كنفرانس بين المللی مهندسی صنايع و سيستم ها

صفحه اصلی / دوازدهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها

مدل هوشمند مبتنی بر یادگیری ماشین برای اولویت بندی بازدید پایانه های فروش در شرکتهای ارائه دهنده خدمات پرداخت

نویسندگان :

مهدیه توکلی¹ حسام الدین ناظری²

1- دانشگاه تهران 2- دانشگاه شهید بهشتی

کلمات کلیدی :

پردازش دادههای عملیاتی،یادگیری ماشین،نگهداری پیشبینانه،پایانه فروش،اولویتبندی بازدید،سیستم هوشمند تصمیمیار

چکیده :

در سالهای اخیر، افزایش تعداد پایانههای فروش و رشد حجم دادههای عملیاتی در شبکههای پرداخت الکترونیک، ضرورت بهرهگیری از رویکردهای هوشمند برای پردازش اطلاعات، پایش عملکرد و مدیریت بازدیدهای میدانی را افزایش داده است. هدف این پژوهش، ارائه یک مدل هوشمند مبتنی بر یادگیری ماشین برای پیشبینی و اولویتبندی پایانههای فروش نیازمند بازدید در شرکتهای ارائهدهنده خدمات پرداخت است. در این چارچوب، مسئله بهصورت طبقهبندی دودویی با خروجی احتمالاتی مدلسازی شده و احتمال تعلق هر پایانه به کلاس «نیازمند بازدید» بهعنوان امتیاز ریسک برای رتبهبندی و تولید فهرستهای اولویتدار بازدید استفاده شده است. دادههای پژوهش شامل اطلاعات عملکردی حدود یکونیم میلیون پایانه فروش در بازهای سهساله است که در قالب ساختار سریزمانی و در سطح پایانه ـ هفته سازماندهی شدهاند. برای کاهش محدودیتهای ناشی از برچسبهای عملیاتی، متغیر هدف با استفاده از برچسب ترکیبی و بر پایه شاخصهای رفتاری، عملکردی و عملیاتی تعریف شد. در فرآیند مدلسازی، الگوریتمهای رگرسیون لجستیک، جنگل تصادفی و XGBoost مقایسه شدند. همچنین، برای بررسی نقش اهمیت ویژگیها، سه سناریوی مدلسازی شامل حالت بدون وزندهی، وزندهی مبتنی بر نظر خبرگان با روش بهترین ـ بدترین فازی، و وزندهی دادهمحور مبتنی بر SHAP بررسی شد. نتایج نشان داد مدل XGBoost عملکرد بهتری نسبت به سایر الگوریتمها دارد و سناریوی وزندهی دادهمحور، بهترین عملکرد را در شناسایی پایانههای نیازمند بازدید ارائه میکند. یافتهها نشان میدهد چارچوب پیشنهادی میتواند با پردازش دادههای عملیاتی و استخراج الگوهای رفتاری پایانهها، به بهبود تصمیمگیری عملیاتی، کاهش بازدیدهای غیرضروری و افزایش کارایی فرآیندهای نگهداری در شبکههای پرداخت الکترونیک کمک کند.