مهندسی صنایع
سال:1390 | دوره:45 | شماره:ویژه نامه |تعداد مقالات:13

امروزه سازمان ها از تمامی ابزارهای مناسب جهت بهبود خدمت رسانی به مشتریان استفاده می کنند. شناسایی گروه خاصی از مشتریان و پیش بینی رفتار آنها بدون شک می تواند نقش مهمی را در بهبود سرویس دهی ایفا می کند. در این مقاله، یک روش آماری جدید با نام سیستم ماهالانوبیس تاگوچی برای این منظور استفاده شده است. این روش برای تحلیل داده های واقعی بیمه خودرو استفاده شده و 5 شهر بزرگ ایران مورد بررسی قرار گرفته است. 7 فاکتور اولیه ای که در رخداد تصادفات و خسارت ها موثر شناخته شده بود به 4 فاکتور کاهش یافت. سپس رفتار مشتریان با کمک مفهوم فاصله ماهالانوبیس بطور مورد به مورد تحلیل شد. برای این منظور، با استفاده از مفهوم فاصله ماهالانوبیس مشتری های پر ریسک که خسارت بالایی را به سازمان بیمه تحمیل می کنند شناسایی گردید. روش شبکه های عصبی برای شناسایی مشتریان با ریسک بالا مورد استفاده قرار گرفت و نتایج آن با نتایج سیستم ماهالانوبیس تاگوچی مقایسه شد. نتایج نشان می دهند که سیستم ماهالانوبیس تاگوچی به دلیل داشتن مقیاس غیر نرمالیتی، توانایی بالایی در شناسایی مشتریان با ریسک بالا دارد. شناسایی این مشتریان با سیستم ماهالانوبیس تاگوچی در مقایسه با شبکه های عصبی دقیق تر است.

بهینه سازی متغیر پاسخ و یافتن بهترین ترکیب تنطیم متغیرهای کنترلی در هر فرایند یکی از قدمهای اصلی بهبود کیفیت محسوب میگردد. ضرورت توجه به این مهم در فرایندهایی با چند متغیر پاسخ بطور همزمان دو چندان احساس می شود. در این مقاله پس از تبیین موضوع بهینه سازی سطح پاسخ و همچنین مساله چند پاسخی، ابتدا به مدلسازی چنین مسائلی پرداخته می شود. در مرحله بهینه سازی مساله مذکور دو روش فرا ابتکاری برای رسیدن به جواب بهینه همزمان تمامی پاسخها بر اساس روش شبیه سازی تبرید و بهینه سازی تجمعی ذرات ارائه شده و چگونگی تطبیق الگوریتمهای مذکور برای مسائل بهینه سازی چند پاسخی مبتنی بر تابع مطلوبیت بررسی شده است. پس از توضیحات لازم در مورد الگوریتمها، روشهای پیشنهادی برای دو مساله برگرفته از ادبیات تحقیق تشریح و نتایج بدست آمده مورد تحلیل قرار گرفته است. نتایج بررسیها نشان دهنده عملکرد مناسب مدل و الگوریتمهای پیشنهادی نسبت به سایر رویکردهای موجود می باشد.

برای برنده بودن در رقابت جهانی، شرکت ها نیازمند بازشناسی و پایش رفتار مشتریانشان هستند تا رفتار و خواسته های آنها را زودتر از رقبایشان برآورد کنند. این تحقیق به دنبال شناسایی ویژگی هایی است که ما را به تحلیل ریزش مشتری سوق می دهد. به همین منظور، رفتار 3150 مشتری یکی از اپراتورهای مخابراتی ایرانی در طول یک سال شناسایی شده است و روند تغییرات آنها با استفاده از یک مدل LLNF خصوصی سازی شده تحلیل شده است. برای انجام این امر، الگوریتم درخت مدل خطی محلی (LOLIMOT)، که مزایای شبکه های عصبی مدل درخت تصمیم گیری و مدل های فازی را درخود جای داده است، به کار گرفته شده است. نتایج بیانگر آن است که نارضایتی مشتری، استفاده مشتری از خدمات و ویژگی های آماری وی تاثیر روشن و معنی داری بر تصمیم وی برای ماندن در سیستم و یا خروج از سیستم دارد. علاوه بر این، فعال بودن یا غیر فعال بودن وضعیت اشتراک مشتری تاثیر میانجی گرانه در باقی ماندن یا ریزش وی از سیستم دارد.

این مقاله به ارائه روش مدلسازی شبه مدل با کارایی بالا برای حل مسائل بهینه سازی طراحی چند موضوعی با مدلهای شبیه سازی دقت بالا می پردازد. مهمترین مشکلات اساسی در ارتباط با بهینه سازی چند موضوعی عبارتند: از کوپلینگ های بین موضوعات، هزینه های سنگین محاسباتی آنالیز و تحلیل در هر موضوع مربوطه و تعدد قیود و متغیرهای طراحی. این عوامل منجر به افزایش هزینه های محاسباتی می شود که این خود عامل استفاده محدود MDO در حل مسائل طراحی صنعتی میگردد. برای رفع این مشکلات در این مقاله، روشی بر مبنای مدلسازی سراسری با استفاده از روش حداقل مربعات متحرک و استراتژی ناحیه مطمئن ارائه شده است. شبه مدل برای شناختن ناحیه قابل قبول و غیر قابل قبول و همچنین استراتژی ناحیه مطمئن برای جستجوی دقیق ناحیه قابل قبول مورد استفاده قرار می گیرد. این روش با یک مساله نمونه نشان داده شده است و کارایی این روش برای مدلسازی و بهینه سازی مشارکتی در سطح سیستمی با استفاده از مدل سطح بالا مورد بررسی قرار گرفت. نتایج نشان می دهد که شبه مدل بر مبنای روش حداقل مربعات متحرک به صورت همزمان دقت بالای محاسبات و در عین حال کاهش قابل توجهی در هزینه های محاسباتی را فراهم می کند.

پروژه های ساختمانی عموما با محدودیتهایی متعددی مواجهند که تاثیر قابل توجه بر زمان بندی و هزینه پروژه دارند. محدودیت منابع اعم از مصالح، ماشین آلات و تجهیزات کارگاهی، نقدینگی و منابع انسانی ماهر و نیمه ماهر از جمله مهمترین این محدودیتها هستند. تغییرات میزان دسترسی به این منابع در طول پروژه و نیز امکان یا عدم امکان منابع مازاد هر مقطع زمانی در مقاطع بعدی از اجرای پروژه به پیچیدگی موضوع می افزاید. جستجوی یک روش برنامه ریزی مناسب برای برنامه ریزی بهینه پروژه های ساختمانی با توجه به این محدودیتها مورد توجه محققین متعدد بوده است که بروشهای مختلف سعی در ارائه راهکار مناسب نموده اند. اغلب این تحقیقات با فرض ثابت بودن دوره اجرای فعالیتها است. در این تحقیق، از یک الگوریتم فرا ابتکاری بهبود یافته برای بهینه سازی هزینه و زمان پروژه استفاده شده است که میتواند از دیدگاه پیمانکاران قابل توجه باشد. در مدل ارائه شده، زمان فعالیتها بگونه ای تغییر میکنند که بتوان حداکثر استفاده را از منابع ببرد. به عبارت دیگر با افزایش زمان بعضی از فعالیتها، میتوان آنها را بطور همزمان با فعالیتهای دیگر اجرا کرد که در نهایت باعث کاهش هزینه و زمان پروژه خواهد شد. برای ارزیابی این الگوریتم، دو زمان بندی مختلف از یک پروژه ارائه شده است که در یکی از زمان حداقل هر فعالیت و در دیگری از الگوریتم بهینه سازی برای زمان بندی استفاده شده است. نتایج بدست آمده حاکی از کارایی مناسب الگوریتم در کاهش هزینه و زمان پروژه میباشد.

الگوریتم ژنتیک، در میان روش های ابتکاری، یکی از پرکاربردترین روش های بهینه سازی است که در گستره وسیعی از مسائل پیچیده بهینه سازی، بصورت موفقیت آمیزی بکار رفته است. عملکرد الگوریتم ژنتیک تا حد زیادی وابسته به انتخاب مناسب سطوح پارامترهای تنظیمی آنست که شامل مکانیزم تقاطع، احتمال تقاطع، اندازه جمعیت، نرخ جهش و درصد انتخاب میباشد. در این تحقیق، بر اساس رویکرد طراحی آزمایشات و مدلسازی رگرسیونی، تاثیرات پارامترهای تنظیمی بر عملکرد الگوریتم ژنتیک ارزیابی شده است. به عنوان مطالعه موردی، الگوریتم ژنتیک برای حل یکی از مسائل الگوی شناخته شده «فروشنده دوره گرد» مشتمل بر 48 شهر، پیاده سازی شده است. رویکرد پیشنهادی در این پژوهش، به سادگی قابل پیاده سازی بر روی سایر مسائل بهینه سازی می باشد. برای طراحی مدل های ریاضی، محاسبات کامپیوتری بر اساس ماتریس مرکب مرکزی 4 عاملی -5 سطحی اجرا شده اند. به منظور ایجاد ارتباط بین متغیرهای تنظیمی الگوریتم ژنتیک و معیار عملکردی آن، سه نوع تابع رگرسیونی بر داده های محاسباتی برازش داده شد. سپس، تحلیل های آماری بر روی مدل ها انجام پذیرفته تا بهترین مدل تعیین گردد. نتایج آنالیز واریانس دلالت بر این دارد که تابع درجه دوم بهترین و منطبق ترین مدل بوده و می تواند رابطه متغیرهای مهم الگوریتم ژنتیک و معیار عملکردی (کیفیت جواب نهایی) آن را به درستی ارائه نماید.

در این مقاله یک مدل کنترل موجودی اقلام زوال پذیر با دوره عمر تصادفی برای یک سیستم دو مرحله ای تولید-توزیع توسعه داده شده است. در مرحله اول یک تولید کننده قرار دارد که اقلام خود را با نرخ ثابت تولید می کند. زوال اقلام در این مرحله از توزیع وایبل دو پارامتری پیروی میکند. در مرحله دوم، خرده فروش سفارشات خود را یکجا دریافت کرده و نرخ زوال پیرو توزیع وایبل سه پارامتری است. مقدار اولیه این توزیع وابسته به مدت زمانی می باشد که محصول در مرحله اول گذرانده است. رفتار پارامترهای کلیدی مدل بصورت عددی تحلیل شده است.

در سالهای اخیر مطالعه بر روی بخش بندی مشتریان و طرح بخش بندی مشتریان بسیار مورد توجه قرار گرفته است. بر این اساس، در این تحقیق تلاش شده تا یک متدولوژی برای بخش بندی مشتریان یک بانک خصوصی در ایران بر اساس پارامترهای ایجاد ارزش که از داده های تراکنشی استخراج شده اند، ارائه شود، سپس مشتریان بر اساس امتیاز ارزش طول عمر آنها رتبه بندی شوند.کشف الگوهای پنهان بین نتایج حاصل از رتبه بندی مشتریان و سایر اطلاعات نظیر داده های استفاده از سایر خدمات بانکداری و داده های دموگرافیک از دیگر کارهای انجام شده در این تحقیق است. برای دستیابی به این موارد، از تکنیکهای متعدد داده کاوی نظیر خوشه بندی و دسته بندی بر روی داده های واقعی یک بانک خصوصی، استفاده شد. تحقیق پیش رو درک روشنی را برای حوزه های فعالیت های بازاریابی و مدیریت ارتباط با مشتریان یک سازمان فراهم می سازد، به گونه ای که سازمان بتواند برنامه های استراتژیک آینده را بر اساس شناخت مناسبی که از بخش های مختلف مشتریان به دست آورده تبیین کند.

پدیده ضربه شلاق نقش بسیار مهمی را در مدیریت زنجیره تامین بر عهده دارد. این نقش بخصوص در بازارهای بسیار متلاطم که قیمت ها به دلایل غیر منتظره همچون پدیده گرمایش زمین دچار تغییر می گردند مهمتر می باشد. به صورت سنتی انتظار می رود که با افزایش در قیمت ها شاهد کاهش قابل توجه در تقاضای بازار باشیم. با اینحال تحولات اخیر در اقتصاد جهانی نشان داده اند که افزایش ناگهانی قیمت در یک بازه کوتاه زمانی می تواند به افزایش ناگهانی در تقاضا منجر شود که در بلند مدت شاهد افت تقاضا خواهیم بود. شواهد بسیاری موید این نظر می باشند و می توان به عنوان مثال از رفتار بازار برنج در ایران در سپتامبر 2008 میلادی نام برد. در این مقاله یک مدل ریاضی برای تقاضا ارائه شده است که در آن تقاضا نه تنها تابعی از قیمت بلکه تابعی از سرعت تغییرات قیمت نیز می باشد. به هنگام کم بودن سرعت تغییر قیمت، رفتار مدل دقیقا مشابه مدل کلاسیک کشش تقاضا می باشد. ولی به هنگام بروز یک شوک قیمتی در بازار رفتار مدل به طور کامل دگرگون میگردد. مدل پیشنهادی در عین حال پدیده ضربه شلاق را با استفاده از ضریب لیاپونوف مورد بررسی قرار می دهد.

تقاضا در مدل های کلاسیک (EOQ) ثابت فرض شده است، اگرچه در دنیای واقعی تقاضا وابسته به فاکتورهای بسیاری، مانند قیمت فروش، وارانتی محصول و بازاریابی می باشد. در سالهای اخیر مدلهایی بسیار معروف تحت عنوان مدلهای ادغامی فروش و مقدار سفارش مطرح شده اند. در این مدلها نه تنها تقاضا وابسته به قیمت فروش می باشد، بلکه قیمت فروش و مقدار سفارش برای یک فروشنده نیز وابسته به یکدیگر می باشند. محققین بسیاری این مدل ها را تحت بعضی شرایط مانند، تخفیف مقداری، بازاریابی و خرید اعتباری در نظر گرفته اند. در این مقاله، یک مدل موجودی جدید برای فروشنده ای که فعالیت بازاریابی انجام می دهد، پیشنهاد کرده ایم. فعالیت بازاریابی فرایندی است که شامل بررسی بازار، فروختن محصولات یا خدمات به مشتریان و ترویج دادن محصولات/ خدمات با استفاده از تبلیغات می باشد. واضح است که این فرآیند در طی یک افق زمانی اتفاق می افتد، بنابراین تقاضای محصول با گذشت زمان افزایش می یابد. لذا در مدل ارایه شده، به واسطه افزایش در تقاضا، کمبود رخ می دهد. در این مدل بازاریابی تابع خطی از زمان فرض شده است که بر تابع تقاضا تاثیر دارد، در حالی که تقاضا خود تابعی از قیمت در نظر گرفته شده است. در مدل پیشنهادی، هزینه پس افت را هنگامی که مدل با کمبود مواجه می شود، همراه با هزینه های خرید، سفارش و نگهداری در نظر گرفته شده است. همچنین الگوریتمی به کار برده شده است تا مقادیر بهینه قیمت خرید ، هزینه بازاریابی و زمان موجودی در دست تعیین گردد به طوری که سود فروشنده ماکسیمم گردد. در پایان مثال های عددی همراه با آنالیز حساسیت بر روی پارامترهای کلیدی، ارایه شده است که حاکی از واقعی تر بودن مدل در مقایسه با مدلهای قبلی می باشد.

در این مقاله یک الگوریتم جدید قدرتمند با الهام از تکثیر و رشد علف های هرز جهت حل مساله معروف تخصیص نمایی که از کاربرد بسیار زیادی در حوزه های مختلف نظیر چیدمان کارخانه، چیدمان ماشین آلات و ... برخوردار است، به کار گرفته شده است. مجموعه ای از مسائل عددی مرجع از منبع مربوط به این مساله مشهور انتخاب و کارایی الگوریتم از طریق آن در مقایسه با الگوریتم های قبلی مشابه مورد ارزیابی قرار گرفته است. نتایج نشان دهنده اینست که این الگوریتم نتایج بهتری را در مقایسه الگوریتم های قبلی خصوصا با افزایش ابعاد مساله ارائه می دهد.

در سال های اخیر تعیین استراتژی بهینه زنجیره تامین بسیار مهم تلقی می شود. ولی پاسخ به آن بواسطه طبیعت بسیار پیچیده و غیر ساختار یافته اینگونه تصمیم ها براحتی صورت نمی گیرد. برای محاسبه و تعیین تصمیم بهینه بسیاری از متغیرهای کیفی و کمی مانند هزینه، انعطاف پذیری، سرعت پاسخگویی و... می بایست مدنظر قرار گیرند. برای جذب موضوعات و پاسخ های کیفی نوع بشری به متغیرهای دخیل می توان از مفهوم تصمیم گیری چند متغیره فازی استفاده کرد. در این تحقیق ویژگی های الگوهای ناب و چابک در زنجیره های تامین مورد یررسی قرار گرفته است. نتایج بررسی ها نشان می دهد که هر یک از دیدگاه های فوق یعنی ناب و چابک، دارای مزیت ها و نقاط قوت خاص خود هستند و در شرایط خاصی حداکثر کارایی را خواهند داشت. به عبارت دیگر با توجه به شرایط و ویژگی های مختلف سازمان ها و سیستم های تولیدی، می توان از هر یک از این استراتژی ها و یا از هر دو آنها سود برد. سپس با بررسی نقاط تشابه و تمایز هر یک از این الگوها و جمع آوری معیارها و شاخص های درست، کافی و کارا، یک مدل تصمیم گیری چند معیاره فازی (FMADM) ارائه شده است که ضمن بررسی تمام ابعاد زنجیره تامین در الگوهای ناب و چابک، می تواند یاری دهنده مدیران و تصمیم گیران در عرصه های واقعی دنیای صنعتی امروز باشد. در پایان نیز مدل پیشنهادی توسط یک مورد کاوی در یک شرکت تولیدکننده وسایل کمپینگ مورد ارزیابی و صحه گذاری قرار گرفته است.