چکیده:
امروزه بانک ها و موسسات مالی و اعتباری برای افزایش سود، کاهش هزینه، رقابت با رقبا، جذب مشتریان وافزایش بهره وری در تلاش هستند. یکی از عواملی که به عملی کردن این استراتژی ها کمک می کند مکان یابیبهینه شعب می باشد. این تحقیق با هدف مکان یابی شعب جدید بانک مهر اقتصاد در منطقه یک شهر تهران انجام گرفته است. از آنجا که تمرکز مراکز خدماتی از جمله بانکها بر بیشترین سرویس دهی و یا در صورتامکان سرویسدهی کامل خدمات به مشتریان است از بین تمامی مدلهای پوشش، مدل حداکثر پوشش بهعنوان بهترین گزینه برای مکانیابی شعب بانک انتخاب شده است. برای این منظور ابتدا ادبیات مکانیابیشعب بانک، سیستم اطلاعات جغرافیایی (GIS) و مساله مکانیابی حداکثر پوشش (MCLP) بررسی شدند.سپس محقق از طریق مطالعات کتابخانه ای و مصاحبه با کارشناسان به شناسایی معیارها و زیرمعیارهای موثر درمکانیابی شعب بانک پرداخت. وزن معیارها و زیرمعیارها با پخش کردن پرسشنامه بین مدیران بانک تعیین گردید. از سیستم اطلاعات جغرافیایی برای استخراج برخی از اطلاعات ورودی به مدل و از مدل حداکثرپوشش وزندار با در نظر گرفتن پوشش جزئی برای تعیین بهترین مکانها استفاده شد. مدل برنامه ریزی ریاضی با 393 متغیر صفر و یک، 122 محدودیت، 121 ناحیه تقاضا، 121 نقطه بالقوه، بافر 1111 متر، 𝜶 ،b=50% 𝜽 ، 8 و 31 شعبه )با دو سناریو مختلف( نوشته و در نرم افزار ، GAMS حل شد. واضح استکه با حل سناریو اول 8 و با حل سناریو دوم 31 مکان مناسب برای افتتاح شعبه به عنوان خروجی بدستخواهند آمد. امروزه بانکها و موسسات مالی و اعتباری برای افزایش سود، کاهش هزینه، رقابت با رقبا، جذب مشتریان و افزایش بهرهوری در تلاش هستند. یکی از عواملی که به عملی کردن این استراتژیها کمک میکند مکانیابی بهینه شعب میباشد. این تحقیق با هدف مکانیابی شعب جدید بانک مهر اقتصاد در منطقه یک شهر تهران انجام گرفته است. از آنجا که تمرکز مراکز خدماتی از جمله بانکها بر بیشترین سرویسدهی و یا در صورت امکان سرویسدهی کامل خدمات به مشتریان است از بین تمامی مدلهای پوشش، مدل حداکثر پوشش به عنوان بهترین گزینه برای مکانیابی شعب بانک انتخاب شده است. برای این منظور ابتدا ادبیات مکانیابی شعب بانک، سیستم اطلاعات جغرافیایی (GIS) و مساله مکانیابی حداکثر پوشش (MCLP) بررسی شدند. سپس محقق از طریق مطالعات کتابخانهای و مصاحبه با کارشناسان به شناسایی معیارها و زیرمعیارهای موثر در مکانیابی شعب بانک پرداخت. وزن معیارها و زیرمعیارها با پخش کردن پرسشنامه بین مدیران بانک تعیین گردید. از سیستم اطلاعات جغرافیایی برای استخراج برخی از اطلاعات ورودی به مدل و از مدل حداکثر پوشش وزندار با در نظر گرفتن پوشش جزئی برای تعیین بهترین مکانها استفاده شد. مدل برنامهریزی ریاضی با 363 متغیر صفر و یک، 122 محدودیت، 121 ناحیه تقاضا، 121 نقطه بالقوه، بافر 1000 متر، =.، b=50%، = ، 8 و 30 شعبه (با دو سناریو مختلف) نوشته و در نرمافزار GAMS حل شد. واضح است که با حل سناریو اول 8 و با حل سناریو دوم 30 مکان مناسب برای افتتاح شعبه به عنوان خروجی بدست خواهند آمد.
Nowadays banks، credit and financial institutions are trying to increase profits، reduce costs، compete with rivals، attract customers and increase productivity. One of the factors that contributes to the implementation of these strategies is the optimum locations of branches. Locating the new branches of Mehr Eghtesad bank in the region 1 in Tehran city is the aim of this research. Since the focus of service centers such as banks is on maximal or full service to customers، among the all the covering models، Maximal Covering Location model is chosen as the best option to locate the new bank branches. To this end، related literature about locating bank branches، Geographical Information system (GIS) and maximal covering location problem (MCLP) examined. Then، through library Studies and interviewing with managers and experts، the researcher chose effective criteria and sub criteria for locating bank branches. The weights of criteria and sub criteria were determined through filling the questionnaires by managers. GIS used to extract some input data for the model and weighted maximal covering model (MCLM) with partial covering used to choose the best locations. Mathematical programming model formulated with 363 binary variables، 122 constraints، 121 demand areas، 121 potential points، the 1000 m buffer، α = 0.75، b = 50%، θ = 2 and s= 8 & 30 branches (with two different scenarios) and solved with GAMS optimization software. It is clear that by solving the first scenario، eight suitable locations and second scenario thirty suitable locations to open new branches will be generated.
خلاصه ماشینی:
استفاده از مدل حداکثر پوشش وزندار با پوشش جزئی و سیستم اطلاعات جغرافیایی در مکانیابی شعب بانک علی محقر 1 ، سارا آریائی 2 ،جلیل حیدری دهویی 3 آرا تومانیان 4 تاریخ دریافت:29/11/94 - تاریخ پذیرش:19/11/95 چکیده امروزه بانکها و موسسات مالی و اعتباری برای افزایش سود، کاهش هزینه، رقابت با رقبا، جذب مشتریان و افزایش بهرهوری در تلاش هستند.
الکساندریس و گیانیکس (2010) یک مدل جدید برنامهریزی عدد صحیح بر اساس پوشش جزئی برای مکانیابی خدمتدهندهها (شعب بانک) در یک ناحیه تقاضا (جمعیت) ارائه کردهاند بهطوری که بیشترین تقاضای ممکن پوشش داده شود.
Tabu Search Algorithm seminal covering models extensions gradual coverage cooperative coverage variable radius coverage الکساندریس و گیانیکس (2010) یک مدل جدید برنامهریزی عدد صحیح بر اساس پوشش جزئی 1 برای مکانیابی خدمت دهندهها در یک ناحیه تقاضا ارائه کردهاند بهطوری که بیشترین تقاضای ممکن پوشش داده شود (Alexandris & Giannikos, 2010).
اسچمیر و دوارنر (2010) برای مدل جایابی مراکز اورژانس مدلی چند زمانه ارائه دادهاند که در آن مدت و زمان پیموده شده بهوسیله آمبولانس در مناطق مختلف متغیر بود، در این مدل مکان آمبولانس طوری تعیین شد که از یک منطقه، پوشش استاندارد را بهطور قطعی پشتیبانی کند (Schmid & Doerner, 2010).
در نتیجه اگر مرکز ثقل یک ناحیه خاص داخل محدوده خدمت حداقل یک خدمت دهنده (شعبه بانک) باشد، کل ناحیه پوشش داده شده در نظر گرفته میشود در صورتی که ممکن است این طور نباشد (شکاف پوشش) (Alexandris & Giannikos, 2010).