نشریه بین المللی مهندسی صنایع و مدیریت تولید

  در این مطالعه تأثیر انتقال جرم و حرارت ناشی از تفاوت دمای گاز ورودی و سیال تزریقی و میزان رطوبت اولیه گاز بر راندمان جداسازی ذرات جامد آلاینده توسط یک شوینده ونتوری مورد مدلسازی ریاضی و شبیه‌سازی قرار گرفته است. بدین منظور معادلات حاکم بر عملکرد این سیستم شامل معادله اصلی تغییرات غلظت جزء آلاینده همراه گاز، و سایر معادلات لازم شامل معادله تغییرات دمای گاز، دمای قطرات، سرعت قطرات، رطوبت گاز و اندازه قطرات تبیین و با استفاده از روش‌های عددی حل گردیده است. نتایج مدل با مقادیر اندازه گیری شده مربوط به عملکرد یک شوینده ونتوری مورد استفاده در صنعت سیمان مقایسه گردیده و تطابق قابل قبولی در پیش بینی های مدل و این انداره گیری‌ها مشاهده گردید. نتایج این بررسی نشان می‌دهد وجود اختلاف دما بین گاز ورودی و آب تزریقی در گلوگاه تا حدود زیادی راندمان جداسازی ذرات را کاهش می‌دهد که دلیل اصلی آن کاهش سرعت نسبی بین قطرات و گاز ناشی از سرمایش ناشی از تبخیر (cooling effect of evaporation) می‌باشد. این موضوع باعث کاهش راندمان جداسازی یک قطره (Target Efficiency) گردیده و بطور کلی راندمان جداسازی شوینده را کاهش می‌دهد. همچنین مشخص گردید بسته به مقدار رطوبت ورودی امکان رشد یا تبخیر قطرات وجود داشته و این عامل نیز تاثیر قابل توجهی بر راندمان هدف یک قطره و راندمان کلی سیستم دارد. تأثیر پارامترهای عملیاتی شامل دمای گاز ورودی، رطوبت آن و اندازه قطرات آب بر میزان جداسازی و تغییرات اندازه قطرات مورد بررسی قرار گرفته است. با توجه به نتایج این بررسی لزوم استفاده از برج‌های خنک‌کننده گاز قبل از ورود آن به شوینده ونتوری جهت حصول راندمان مطلوب جداسازی مورد تائید قرار گرفت.

 �

در اغلب سیستمهای جدید حمل و نقل ریلی برقی DC، از سیستم زمین کاملاً شناور یا سیستم زمین نشده استفاده می شود. یکی از مهمترین مشکلات مربوط به استفاده از سیستم زمین کاملاً شناور در شبکه ترن برقی، تولید ولتاژ تماسی ریل با دامنه بالا و ایجاد خطرات جانی برای مسافران و پرسنل می باشد. لذا به منظور کاهش ولتاژ ریل به زمین، از تجهیزات و روشهای مختلفی استفاده می شود. در اغلب این روشها و تجهیزات، وقتی ولتاژ ریل به زمین از حد معینی تجاوز کند, ریلها و باسبارهای منفی پستها بطور مستقیم به شبکه زمین متصل می شوند تا سطح ولتاژ ریل کاهش یابد. در این مقاله عملکرد تجهیزات کنترل ولتاژ ریل و اثر پارامترهای موثر بر مقدار ولتاژ تماسی ریل مورد بررسی قرا می گیرد. نتایج شبیه سازی ها نشان می دهند که حداقل ولتاژ ریل برای هر سیستم از مقدار معینی نمی تواند کمتر باشد.

   توزیع سفر یکی از مراحل مهم فرآیند مدلسازی حمل و نقل می‌باشد به نحوی که بسیاری از محققان این حوزه بر اهمیت این مرحله اذعان داشته‌اند. مدل بیشینه‌سازی آنتروپی، یکی از مدل‌های ترمودینامیکی است که در مدلسازی پدیده‌های علمی مختلفی بکار گرفته شده است. همانگونه که از اسم این مدل برمی‌آید, مدل سعی دارد، بیشینه آنتروپی یا اغتشاش را برای وضعیت تعادل سیستم بدست آورد. با ایجاد مختصر تغییری در مدل حرارتی آنتروپی، می‌توان آن را در مدلسازی توزیع سفر بکار گرفت. بدلیل خاصیت ناچندجمله‌ای مسئله, از الگوریتم بازپخت شبیه‌سازی شده به عنوان یک الگوریتم متاهیورستیک جهت حل آن استفاده شده است. در انتها، مطالعه موردی از مدل توزیع سفر برای استان‌های کشور بعنوان نمونه‌ای از نحوه بکارگیری این الگوریتم مورد بررسی قرار گرفته شده است.

  در فرآیندهای چند متغیره که نیازمند کنترل دو یا چند مشخصه کیفی به طور همزمان هستند، باید دو هدف عمده محقق گردد. هدف اول تشخیص وضعیت‌های خارج از کنترل و هدف دوم شناسایی مشخصه‌های کیفی منحرف‌شده، در زمان وقوع یک وضعیت خارج از کنترل می‌باشد. در این مقاله علاوه بر بررسی روش‌های موجود برای تشخیص وضعیت خارج از کنترل در نمودارهای کنترل T² ، به منظور ایجاد حساسیت بیشتر در این نمودارها، حدود هشدار برای آنها تعریف شده است. در شناسایی مشخصه‌های کیفی منحرف‌شده، روش‌های موجود مورد بررسی قرار گرفته و روشی جدید پیشنهاد شده است. نتایج شبیه‌سازی درخصوص ارزیابی عملکرد حدود هشدار نشان می‌دهد که با تعریف این حدود برای نمودار کنترل Hotelling T² می‌توان 81% از وضعیت‌های خارج از کنترل را به درستی شناسایی کرد. این در حالی است که با استفاده از نمودار کنترل معمولی تنها در 19% از موارد چنین وضعیت‌هایی قابل کشف می‌باشند. همچنین در مقایسه با روش‌های مشابه، استفاده از رویه تجزیه زوجی آماره T² در کشف مشخصه‌های کیفی عامل انحراف، منجر به شناسایی دقیق مشخصه‌های اصلی منحرف‌شده در 76% از موارد شده است. در حالی که در روش‌ مشابه، حداکثر در 64% از موارد مشخصه‌های عامل انحراف به خوبی شناسایی می‌شوند.

 نمودارهای کنترل عموما با فرض استقلال مشاهدات و یکسان بودن توزیع آن در طول زمان (هنگامی که فرایند تحت کنترل است) طراحی می شوند. هرچند زمانی که یک فرایند به طور ذاتی مشاهدات خودهمبسته ایجاد می­کند، این فرض به راحتی نقض می­گردد. هنگامی که نمودارهای کنترل نسبت اقلام معیوب شوهارت در مورد چنین فرایندی بکار گرفته می­شود، تعداد زنگ خطرهای اشتباه از میزان مورد انتظار فراتر می رود. فرایند ماشین کاری، به دلیل وجود عامل فرسایش ابزار در آن، معمولا مشاهدات خودهمبسته ایجاد می کند. در صورتی که این پدیده در طراحی نمودار کنترل مربوطه لحاظ نشود، باید انتظار بروز یک روند در داده­های ترسیم شده را داشت که این امر در نهایت منجر به اعلام زنگ خطرهای اشتباه می­گردد. در این مقاله کاربرد رگرسیون لجستیک در مدلسازی و حذف روندی که بدلیل فرسایش ابزار در نمودار کنترل نسبت اقلام معیوب پدیدار می­شود، مورد بررسی قرار می­گیرد. نتایج عددی در این خصوص بهبودهای قابل ملاحظه ­ ای را نشان می­دهد.

در این مقاله یک مسئله کنترل موجودی چند دوره‌ای که در آن فاصله زمانی بین دو بازپرسازی متغیرهای تصادفی مستقل و هم‌توزیع هستند مورد بررسی قرار می گیرد. در حقیقت تولید کننده با خریدار در زمانی کاملاً تصادفی رودررو می‌شود. دیگر فرض حاکم بر مسئله وجود محدودیت فضا بوده و متغیر تصمیم نیز عدد صحیح در نظر گرفته شده است. سه مدل ارائه شده است که در مدل اول کل کمبود به حالت پس‌افت در می آید. در مدل دوم کل کمبود فروش از دست رفته شده و در مدل سوم که ترکیبی از مدلهای اول و دوم است درصدی از کمبود حالت پس افت یافته و درصد باقی مانده نیز، فروش از دست رفته خواهد شد. سه خصوصیت اصلی مدل که منجر به جدید بودن مدل شده است تصادفی بودن طول دوره، چند محصولی و محدودیت دار بودن مدل و عدد صحیح بودن متغیر های تصمیم هستند. به عنوان نمونه، مدل سوم با فرض یکنواخت بودن طول دوره بازپرسازی بازنویسی شده و مدل به دست آمده نیز یک مسئله برنامه‌ریزی غیرخطی عدد صحیح است. همچنین برای حل مدل از شبیه سازی تبرید استفاده می‌شود و برای توضیح کارکرد الگوریتم نیز یک مثال عددی ارائه شده است.

طراحی شبکه­های اتوبوس­رانی، یک مساله مهم در حمل و نقل عمومی است. یکی از گام­های مهم در این راستا، محاسبه­ی تعداد و مکان­های بهینه­ی پایانه­های مورد نیاز است. در واقع این مساله به عنوان حالت خاصی از مساله مکان­یابی تسهیلات، که یک مساله‌ی بهینه سازی ترکیبیاتی با مقیاس بزرگ است، نیاز به زمان زیادی برای حل دارد.تا کنون برای حل این مساله، از روش­های شاخه و کران، شمارش ضمنی و گرم و سرد کردن شبیه سازی شده استفاده شده است. هر چند روش سوم که یک روش فرا ابتکاری است بسیار کاراتر از دو روش دیگر است؛ اما زمان اجرای الگوریتم، برای شهرهای بزرگ هنوز هم طولانی است. در این مقاله، برای حل مساله یک الگوریتم ژنتیک پیشنهاد شده است. مهمترین مزیت الگوریتم ژنتیک پیشنهادی، رسیدن به جواب دقیق‌تر در زمان کمتر می‌باشد. نتایج مشاهده شده، نشان داد که متدولوژی پیشنهادی یک الگوریتم کارا و مطمئن برای این مساله است. برای تایید این مطلب، الگوریتم برای شبکه های اتوبوسرانی مشهد و تهران اجرا و نتایج آن با نتایج کوشش های پیشین مقایسه شده است.

توسعه یک مدل چند هدفه استوار برای مساله کنترل بهینه­ی مدت زمان ساخت در یک سیستم مونتاژ چند مرحله­ای در این مقاله مورد توجه قرار گرفته است. مدل­سازی سیستم مونتاژ به کمک شبکه­ی باز صف انجام شده است. هر ایستگاه کاری، شامل یک یا بی­نهایت خدمت­دهنده بوده و تنها یک عملیات تولیدی یا مونتاژ در آن صورت می­گیرد. فرآیند ورود قطعات، به صورت مستقل از یکدیگر و بر اساس فرآیند پواسون است و مدت زمان خدمت­دهی ایستگاه­ها به صورت مستقل از یکدیگر بوده و از توزیع نمایی پیروی می­کند که پارامتر آن قابل کنترل می­باشد. هر ایستگاه، دارای ضایعات برگشت­ناپذیر غیرقطعی کراندار و مستقل از دیگر ایستگاه­ها می­باشد. زمان حمل و نقل بین ایستگاه­ها تصادفی و مستقل از یکدیگر است و از توزیع ارلنگ پیروی می­کند. عدم قطعیت موجود در پارامتر­های مساله به صورت یک مدل کنترل بهینه­ی چندهدفه­ی استوار پیشنهاد شده است که در آن سه تابع هدف ناسازگار شامل کمینه­کردن هزینه­ی عملیات دوره­ای، کمینه­کردن میانگین مدت زمان ساخت و واریانس مدت زمان ساخت منظور شده است. در نهایت، به منظور دستیابی به سرعت­های بهینه سرویس­دهی از روش پیشرفت هدف، برای حل تقریبی زمان‌گسسته‌ی مساله اصلی بهره گرفته شده است. با استفاده از مدل پیشنهادی، مساله­ای که در سایر مقالات مرتبط نیز مورد استفاده قرار گرفته است، حل شده است که نتایج قابل توجهی در شرایط عدم قطعیت پارامترها حاصل شده است.

مساله مسیریابی وسیله نقلیه یکی از مهمترین مسائل بهینه‌سازی ترکیباتی است که امروزه بسیار مورد توجه محققان و دانشمندان قرار می‌گیرد. در این مساله هدف تعیین کمینه هزینه جابجایی چندین وسیله نقلیه است که بطور همزمان از انبار کالا شروع به حرکت می‌کنند و بعد از ملاقات کردن مشتری‌ها به انبار باز می‌گردند، به شرط آنکه اولا هر گره فقط توسط یکی از این وسایل نقلیه ملاقات شود و ثانیا هر وسیله نقلیه بیشتر از ظرفیت خود در طول مسیر بارگذاری نکند.

این مقاله نوعی روش فرا ابتکاری ترکیبی برای حل مساله کلاسیک مسیریابی وسیله نقلیه پیشنهاد می‌کند. در فاز اول، روش اصلاحی ژنتیک برای یافتن یک جواب زیر بهین خوب بکار گرفته می‌شود که در آن یک روش جدید تقاطع برای ترکیب کروموزوم‌ها ارائه شده است. سپس در فاز دوم برای یافتن جواب‌های بهتر، از الگوریتم جستجوی محلی بهبود دهنده سه‌گانه استفاده می‌شود. مقایسه این روش با روش‌های دیگر فراابتکاری کارایی روش پیشنهادی را اثبات می‌کند.

تحقیق حاضر، علاوه بر پارامترهای پویایی و انعطاف‌پذیری، چندمعیاره بودن تابع هدف را نیز درنظر می‌گیرد. مسائل زمان‌بندی ماهیتاً مسائل پویای بوده و لحاظ نمودن انواع انعطاف‌پذیری‌ها در این قبیل مسائل، منجر به رفع مشکلات گلوگاهی، افزایش تولید، بهبود عملکرد سیستم و ایجاد مزیت رقابتی می‌شود. از سویی دیگر برای دستیابی به اهداف سازگار با فلسفه تولید بموقع و اهداف مدیریتی زنجیره تامین، اهداف زمان‌بندی در این مسأله حداکثر زمان تکمیل، متوسط زمان گردش کاری و متوسط دیرکرد قطعات درنظر گرفته شد. این اهداف بمنظور استفاده بهینه از منابع، کمینه کردن موجودی در گردش و تعهد بالا در مقابل مشتریان انتخاب شده و کنترل همزمان آنها منجر به بهبود عملکرد سیستم می‌شود. هدف از حل مسأله، یافتن بهترین مجموع وزنی است. پس از مدل‌سازی مسأله، الگوریتم ژنتیک پیشنهادی با کروموزوم‌های دوبعدی پویا، برای حل آن ارائه شد. پارامترهای کنترلی الگوریتم ژنتیک توسعه‌یافته، به طور دینامیک در طول اجرای الگوریتم و فرآیند بهینه‌سازی تغییر می‌کند که این عامل منجر به کاهش احتمال همگرایی زودرس می‌شود. نتایج حاصل و مقایسه آن با یک روش فرا ابتکاری، نشان‌دهنده بهبود بمیزان 4.90% ، 5.33% و 4.60% در میانگین جواب‌های به دست آمده، به ترتیب برای سه سطح انعطاف پذیری جزئی، متوسط و کامل است.

خوشه­بندی ظرفیت­دار یکی از مسائلی است که از کاربرد گسترده‌ای در داده کاوی برخوردار است. این مساله به دنبال افراز یک مجموعه n تایی از عناصر به p خوشه ظرفیت­دار است به طوری که تمامی اعضای یک خوشه به نقطه­ای که به عنوان مرکز ثقل آن خوشه تعیین می­شود، تخصیص یابند. هدف از این مساله کمینه کردن عدم تشابه تمامی نقاط یک خوشه از مرکز ثقل خوشه با رعایت محدودیت ظرفیت در هر خوشه است، به طوری که هر عنصر تنها به یک خوشه تخصیص یابد. در این مقاله دو روش حل متفاوت جهت حل مساله خوشه‏بندی ظرفیت‏دار ارائه شده است. روش نخست یک روش حل فرا ابتکاری مبتنی بر شبیه‏سازی تبریدی است که در سازوکار جستجوی جواب از ساختارهای مختلف همسایگی استفاده می­کند. روش دوم مبتنی بر الگوریتم ژنتیک است که در آن از یک رویه ابتکاری جستجوی محلی استفاده شده است. روش­های ارائه شده با استفاده از مسائل نمونه­ای مختلف مورد آزمون قرار گرفته اند. نتایج محاسباتی حاکی از کارایی و توانمندی روش­های حل پیشنهادی است

تئوری زنجیره تحویل¹ به بررسی تحویل کالاها و خدمات به مشتریان در محدوده زمانی مشخصی می پردازد. بدیهی است مطلوب آن است که زمان تحویل کالا و خدمات به مشتریان به حداقل برسد. معمولاً وجود چندین سایت های تولید، تحویل و همچنین تنوع روش های گوناگون حمل و نقل کالا و خدمات به پیچیدگی این مسئله می افزاید. بعلاوه، زمان صرف شده در هر یک از مراحل فرایند تحویل متغیری تصادفی است. از آن رو پایش متغیرهای زمانی در یک فرایند تحویل از اهمیت خاصی برخوردار است. در این مقاله، با یک مطالعه کاربردی در شرکت TNT در ایالت دلاور آمریکا نشان داده می شود که چگونه می توان زنجیره های تحویل در مدیریت زنجیره تامین را در قالب فرایندهای چندمتغیره مدل بندی نمود. همچنین به منظور پایش فرایند ، به استقرار نمودار بهینه اقتصادی – آماری نمودار کنترل چند متغیره T² DWL   معرفی شده توسط فراز و پارسیان (2006) بر پایه مدل اقتصادی لورنزن و وانس (1986) پرداخته و سپس با استفاده از روش جستجو ژنتیک الگوریتم مقادیر بهینه پارامترهای نمودار کنترل تعیین گردیدند

سیستم پویای هدایت مسیر از جمله حوزه های مهم فعالیت سیستمهای هوشمند حمل و نقل می باشد. هسته اصلی این سیستم، محاسبات کوتاهترین مسیر بر اساس شرایط جاری (اطلاعات در زمان واقعی) است. در این تحقیق؛ فرموله نمودن مساله هدایت پویای وسائل نقلیه مبتنی بر ویژگیهای سیستمهای هوشمند حمل و نقل و استفاده از معیار کلی سطح سرویس مشتمل بر متغیرهایی نظیر زمان سفر و مصرف سوخت به منظور لحاظ نمودن واقعیتهای اقتصادی اجتماعی و توصیف کاملتر از شرایط ترافیکی انجام می شود. همچنین با توجه به زمان متغیر بودن شبکه های ترافیکی، الگوریتم های مسیریابی بر مبنای تکنیکهای هوش مصنوعی با تاکید بر یک الگوریتم ژنتیک ترکیبی به عنوان راه حل مدل ارائه شده مورد مطالعه و توسعه قرار خواهد گرفت. از نتایج مهم این مقاله می توان به توانایی الگوریتم طراحی شده در برنامه ریزی بهتر سفرها، تصمیم گیریهای مسیریابی در شبکه حمل ونقل شهری شامل استراتژیهای موثر انتخاب مسیر؛ در تطبیق با شرایط پویای ترافیکی و کاندیداهای مختلف طی مسیر برای رانندگان وسائل نقلیه با هدف کاهش هزینه های سفر آنان اشاره نمود. نهایتا موجه و معتبر بودن الگوریتم طراحی شده نیز از طریق آزمایشات شبیه سازی نشان داده شده است

  درسیستم­های کنترل فرآیند تولید که بر  اساس اصول JIT طراحی می­شوند، فرض بر این است که کالاهای تولید شده در هر یک از مراحل تولید، به میزانی و در زمانی برای مرحله بعدی ارسال ­گردد، که بلافاصله پس از رسیدن به مراکز کاری، وارد عملیات تولید ­شود. بدین لحاظ، هیچ­گونه انبار موجودی یا صف انتظار پای­کار، قبل از مراکز کاری تشکیل نمی­شود. این روش به کمک متد اجرایی کانبان طی سال­های متمادی در بسیاری از صنایع، مورد استفاده قرارگرفته و منشأ توفیقاتی در کنترل عملیات تولیدی و به تبع آن کاهش هزینه مراحل تولید شده است. با این حال، در بسیاری از شرایط تولیدی که امکان سرمایه­­گذاری_­های اضافی برای نگهداری پیوسته نرخ تولید مراکز کاری در سطح مقدار برنامه­ریزی­شده اولیه وجود ندارد، چنانچه اندازه محموله ارسالی بیش از ظرفیت تولیدی مرکز بعدی برای هر بار راه­اندازی باشد، تشکیل انبار موجودی پای­کار، عملا اجتناب­ناپذیر است. تحقیق حاضر، با طراحی یک سیستم کنترل فرآیند تولید تحت فضای JIT که دارای انبارهای توقف محصولات نیمه­ساخته بین مراحل متوالی تولید می­باشد، انباشت محصولاتی را که بنا به دلایل مختلف، افزون بر ظرفیت هر یک از مراکز کاری در هر بار       راه­اندازی به آن مرکز ارسال شوند در پای کار مجاز دانسته است. این سیستم علاوه بر گسترش دامنه به­کارگیری اصول JIT برای برنامه­ریزی و کنترل فرآیند­های تولیدی در سیستم­هایی که تحت شرایط واقعی عملا امکان اعمال پیوسته موازنه زمان و اندازه تولید بین مراحل مختلف را ندارند، در حقیقت امکان تمرکز هزینه­های پنهان در سیستم­های موجود کانبان و اعمال کنترل بر آن­­ها را فراهم می­نماید. در این مقاله، ابتدا، رفتار هزینه موجودی پای­کار در انبارهای قبل از مراکز کاری در یک زنجیره چندمرحله­ای و تک­محصولی مورد بررسی قرار گرفته و با استفاده از برنامه­ریزی عدد صحیح مختلط غیرخطی، مدل هزینه انباشت مجاز با سایر اجزای هزینه در کل زنجیره، به­صورت یکپارچه ارائه شده است. مدل نهایی هزینه در کل زنجیره، یک مدل NP-hard بوده و برای حل آن از الگوریتم ژنتیک استفاده شده است. به منظور ارزیابی میزان کارآیی سیستم طراحی­شده، در یک زنجیره تامین چندمرحله­ای و تک­محصولی، از یک شبیه­سازی عددی در مطالعه  مقایسه­ای عملکرد هزینه­ای آن با سیستم موجود کانبان بر مبنای تحقیق Sarker & Wang (2004) استفاده شده است.  نتایج حاصله نشان می­دهد که کاربرد سیستم طراحی­شده در این مقاله، سطح موجودی و هزینه در کل زنجیره را نسبت به سیستم موجود کانبان، مورد استفاده در تحقیق Sarker & Wang (2004)، به میزان قابل توجهی کاهش می­دهد

تعیین سیاست کنترل موجودی مناسب و قیمت فروش بهینه برای کالاهای مختلف همواره یکی از موضوعات اصلی تحقیقات علمی و صنعتی به­شمار آمده است. به علاوه زمانی که کالای مورد نظر فاسدشدنی باشد، به دلیل خصوصیات ویژه­ای که این کالاها دارند، تعیین این موارد از اهمیت بالاتری برخوردار است. در این مقاله یک مدل موجودی همراه با قیمت­گذاری برای کالاهای فاسدشدنی به صورت توام در نظر گرفته می­شود. نرخ تقاضا قطعی، پیوسته و به صورت تابعی از زمان و قیمت فرض شده است. کمبود در سیستم وجود دارد و به صورت پس افت پاره­ای فرض شده است. هدف تعیین مقادیر بهینه قیمت، زمان بهینه بازپرسازی و اندازه سفارش است، تا بدین وسیله سود حداکثر شود. بنابراین بعد از ارائه مدل نشان داده می­شود که در هر قیمتی، زمان بازپرسازی موجود، منحصربه فرد و بهینه است. سپس ثابت می­شود که با در دسترس بودن زمان بهینه بازپرسازی، تابع هدف، تابعی مقعر از قیمت است و بنابراین مقدار بهینه آن موجود است. در ادامه الگوریتمی ساده برای به دست آوردن متغیرهای مدل بیان می­شود و در انتها مثال عددی برای تشریح مدل و الگوریتم ارائه می­گردد.

در دنیای رقابتی امروزی، شیوه‌های جذب مشتری یکی از با اهمیت‌ترین حوزه‌های کاربردی داده‌کاوی بوده و پرواضح است که یکی از مهمترین ابعاد آن پیش‌بینی رفتار خرید مشتری است. زیرا، پیش‌بینی خوب می‌تواند به توسعه استراتژیهای بازاریابی دقیقتر و صرف کاراتر منابع کمک نماید. ایجاد یک سیستم تشخیص مشتری(CRS) به دلیل وجود تعداد زیادی ویژگی در دسترس طراح کاری بسیار مشکل است. بعلاوه، نیاز شدیدی به ایجاد یک CRS وجود دارد که همزمان پیچیدگی کم و قابلیت پیش‌بینی خوبی را داشته باشد. از اینرو، مقصود این مقاله، توسعه یک CRS تلفیقی (HCRS) است که از نظر محاسباتی کارا و اثربخش است. نوآوری مدل HCRS، هم طراحی و هم پیاده‌سازی سیستم مذکور با ایجاد یک درخت رگرسیونی هرس شده (PRT) و طراحی یک شبکه عصبی پیشخوراند بهبودیافته (IFFNN) جهت افزایش سرعت، دقت و کاهش پیچیدگی را شامل می‌شود. از آنجاییکه، شناسایی مشتریان یکی از دغدغه‌های صنعت بیمه است، از داده‌های یک شرکت بیمه هلندی استفاده شده است. نتایج نشان داد که HCRS تنها 7% از ویژگی‌ها را در حالت بهینه انتخاب می‌کند که به میزان قابل‌توجهی هزینه محاسبات را کاهش می‌دهد. به‌‌علاوه، نتایج نشان داد که PRT نسبت به روش منحنی مشخصه عملیاتی دریافت‌کننده کاراتر بوده و IFFNN نسبت به FFNN و PRT پیش‌بینی‌های دقیقتری را ارائه می‌کند.

در دنیای رقابتی امروزی، شیوه‌های جذب مشتری یکی از با اهمیت‌ترین حوزه‌های کاربردی داده‌کاوی بوده و پرواضح است که یکی از مهمترین ابعاد آن پیش‌بینی رفتار خرید مشتری است. زیرا، پیش‌بینی خوب می‌تواند به توسعه استراتژیهای بازاریابی دقیقتر و صرف کاراتر منابع کمک نماید. ایجاد یک سیستم تشخیص مشتری(CRS) به دلیل وجود تعداد زیادی ویژگی در دسترس طراح کاری بسیار مشکل است. بعلاوه، نیاز شدیدی به ایجاد یک CRS وجود دارد که همزمان پیچیدگی کم و قابلیت پیش‌بینی خوبی را داشته باشد. از اینرو، مقصود این مقاله، توسعه یک CRS تلفیقی (HCRS) است که از نظر محاسباتی کارا و اثربخش است. نوآوری مدل HCRS، هم طراحی و هم پیاده‌سازی سیستم مذکور با ایجاد یک درخت رگرسیونی هرس شده (PRT) و طراحی یک شبکه عصبی پیشخوراند بهبودیافته (IFFNN) جهت افزایش سرعت، دقت و کاهش پیچیدگی را شامل می‌شود. از آنجاییکه، شناسایی مشتریان یکی از دغدغه‌های صنعت بیمه است، از داده‌های یک شرکت بیمه هلندی استفاده شده است. نتایج نشان داد که HCRS تنها 7% از ویژگی‌ها را در حالت بهینه انتخاب می‌کند که به میزان قابل‌توجهی هزینه محاسبات را کاهش می‌دهد. به‌‌علاوه، نتایج نشان داد که PRT نسبت به روش منحنی مشخصه عملیاتی دریافت‌کننده کاراتر بوده و IFFNN نسبت به FFNN و PRT پیش‌بینی‌های دقیقتری را ارائه می‌کند.