Воронежская область, Россия
сотрудник
Воронеж, Россия
сотрудник
Воронеж, Воронежская область, Россия
Методы кластеризации широко применяются для разделения товаров на группы в зависимости от объемов продаж с целью построения оптимальной стратегии планирования закупок и управления запасами. Методы кластерного анализа не дают однозначного разбиения исходного множества объектов, поэтому в работе для изучения продаж автозапчастей на СТО грузовых машин были проанализированы существующие методы кластеризации. Для решения поставленной задачи выбраны методы: k-means, иерархическая агломеративная кластеризация и DBSCAN. Перед использованием метода k-means методом локтя было найдено оптимальное число кластеров. Метод DBSCAN основан на плотности объектов и автоматически определяет количество кластеров. Исходными данными для кластерного анализа являлась информация о продажах запасных частях на СТО грузовых машин за 3 года, кластеризация применялась к данным по годам. Алгоритм DBSCAN показал неудовлетворительные результаты, т.к. большая часть товаров (86%) были определены в один кластер, а другие – содержат единицы товаров. Метод k-means дал наилучший результат разбиения, каждая группа имеет разный объем. Распределение товаров по кластерам меняется в течение трех лет, поэтому менеджерам следует изучить изменение принадлежности товаров к той или иной группе. Полученные результаты кластеризации помогут определить реальные потребности запчастей на СТО грузовых машин и построить оптимальную стратегию закупок.
Кластерный анализ, Data Mining, k-means, DBSCAN, иерархическая агломеративная кластеризация, дендрограмма, метод локтя.
1. Dyshin, O.A. The calculation of the spare parts in the auto-service enterprise on the base of real / O.A. Dyshin, N.A. Karimov // Demand. Engineering Science. - 2017. - Vol. 2, № 3. - 2017. - Pp. 78-84. - DOI:https://doi.org/10.11648/j.es.20170203.14.
2. Евдокимова, С.А. Анализ товарного ассортимента запасных частей дилерского предприятия автомобильного сервиса с помощью алгоритма FP-Growth / С.А. Евдокимова, К.В. Фролов, А.И. Новиков // Моделирование систем и процессов. - 2022. - Т. 15, № 4. - С. 24-33. - DOI:https://doi.org/10.12737/2219-0767-2022-15-4-24-33.
3. Ивахненко, А.А. Моделирование стратегий управления запасами автосервисного предприятия / А.А. Ивахненко, О.А. Иващук // Современные наукоемкие технологии. - 2022. - № 12-2. - С. 217-222. - DOI:https://doi.org/10.17513/snt.39462.
4. Шиков, Н.Н. Модель управления запасами центра сервисного обслуживания / Н.Н. Шиков, Н.З. Бойко, Р.Н. Шиков // Экономический вестник Донбасского государственного технического института. - 2022. - № 13. - С. 57-65.
5. Using digital twins to create an inventory management system / V. Kukartsev [et al.] // E3S Web of Conferences. - 2023. - Vol. 431(1). - C. 05016. - DOI:https://doi.org/10.1051/e3sconf/202343105016.
6. Технологии интеллектуального анализа данных в решении экономических задач / М.Ю. Иванов [и др.] // Baikal Research Journal. - 2022. - Т. 13, № 2. - С. 27. - DOI:https://doi.org/10.17150/2411-6262.2022.13(2).27
7. Simchenko, N.A. System analysis of digital economy virtualization processes / N.A. Simchenko, N.V. Apatova, O.L. Korolev // Perspectives of Science and Education. - 2021. - № 2 (50). - С. 23-39. - DOI:https://doi.org/10.32744/pse.2021.2.2.
8. Evdokimova, S.A. Segmentation of store customers to increase sales using ABC-XYZ-analysis and clustering methods / S.A. Evdokimova // Journal of Physics: Conference Series. - 2021. - Т. 2032. - C. 012117. -DOI:https://doi.org/10.1088/1742-6596/2032/1/012117.
9. Клинов, Д.А. Разработка методики сегментации пользователей с помощью алгоритмов кластеризации и расширенной аналитики / Д.А. Клинов, К.А. Григорян // Электронные библиотеки. - 2022. - Т. 25, № 2. - С. 137-147. - DOI:https://doi.org/10.26907/1562-5419-2022-25-2-137-147.
10. Defindal, I.P. Applying machine learning on ABC-XYZ inventory model using multivariate and hierarchical clustering / I.P. Defindal, N. Saputra // Proceedings of the 6th International Conference on Vocational Education Applied Science and Technology (ICVEAST 2023). - 2023. - Pp. 322-334. - DOI:https://doi.org/10.2991/978-2-38476-132-6_30.
11. Narkhede, G. Optimizing inventory carrying cost using rank order clustering approach for small and medium enterprises (SMES) / G. Narkhede, N.R. Rajhans // Journal of University of Shanghai for Science and Technology. - 2021. - Vol. 23, Is. 1. - Pp. 161-170. - DOI:https://doi.org/10.51201/Jusst12550.
12. Prianus, O. Inventory grouping to support IT business management with the k-means algorithm / O. Prianus // Journal of Computer Science and Information Technology. - 2022. - Vol. 8, Is. 3. - Pp. 66-73. - DOI:https://doi.org/10.35134/jcsitech.v8i3.39.
13. Ridwan, A.L. Clustering sales patterns of best selling and less selling products at El Jhon Bengkulu stores using the k-medoid method / A. L. Ridwan, S. Siswanto, R.T. Alinse // Jurnal Komputer, Informasi Dan Teknologi (JKOMITEK). - 2022. - Vol. 2(2). - Pp. 637-642. -DOI:https://doi.org/10.53697/jkomitek.v2i2.1048.
14. Deng, Y. A study on e-commerce customer segmentation management based on improved K-means algorithm / Y. Deng, Q. Gao // Information Systems and e-Business Management. - 2020. - № 18(4). - Pp. 497-510. - DOI:https://doi.org/10.1007/s10257-018-0381-3.
15. Chindyana, M. Segmentation of tourist interest on tourism object categories by comparing PSO K-means and DBSCAN method / M. Chindyana, L.A. Wulandhari // Revue d’Intelligence Artificielle. - 2021. - №35(1). - Pp. 23-37. - DOI:https://doi.org/10.18280/ria.350103.
16. Евдокимова, С.А. Алгоритм анализа клиентской базы торговой организации / С.А. Евдокимова, Т.П. Новикова, А.И. Новиков // Моделирование систем и процессов. - 2022. - Т. 15, № 1. - С. 24-35. - DOI:https://doi.org/10.12737/2219-0767-2022-15-1-24-35.
17. Евдокимова, С.А. Применение алгоритмов кластеризации для анализа клиентской базы магазина / С.А. Евдокимова, А.В. Журавлев, Т.П. Новикова // Моделирование систем и процессов. - 2021. - Т. 14, № 2. - С. 4-12. - DOI:https://doi.org/10.12737/2219-0767-2021-14-2-4-12.
18. Durojaye, D.I. Analysis and visualization of market segmentation in banking sector using kmeans machine learning algorithm / D.I. Durojaye // FUDMA Journal of Sciences. - 2022. - Vol. 6, № 1. - Pp. 387-393. - DOI:https://doi.org/10.33003/fjs-2022-0601-910.
19. Габова, Е.И. Методика рейтингования компаний IT-сектора по уровню рисков кредитоспособности / Е.И. Габова, Н.А. Казакова // Финансы: теория и практика. - 2022. - Т. 26, № 4. - С. 124-138. - DOI:https://doi.org/10.26794/2587-5671-2022-26-4-124-138.
20. Новикова, Т.П. Исследование набора технологических операций подготовки семенного материала хвойных пород для лесовосстановления / Т.П. Новикова // Лесотехнический журнал. - 2021. - Т. 11, № 4 (44). - С. 150-160. - DOIhttps://doi.org/10.34220/issn.2222-7962/2021.4/13.
21. How can the engineering parameters of the NIR grader affect the efficiency of seed grading? / T.P. Novikova [et al.] // Agriculture. - 2022. - Т. 12, № 12. - С. 2125. - DOI:https://doi.org/10.3390/agriculture12122125.
22. Novikova, T.P. The choice of a set of operations for forest landscape restoration technology / T.P. Novikova // Inventions. - 2022. - Т. 7(1). - S. 1. - DOI:https://doi.org/10.3390/inventions7010001.
23. Орехов, А.В. Марковский момент остановки агломеративного процесса кластеризации в Евклидовом пространстве / А.В. Орехов // Вестник Санкт-Петербургского университета. Прикладная математика. Информатика. Процессы управления. - 2019. - Т. 15, № 1. - С. 76-92. - DOI:https://doi.org/10.21638/11702/spbu10.2019.106.
24. Clinical phenotypes of chronic cough categorized by cluster analysis / J. Kang // PloS ONE. - 2023. - Vol. 18(3). - e0283352. - DOI:https://doi.org/10.1371/journal.pone.0283352.
25. Давыдов, О.А. Анализ существующих алгоритмов кластеризации (Часть 1) / О.А. Давыдов // Вестник Тихоокеанского государственного университета. - 2020. - № 1 (56). - С. 27-36.
26. Pranav Shetty, Suraj Singh. Hierarchical Clustering: A Survey. International Journal of Applied Research. - 2021. - № 7(4). - Pp. 178-181. - DOI:https://doi.org/10.22271/allresearch.2021.v7.i4c.8484.
27. Головинский, П.А. Вязкий гравитационный алгоритм кластеризации неточных данных / П.А. Головинский // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. - 2022. - № 1. - С. 79-89. - DOI:https://doi.org/10.17308/sait.2022.1/9203.
28. Abdullah, A.N. A comparison between some hierarchical clustering techniques / A.N. Abdullah, S. Ahmed // International Journal of Agricultural and Statistical Sciences. - 2021. - Vol. 17(1). - Pp. 1221-1227.
29. Отраднов, К.К. Экспериментальное исследование эффективности методик векторизации текстовых документов и алгоритмов их кластеризации / К.К. Отраднов, В.К. Раев // Вестник Рязанского государственного радиотехнического университета. - 2018. - № 64. - С. 73-84. - DOI:https://doi.org/10.21667/1995-4565-2018-64-2-73-84.
30. Журавлева, В.В. Упрощенный показатель силуэта для определения качества кластерных структур / В.В. Журавлева, А.С. Маничева // Известия Алтайского государственного университета. - 2022. - № 4 (126). - С. 110-114. - DOI:https://doi.org/10.14258/izvasu(2022)4-17.
31. Improvement of DBSCAN algorithm based on k-dist graph for adaptive determining parameters / L. Yin [et al.] // Electronics. - 2023. - Vol. 12. - S. 3213. - DOI:https://doi.org/10.3390/electronics12153213.
32. Zhang, X. WOA-DBSCAN: Application of whale optimization algorithm in DBSCAN parameter adaption / X. Zhang, S. Zhou // IEEE Access. - 2023. - Vol. 11. - Pp. 91861-91878. - DOI:https://doi.org/10.1109/ACCESS.2023.3307412.
