پ.م.3194

Designing the replacement pattern of car parts in the after-sales service network using artificial intelligence (Case study of Iran Khodro Company)

كارشناسي ‌ارشد

مديريت كسب و كار - بازاريابي

پبام نور كرج

1402

1402/10/24

عالي

رحيميان، اشرف

حامدي، اركيده

after-sales service , data mining , artificial intelligence

پ استاد راهنما پيام نور مركز كرج

در حال حاضر هزينه هايي كه شركتهاي خودروساز داخلي از جمله شركت ايران خودرو بابت گارانتي نمودن خودروهاي توليدشده در نمايندگي ها و شبكه خدمات پس از فروش در سرتاسر كشور مي پردازند نسبتا بالاست. در يك تقسيم بندي كلي اين هزينه ها شامل هزينه خريد و تامين قطعات يدكي جديد جهت جايگزيني با قطعات معيوب (نياز به تعويض) در خودروهاي گارانتي شده و همچنين اجرت تعويض قطعات در نمايندگي ها مي شود. لذا هر راهكاري كه بتواند اين هزينه ها را كاهش دهد براي خودروسازان داخلي از جمله ايران خودرو بسيار مطلوب خواهد بود. اين پژوهش بدنبال اين است كه با استفاده از تكنيكهاي داده كاوي و ابزارهاي هوش مصنوعي ، الگو و دستورالعملي را براي تعويض قطعات خودروهاي توليدشده در شركت ايران خودرو كه در طول دوره گارانتي بعلت بروز مشكلات فني و كيفي به نمايندگي هاي ايران خودرو مراجعه مي نمايند طراحي نمايد و اين الگو بتواند هزينه هاي گارانتي ايران خودرو را كاهش دهد. نوع تحقيق در اين پژوهش از منظر هدف ، كاربردي و از منظر روش اجرايي ، يك پژوهش توصيفي - مطالعه موردي مي باشد. براي انجام اين پژوهش از داده هاي موجود در بانك اطلاعاتي شبكه خدمات پس از فروش ايران خودرو استفاده شده است بگونه اي كه مجموعه قطعات تعويض شده در هربار مراجعه هر خودرو به نمايندگي هاي ايران خودرو بعنوان يك ركورد اطلاعاتي در نظر گرفته شده و با استفاده از منطق الگوريتم اپريوري كه يكي از الگوريتم هاي داده كاوي است و نيز با استفاده از نرم افزار پايتون كه يكي از ابزارهاي هوش مصنوعي مي باشد عمليات داده كاوي بر روي اين ركوردهاي اطلاعاتي انجام شده و با تفسير نتايج حاصله ، الگو و دستورالعمل تعويض قطعات كه منجر به كاهش مراجعه مجدد خودروها به نمايندگي ها و كاهش تعداد قطعات تعويض شده و نهايتا كاهش هزينه هاي گارانتي ايران خودرو خواهد شد در قالب يك جدول ارائه گرديده است.

76595