لطفا منتظر بمانید ...
0% Complete
صفحه اصلی
/
دوازدهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها
بهینه سازی فرآیند وصول مطالبات در شرکت توزیع برق مشهد با استفاده از خوشه بندی مشتریان و طبقه بندی ریسک
نویسندگان :
مرضیه میری بیدختی
1
1- شرکت توزیع برق مشهد
کلمات کلیدی :
بهینه سازی وصول مطالبات،خوشه بندی مشتریان،طبقه بندی ریسک،نسبت جریمه،یادگیری ماشین،ریسک اعتباری
چکیده :
یکی از چالش های اصلی در مدیریت مالی شرکتهای توزیع برق، رشد مطالبات معوق و ناکارآمدی سازوکارهای جریمه یکنواخت است. جریمههای درصدی رایج، بدون تمایز میان مشتریان خوش حساب و بدحساب، به انباشت بدهی های سنگین و وصول ناپذیر دامن میزنند. در این مطالعه، به منظور بهبود فرآیند وصول مطالبات، از ترکیب خوشه بندی و طبقه بندی بر روی داده های واقعی 137,947 قبض متعلق به 11,829 مشترک شرکت توزیع برق مشهد استفاده شده است. ابتدا شاخص «نسبت جریمه» به عنوان سنجه ای برای شدت تأخیر تعریف و ویژگی های متعددی در سطح هر مشترک استخراج گردید. سپس با الگوریتم K-Means، مشتریان به سه گروه پرخطر، میان خطر و کم خطر بخش ندی شدند؛ گروه پرخطر با 234 مشترک (حدود 1.98 درصد) میانگین حداکثر نسبت جریمه 0.658 را نشان داد که معادل جریمه هایی تا 66 درصد مبلغ قبض است. در ادامه، یک مدل جنگل تصادفی برای پیش بینی مشتریان پرخطر آموزش داده شد که با حساسیت 98.97 درصد و ارزش پیشبینی منفی 97.61 درصد، تقریباً تمام مشتریان بحرانی را شناسایی کرد. بررسی 61 کد تعرفه نیز نشان داد 9 تعرفه که عمدتاً به پلکانهای مصرف بالا مربوط می شوند، تماماً در رده پرخطر قرار دارند. یافته ها حاکی از آن است که جریمه های درصدی بدون سقف، مشتریان پرمصرف را به سمت بدهی های تصاعدی سوق میدهد. بر این اساس، اصلاح نظام جریمه به صورت پلکانی-سقف دار و به کارگیری مدل پیشنهادی به عنوان سامانه هشدار زودهنگام برای بهینهسازی فرآیند وصول مطالبات پیشنهاد می شود.
لیست مقالات
لیست مقالات بایگانی شده
Generative AI Strategies to Enhance Car Detection Under Adverse Weather Conditions
Sina Khoshgoftar - Mehrdad Kargari - Reza Vatankhah
انتخاب بهترین مدل پیشبینی برای تعیین تاریخ تورهای گردشگری شهر یزد با در نظر گرفتن محدوده آسایش حرارتی و مقایسه میانگین دمای ماهانه دو مدل ARIMA و ARIMAX
طیبه صادقیان - حسن خادمی زارع - داود شیشه بری
Demand forecasting based on deep learning methods for univariate time series
Seyed Masoud Mousavi - Shahrokh Asadi
توسعه مدل زنجیره تامین تابآور
نازنین شهسواری - سعید دهنوی
ارائه چارچوبی برای انتخاب تامینکنندگان و تخصیص سفارش به کمک روشهای یادگیری ماشین در صنایع نسل 4.0
محمدرضا غلامی - الهام شادکام
Deep Learning Models for Price Prediction in Travertine Stone Mines: A Comparison of LSTM, Transformer, and Hybrid Models
Haniye Moazeni - Amirhesam Kamalpour
تنظیم بهینه متغیرهای فرایند ریسندگی و بهبود کیفیت نخ با استفاده از الگوریتم بهینه سازی گرگ خاکستری: پیاده سازی روی ماشین کشش
حبیب امیری سوادرودباری - محسن رضاحسنی - محمدجواد عبقری
بهینهسازی برنامهریزی تولید و تأمین در شرایط عدم قطعیت قیمت و تقاضا با رویکرد برنامهریزی تصادفی دو مرحلهای
علی اصغر میری - حسین نقابی
مدلسازی ریاضی چندهدفه برای طراحی شبکه زنجیره تأمین خون با در نظر گرفتن برنامه تشویقی
طیبه علی خانی - حمیدرضا دزفولیان - پروانه سموئی
انتخاب بهترین خودرو الکتریکی براساس روشهای تصمیمگیری MADM
احسان صادقی - محمد موسیزاده
بیشتر
ثمین همایش، سامانه مدیریت همایش ها و جشنواره ها - نگارش 44.11.0