تحلیل سبد درخواست قطعات با استفاده از داده‌کاوی در راستای بهبود پیش‌بینی و تامین نیازمندی‌های سامانه آماد و پشتیبانی دفاعی

داده‎‌کاوی فناوری قدرتمندی است که توانایی کشف دانش نهفته در گستره ای عظیم از داده‎‌ها را دارد. هدف این پژوهش تجزیه و تحلیل سبد درخواست اقلام فنی به‌ وسیله داده‎‌کاوی در راستای بهبود پیش‌‎بینی و تامین‌ نیازمندی ‌های سامانه آماد و پشتیبانی دفاعی می‌‎باشد. بنابراین در مرحله کشف الگوها و قوانین انجمنی از نظر هدف کاربردی، از نظر ماهیت و روش اکتشافی و از نظر گردآوری اطلاعات کتابخانه‌‌ای است. در مرحله ارزیابی مفید و کاربردی بودن الگوها از نظر هدف توسعه‌ای، روش توصیفی پیمایشی و گردآوری اطلاعات میدانی می‌‌باشد. جامعه آماری برای داده‌‎کاوی، پایگاه داده اطلاعات درخواست اقلام و قطعات فنی توسط یگان ‌های یک سازمان دفاعی جهت سامانه‎‌ها و مراکز تعمیری مربوط به آن در یک بازه زمانی 10 سال می‌ باشد. جامعه آماری برای سنجش رابطه نتایج داده‎‌کاوی با پیش ‌بینی و تامین‌ نیازمندی‌ ها، خبرگان سامانه آماد و پشتیبانی سازمان دفاعی می‌‎باشند. به‎‌منظور تحلیل داده‎ها برای داده‌‎کاوی از روش فرآیند استاندارد تعامل با کسب و کار و نرم‌‌افزارهای اس. کیو. ال. سرور و رپید ماینر و برای تحلیل داده‌‌های گردآوری شده از طریق پرسشنامه از نرم افزار اس. پی. اس. اس. استفاده گردیده است. نتایج این پژوهش نشان داد که می‎‌توان از روش کشف قوانین انجمنی به منظور تجزیه و تحلیل سبد درخواست قطعات فنی و دستیابی به الگوی درخواست استفاده نمود و الگوها و قوانین کشف شده در بهبود عملکرد سامانه آماد و پشتیبانی در حوزه پیش‌ بینی و تامین‌ نیازمندی ‌های اقلام و قطعات فنی کاربرد دارد.

Analysis of Parts Request Portfolio Using Data Mining in order to Improve Forecasting and Supply the needs of the Defense Logistics System

Data mining is a powerful technology that has the ability to discover knowledge hidden in a huge range of data. The purpose of this study is to analyze the portfolio of technical parts by data mining in order to improve the forecast and supply the needs of the defense logistics system. Therefore in the stage of discovering patterns and association in terms of purpose is applied, nature and method is exploratory and library information collection, and in the stage of evaluating the usefulness of patterns in terms of purpose, developmental, the nature and method is descriptive survey and field information collection. The statistical population for data mining is the database of information technical parts requested by the units of a defense organization for related systems and repair centers over a period of 10 years. The statistical population to measure the relationship between data mining results and forecasting and supply the requirements is expert’s logistics systems. In order to analyze the data for data mining, the cross industry standard process and SQL Server and Rapid Miner software has been used, and to analyze the data collected through a questionnaire, SPSS software has been used. The results of this study showed that method of discovering association rules can be used to analyze the request portfolio of technical parts and achieve the request pattern, and the patterns and the discovered patterns are used to improve the performance of the logistics system in the field of forecasting and supply the requirements of technical parts