تعيين سياست وارانتي با استفاده از قوانين انجمني در داده‌كاوي (مطالعه موردي: شركت توليدي تجهيزات الكترونيكي)

Warranty Policy Determination using Data-Mining Association Rules (Case study: Electronic Facilities Company)

امروزه پيشنهادهاي وارانتي متنوعي از سوي توليدكنندگان ارائه مي‌شود.با بهترشدن سياست وارانتي، هزينۀ آن براي توليدكننده افزايش مي‌يابد؛ بنابراين براي تعيين سياست وارانتي روشي نياز است كه بر اطلاعات واقعيِ قابليت اطمينان، شرايط خرابي و تعميرِ محصول تكيه كند. براي اين منظور در اين مقاله از روش داده‌كاوي استفاده شده است. به اين صورت كه نمونه‌اي پنج‌ساله از داده‌هاي وارانتي شركت توليدي تجهيزات الكترونيكي (كه مشتمل بر 3500 خرابي محصولات است) با استفاده از قواعد انجمني، كاوش و الگوهاي با معني ميان آنها استخراج شده است. از ميان قوانين و الگوهاي كشف‌شده، برخي توصيف بهتري از ارتباط بين محصولات و شرايط خرابي و تعمير آنها ارائه مي‌دهند؛ بنابراين با استفاده از دانش به‌دست‌آمده از آنها، سياست وارانتي 24 محصول مختلفِ شركت تعيين شده است. نتايج اين پژوهش به كاهش هزينه‌هاي وارانتي از طريق بهينه‌كردن تصميمات سياست‌هاي وارانتي كمك مي‌كند.

Nowadays, varieties of warranties are presented by manufacturers. Improving the warranty policy imposes some costs on the producers. As a result, one needs to rely on factual and reliable data as well as the data on defects and repair when it comes to making warranty policy. To this end, this study uses data mining method. That is, an electronic equipment company's warranty data including 3500 defects reports within a 5-year period sample were mined, using association rules. This yielded significant patterns based on the data. Out of total derived rules and patterns, some rules describe the associations between the products and their defects and repairs better than others. So, having these information, we could determine the warranty policy for 24 products. The findings of this study can reduce warranty costs via optimization of warranty policies decisions.