در روش توسط جی تانگ و همکارانش در سال ۲۰۱۱ ارائه شده است. در این طرح مکانیسمی برای مصرف خانه و بارهای محیط پیرامون به منظور مدیریت تقاضا در شبکه های هوشمند با بهره گرفتن از برنامه نویسی خطی (ILP) و تئوری بازی ارائه شده است . مکانیسم پیشنهاد شده قادر است هردو برنامه قدرت بهینه و عملکرد زمان بهینه برای توانهای متغبر و زمان های متغیر ( وسایلی با قدرت و زمان متغیر ) را در بر را در بر بگیرد که نیازمند الگوی مصرف منحصر به فردی برای تمام لوازم می باشد ]۳۷[ .

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

نتایج شبیه سازی برای هر دو بحث مدیریت متمرکز و توزیع شده ارائه شده است .
۱- Integer Linear Programming ( ILP )
تشریح سیستم :
شکل زیر مدیریت بار را به تصویر می کشد .
شکل ۲-۱۲- نمایش مدیریت بار ]۳۷[
همانطور که در شکل معلوم است smart meter جزئی از شبکه می باشد و هم فراهم کننده برق لازم کلیه لوازم برقی خانگی و هم میزان برق مورد نیاز هر خانه را اندازه میگیرد . که بر اساس این اندازه گیری این میزان انرژی برنامه ای خاص برای استفاده لوازم خانگی در ساعات خاص مشخص می شود.
که توابع هدف و قیود به شرح زیر می باشد :

که ماتریس P پاسخ های ممکن برای X باشند .
نتیجه :
در حال حاضر یکی از الگو های مدیریت سمت تقاضا ، مدیریت خانگی می باشد. مجموعه ای از شبیه سازی سیستم انجام شده است با بهره گرفتن از MATLAB انجام شده است .در شبیه سازی، برای اولین بار مجموعه ای از لوازم خانگی طبق تعریف نیازهای فردی را همانطور که در جدول ذکر شده است مطابق الگوی مصرف جهت کاهش هزینه و پیک بار ارائه شده است .
جدول ۲-۳- الگوی مصرف انرژی لوازم خانگی ]۳۷[
شکل ۲-۱۳– نتیجه بدست آمده در طرح قیمت گذاری پویا در بار های مختلف]۳۷[
۲ – ۱ – ۸ – بررسی زمان واقعی مصرف با بهره گرفتن از تجهیزات AMI و SCADA
این روش در سال ۲۰۱۱ توسط میشل سویرنگن مطرح شده است به بررسی زمان واقعی استفاده از تجهیزات به منظور کاهش پیک بار در شبکه های هوشمند با بهره گرفتن از تئوری بازی ها پرداخته است که با تحلیل بدست آمده از تجهیزات و فناوری های مدن سیستم قدرت از قبیل : تجهیزات اندازه گیر خودکار ( AMI ) ، کنترل نظارتی و اکتساب داده (SCADA) ، مهندسی و تجزیه و تحلیل نرم افزار ( EA ) ، اندازه گیر های کیفیت توان (PQ) و سیستم های اطلاعات جغرافیایی ( GIS ) و رله های دیجیتال و استفاده از الگوریتم معضل زندانی به انتخاب زمان صحیح مصرف رسیده است که البته بجز رسیدن به زمان صحیح با بهره گرفتن از ابزار های ذکر شده میتوان ضعف های شبکه را نیز تحت پوشش قرار داد ]۳۸[ .
شرح سیستم :
هدف از این مقاله ارائه یک روش برای ارزیابی زمان واقعی استفاده از تجهیزات در یک شبکه کاملا اتوماتیک برقی و پیدا کردن حوزه های مشکل بالقوه یا نقاط ضعف در شبکه برق با بهره گرفتن از تئوری بازی اصول درخت های تصمیم گیری و ” معضل زندانی “]۱[ . درخت های تصمیم گیری و معمای زندانی برای بدست آوردن راه حل برای مشکلات بالقوه در شبکه هوشمند که شامل عدم قطعیت و اطلاعات حساس سیستم است کاربرد دارد . این اطلاعات در درخت های تصمیم گیری بر اساس ( موقعیت تجهیزات از قبیل ظرفیت، اتصال، روابط احتمالی، فید بک و … ) شکسته می شود ، هنگامی که درختان به بهترین راه حل ممکن تصفیه شده انداطلاعات درختان به عنوان ورودی به EA برای ارزیابی داده می شود .
ماتریس ها و درخت ها به صورت زیر تعریف شده اند :
نتیجه :
با در اختیار داشتن تمام اطلاعات خدمات عمومی از قبیل تجهیزات هوشمند بر روی شبکه برق، آب و … میتوان ، تجزیه و تحلیل شبکه هوشمند را به طور کاملا خودکار توسط الگوریتم ارائه شده در این مقاله اداره نمود . که این امر منجر به افزایش قابلیت اطمینان در شبکه و کاهش پیک بار خواهد شد در ضمن نقاط ضعف و قوت سیستم نیز مشخص میگردد .
۳ – ۲ – ۹ – تولید پراکنده در مدیریت سمت تقاضا
این روش که در سال ۲۰۱۱ توسط کارلو سکاتی و همکارانش مطرح شده است. کارلو سکاتی و همکارانش استفاده از تولیدات پراکنده و استفاده از انرژی های تجدید پذیر مثل انرژی بادی به منظور کمک به تولیدات انرژی از طریق سوخت فسیلی را پیشنهاد میکند که برق حاصله از این منابع تجدید پذیر همزمان با برق تولید از منابع فسلی وارد شبکه شده و این امر به کاهش پیک بار کمک می کند بدون نیاز به افزایش قیمت . یعنی افزایش تولیدات انرژی منجر به کاهش پیک بار می شود]۳۹[.
شرح سیستم :
سیستم مورد بررسی به صورت زیر می باشد :
شکل۲-۱۴- شبکه تولید پراکنده در مدیریت سمت تقاضا ]۳۹[
نتیجه :
نتایج بدست آمده در شبیه سازی نشان دهنده کاهش پیک بار با اضافه کردن برق کمکی حاصل از توزیع پراکنده شده است . که نتایج شبیه سازی بصورت زیر است :
جدول ۲-۴- میزان مقادیر حداقل تا حداکثر بار شبکه در توان های اکتیو و راکتیو]۳۹[
جدول ۲-۵- میزان تولید توان اکتیو و راکتیو در وزش باد با سرعت های مختلف]۳۹[
جدول ۲-۶- مقادیر المان های تولیدی]۳۹[
جدول ۲-۷- میزان کاراکتر های مصرف کننده ]۳۹[
شکل ۲-۱۵- کاهش پیک بار در سرعت های مختلف وزش باد ]۳۹[
۳ – ۲ – ۱۰ – رسیدن به تعادل نش در یک تعامل دوطرفه در مدیریت سمت تقاضا
این روش در سال ۲۰۱۰ توسط حامد محسنیان راد و همکارانش مطرح شده است . با بهره گرفتن از یک تعامل دوطرفه بین تولید کنندگان و مشتریکن توانسته اند به تعادل نش برسد و میزان پیک بار را کاهش دهد]۱۱[.
شرح سیستم :
شبکه قدرت مورد ارزیابی به صورت زیر می باشد :
شکل ۲-۱۶- شبکه دو طرفه جهت بررسی مدیریت سمت تقاضا ]۱۱[
که استراتژی میدیریتی آن به صورت زیر می باشد :
شکل ۲-۱۷- استراتژی مدیریتی در یک شبکه دو طرفه ]۱۱[
و روابط به کار برده به صورت زیر می باشد :
که با بهره گرفتن از این روابط میزان پیک بار سیستم محاسبه میشود . با بهره گرفتن از روابط زیر تابع هزینه محاسبه شده است :
که در این روابط هستند . و با قیمت گذاری بیشتر برای مصرف در ساعت اوج ، مشترکین به دنبال استفاده از برق در زمان های کم هزینه می باشند که منجر به کاهش پیک بار خواهد شد . نتایج شبیه سازی به صورت زیر می باشد :
شکل ۲-۱۸ – نتایج بدست آمده از مدل سازی شبکه دو طرفه ]۱۱[
در شکل a نقطه ستاره دار تعادل نش می باشد که میزان بار در زمان اوج مصرف حداقل شده است . و در شکل زیر دیده میشود که چگونه دو بازیکن ( مصرف کننده و تولید کننده ) در جهت بهبود وضعیت خود تلاش می کنید ( کاهش هزینه خود )
شکل ۲-۱۹- نحوه بهبود وضعیت توسط مشترکین در شبکه دو طرفه ]۱۱[
نتیجه :
نویسنده در این مقاله به دنبال الگوریتمی برای بار های مسکونی بوده تا میزان اوج مصرف را در بارهای مسکونی کاهش دهد و نتایج شبیه سازی صحت این امر را تصدیق می کنند.
۳ – ۲ – ۱۱- ارائه قیمت های پویا در زمان های متفاوت مصرف

………………………………………………………………………………………………………………………………… ۶۶
۴-۴- عملکرد فصل های آینده ……………………………………………………………………………………………………………………………. ۷۰
فصل پنجم : مطالعه نتایج عددی طرح
۵-۱- مقدمه …………………………………………………………………………………………………………………………………………………………. ۷۲
۵-۲- تحلیل نتایج شبیه سازی ……………………………………………………………………………………………………………………………….. ۷۲
فصل ششم : نتیجه گیری و پیشنهاد
۶-۱- مقدمه …………………………………………………………………………………………………………………………………………………………. ۷۸
۶-۲- بررسی طرح پیشنهادی …………………………………………………………………………………………………………………………………… ۷۹
۶-۲-۱- مزایای روش پیشنهادی …………………………………………………………………………………………………………………………….. ۷۹
۶-۲-۲- معایب روش پیشنهادی …………………………………………………………………………………………………………………………….. ۸۰
۶-۲-۳- نو آوری های این روش …………………………………………………………………………………………………………………………….. ۸۰
۶-۳- پیشنهاد و راهکار های آینده ………………………………………………………………………………………………………………………….. ۸۱
۶-۴- نتیجه گیری ………………………………………………………………………………………………………………………………………………… ۸۱
۶-۵- تعریف اصطلاحات ……………………………………………………………………………………………………………………………………… ۸۱
مراجع و منابع ………………………………………………………………………………………………………………………………………………………. ۸۳
فهرست جدول ها
عنوان صفحه
جدول ۲-۱- مقادیر هزینه الگوریتم فرا اکتشافی …………………………………………………………………………………………. ۱۵
جدول ۲-۲- نحوه پیک سایی در الگوریتم فرا اکتشافی ………………………………………………………………………………… ۱۶
جدول ۲-۳- الگوی مصرف انرژی لوازم خانگی …………………………………………………………………………………………. ۲۰
جدول ۲-۴- مقادیر حداقل تا حداکثر بار شبکه در توان های اکتیو و راکتیو ……………………………………………………. ۲۴
جدول ۲-۵- میزان تولید توان اکتیو و راکتیو در وزش باد با سرعت های مختلف ……………………………………………. ۲۴
جدول ۲-۶- مقادیر المان های تولیدی ………………………………………………………………………………………………………. ۲۴
جدول ۲-۷- میزان کاراکتر های مصرف کننده …………………………………………………………………………………………….. ۲۴
جدول ۳-۱- استرا تژی بازی ترسو ها ………………………………………………………………………………………………………. ۳۷
جدول ۳-۲- مقایسه بین سیستم های سنتی و شبکه های هوشمند ………………………………………………………………. ۴۴
جدول ۵-۱ – میزان نفوذ و هزینه ……………………………………………………………………………………………………………. ۷۶
فهرست شکل ها
عنوان صفحه
شکل ۲-۱- نمودار QoS …………………………………………………………………………………………………………………………… 8
شکل ۲-۲- نرخ شارژ و هزینه مشترکین ……………………………………………………………………………………………………….. ۹
شکل ۲-۳- نمودار انرژی بر حسب زمان در پروفیل مدیریت سمت تقاضا ………………………………………………………. ۱۰
شکل ۲-۴- مدل مورد بررسی جهت کاهش پیک بار …………………………………………………………………………………….. ۱۱
شکل ۲-۵- نمایش پیک سایی برای یک مصرف کننده …………………………………………………………………………………. ۱۲

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

شکل ۲-۶- شبکه مورد بررسی به منظور مدیریت سمت تقاضا با الگوریتم فرا اکتشافی ……………………………………… ۱۳
شکل ۲-۷- فلوچارت الگوریتم فرا اکتشافی …………………………………………………………………………………………………. ۱۴
شکل ۲-۸ – نتایج الگوریتم فرا اکتشافی ………………………………………………………………………………………………………. ۱۵
شکل۲-۹- ساختمان هوشمند و ایستگاه شارژ PHEVs ………………………………………………………………………………. 16
شکل ۲-۱۰- نمایش کاهش پیک بار با تعداد متغیر ماشین برقی …………………………………………………………………….. ۱۷
شکل ۲-۱۱- شبکه مورد بررسی در قیمت گذاری پویا در بار های مختلف …………………………………………………….. ۱۸
شکل ۲-۱۲- نمایش مدیریت بار ………………………………………………………………………………………………………………… ۱۹
شکل ۲-۱۳– نتیجه بدست آمده در طرح قیمت گذاری پویا در بار های مختلف ……………………………………………… ۲۱
شکل۲-۱۴- شبکه تولید پراکنده در مدیریت سمت تقاضا …………………………………………………………………………….. ۲۳
شکل ۲-۱۵- کاهش پیک بار در سرعت های مختلف وزش باد ……………………………………………………………………… ۲۵
شکل ۲-۱۶- شبکه دو طرفه جهت بررسی مدیریت سمت تقاضا ……………………………………………………………………. ۲۵
شکل ۲-۱۷- استراتژی مدیریتی در یک شبکه دو طرفه …………………………………………………………………………………. ۲۶
شکل ۲-۱۸ – نتایج بدست آمده از مدل سازی شبکه دو طرفه ……………………………………………………………………….. ۲۷
شکل ۲-۱۹- نحوه بهبود وضعیت توسط مشترکین در شبکه دو طرفه ……………………………………………………………… ۲۸
شکل ۲-۲۰ . شبکه مورد بررسی در قیمت گذاری پویا ………………………………………………………………………………….. ۲۹

با توجه به جدول و ستون P-value مشاهده می شود که مقدار احتمال آماره F برابر ۰۰۰/۰ بوده که بیانگر معنی دار بودن کل رگرسیون می باشد و حاکی از آن است که مدل درسطح اطمینان ۹۹ درصد معنادار می باشد. علامت ضریب مربوط به تغییرات سود خالص (E_it – E_i(t-1)) منفی است یعنی با افزایش این متغیر مقدار تغییرات سود تقسیمی کاهش معناداری در سطح معناداری ۰۵/۰ دارد. از سوی دیگر متغیر وابسته تغییرات سود تقسیمی رابطه خطی مثبت و معناداری در سطح ۰۵/۰ با متغیر اقلام تعهدی اختیاری (DA) دارد. همچنین تغییرات سود تقسیمی در مدل رگرسیونی چندگانه فوق رابطه خطی معناداری با متغیر درصد بازده حقوق صاحبان سهام (ROE)، اندازه شرکت (SIZE) و اهرم شرکت (LEV) ندارد. مقدار ضریب تعیین تقریبا متوسط و برابر ۱۷/۰ می باشد که این نشان می دهد که میزان تغییرات در تغییرات سود تقسیمی توسط میزان تغییرات در متغیرهای شامل در مدل رگرسیونی فرضیه دوم به صورت خطی به خوبی توضیح داده نمی شوند و تنها ۱۷% از تغییرات متغیر وابسته توسط متغیرهای مستقل در فرضیه دوم توضیح داده می‏شود و مقدار آماره دوربین- واتسن ۰۷/۲ بوده که مقادیر بین ۵/۱ و ۵/۲ (مقادیر بین du و k-du) نیز حاکی از نبود مشکل خود همبستگی است.
بنابراین تحلیل رگرسیونی فرضیه دوم حاکی از این است که چون احتمال آماره t بین اقلام تعهدی اختیاری و تغییرات سود تقسیمی ۰۰۰۳/۰ بوده و کمتر از سطح معنی داری ۰۵/۰ است، لذا فرضیه دوم پژوهش مورد تایید قرار می گیرد. به عبارت دیگر، بین دامنه اتکا به فعالیت های مدیریت سود و تغییرات سود تقسیمی رابطه معنی داری وجود دارد.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

۴-۵-۵-۶- آزمون همخطی
جدول (۴-۱۸) نتایج بررسی همخطی بین متغیرهای مستقل در مدل رگرسیونی فرضیه دوم را نشان می‏دهد.
جدول (۴-۱۸): بررسی همخطی بین متغیرهای مستقل در فرضیه دوم

آماره هم خطی
Collinearity Statistics

مدل ۱

VIF

Tolerance

۳۰۵/۱

۷۶۶/۰

Eit – Ei(t-1)

۴۱۸/۱

۷۰۵/۰

DA

۳۴۰/۱

۷۴۶/۰

ROE

۲۹۸/۱

۷۷۰/۰

SIZE

۳۴۲/۱

۷۴۵/۰

LEV

با توجه به جدول (۴-۱۸) مشاهده می شود که مقداره آماره تلرانس بیش از ۴/۰ بوده که برای بیان عدم همخطی مناسب است. همچنین مقدار آماره VIF بیشتر از یک و کمتر از ۵ بوده که عدم همخطی بین متغیرهای مستقل در مدل رگرسیونی فرضیه دوم را نشان می دهد.
بعد از برازش مدل رگرسیونی باید کفایت مدل را مورد بررسی قرار دارد. در شکل(۴-۷) ملاحظه می‏شود که نمودار پراکنش باقیمانده ها در مقابل مقادیر پیش‏بینی روند خاصی را نشان نمی دهد و همچنین رسم باقیمانده ها در مقابل زمان نشان می دهد که باقیمانده ها در طول زمان همبستگی خاصی را نشان نمی‏دهند و مقدار آزمون دوربین واتسن در جدول (۴-۱۷) بین ۵/۱ و ۵/۲ است نیز فرض را که باقیمانده ها به در طول زمان های خاص به هم وابسته اند را رد می کند. شکل (۴-۷) بافت‏نمای مربوط به باقیمانده ها را همراه با منحنی نرمال نشان می‏دهد. با توجه به این بافت‏نما می‏توان گفت باقیمانده های مدل رگرسیونی تقریبا نرمال می‏باشند. بنابراین با بررسی های انجام شده در این مدل واریانس جزء خطاها همسان می باشد. نمودار qq پلات صحت این ادعا را نیز تایید می‏کند.

شکل(۴-۷): الف: نمودار باقیمانده ها در مقابل مقادیر برازش شده ب: باقیمانده ها در مقابل زمان ج: بافت‏نمای باقیمانده ها همراه با منحنی نرمال د: نمودار qq پلات
جدول (۴-۱۹) : خلاصه یافته های حاصل از آزمون فرضیه ها

x_j: jاُمین ویژگی x
mⁱ_j: jاُمین ویژگی نقطه نماینده خوشه C_i
می­توان نشان داد که mⁱ_j، با مرکز خوشه متناسب است.

• • از بین دو خوشه، خوشه­ای که SSE کمتری دارد انتخاب می­ شود. یک راه­ ساده جهت کاهش SSE، افزایش تعداد خوشه‌ها (K) است. که البته خوشه‌بندی خوب خوشه‌بندی‌ای است که با K کوچک‌تر بتواند SSE کمتری از یک خوشه‌بندی ضعیف با K بالاتر داشته باشد [۳۱].

کیفیت خوشه‌ها و میزان خطای خوشه‌بندی در این روش تا حد زیادی به انتخاب مراکز اولیه وابسته است.
در مورد انتخاب مراکز اولیه مشکلاتی وجود دارد. در صورتی که K خوشه واقعی داشته باشیم شانس انتخاب یک مرکز از هر خوشه بسیار کم است و هر چقدر K بزرگ­تر باشد این احتمال کمتر است. اگر خوشه‌ها اندازه­ های مساوی و برابر n داشته باشند، در این صورت این احتمال از فرمول –۳-۹ محاسبه خواهد شد:

(۳-۹)

برای مثال اگر K=10 باشد این احتمال برابر است با: . گاهی اوقات نقاط مرکز خود را در مسیر درست اصلاح می­ کنند و گاهی خیر.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

پیشنهاداتی برای حل مشکل مراکز اولیه:

• • اجرای چند باره: این روش گاهی اوقات می ­تواند نتیجه‌بخش باشد اما همیشه این‌طور نخواهد بود.

• • نمونه­برداری و استفاده از خوشه‌بندی سلسله­مراتبی برای تشخیص نقاط مرکزی.

• • انتخاب بیش از K مرکز اولیه در بازه­ی گسترده‌تر و سپس انتخاب بهترین نقاط از بین نقاط انتخابی.

• • انجام عملیات پس پردازش [۳۱]

۳-۲-۷- به‌کارگیری دانش حاصل از خوشه‌بندی
پس از بخش‌بندی مشتریان می­توان با بررسی خوشه­های حاصل و با کمک نظرات خبرگان بانک و با بهره گرفتن از پروفایل مشتریان بانک مهر اقتصاد می­توان به مطالعه و استخراج دانش این خوشه‌ها پرداخت و یا به رتبه ­بندی خوشه­های مشتریان اقدام نمود. دانش حاصل از این مرحله راهنمای بسیار خوبی جهت اتخاذ راهبُردهای بهینه متناسب با هر خوشه برای مدیریت هر چه بهتر ارتباط با مشتریان خواهد بود.
به طور معمول مشتریانی که در یک خوشه قرار می­گیرند دارای ویژگی‌های رفتاری مشابهی خواهند بود.
۳-۳- روش‌های جمع آوری اطلاعات
منابع مورد استفاده در این تحقیق شامل بررسی تحقیقات و پایان نامه­ های موجود و مرتبط با موضوع، مطالعه مقالات و کتب فارسی و انگلیسی، جستجوی موضوعات مرتبط در پایگاه­های داده علمی و اینترنت می‌باشد. در این تحقیق برای جمع آوری داده‌ها از داده ­های موجود در پایگاه اطلاعاتی بانک مهر اقتصاد استفاده شده است.
۳-۴- جمع‌بندی مطالب فصل
در این فصل چارچوب کلی طرح پیشنهادی مطرح شده و جزئیات گام­ها و روش‌های مورد استفاده در هر گام مورد بررسی قرار گرفت. برای مثال روش‌های K-Means، WK-Means و Anti Harmonic Means جهت خوشه‌بندی داده‌ها انتخاب شده و معیار SSE به عنوان ملاکی جهت مقایسه نتایج حاصل از اجرای هر یک از این الگوریتم­ها بر روی مجموعه داده‌های مورد نظر خواهد استفاده خواهد شد. هر چه میزان SSE خوشه‌ها کمتر باشد نشان‌دهنده عملکرد بهتر الگوریتم خواهد بود.
در نهایت، دانش موجود در خوشه­های حاصل از بهترین روش انتخابی، در مسیر مطالعه و اخذ تصمیماتی جهت مدیریت هر چه بهتر ارتباط با مشتری، به کمک مدیران سازمان خواهد شتافت.
فصل چهارم
محاسبات و یافته­های تحقیق
۴-۱- مقدمه
جایگاه مشتری در فضای رقابتی کسب‌وکار بر کسی پوشیده نیست. به ویژه در نظام بانکی مشتری، نقش بسیار مؤثری در مسیر نیل به اهداف سازمان ایفا می­ کند. این نقش در بانک­های خصوصی بسیار مورد توجه قرار گرفته و این بانک­ها مطالعات و فعالیت‌های ویژه­ای را در این زمینه اختصاص داده­اند. در این تحقیق سعی شده تا با بهره گرفتن از روش‌های داده‌کاوی دانش نهفته در اطلاعات موجود در پایگاه داده‌های حاصل از تعاملات بانک و مشتری را استخراج نموده و از آن در جهت اخذ راهبُردهای مدیریت ارتباط با مشتری بهره­ گیری نماییم.
در فصل سوم چارچوب کلی روش پیشنهادی و الگوریتم‌های انتخابی برای پیاده­سازی گام‌های این روش تشریح گردید.
در این فصل بر طبق چارچوب ارائه شده در فصل قبل، سعی شده تا با اعمال الگوریتم­ها بر روی پایگاه داده‌های مشتریان بانک مهر اقتصاد، در جهت حصول اهداف تحقیق که همان بخش‌بندی مشتریان و استخراج راهبُردهای متناسب با هر بخش و به‌کارگیری راهبُردها و دانش حاصل در چرخه مدیریت دانشی سازمان می­باشد، گام برداریم.
در این تحقیق روش Min-Max برای نرمال سازی داده‌ها، روش‌های K-Means، WK-Means، A-Harmonic means جهت خوشه‌بندی داده‌ها و شاخص مجموع مربع خطاها برای ارزیابی و اعتبارسنجی خوشه‌ها به کار گرفته خواهند شد.
مورد مطالعه در این تحقیق مشتریان بانک مهر اقتصاد می­باشند.
۴-۲- معرفی بانک مهر اقتصاد
موسسه مالی و اعتباری مهر (موسسه قرض الحسنه بسیجیان سابق) با ایجاد زمینه های مساعد جهت رشد اقتصادی جامعه و ارتقاء سطح رفاه اجتماعی و رفع نیاز آحاد ملت به ویژه بسیجیان در تاریخ ۲۳/۹/۱۳۷۲ با سرمایه ای به ارزش ده میلیون ریال آغاز به کار کرد و از شروع فعالیت با توجه به نیاز مبرم کشور به تحول در زمینه سیستم بانکداری سنتی، ارائه خدمات بانکداری الکترونیکی را سرلوحه فعالیت بانکی و پولی خود قرار داده است. موسسه مالی و اعتباری مهر اولین موسسه مالی و پولی در کشور در زمینه ارائه سرویس‌های بانکداری مدرن، چون اینترنت بانک، موبایل بانک، دستگاه خودپرداز^[۱۵۱]، تلفن بانک، خدمات پایانه‌های فروش^[۱۵۲]، کارت هوشمند و ارائه سیستم‌های برخط^[۱۵۳] بانکی و پولی می‌باشد.
۴-۳- موضوع و فعالیت بانک
موسسه مالی و اعتباری مهر با عنایت به مسئولیت اجتماعی خود و حضور موثر در عرصه‌های اقتصادی (پولی و بانکی) ضمن توسعه شعب خود در اقصی نقاط کشور (نزدیک به هفتصد شعبه) خدمات گوناگونی در حمایت از پروژه‌های مولد و اشتغال‌زا، ازدواج، درمان، تحصیل و … ارائه نموده و همچنین در توسعه خدمات الکترونیک گام‌های اساسی برداشته است. همچنین خدمات دیگری شامل افتتاح انواع سپرده‌های سرمایه‌گذاری و سود مناسب، اعطای تسهیلات در بخش‌های صنعتی و تولیدی، مسکن، خرید خودرو و لوازم خانگی و خدمات اعتباری به مشتریان خود ارائه می کند. موسسه مالی و اعتباری مهر در راستای توسعه فناوری اطلاعات اقداماتی از قبیل راه‌اندازی سایت مرکزی، ایجاد بستر فناوری اطلاعات برای هفتصد شعبه تحت پوشش، ایجاد بانکداری یکپارچه^[۱۵۴] با ظرفیت بالا و ایمن، راه‌اندازی سایت اطلاع رسانی و تجهیز دویست و شانزده شعبه به دستگاه خودپرداز را انجام داده است. سیستم جامع اتوماسیون بانکی موسسه در حال حاضر بزرگترین شعبه اتوماسیون در بین بانک‌های خصوصی محسوب شده و قابلیت‌های فراوانی از قبیل: اینترنت بانک، موبایل بانک، اس ام اس بانک، تلفن بانک، ایمیل بانک و پایانه‌های فروش را دارا می‌باشد.
از دیگر قابلیت‌های موسسه رویکرد بانکداری اسلامی است و تمامی معاملات بانکی موسسه به منظور تطابق با قوانین شرع مقدس اسلام مورد نظارت بوده و تاییدیه‌های شرعی مربوطه به صورت دوره‌ای اخذ می‌گردد.
۴-۴- محاسبات تحقیق
در این فصل گام‌های مربوط به چارچوب طرح شده در فصل سوم این تحقیق، در مطالعه موردی بانک مهر اقتصاد به کار گرفته خواهد شد.
۴-۴-۱- گام انتخاب و جمع آوری متغیرهای ورودی
در حوزه بخش‌بندی رفتاری مشتریان بانک و بررسی رویکردهای سازمانی بانک مهر اقتصاد، سه دسته متغیر داده ­های جمعیت شناختی مشتریان شامل جنسیت، سن، تحصیلات، وضعیت تأهل، شغل و تاریخ تولد، محل منطقه بانکی و …، داده‌های مربوط به تراکنش‌های مالی مشتریان نظیر تراکنش اخیر مشتری ®، متغیر پولی (F)، فراوانی (M) و فاکتور (K) که نشان‌دهنده کلیدی بودن یا نبودن مشتری بانک است و در بانک مهر اقتصاد مشتریان کلیدی بانکی در هر استان بنا بر نظر خبرگان بانکی با ویژگی‌های خاصی تعریف می­گردند، انتخاب شده است.

در این روش یک مدل احتمالی مشخص برای داده‌ها در نظر گرفته شده و سپس پارامترها برآورد می­شوند. در این گروه از الگوریتم­ها یک مدل چگالی آمیخته مطرح می­ شود و فرض می­ شود که داده‌ها از مخلوط شدن تعدادی منبع داده به وجود آمده­اند. هر یک از این منابع یک خوشه بالقوه در نظر گرفته می­ شود.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

۳- خوشه‌بندی مبتنی بر بخش‌بندی^[۹۸]
نام دیگر این روش خوشه‌بندی بر مبنای تابع هدف است که در آن اساس کار فرمول­بندی تابع هدف می­باشد. تابع هدف حاصل باید طبیعت مسئله را به خوبی نشان دهد تا بتوان از طریق کمینه­سازی آن، ساختار معنی­داری (خوشه‌ها) را در داده‌های مفروض آشکار ساخت. معروف­ترین و ساده­ترین الگوریتم خوشه‌بندی مبتنی بر بخش‌بندی، الگوریتم K-means است. این الگوریتم به خاطر سادگی اجرا، سادگی برنامه و کارایی آن استفاده فراوانی دارد [۱]. عملکرد کلی این روش به این صورت است که هدف ایجاد K خوشه است، بدین ترتیب که عناصر درون هر خوشه نسبت به میانگین رکوردهای آن خوشه که مرکز نامیده می­ شود بیشترین شباهت و با مراکز دیگر خوشه‌ها بیشترین عدم شباهت را داشته باشند.
۲-۸-۵-۵-۲- معیارهای ارزیابی در خوشه‌بندی
تکنیک­های خوشه‌بندی برای تخصیص هر داده به خوشه مربوطه بر اساس یکی از معیارهای شباهت^[۹۹] و یا عدم شباهت^[۱۰۰] (یا فاصله) عمل می­ کنند. داده، در صورتی که بیشترین شباهت را با داده‌های یک خوشه و یا بیشترین فاصله را با خوشه­های دیگر داشته باشد، به خوشه منتسب می­ شود.
زمانی که مشاهدات به گونه‌ای خوشه‌بندی شوند که هر خوشه در حداکثر تراکم باشد و حداکثر فاصله را با دیگر خوشه‌ها داشته باشند، خوشه بندی خوبی انجام‌گرفته است [۱۱].
معیار شباهت، معیاری عددی است که میزان شباهت دو شیء داده را نسبت به یکدیگر نشان می‌دهد. هر چقدر دو شیء به یکدیگر شبیه­تر باشند این معیار مقدار بالاتری دارد و معمولاً مقداری بین ۰ و ۱ دارد. معیارهای ارزیابی شباهت در جدول ۲-۶ نشان داده شده است.
n: تعداد ابعاد (ویژگی‌های) ورودی، p و q: اشیاء داده ورودی، pk و qk: kامین ویژگی یا شیء داده ورودی می­باشند.
جدول ۲-۶ معیارهای محاسبه شباهت در خوشه‌بندی

نام معیار
فرمول محاسبه
کسین^[۱۰۱]

d₁ و d₂ دو بردار متن می­باشند

جاکارد^[۱۰۲]

معیار فاصله نیز مقداری عددی است که میزان تفاوت دو شیء داده را نشان می‌دهد. هر چقدر دو شیء داده به یکدیگر شبیه­تر باشند این معیار مقدار پایین­تری خواهد داشت. معیارهای ارزیابی فاصله در جدول ۲-۷ ارائه شده است.
جدول ۲-۷ معیارهای محاسبه فاصله در خوشه‌بندی

نام معیار
فرمول محاسبه
فاصله اقلیدسی
مینکوسکی
سیتی بلاک^[۱۰۳] یا مانهاتان
if r=1
ماهالانوبیس^[۱۰۴]