بهينه‌سازي مسيريابي تكنسين‌هاي ارائه‌دهندۀ خدمات پس از فروش با تقاضاي احتمالي و محدوديت ظرفيت با استفاده از خوشه‌بندي: }مطالعه موردي در شهر اصفهان

Optimization of Routing of After-Sales Service Technicians with Probable Demand and Capacity Constraints Using Clustering: A Case Study in Isfahan

با توجه به افزايش روز افزون سهم خدمات در سراسر دنيا يكي از عوامل تأثير‌گذار بر رضايت مشتريان ارائه خدمات به موقع با كمترين ميزان تأخير است و همواره يكي از دغدغه‌هاي اصلي مراكز ارائه خدمات حضوري، نحوه تخصيص كار‌‌‌ها، برنامه‌ريزي و سازماندهي و ترتيب رسيدگي و مسيريابي ارائه خدمات به مشتريان بوده است و عدم برنامه‌ريزي صحيح در اين زمينه موجب افزايش بار ترافيكي در سطح شبكه و افزايش آلودگي زيست محيطي، آلودگي صوتي و اتلاف وقت، اتلاف سوخت و در‌نهايت نارضايتي مصرف‌كنندگان و تكنسين‌ها را به‌همراه خواهد‌ داشت. از جهتي تقسيم كار روزانه جهت ارائه سرويس به‌صورت دلخواه و با در نظر گرفتن نظر افراد انتخاب بهينه‌اي نخواهد بود در اين پژوهش با مطالعه موردي در يك شركت خدمات پس از فروش در صنعت لوازم خانگي و با استفاده تقاضاهاي مشتريان در شهر اصفهان، با بكارگيري ازروش‌هاي داده‌كاوي، نقاط تقاضاي جغرافيايي مشتريان با الگوريتم K-means خوشه‌بندي شده و سعي شده است با استفاده از خوشه‌بندي مناطق جغرافيايي، فضاي جستجوي مسئله را كاهش داده شود و با توجه به اين‌كه مسئله مسيريابي جز مسائل NP-Hard قرارمي‌گيرد از الگوريتم شبيه‌سازي تبريد جهت يافتن مسير تكنسين‌ها با تقاضاي احتمالي مشتريان با رعايت ظرفيت كار روزانه در هر خوشه استفاده شده و به‌منظور مقايسۀ نتايج، مسئله مسيريابي تكنسين‌ها و با همان محدوديت‌ها و بدون اعمال خوشه‌بندي، نيز انجام شده است. نتايج محاسباتي نشان مي‌دهد كه در مسئله مسيريابي تقاضاي احتمالي با رعايت محدوديت ظرفيت كار روزانه براي سرويسكاران پس از خوشه‌بندي با الگوريتم K-means، تابع هدف، در مقايسه با حل مسئله بدون اعمال خوشه‌بندي بهبود قابل توجهي داشته است. مسيريابي تكنسين خدمات، بااستفاده از خوشه‌‌بندي ضمن جواب گو بودن در زمان بسيار كمتر داراي آزمون تكرار پذيري بالاتري بوده و موجب ايجاد نظم و افزايش حس مسئوليت و افزايش تسلط بر مناطق ارائه خدمات مي‌گردد و نقش مؤثري در كاهش زمان رسيدگي به مصرف‌كننده و جلب رضايت آنها دارد.

Regard to daily increasing of customer services share in all over the world, one of most effective parameters on customer satisfaction would be service delivery with the least delay. work allocation method, planning, organizing, prioritizing and service delivery routing have always been one of the main concerns of service providing centers and lack of proper planning in this regard will cause service network traffic, environmental and noise pollution, waste of time and fuel and eventually dissatisfaction of consumers and technicians. On the other hand, daily division of labor in order to deliver delightful services by considering man’s opinion would not be an optimal choice. In this research, with case study on a home appliance service company and by considering customer demands in city of Isfahan and by data analysis, geographic points of customer’s demands have clustered by k-mean algorithm It has been tried to reduce the search space by clustering geographic areas and then by using simulated annealing, the optimum path for customer’s probable demands present to the technicians with observance of daily working capacity per cluster. The computational results show that after clustering by k-means algorithm, routing probable demands with observance of daily working capacity for technicians, the objective function has better improvement in compare with non-clustering case. Service technician routing by clustering, while being responsive in shortest time, has more repeatability test and cause more order and responsibility sense and more domination on service areas and also has an effective role in reducing time to handle a consumer and getting their satisfaction.