بهینه‌سازی مسیریابی تکنسین‌های ارائه‌دهندۀ خدمات پس از فروش با تقاضای احتمالی و محدودیت ظرفیت با استفاده از خوشه‌بندی: ‎مطالعه موردی در شهر اصفهان

با توجه به افزایش روز افزون سهم خدمات در سراسر دنیا یکی از عوامل تاثیر گذار بر رضایت مشتریان ارائه خدمات به موقع با کمترین میزان تاخیر است و همواره یکی از دغدغه های اصلی مراکز ارائه خدمات حضوری، نحوه تخصیص کارها، برنامه ریزی و سازماندهی و ترتیب رسیدگی و مسیریابی ارائه خدمات به مشتریان بوده است و عدم برنامه ریزی صحیح در این زمینه موجب افزایش بار ترافیکی در سطح شبکه و افزایش آلودگی زیست محیطی، آلودگی صوتی و اتلاف وقت، اتلاف سوخت و در نهایت نارضایتی مصرف کنندگان و تکنسین ها را به همراه خواهد داشت. از جهتی تقسیم کار روزانه جهت ارائه سرویس به صورت دلخواه و با در نظر گرفتن نظر افراد انتخاب بهینه ای نخواهد بود در این پژوهش با مطالعه موردی در یک شرکت خدمات پس از فروش در صنعت لوازم خانگی و با استفاده تقاضاهای مشتریان در شهر اصفهان، با بکارگیری ازروش های داده کاوی، نقاط تقاضای جغرافیایی مشتریان با الگوریتم k-means خوشه بندی شده و سعی شده است با استفاده از خوشه بندی مناطق جغرافیایی، فضای جستجوی مسئله را کاهش داده شود و با توجه به این که مسئله مسیریابی جز مسائل np-hard قرارمی گیرد از الگوریتم شبیه سازی تبرید جهت یافتن مسیر تکنسین ها با تقاضای احتمالی مشتریان با رعایت ظرفیت کار روزانه در هر خوشه استفاده شده و به منظور مقایسۀ نتایج، مسئله مسیریابی تکنسین ها و با همان محدودیت ها و بدون اعمال خوشه بندی، نیز انجام شده است. نتایج محاسباتی نشان می دهد که در مسئله مسیریابی تقاضای احتمالی با رعایت محدودیت ظرفیت کار روزانه برای سرویسکاران پس از خوشه بندی با الگوریتم kmeans ، تابع هدف، در مقایسه با حل مسئله بدون اعمال خوشه بندی بهبود قابل توجهی داشته است. مسیریابی تکنسین خدمات، بااستفاده از خوشه بندی ضمن جوابگو بودن در زمان بسیار کمتر دارای آزمون تکرار پذیری بالاتری بوده و موجب ایجاد نظم و افزایش حس مسئولیت و افزایش تسلط بر مناطق ارائه خدمات می گردد و نقش موثری در کاهش زمان رسیدگی به مصرف کننده و جلب رضایت آنها دارد.

Optimization of Routing of After-Sales Service Technicians with Probable Demand and Capacity Constraints Using Clustering‎: ‎A Case Study in Isfahan

Regard to daily increasing of customer services share in all over the world , one of most effective parameters on customer satisfaction would be service delivery with the least delay . work allocation method , planning , organizing , prioritizing and service delivery routing have always been one of the main concerns of service providing centers and lack of proper planning in this regard will cause service network traffic , environmental and noise pollution , waste of time and fuel and eventually dissatisfaction of consumers and technicians . On the other hand , daily division of labor in order to deliver delightful services by considering man rsquo;s opinion would not be an optimal choice . In this research , with case study on a home appliance service company and by considering customer demands in city of Isfahan and by data analysis , geographic points of customer rsquo;s demands have clustered by kmean algorithm . It has been tried to reduce the search space by clustering geographic areas and then by using simulated annealing , the optimum path for customer rsquo;s probable demands present to the technicians with observance of daily working capacity per cluster . The computational results show that after clustering by kmeans algorithm , routing probable demands with observance of daily working capacity for technicians , the objective function has better improvement in compare with nonclustering case . Service technician routing by clustering , while being responsive in shortest time , has more repeatability test and cause more order and responsibility sense and more domination on service areas and also has an effective role in reducing time to handle a consumer and getting their satisfaction .