دانش رسان |
مرکز علم و دانش کشور بهبود الگوریتم خوشه بندی مشتریان برای توزیع قطعات یدکی با رویکرد داده کاوی (k-means)
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
بهبود الگوریتم خوشه بندی مشتریان برای توزیع قطعات یدکی با رویکرد داده کاوی (k-means) دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد بهبود الگوریتم خوشه بندی مشتریان برای توزیع قطعات یدکی با رویکرد داده کاوی (k-means) کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی بهبود الگوریتم خوشه بندی مشتریان برای توزیع قطعات یدکی با رویکرد داده کاوی (k-means)،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن بهبود الگوریتم خوشه بندی مشتریان برای توزیع قطعات یدکی با رویکرد داده کاوی (k-means) :
نام کنفرانس، همایش یا نشریه : نشریه بین المللی مهندسی صنایع و مدیریت تولید (فارسی)(نشریه بین المللی علوم مهندسی)
تعداد صفحات :۱۳
خوشه بندی مشتریان با رویکرد داده کاوی برای بهینه سازی برنامه حمل و نقل 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 ۳۶ ماه گذشته مورد بررسی قرارگرفته است و به کمک ابزار داده کاوی شباهت رفتار تقاضای قطعات یدکی توسط مشتریان در مناطق مختلف کشور ایران سنجیده شده است. تابع سنجش شباهت رفتار مشتریان در مناطق مختلف بر اساس ترکیب قواعد تعریف گردیده است. بر اساس 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 بر اساس فواصل اقلیدسی (مکان استقرار آنها)، 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 ۳۲ درصد هزینه های توزیع در شرکت ایساکو می باشد.
کلید واژه: الگوریتم خوشه بندی مشتریان، مدیریت ارتباط با مشتریان، داده کاوی (k-means)، تابع شباهت، توزیع قطعات یدکی
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
