طراحي و توسعه يك سيستم خبره فازي مبتني بر قانون براي ارزيابي اعتباري مشتريان شركت‎هاي تجاري (مورد مطالعه: شركت توزيع و پخش البرز)

Design and Development of a Fuzzy Rule-Based Expert System for Customers Credit Scoring of Business Company: Case Study Alborz Distribution Company

امروزه ارزيابي اعتباري مشتريان به يكي از چالش‌هاي مهم تصميم گيري مديران تبديل شده است، به‎خصوص كه شمار كلاهبرداري‌ها افزايش يافته و مطالبات معوق شركت‌هاي تجاري روبه‎فزوني است. تصميم گيري در مورد مشتريان و اعتبار آنها از يك سو متكي بر قضاوت خبرگان بوده و از سوي ديگر، اطلاعات مشتريان اغلب به‎صورت غيرقطعي، مبهم و غيرقابل دسترس هستند. خبرگان با تكيه بر شواهد، مدارك، اطلاعات كيفي و تجربه‎هاي خود، اغلب با استفاده از واژه‌هاي كلامي اقدام به توصيف مشتريان كرده و در مورد آنها به قضاوت مي‌پردازند. در اين پژوهش با به‎كارگيري مزاياي منطق فازي و سيستم‎هاي خبره، يك سيستم خبره فازي براي حل مسيله مطرح شده، ارايه شده است كه با بهره‎گيري از روش استنتاج ممداني و فازي‎سازي ورودي‎ها و فازي‎زدايي خروجي‎ها، درنهايت رتبه اعتباري مشتري را تعيين مي‎كند. در آخر، سيستم مورد نظر در شركت پخش البرز طراحي و پياده‎سازي شده است، به‎گونه‎اي كه نتايج دقت 25/91درصدي سيستم در رتبه بندي اعتباري مشتريان را نشان مي‎دهد.

Nowadays, the customerʹs credit assessment is one of most important challenges for managers in decision making. Especially in the current situation which the number scam has increased and outstanding claims of Business Company is increasing. On the other hand decision making about customers and their credit is based on expert judgment and also the customer Information is often uncertain, ambiguous and inaccessible. So Experts based on evidence, documentation, quality information and their experiences, often with linguistic variables describe their customers and judge about them. In this research, with using the advantages of fuzzy logic and expert systems, a fuzzy expert system for solving this problem has been presented which utilizing Mamdani Inference method for inference. Finally, the system was designed and implemented in Alborz Distribution Company, and it showed 91.25 percent accuracy of the system in the customerʹs credit rating.