نشریه بین المللی مهندسی صنایع و مدیریت تولید

---

  این تحقیق با ارائه مدل جدیدی مبنی بر توسعه مدل RFM و تعیین اوزان پارامترها با مقایسات زوجی پس از خوشه­بندی محصولات با تعداد خوشه­های بهینه توسط شاخص دیویس بولدین، به تعیین درجه وفاداری مشتری در یک مفهوم برنده-برنده پرداخته است.

موضوع به این دلیل اهمیت دارد که سازمانها برای موفقیت در کسب و کار لازم دارند مشتریانشان را به درستی درک کرده، نیازها و خواسته های آنها را پیش بینی کنند. با اجرای مدل توسعه یافته در شرکت ساپکو، نتایج نشان می­دهد مدیر و کارشناسان واحد فروش قطعات یدکی به توانائی بیشتری جهت ارزیابی وفاداری مشتری در محصولات مختلف در مقایسه با یک انتخاب تصادفی در تعیین وفاداری مشتری نسبت به سایر سازمانها می­رسند

---

در این مقاله به بررسی مسائل طبقه‌بندی داده‌ها (به عنوان یکی از شاخه های علم داده‌کاوی) در قالب مدل برنامه‌ریزی ریاضی چند‌هدفه می‌پردازیم. مدلی که ارائه و بررسی می‌گردد یک مسئله MODM می‌باشد. اولین بار بر پایه ایده ماشین بردار پشتیبان (SVM) (ماکزیمم کردن حاشیه دو گروه)، یک مدل برنامه‌ریزی ریاضی چند‌معیاره برای مسائل داده‌کاوی بر پایه طبقه‌بندی مشاهدات به دو گروه مجزا مبتنی بر دو هدف تفکیک داده‌ها (ماکزیمم کردن فاصله بین گروه‌های مختلف و مینیمم کردن طبقه‌بندی نادرست داده‌های مورد مشاهده) معرفی شد و از آن پس تاکنون ضمن اینکه افراد زیادی روی گسترش مدلهای طبقه‌بندی مبتنی بر روش‌های برنامه‌ریزی ریاضی کار کرده‌اند، همزمان و به صورت مستقل افرادی نیز روی بهبود روش‌های ماشین بردار پشتیبان مطالعه نموده‌اند. با توجه به فلسفه یکسان این دو دسته از روش‌های بهینه‌سازی، در این مقاله به منظور پر کردن شکاف بین این دو مسیر پژوهش، از روش‌های به روز و بهبود یافته SVM جهت ارائه مدلی به منظور طبقه‌بندی در داده‌کاوی مبتنی بر برنامه‌ریزی چند‌هدفه استفاده خواهد شد.