات خوشه بندی انجام گرفته و مشتریان مشابه در یک خوشه قرارگرفته اند. تابع سنجش شباهت رفتار مشتریان در پنج مرحله تشکیل شده است. تابع شباهت مشتریان براساس فواصل اقلیدسی (مکان استقرارآنها) , زمان تقاضای مشتریان و مقدار ارزش حجمی تقاضای مشتریان به صورت جداگانه تعریف شده است. سپس این سه عامل با هم ترکیب شده و تابع dcb به وجود آمده است. در مرحله نهایی با درنظر گرفتن وزن های مختلف برای سال ها و فصول گوناگون تابع bcd بهبود داده شده است. عملیات خوشه بندی به وسیله سه تابع فاصله اقلیدسی، تابع dcb و تابع bcd بهبود یافته در نرم افزار r انجام و تابعbcd بهبود یافته به عنوان بهترین تابع برای خوشه بندی انتخاب شده است . سپس با استفاده از مدل dtm رفتار هر بخش تحلیل شده و سیاست های توزیع مناسب برای آن بخش تبیین شده است . نتایج حاصل بیانگر کاهش 32 درصد هزینه های توزیع در شرکت ایساکو می باشد.

Similar items

  • بهبود الگوریتم خوشه بندی مشتریان برای توزیع قطعات یدکی با رویکرد داده کاوی (k-means)

    Article2012بین المللی مهندسی صنایع و مدیریت تولیدMohammad Mehdi Sepehri، Mehrdad Kargari

    خوشه بندی مشتریان با رویکرد داده کاوی برای بهینه سازی برنامه حمل ونقل یکی از مباحث مطرح در حوزه مدیریت ارتباط با مشتریان است. در این مقاله داده‌ها و اطلاعات واقعی توزیع قطعات یدکی شرکت ایساکو در طی 36 ماه گذسته مورد بررسی قرارگرفته است و به کمک ابزار داده کاوی شباهت رفتار تقاضای

  • بررسی میزان تأثیر داروهای درمان ناباروری در بیماران نابارور با استفاده از الگوریتم خوشه بندی و تکنیک های داده کاوی

    Articleمجله دانشگاه علوم پزشکی مازندرانسمیه علیزاده، somayeh alizadeh علوم پزشکی مازندران مرجان هادیزاده، marjan hadizadeh علوم پزشکی مازندران حکیمه عامری، hakimeh ameri علوم پزشکی مازندران

    سابقه و هدف: آمار ناباروری در جهان و به خصوص در کشور ما افزایش یافته است. داده کاوی رشته علمی جدید در زمینه بازیابی اطلاعات از پایگاه داده ها می باشد. مطالعات معدودی در زمینه ناباروری و استفاده از دانش داده کاوی برای توصیف و پیش بینی روش های مختلف درمانی و شناسایی ویژگی های تاثیر

  • خوشه بندی بیماران مبتلا به کم خونی با رویکرد داده کاوی

    Articleمجله دانشکده پزشکی دانشگاه علوم پزشکی تهرانخدیجه دولتشاه، khadijeh dolatshah department of industrial engineering, south tehran branch, islamic azad university, tehran, iran.گروه مهندسی صنایع، مدیریت سیستم و بهره وری، دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی، واحد تهران جنوب، تهران، ایران. رسول نورالسنا، rassoul noorossana department of industrial engineering, iran university of science and technology, university st., hengam ave., resalat sq., tehran, iran. post code: 16846-13114 tel: +98- 21- 73225017تهران، میدان رسالت، خیابان هنگام، خیابان دانشگاه، دانشگاه علم و صنعت ایران، دانشکده مهندسی صنایع، کد پستی: 13114- 16846 تلفن: 73225017 -021 کامران حیدری، kamran heidari department of emergency medi-cine, loghman hakim hospital, shahid beheshti university of med-ical sciences, tehran, iran.گروه طب اورژانس، بیمارستان لقمان حکیم، دانشکده پزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران. پریا سلیمانی

    زمینه و هدف: شایع ترین اختلال خونی به ویژه در زنان، بیماری کم خونی است. کشف دانش از میان حجم انبوه داده ها از سوابق بیماران با استفاده از داده‏کاوی می‏تواند منجر به بهبود کیفیت خدمات پزشکی شود. هدف این مطالعه خوشه بندی بیماران کم خونی با استفاده از الگوریتم های داده کاوی به منظور

  • اجرای الگوریتم خوشه بندی بهبود یافته بر روی داده های ناباروری

    Articleمهندسی صنایع و مدیریتنرگس آقابیگی، دانشکده ی مهندسی صنایع، دانشگاه خواجه نصیرالدین طوسی سمیه علیزاده، دانشکده ی مهندسی صنایع، دانشگاه خواجه نصیرالدین طوسی ابوطالب صارمی، رئیس بیمارستان صارم

    داده کاوی تلفیقی از روش های هوش مصنوعی برای شناسایی اطلاعات یا استخراج دانش از داده هاست، به نحوی که دانش حاصل در حوزه های تصمیم گیری، پیش بینی، پیش گویی و تخمین مورد استفاده قرار گیرد. تحلیل رفتار مشتریان، دسته بندی مشتریان، شناخت نیازهای مشتریان و پیش بینی در مباحث پزشکی ازجمله

  • تحلیل اهمیت- عملکرد ویژگی های خدمت بر پایه بخش بندی مشتریان با رویکرد داده کاوی (پژوهشی در بازار خدمات تلفن همراه در استان یزد)

    Article2012فصلنامه علمی-پژوهشی مدیریت فناوری اطلاعاتسیدیعقوب حسینی، منیژه بحرینی زاده، علیرضا ضیائی بیده

    در سیستم های مدیریت ارتباط با مشتریان، اهمیت و عملکرد ویژگی های خدمت بسیار حائز اهمیت است. تحلیل اهمیتعملکرد ابزار مؤثری برای اولویت بندی ویژگی های خدمت بر پایه نیاز ها و انتظارهای مشتریان و همچنین شناسایی نقاط قوت و ضعف سازمان در بازار است. در این پژوهش با هدف افزایش اعتبار و کا

  • انتخاب هوشمندانه مراکز اولیه در الگوریتم خوشه بندی K-means به‌منظور بهبود تشخیص موضوع

    Article2018علوم رايانش و فناوري اطلاعاتسپهر آروین، علی ورداسبی، هشام فیلی، آزاده شاکری

    تشخیص موضوع یکی از مسائل حوزه ی پردازش زبان طبیعی است که در سال های اخیر همواره مورد توجه بوده و از زوایای متفاوتی مورد پژوهش قرارگرفته است. هدف کلی در این مسئله خوشه بندی اسناد متنی در دسته های مختلف است به‌گونه‌ای که اسناد موجود در هر خوشه موضوع یکسانی داشته باشد. بخش قابل‌توجه