Quants

Quants

گروه کوانتس دانشگاه تهران، با همکاری جهاد دانشگاهی تربیت مدرس دوره آموزشی شبکه های عصبی، سیستم های فازی و الگوریتم ژنتیک را برگزار می نماید. علاقه مندان می توانند برای کسب اطلاعات بیشتر به وب سایت دانشگاه تربیت مدرس از طریق این لینک مراجعه فرمایند. 

  • برای پیش بینی تقاضا در بازار ما شرکت های بزرگ از چه روش هایی استفاده می کنند و چه پارامترهایی را در نظر می گیرند؟
  • برای بهینه سازی این فرایند چه روش های مدرنی تا به حال مورد استفاده قرار گرفته اند؟
  • آیا انجام این حاسبات پیچیده را نمی توان به صورتی سریع تر و دقیق تر صورت داد؟
  • چطور بفهمیم که تعداد کارمندانمان در واحد ها به اندازه است ؟
  • مکان جدید برای افتتاح شعبه جدیدمان را چطور انتخاب کنیم؟
  • چطور و با استفاده از چه مدل هایی کارمندان و شعب خود را رتبه بندی کنیم؟
  • پیش شناسایی مشتریان را با چه روشی انجام دهیم؟

دلایل عقب ماندگی کشور – ضعف در تصمیم گیری (1) : اطلاعات ناقص

سعید فرخی – گروه کوانتس دانشگاه تهران

عبارات زیر برای ما ایرانی ها بسیار آشنا می نماید، اقدامات نسنجیده، کارشناسی نشده، عدم مدیریت صحیح، اقدامات شتاب زده، عدم تخصیص بهینه، براوردهای اشتباه، فقدان کارشناسی لازم، عدم انجام مطالعات دقیق، این ها و عبارت هایی از این دست معمولا به عنوان دلایل به سرانجام نرسیدن پروژه ها و یا بروز بسیاری از مشکلات مطرح می گردند.

این ها همه دلالت بر وجود نوعی نقصان در مکانیزم تصمیم گیری در مدیریت کشور می باشد. ما معنقدیم، ضعف در نظام تصمیم گیری ریشه بروز بسیاری از مشکلات در کشور می باشد. در حقیقت امروز برای مسائل و مشکلات امروزی راهکاری های امروزی نداریم و مدیریت کلان کشور سعی می نماید که مشکلات را با استفاده از بهره گیری از تکنولوژی و ابزار مدرن حل نماید. ولی کسی به مشکلات در فرایند تصمیم گیری توجه نمی نماید. معضلات امروز ایران، ناشی از فقدان و عقب ماندگی تکنولوژیکی در مقایسه با کشورهای پیشرفته نیست، بلکه ریشه در فرایند های مدیریتی و نحوه ی تصمیم گیری دارد. این معضل نه به تحریم ها ربط دارد و نه دانشی دست نیافتنی و دور از دسترس می باشد. بلکه می توان به اعتراف به این مشکل و برنامه ریزی در جهت رفع آن تاثیرات شگرفی را در بسیاری از جنبه های زندگی ایرانیان مشاهده نمود. 

پروژه مذکور شامل طراحی نرم افزار تصمیم یاری است که در مواقع وقوع بحران، راهکار های موجود برای رفع آن را ارائه داده تا به اتکای آن  و نظر نهایی کارشناسان بتوان در سریع ترین زمان، راه حل بهینه را یافته و اجرا کرد. این پروژه دارای یک بخش نرم افزاری بوده که در آن ارتباط بین نرم افزار پشتیبان تصمیم با نرم افزار های واحد دیسپچینگ مد نظر قرار گرفته و رابط گرافیکی نرم افزار طراحی می شود، و در بخش دیگر پروژه یک الگوریتم ریاضی برای تصمیم سازی در هنگام بحران طراحی و تدوین می گردد.

 در حال حاظر این پروژه حدود 20 درصد پیشرفت داشته و در حال انجام می باشد.

 

در حال حاظر گروه الگوریتم نویسی و هوشمند سازی دانشگاه تهران، در حال انجام پروژه پیش بینی مصرف روزانه گاز طبیعی در بخش خانگی و تجاری کل کشور می باشند.

این قرارداد فی مابین دانشگاه تهران و شرکت ملی گاز ایران منعقد شده است. پیش بینی مصرف روزانه گاز طبیعی با مدل سازی داده های تاریخی مصرف و پارامترهای تقویمی و همچنین پارامترهای آب و هوایی، مصرف گاز طبیعی را در افق یک تا 10 روزه پیش بینی می نماید .

پارامترهای موثر در مصرف روزانه گاز طبیعی در بخش خانگی به شرح زیر می باشد:

·         دمای میانگین

·         دمای می نیمم

·         سرعت وزش باد

·         رطوبت

·         وضعیت تعطیلی

·         مصرف روزهای گذشته

·         تاریخ ماه و روز

·         دمای احساسی

سامانه طراحی شده داده های هواشناسی واقعی و پیش بینی را به صورت خودکار از پایگاه های هواشناسی دریافت کرده و در پایگاه داده نرم افزار ذخیره می نماید. و با استفاده از این داده ها و دریافت پارامترهای تقویمی از پایگاه داده با در نظر گرفتن تعطیلی و غیر تعطیلی روزها و همچنین مناسبت های آن روز اقدام به پیش بینی مصرف گاز می نماید.

در حال حاظر این پروژه 50 در صد پیشرفت داشته است و پیش بینی مصرف 5 شهر نمونه انتخابی واحد دیسپچینگ در حال بررسی و پیاده سازی می باشد.

 

شایان ذکر است که مدل های ارائه شده بر مبنای ترکیب روش های هوش مصنوعی و روش های آماری بوده و پیش بینی مدل بین 2 تا 3 درصد خطای مطلق را دارا می باشد 

 

نرم افزار مسیر یاب کوانتس، محصول بخش بهینه سازی گروه کوانتس می باشد. که اولین بار به سفارش شرکت های پخش مویرگی در تهران طراحی گردیده است. این نرم افزار با دریافت اطلاعات مکانی مقاصد و نیز انبار ها و تعداد خودرو های هر انبار و همچنین قیود سازمانی مربوط به فرایند پخش بهترین راه را برای پخش کالا ارائه می دهد . راهکار نرم افزار شامل پاسخ دادن به سوالات زیر می باشد:

1- در هر مبدا چند خودرو مورد نیاز است ؟

2- هر مبدا به چه مقاصدی خدمات ارائه می دهد؟

3- هر خودرو چه مقاصدی را باید ملاقات کند ؟

4- توالی ملاقات خودرو با مقاصد چگونه است ؟

5- خودرو ها از چه مسیری برای رسیدن به مقاصد استفاده می کنند ؟

6- زمان بندی تخمینی ملاقات خودرو ها با مقاصد چگونه است ؟

راه حل ارائه شده به صورت مسیر های مربوط به هر خودرو در نقشه به صورت گرافیکی نمایش داده شده و امکان پرینت آدرس مسیر و نیز اتصال به سامانه های اینترنتی و پیامکی در صورت نیاز فراهم می گردد. هیچ محدودیتی در تعداد انبار ها، خودرو ها و مقاصد وجود ندارد. و این نرم افزار قادر است در زمانی کوتاه راه حل مورد نظر برای ده ها انبار، صد ها خودرو و هزاران مقصد را ارائه دهد.

صورت مسئله :

قطعا یکی از عمده ترین هزینه یک شرکت پخش مویرگی، هزینه حمل و نقل کالاها از انبار به مقاصد می باشد. این فرایند به صورت هر روزه در حال انجام می باشد. در شرکت های ایرانی، تخصیص خودرو ها به مقاصد و نیز مسیر دهی به آن ها از طریق سنتی صورت می گیرد. معمولا استراتژی پخش در کلانشهر تهران به این صورت است که:  تهران به مناطق مختلف تقسیم می شود و هر خودرو برای تردد در یکی از این مناطق در نظر گرفته می شود و حمل بار به مقاصد واقع در این ناحیه به خودرو مربوط به همان ناحیه واگزار میشود و ترتیب مقاصد و مسیر یابی به عهده راننده یا مسیر یاب می باشد.

به کار گیری این روش علاوه بر بروز بی دقتی ها و کاستی های ناشی از خطای انسانی، پاسخی غیر بهینه به مسئله مورد اشاره ارائه می دهد. به این معنی که هزاران راه برای تخصیص خودرو ها به مقاصد وجود دارد و این نوع تخصیص قطعا بهینه ترین راه ممکن نمی باشد. این مسئله شناخته شده بهینه سازی به عنوان یک مسئله کلاسیک با روش های مختلفی قابل حل می باشد.  یک روش بهینه سازی کارا در فرایند مسیر دهی و تخصیص باید بهترین پاسخ را به این پرسش ها ارئه دهد:

-         به هر انبار چند خودرو اختصاص داده شود ؟

-         به هر خودرو چه مقاصدی اختصاص داده شود؟

-         هر خودرو به چه ترتیبی مقاصد را سرویس دهی کند ؟

-         خودرو ها از چه مسیری در نقشه برای رسیدن به این مقاصد استفاده کنند ؟

همچنین علاوه بر پاسخ به این سوالات یک راه حل بهینه هر روزه باید قابلیت در نظر گرفتن جوانب زیر را نیز داشته باشد:

-         ممکن است برخی کالا ها ،  برای حمل، نیازمند خودرویی ویژه (مثلا یخچال دار) باشند.

-         ممکن است برخی مشتری ها کالا ها را باید زودتر تحویل بگیرند و برای برخی دیگر زمان تحویل اهمت کمتری دارد .

-         ممکن است خودرو در راه برگشت ملزم به جمع آوری برخی کالاها از مقاصد خاصی باشد.

-         حجم عملیات پخش در برخی روزها ممکن است بسیار بالاتر از روز های دیگر باشد.

با توجه به این نکته که ذهن انسان قابلیت حل مسائل بسیار پیچیده کمی را ندارد، پیدا کردن راه حل بهینه برای حل  مسئله بدون استفاده از یک الگوریتم و برنامه کامپیوتری میسر نمی باشد.

در تمامی کمپانی های بزرگ و پیشرفته بین الملی، حل بهینه فرایند تخصیص مقاصد به خودرو ها و مسیر یابی حرکت خودروها در نقشه، با استفاده از روش های نرم افزاری صورت می گیرد. ترمیم روش های نرم افزاری قبلی و بهینه سازی های جدید ولو اندک در حدود یک در صد باعث می شود که راه حل قبلی منسوخ و راه حل جدید جایگزین شود. این درحالی است که در شرکت های ایرانی حل این مسئله و مسائل مشابه، هنوز با رویکردی سنتی در حال اجرا می باشد.  در حالی که با براورد های انجام شده، انجام یک بهینه سازی نرم افزاری قوی می تواند بین 10 تا 30 در صد هزینه مربوط به کل فرایند پخش و زمان انجام عملیات پخش روزانه را کاهش دهد. به عبارتی دیگر به کار گیری این روش ظرفیت نهفته ناوگان حمل و نقل شرکت های حمل را 10 تا 30 درصد افزایش دهد.

 در شرایط اقتصادی فعلی، لزوم کاهش هزینه ها و چالاکی شرکت، بر کسی پوشیده نیست. چرا که با بالا رفتن قیمت تمام شده کالا و خدمات، و به تبع آن کاهش قدرت خرید، اولین و مهمترین عکس العمل شرکت های موفق کاهش کاهش هزینه ها و بهینه سازی فرایند های در حال انجام شرکت می باشد. گروه الگوریتم نویسی و مطالعات کمی دانشگاه تهران با بهره گیری از پژوهشگران و اعضای هیئت عملی دانشگاه تهران، در زمینه تخصصی تحلیل های ریاضی و کمی و همچنین بهینه سازی فرایند ها و نیز پیش بینی و برآورد های عددی فعالیت می کند. پروژه بهینه سازی فرایند پخش بار در تهران، قبلا در قالب یک راه حل نرم افزاری در شرکت های پخش به اجرا گذاشته شده است و بهینه سازی 25 درصدی در زمان عملیات پخش با استفاده از راه حل نرم افزاری گروه کوانتس به ثبت رسیده است.

 

مزایای استفاده از نرم افزار :

1- کاهش هزینه های پرسنلی.

2- کاهش زمان توزیع.

2- مدیریت بهینه تقسیم بندی مقاصد با در نظر گرفتن مسیر ها و ظرفیت خودرو های موجود. 

3- پیشنهاد سریع ترین مسیر برای حرکت از مبدا برای ویزیت تمام مقاصد و بازگشت به مبدا.

4- امکان تعریف قیود سازمانی، امنیتی و جغرافیایی.

5- ارائه زمان بندی تخمینی برای ویزیت مقاصد.

6- عدم بروز اشتباه در تقسیم بندی و حل مسئله تخصیص و مسیر یابی در زمانی کوتاه.

7- امکان در نظر گرفتن ترافیک در حل مسئله.

8- افزودن و حذف انبار یا مشتری جدید به راحتی امکان پذیر است.

 

نمایی از خروجی نرم افزار :

 

نحوه سفارش :

گروه کوانتس متناسب با حجم عملیات هر شرکت، و نیز متناسب با قیود سازمانی و نیز شرایط کاری آن، راه کار نرم افزاری منحصر به آن شرکت ارائه می دهد. بنابراین برای دریافت مشاوره راجع به نرم افزارشرایط مورد نظر و امکانات مورد نیاز خود را برای ما ارسال کنید. بعد از دریافت نظرات شما، کارشناسان کوانتس در یک جلسه حضوری به ارائه راهکار و تبادل نظرات می پردازند و در نهایت پیشنهاد خدمات شلمل قیمت و زمان تحویل ارائه می گردد.

مواردی که در سفارش باید در نظر داشت :

1-     تعداد خودرو های موجود در شرکت .

2-     تعداد انبار ها .

3-     تعداد مقاصد، کلی و متوسط روزانه .

4-     محدودیت های زمانی فرایند پخش .

5-     انواع خودرو ها ، به عنوان مثال ممکن است برخی از مقاصد باید توسط خودرو های یخچال دار ویزیت شوند.

6-     در نظر گرفتن ترافیک لحظه ای .

7-     نمایش حرکت خودرو ها در کامپیوتر مدیریت (مخصوص عملیت پخش پول).

8-     نحوه ی تعامل با نرم افزار (به صورت تحت وب و یا نسخه ی فردی).

9-     اتصال به پایگاه داده مورد استفاده در شرکت (چگونه به نرم افزار ورودی ها را ارئه دهیم) .

10-نحوه نمایش خروجی (مسیر در نقشه ، آدرس دهی ، سامانه پیامک )

 

 

یک پیش بینی دقیق می تواندریسک اخذ یک تصمیم را به حداقل رسانده و استفاده از فرصت های موجود را حداکثر کند.  در حقیقت کوچکترین تصمیمی را نمی توان با در نظر گرفتن پیش بینی عواقب آن انجام داد. تمام بانک ها یا شرکت های تابعه آن ها با در اختیار داشتن مسئولیت پول گذاری و شارژ دستگاه های خودپرداز همواره با این سوال اساسی روبرو می باشد که مصرف هر دستگاه ATM چقدر می باشد و چه زمانی موجودی دستگاه به پایان می رسد. با پیش بینی دقیق مصرف پول نقد در دستگاه های ATM بانک ها قادر خواهد بود با استفاده از روش های مرسوم بهینه سازی هزینه فرایند پول گذاری در دستگاه ها را به حداقل برساند. همچنین مدیریت بانک قادر خواهد بود که برنامه ریزی استراتژیک شرکت را بر مبنای برآورد دقیق مصرف دستگاه ها و همچنین پارامترهای موثر در مصرف پول نقد در هر دستگاه تبیین کند.

مطالعات و پژوهش های انجام گرفته در زمینه پیش بینی مصرف پول نقد در دستگاه های خود پرداز نشان می دهند که می توان با مدل سازی رفتار داده های تاریخی بر مبنای پارامترهای تاثیر گذار، مصرف پول نقد در این دستگاه ها را با دقتی قابل قبول پیش بینی کرد. پارامترهای موثر معرفی شده در ادبیات موضوع عبارتند از : مصرف میانگین ماهانه، هفتگی و روزانه، پارامترهای تقویمی نظیر : روز هفته، تعطیلات و نوع تعطیلات، رویداد های مالی تاثیر گذار نظیر واریز یارانه ها در ایران و زمان های واریز حقوق ها و مستمری ها و نیز پارامترهای جغرافیای خاص هر دستگاه نظیر واقع شدن در نزدیکی مراکز خرید یا ادارات و اماکن خاص، و همچنین پارامترهای دیگری که با مطالعات کمی پیش رو استخراج می گردند.

روش های کلاسیک و مرسوم پیش بینی سری های زمانی نظیر میانگین متحرک و اتو رگرسیون و ترکیبات حاصله از این مدل ها نظیر SARIMA ، در مدل سازی رفتار های غیر خطی و معلول به پارامترهای زیاد، کارایی چندانی ندارند و در مقابل روش های مبتنی بر هوش مصنوعی نظیر انواع شبکه های عصبی یا شبکه های نرو فازی و رگرسیون های بردار  پشتیبان، در یافتن الگوهای غیر خطی و آشوبناک، عملکرد قابل قبولی از خود نشان می دهند. همچنین با توجه به این نکته که هر یک از این پیش بینی کننده ها با ساختار متفاوت دارای کارایی متفاوت در بازه های مختلف پیش بینی می باشند. ترکیب پیش بینی کننده ها همواره به دقت پیش بینی افزوده است و باعث کاهش دامنه خطا پیرامون خطای صفر و نیز انحراف معیار خطای پیش بینی و در نتیجه بهبود پیش بینی می گردد.

در مجموع برای نیل به یک پیش بینی دقیق علاوه بر شناسایی و استخراج پارامترهای موثر باید مدل های پیش بینی کننده مناسب و در نهایت ترکیب پیش بینی کننده ها به درستی مورد استفاده قرار گیرد.

علاوه بر مباحث مطروحه در بالا، ساختار نرم افزاری راهکار ارائه شده به منظور پیش بینی مصرف پول دستگاه های خود پرداز، علاوه بر دقت مورد قبول باید به صورتی نگارش شود که قابلیت تجمیع در بخش های نرم افزاری مورد استفاده بانک ها و شرکت های تابعه را دارا باشد.

ضرورت و اهمیت اجرای پروژه :

1- بهینه سازی دقیق فرایند تامین پول نقد دستگاه های خود پرداز، نیازمند به برآوردی دقیق از میزان مصرف دستگاه ها می باشد. و پیش بینی دقیق مصرف پول نقد دستگاه های ATM می تواند نتایج حاصل از بهینه سازی را به شدت بهبود دهد. و در نتیجه مستقیما در افزایش سود بانک موثر می باشد.

2- مدیریت و تدوین استراتژی های کلی بانک در زمینه پول گذاری دستگاه های ATM با علم به چگونگی رفتار مصرفی دستگاه ها امکان پذیر می باشد.

3- ایجاد یک بستر نرم افزاری مناسب جهت پیش بینی مصرف دستگاه ها، با ایجاد نظم و انسجام در فرایند های روزانه، این امکان را فراهم می سازد که بانک بتواند تامین پول دستگاه های بیشتری را تقبل کرده و محدوده ی عملکردی خود را توسعه دهد.

4- راهکار نرم افزاری مورد اشاره علاوه بر تخمین درست زمان مناسب برای پول گذاری دستگاه ها، در مجموع میزان و زمان جریان نقدی مورد نیاز شرکت را معین می کند و بانک قادر خواهد بود بر مبنای برآورد های حاصل از نتایج نرم افزار جهت تامین حجم پول مورد نیاز خود به صورت روزانه یا هفتگی برنامه ریزی نماید.

 

 نویسنده : سعید فرخی ، عضو گروه کوانتس دانشگاه تهران

در جایی پایه و اساس Data mining به دو مقوله آمار و هوش مصنوعی تقسیم شده است که روشهای مصنوعی به عنوان روشهای یادگیری ماشین در نظر گرفته می شوند. فرق اساسی بین روشهای آماری و روشهای یادگیری ماشین[1] بر اساس فرضها و یا طبیعت داده هایی که پردازش می شوند. به عنوان یک قانون کلی فرضها تکنیکهای آماری بر این اساس است که توزیع داده ها مشخص است که بیشتر موارد فرض بر این است که توزیع نرمال است و در نهایت درستی یا نادرستی نتایج نهایی به درست بودن فرض اولیه وابسته است.در مقابل روشهای یادگیری یادگیری ماشین از هیچ فرض در مورد داده ها استفاده نمی کند و همین مورد باعث تفاوتهایی بین این دو روش می شود. 

بانک ABN-AMRO یکی از بزرگترین بانک های اروپا و متعلق به کشور هلند، با استفاده از بخش بندی مشتریان خود،ماتریسی به صورت زیر برای استراتژی بازاریابی خود طراحی نموده است: 

مشتریان اختصاصی و مدیریت دارایی ها

مصرف کنندگان و مشتریان تجاری

عمده فروشان

 

تمرکز بر جمع آوری دارایی ها و فعالیت های محرمانه بانک

تمرکز بر مشتریان مصرف کننده و با اندازه متوسط

مشتریان جهانی و فعالیت های سرمایه گزاری بانک در بخش بین الملی و خدمات عمومی

طبقه مورد نظر در بخش بندی انجام شده

مشاوره سرمایه گزاری

مدیریت سبد دارایی ها

صندوق های سرمایه گزاری

طرح ریزی

-تولیدات و سرویس های خرد و کوچک

درامد ثابت

مبادله ارز

تسهیلات

خدمات گردش مالی

مشارکت در تامین مالی پروژه ها

مشاوره تامین مالی

سهام

درآمد ثابت

مبادله ارز

سرمایه در گردش

تولیدات و سوریس های پیشنهادی

 

ریاست محترم جمهور کشور در اجلاس روسای دانشگاه های کشور خطاب به رؤساي دانشگاه،  اساتيد و شرکت کنندگان در اين مراسم اظهار کرد: آيا دانشگاه نمي خواهد در گرفتاري هاي مردم و مشکلات آنها و بحث محيط زيست و هواي آلوده ورود پيدا کند؟ من نمي گويم تحقيقات بنيادين انجام ندهيد، ولي برخي از تحقيقات مورد نياز جامعه يک ضرورت و وظيفه است. امروز در هر استاني دانشجويان و دانشگاه بايد جهاني بينديشند اما به صورت علمي و محلي عمل کنند. همه اش به فکرآی اس آیو امتياز نباشيم. رها کنيد اين شرک ها را و به فکر ملت و کشور باشيم. زنجيره علم در کشور را کامل کنيم، چراکه مقاله به تنهايي به درد نمي خورد. مقاله بايد به زندگي مردم بيايد مردم چشم اميد به شما دارند.

گروه مطالعات کمی و هوشمند سازی دانشگاه تهران، از مدت ها پیش به ندای ریاست محترم جمهور لبیک گفته و قدم دراین مسیر سخت و پر زحمت نهاده است

صفحه1 از3