بهبود الگوریتم خوشه بندی مشتریان برای توزیع قطعات یدکی با رویکرد داده کاوی (k-means)

خوشه بندی مشتریان با رویکرد داده کاوی برای بهینه سازی برنامه حمل ونقل 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 36 ماه گذسته مورد بررسی قرارگرفته است و به کمک ابزار داده کاوی شباهت رفتار تقاضای قطعات یدکی توسط مشتریان درمناطق مختلف کشور ایران سنجیده شده است. تابع سنجش شباهت رفتار مشتریان در مناطق مختلف براساس ترکیب قواعد تعریف گردیده است. براساس 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 براساس فواصل اقلیدسی (مکان استقرارآنها)، 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 32 درصد هزینه های توزیع در شرکت ایساکو می باشد.