دانلود مقاله ISI انگلیسی شماره 134516
ترجمه فارسی عنوان مقاله

بهینه سازی طراحی محدوده برای طرح فروش کسب و کار

عنوان انگلیسی
Territorial design optimization for business sales plan
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
134516 2018 7 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Journal of Computational and Applied Mathematics, Available online 1 March 2018

ترجمه کلمات کلیدی
طراحی سرزمین، روش های پیش بینی، بهینه سازی، برنامه ریزی، مسیریابی
کلمات کلیدی انگلیسی
Territory design; Projection methods; Optimization; Scheduling; Routing;
ترجمه چکیده
قلمرو طراحی شده، پوشش مشتری را افزایش می دهد، فروش را افزایش می دهد، عملکرد عادلانه و پاداش ها را افزایش می دهد و هزینه های سفر را کاهش می دهد. این مقاله یک مطالعه موردی واقعی زندگی برای طراحی قلمرو فروش برای یک طرح فروش تجاری را در نظر می گیرد. طرح کسب و کار شامل تعیین مقدار مطلوب فروشندگان به یک قلمرو شامل برنامه های برنامه ریزی و مسیریابی برای هر فروشنده می باشد. این مشکل به عنوان ترکیبی از مدلهای بهینه سازی اختصاص داده شده، برنامه ریزی و مسیریابی صورت می گیرد. رویکرد راه حل، یک روش پیش بینی تصادفی استراتژیک برای سیستم های بزرگ را استفاده می کند. چندین نمونه واقعی از اندازه های مختلف با داده های تصادفی برای نشان دادن افزایش / کاهش تقاضای مشتری و نیز ظاهر / از دست دادن مشتریان آزمایش شده اند.
پیش نمایش مقاله
پیش نمایش مقاله  بهینه سازی طراحی محدوده برای طرح فروش کسب و کار

چکیده انگلیسی

A well designed territory enhances customer coverage, increases sales, fosters fair performance and rewards systems and lower travel cost. This paper considers a real life case study to design the sales territory for a business sales plan. The business plan consist of assigning the optimal quantity of sellers to a territory including the scheduling and routing plans for each seller. The problem is formulated as a combination of assignment, scheduling and routing optimization models. The solution approach considers a meta-heuristic using stochastic iterative projection method for large systems. Several real life instances of different sizes were tested with stochastic data to represent raise/fall in the customers demand as well as the appearance/loss of customers.