بهبود الگوريتم خوشه بندي مشتريان براي توزيع قطعات يدكي با رويكرد داده كاوي (k-means)

Improving the Customer Grouping Algorithm for Spare-Parts Distribution Using k-Means Tools

خوشه بندي مشتريان با رويكرد داده كاوي براي بهينه سازي برنامه حمل ونقل يكي از مباحث مطرح در حوزه مديريت ارتباط با مشتريان است. در اين مقاله داده‌ها و اطلاعات واقعي توزيع قطعات يدكي شركت ايساكو در طي 36 ماه گذسته مورد بررسي قرارگرفته است و به كمك ابزار داده كاوي شباهت رفتار تقاضاي قطعات يدكي توسط مشتريان درمناطق مختلف كشور ايران سنجيده شده است. تابع سنجش شباهت رفتار مشتريان در مناطق مختلف براساس تركيب قواعد تعريف گرديده است . براساس اين تابع و به كمك الگوريتم k-means عمليات خوشه بندي انجام گرفته و مشتريان مشابه در يك خوشه قرارگرفته‌اند. تابع سنجش شباهت رفتار مشتريان در پنج مرحله تشكيل شده است. تابع شباهت مشتريان براساس فواصل اقليدسي (مكان استقرارآنها) , زمان تقاضاي مشتريان و مقدار ارزش حجمي تقاضاي مشتريان به صورت جداگانه تعريف شده است. سپس اين سه عامل با هم تركيب شده و تابع DCB به وجود آمده است. در مرحله نهايي با درنظر گرفتن وزن‌هاي مختلف براي سال‌ها و فصول گوناگون تابع BCD بهبود داده شده است. عمليات خوشه بندي به وسيله سه تابع فاصله اقليدسي، تابع DCB و تابع BCD بهبود يافته در نرم افزار R انجام و تابعBCD بهبود يافته به عنوان بهترين تابع براي خوشه بندي انتخاب شده است . سپس با استفاده از مدل DTM رفتار هر بخش تحليل شده و سياست‌هاي توزيع مناسب براي آن بخش تبيين شده است . نتايج حاصل بيانگر كاهش 32 درصد هزينه‌هاي توزيع در شركت ايساكو مي‌باشد