نام پژوهشگر: سیده الهه عباسی

بکارگیری سیستم ماهالانوبیس - تاگوچی در شناسایی مشتریان با ریسک بالا و پیش بینی تقاضای آنها- مطالعه موردی یک شرکت بیمه
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده صنایع 1389
  سیده الهه عباسی   عبداله آقایی

به دلیل افزایش پیچیدگی ها در بازار، مدیران با سیستم های چند متغیره ای مواجه هستند که تعداد زیاد متغیر و تاثیر آنها بر هم، تصمیم گیری را دچار مشکل می کند. همین مساله ضرورت استفاده از روش های آنالیز چندمتغیره را برای تصمیم گیری های صحیح اجتناب ناپذیر نموده است. در این راستا ابزارهای بسیاری توسعه یافته اند و در تحلیل سیستم ها مفید بوده اند. یکی از این ابزارهای نسبتا جدید برای آنالیز چندمتغیره، سیستم ماهالانوبیس تاگوچی است که این روش در زمینه های مختلفی از جمله تشخیص بیماری، پیش بینی زلزله، پیش بینی بحران مالی و بسیاری موارد دیگر استفاده شده است و نتایج قابل قبولی را نشان داده است. از طرفی یکی از نیازهای اساسی هر سازمانی، پیش بینی تقاضا است و اهمیت این موضوع برای باقی ماندن سازمان ها در بازار رقابتی امری اثبات شده می باشد. در این تحقیق سعی شده است تا با توجه به قابلیت های این روش، برای اولین بار در بهبود پیش بینی تقاضا به کار گرفته شود. در بحث تقاضا، یکی از مسائل مهمی که مدیران با آن مواجه هستند این است که بتوانند مشتریانی با ویژگی های خاص را از سایر مشتریان جدا نموده و بطور جداگانه در مورد تقاضای آن گروه های خاص تحلیل هایی را انجام دهند. با توجه به تحقیقات انجام شده در زمینه پیش بینی تقاضا، مشاهده می شود که تحقیق گسترده ای انجام نشده است. در این تحقیق، به عنوان یک مطالعه‏ موردی این روش برای تحلیل یک شرکت بیمه، که امروزه جایگاه مهمی را در بین شرکت های خدماتی دارند استفاده گردید. در این پایان نامه به معرفی اجمالی سیستم ماهالانوبیس تاگوچی و کاربردهای مختلف آن پرداخته شده است. سپس به دلیل اهمیت بحث پیش بینی تقاضا، روش های موجود پیش بینی تقاضا و توانایی ها و محدودیت های آنها و کاربردهایی که داشته اند بررسی گردیده است. به عنوان یک مطالعه موردی با استفاده از این روش، به شناسایی مشتریان با ریسک بالا برای یک شرکت بیمه و برآورد تقاضای آن گروه از مشتریان پرداخته شده است. با این روش، ابتدا سیستم تصمیم گیری در شرکت بیمه بهینه گردید و 7 فاکتوری که کارشناسان بیمه آنها را در تصادفات موثر شناسایی کرده بودند، به 4 فاکتور کاهش یافت. سپس با استفاده از این 4 فاکتور و مفهوم فاصله ماهالانوبیس، مشتریانی با احتمال خسارت بالا مانند 82% و 76% شناسایی گردید و تخمینی برای تقاضای این گروه از مشتریان ارائه گردید. در نهایت برای مقایسه نتایج و نشان دادن قابلیت بالای این روش، با استفاده از روش شبکه های عصبی نیز شناسایی مشتریان پرریسک و تقاضای آنها برآورد گردیده است. با توجه به نتایج بدست آمده می توان به این نتیجه رسید که سیستم ماهالانوبیس تاگوچی در تحلیل مشتریان و تقاضای آنها، ابزاری کارا می باشد.