Inteligentny system hybrydowy -...
Transcript of Inteligentny system hybrydowy -...
Politechnika Poznańska
Wydział Inżynierii
Zarządzania
Inteligentny system hybrydowy
zarządzania logistyką
zaopatrzeniową
Rozprawa doktorska
Promotor: prof. dr hab. inż.
Leszek Pacholski
Promotor pomocniczy:
dr inż. Agnieszka Stachowiak
Natalia Kubiak
Poznań, 2013
Szczególne podziękowania składam
promotorom
profesorowi Leszkowi Pacholskiemu
oraz doktor Agnieszce Stachowiak,
za poświęcony czas oraz cierpliwość.
Spis treści
1. Wprowadzenie ................................................................................................................ 5
1.1. Uzasadnienie podjęcia tematu .................................................................................. 5
1.2. Cel i zakres pracy ..................................................................................................... 7
1.3. Metodyka realizacji pracy ...................................................................................... 10
2. Bibliograficzne podstawy tematu .................................................................................. 13
2.1. Systemy logistyczne i zarządzanie logistyką ......................................................... 13
2.2. Systemy ekspertowe ............................................................................................... 20
2.3. Sieci neuronowe ..................................................................................................... 25
2.4. Problem komiwojażera............................................................................................ 37
3. Koncepcja systemu ........................................................................................................ 40
3.1. Zarządzanie logistyką zaopatrzeniową i dystrybucyjną .......................................... 40
3.2. Potencjalne korzyści i problemy ............................................................................ 42
3.3. Model jakościowy systemu .................................................................................... 44
3.4. Model ilościowy systemu ........................................................................................ 50
4. Aplikacyjny model zaopatrzeniowy ............................................................................... 56
4.1. Architektura systemu hybrydowego ....................................................................... 56
4.2. Analiza wyników działania sieci ............................................................................. 68
5. Podsumowanie i kierunki dalszych badań oraz aplikacji ............................................... 74
5.1. Dostosowanie aplikacji do ogólnej koncepcji systemu i możliwe ulepszenia ....... 74
5.2. Walidacja modelu systemu ..................................................................................... 79
Spis tabel i rysunków .......................................................................................................... 83
Literatura ............................................................................................................................. 85
1. Wprowadzenie
1.1 Uzasadnienie podjęcia tematu
Komputerowe wspomaganie ludzkiej działalności wykorzystywane jest
w najróżniejszych dziedzinach, a komputery i różnego rodzaju sterowniki można znaleźć
w obecnych czasach wszędzie – w gospodarstwie domowym, jak i w przedsiębiorstwie,
a dokładniej w obszarach szeroko rozumianego zarządzania i sterowania procesami
technologicznymi [Domínguez 2004, s. 281]. Powszechne zastosowanie komputerów
w gospodarce krajów wysoko rozwiniętych jest poważnym źródłem dochodów krajowych,
a ponadto warunkiem sprawnego funkcjonowania nowoczesnego społeczeństwa.
W gospodarce opartej na wiedzy sprawne zarządzanie przedsiębiorstwem zależy od
umiejętności wykorzystania nowoczesnych technologii i systemów informatycznych [Lenart
2010, s. 318], w których sztuczna inteligencja i systemy eksperckie są coraz powszechniej
stosowane [zob. Zieliński 2000, s. l1; Coyle 2007, s. 523; Szczerbicki 1999, s. 1055-1060;
Kubiak M. 2006, s. 35].
Według Zielińskiego systemy informacyjne zarządzania (SIZ) stanowią podklasę
systemów służących wspomaganiu zarządzania organizacją gospodarczą, realizowanego
poprzez funkcję planowania, organizowania, motywowania, kontrolowania i koordynacji,
a zarządzanie jest ciągłym procesem podejmowania decyzji, wymagającym odpowiednio
przygotowanych i przetworzonych informacji [Zieliński 2000, s. 13]. Należy podkreślić, że
jedynie sieć komputerowa zapewnia odpowiednie pozyskanie, gromadzenie i transmisję
informacji oraz możliwość zastosowania zintegrowanego oprogramowania wspomagającego
zarządzanie na poziomie całego przedsiębiorstwa [Bendkowski 2005, s. 54], które
przykładowo ułatwi zamawianie pozycji materiałowych lub wesprze kontrolę przepływu
wytwarzanego produktu albo wysyłkę i zarządzanie środków finansowych przedsiębiorstwa
[zob. Golińska 2011, s. 4335], jak i diagnostykę ergonomiczną w przedsiębiorstwie
[Pacholski 1998, s. 715-728]. Systemy zarządzania bazami danych, wykorzystywane są we
wszystkich niemal systemach informatycznych wspierających działalność człowieka [Bach
2006, s. 247] i stanowią jedno z pierwszych zastosowań systemów sztucznej inteligencji
[Flasiński 2011, s. 233].
Informacja, która powstaje po przetworzeniu danych musi dotyczyć badanego
zagadnienia, być przekazywana w taki sposób, aby móc wykorzystać ją przy podejmowaniu
decyzji oraz w odpowiednim czasie oraz miejscu w czytelnej i przejrzystej formie, aby
ułatwić jej zrozumienie. Uważa się [patrz Wierzbicki 1986, s. 80], że głównym zadaniem
informatyki, a tym samym i programów komputerowych, w zarządzaniu jest sprawne
(szybkie, niezawodne i nieangażujące nadmiernych środków) uzyskanie przydatnej
informacji, czyli takiej która jest prawdziwa, o odpowiedniej dokładności, odpowiednio
wyselekcjonowana i zgrupowana [Januszewski 2008, s. 14-16]. Często informacja ta jest
generowana na podstawie innej, wcześniej wygenerowanej informacji [Oleński 2003, s. 90].
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 6
Między innymi właśnie ze względu na złożoność procesu gromadzenia, przetworzenia
i transmisji danych, ale również ze względu na ogrom dostępnej informacji można
powiedzieć, że o efektywności zarządzania w dużym stopniu przesądza sprawnie
funkcjonujący i dostosowany do potrzeb system informacyjny [Zieliński 2000, s. 13], który
stał się nieodłącznym i nieodzownym elementem infrastruktury systemów logistycznych
[Gołembska 2010, s. 167], dlatego systemy informacyjne należą do najważniejszych,
najliczniejszych i najbardziej rozwijających się systemów informatycznych [Bubnicki 2005,
s. 11].
Autorka miała możliwość zaobserwowania zastosowania różnorodnych systemów
informatycznych i niestety często ich niedopasowania do rzeczywistości, w trakcie
wieloletniej pracy w obszarze logistyki firm produkcyjnych z różnych sektorów gospodarki.
Wielokrotnie prace nad nowym systemem informatycznym, dostosowanym do nowych
warunków zewnętrznych i wewnętrznych, trwają latami i nim system zostanie wdrożony,
przestaje być adekwatny do aktualnej sytuacji gospodarczej. Dlatego właśnie zastosowanie
odpowiedniego systemu informatycznego w przedsiębiorstwie jest tak istotne.
Potwierdzeniem spostrzeżeń autorki jako pracownika, a przez to i ogniwa systemu
logistycznego, może być fakt, iż występują takie definicje logistyki, które bezpośrednio
odnoszą się do systemów informatycznych. Przykładowo P. Blaik pojęcie logistyki pojmuje
jako zintegrowane systemy planowania, organizowania, kierowania i kontrolowania procesów
fizycznego obiegu towarów i ich informacyjnych uwarunkowań, w aspekcie optymalizacji
realizowanych działań i celów [Kubicki 2000, s. 32].
Integracja i podejście systemowe (czyli systemowe podejmowanie decyzji w ramach
wyznaczonych zasad [Frąś 2008, s. 150]) są charakterystyczne dla logistyki. R. Rupper
i R. Scheuchzer utożsamiają nawet pojęcie „logistyki” z teorią systemów obejmującą
wszystkie te procesy, które służą pokonaniu przestrzeni i czasu przez dowolne przedmioty
[Kubicki 2000, s. 33], co pokazuje, że podejście to jest również bardzo istotne. Z tego
względu według Fijałkowskiego pojęcie logistyki obejmuje badanie, projektowanie
i eksploatację systemów i procesów logistycznych, posługując się przy tym różnymi
dyscyplinami nauki i dziedzinami techniki [Fijałkowski 2003, s. 168].
Dziedzina nauki, która będzie wykorzystana w niniejszej pracy do optymalizacji
systemów i procesów logistycznych, to sztuczna inteligencja (ang. Artificial Intelligence,
skrótowo oznaczana przez AI), czyli dziedzina informatyki dotycząca metod i technik
wnioskowania symbolicznego przez komputer oraz symbolicznej reprezentacji wiedzy
stosowanej w takim wnioskowaniu. AI to:
(1) dział informatyki, sprawiający, że maszyny wykonują czynności, które wymagałyby
użycia inteligencji, gdyby wykonywali to ludzie [Zieliński 2000, s. 24],
(2) rozwój systemów komputerowych, które realizują funkcje zwykle wykonywane przez
człowieka, czyli obejmujące te metody programowania komputerów, które powodują
zachowanie się komputera zbliżone do sposobu myślenia ludzkiego [Kwiatkowska
2007, s. 72].
1. Wprowadzenie Strona | 7
Podstawową cechą programów sztucznej inteligencji to zbiór umiejętności
umożliwiających racjonalne wykorzystanie zdobytej wiedzy i udana (czyli przynosząca
korzyści) reakcja na nowe zadania i warunki. Dzięki temu AI posiada ważne zalety, m.in.
zdolność do analizowania i uogólniania, jak i umiejętność rozpoznawania obserwowanego
fragmentu rzeczywistości [Pacholski 2006, s. 219-220].
Dodatkowo warto wspomnieć, że sztuczna inteligencja korzysta z inspiracji
biologicznych, psychologicznych, statystycznych, matematycznych, logicznych,
informatycznych i wielu innych [Bednarek 2006, s. 344].
Zastosowanie elementów AI w tej pracy jest podyktowane faktem, iż są to programy
uczące się i dostosowujące do zmieniającej się rzeczywistości w sposób dynamiczny bez
konieczności zmiany struktury programu przez osobę projektującą system informatyczny, co
doskonale wpasowuje się w wymagania współczesnego środowiska biznesowego.
1.2 Cel i zakres pracy
Głównymi czynnikami wpływającymi na cenę produktu finalnego są koszty powstałe
w obszarach zaopatrzenia, transportu, produkcji, dystrybucji i z tego względu są one
racjonalizowane przez przedsiębiorstwa [zob. Fijałkowski 2003, s. 165-168].
W niniejszej pracy będą rozpatrywane i optymalizowane koszty powstałe w w/w
obszarach (oprócz produkcji i dystrybucji). Do ich racjonalizowania zastosowany zostanie
system informatyczny oparty na elementach sztucznej inteligencji, który w dużej mierze
będzie dostosowywał proces transportu do aktualnej sytuacji zaopatrzeniowej, tak by
maksymalnie skrócić czas oczekiwania na dostarczenie potrzebnego towaru oraz
maksymalnie wykorzystać przestrzeń ładunkową środka transportu.
Z doświadczenia autorki wiadomo, że te dwa czynniki – krótki czas transportu oraz
maksymalne wykorzystanie powierzchni ładunkowej – są czynnikami w wielu przypadkach
wzajemnie sprzecznymi, pozostającymi w relacji trade-off, przy optymalizacji kosztów
transportu. Często uzupełnianie powierzchni ładunkowej odbywa się poprzez zwiększenie
liczby punktów odbiorów na trasie lub przez tworzenie tzw. punktów konsolidacyjnych.
Skutkiem ubocznym takiego rozwiązania jest wydłużenie czasu transportu.
Trzeba pamiętać, iż często przewoźnik dużo czasu traci w oczekiwaniu na załadunek
lub rozładunek. Oczywiście ta strata czasu jest w dużej mierze uzależniona od infrastruktury,
jaką posiada firma, u której załadunek się odbywa i jest to aspekt jest w dużej mierze
indywidualny. Z tego też względu, iż istotny jest czas transportu, wspomniane opóźnienia
będą uwzględniane przez system [Kubiak N. 2013’, s. 731].
Optymalizacja kosztów transportu jest m.in. możliwa poprzez wprowadzenie
transportów bezpośrednich z udziałem tylko jednego dostawcy. Warto zauważyć, że bardzo
często wybór takiego dostawcy odbywa się na podstawie danych historycznych, czyli na
podstawie dotychczasowej współpracy i dotychczasowego zapotrzebowania na pozycje
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 8
materiałowe. Dzieje się tak, ponieważ raz przeanalizowany system logistyczny i procesy są
rzadko analizowane ponownie w krótkim odstępie czasu. Zatem analiza dotyczy przeszłości,
teraźniejszości i w wąskiej mierze przyszłości (na podstawie prognozy krótkoterminowej),
a następnie sytuacja gospodarcza się zmienia i w konsekwencji analiza przestaje być
adekwatna do aktualnych warunków. Jeśli dokonywana jest ponowna analiza, to aktualizacja
wyboru firmy, która uczestniczy w transporcie bezpośredni, nie odbywa się za często, raczej
szukana jest nowa firma, od której mogłyby być realizowane odbiory bezpośrednie,
a dotychczasowa firma pozostaje w organizacji transportu sprzed analizy. Może wystąpić
zatem taka sytuacja, w której transport był opłacalny przez określony czas, lecz nawet po
niewielkich zmianach w sytuacji gospodarczej, kiedy to firma, aby się do niej dostosować,
zmienia swój profil działalności a transport bezpośredni przestaje być wtedy opłacalny.
Ponadto często niestety w takich przypadkach osoby odpowiedzialne za transport tego nie
zauważają lub aktualizacja odbywa się z pewnym opóźnieniem w stosunku do zmian, gdyż
aktualizacje podsystemu wykonuje dział, który nie zadecydował o zmianie profilu,
a narzuconym przez kierownictwo lub kadrę zarządzającą. Przy gwałtownych zmianach taki
przypadek nie zaistnieje, lecz drobne zmiany w profilu działalności mogą zostać nie
zauważone przez pozostałe działy w firmie.
Dodatkowo warto zauważyć, iż zmiany takie w dynamicznie zmieniającym się
otoczeniu przedsiębiorstwa są zjawiskiem powszechnym i nieuniknionym, a związane z nimi
zmiany w systemach logistycznych są wymuszone. Przyczyny utraty przez przedsiębiorstwo
zdolności do generowania zysku wynikają zwykle właśnie ze zmian zachodzących na rynku
i mają obiektywny charakter [Pacholski 2009, s. 6] a firmy zmuszone są do szybkiego
dostosowywania istniejących procesów do nowych warunków funkcjonowania [Dudek 2010,
s. 269]. Przedsiębiorstwa, aby utrzymać się na rynku muszą ustawicznie zmieniać i rozwijać
metody zarządzania logistycznego, co jest koniecznością w dążeniu do poprawy jakości
obsługi klienta. Oznacza to, że muszą poszukiwać nowych rozwiązań. Projektowanie
i wdrażanie nowych kierunków zmian przyniesie na pewno zyski dla przedsiębiorstwa
[Kubiak M. 2006, s. 43], szczególnie takiego, które uwzględnia wszelkie dokonywane zmiany
w samej firmie i jej otoczeniu, co stanowi ważny aspekt, przewidywany również w koncepcji
systemu hybrydowego.
Potrzeba optymalizacji transportu w zaopatrzeniu jest ponadto istotna z dwóch
powodów:
droga, jaką towary i usługi muszą pokonać od ich wytwórców do finalnych
konsumentów, jest coraz dłuższa, gdyż większość firm w poszukiwaniu oszczędności
przenosi swoje zakłady w odległe miejsca świata – z dala od głównych skupisk
konsumentów [Golińska 2010, s. 132] oraz
czas zaczął być traktowany jako główne źródło przewagi konkurencyjnej,
a skrócenie czasu realizacji zamówienia złożonego przez klienta umożliwi
zmniejszenie zapasów i kosztów składowania u tego klienta, co przyczyni się do
zwiększenia wartości dodanej tworzonej w łańcuchu dostaw [Coyle 2007, s. 41].
1. Wprowadzenie Strona | 9
Najprostszym sposobem na zaoszczędzenie czasu to krótszy i wydajniejszy (a dzięki
temu tańszy) transport.
Często w logistyce mamy do czynienia z rozwiązaniami, których podstawowym celem
jest maksymalne wykorzystanie przestrzeni ładunkowej pojazdu przewożącego towar. Dzieje
się to jednak zazwyczaj poprzez uzupełnienie wolnej przestrzeni towarami, które powinny
być dostarczone w następnej kolejności (czyli w późniejszym terminie) i tylko dla jednego,
wybranego na podstawie danych historycznych, dostawcy. Skutkiem takiego postępowania
jest zmniejszenie kosztów transportu, ale niestety kosztem zwiększenia związanego kapitału
oraz zwiększenia zapotrzebowania na powierzchnię magazynową, w której gromadzone są
zapasy dla późniejszego ich wydawania według potrzeb produkcji [Dudziński 2003, s. 15].
Dzieje się tak, ponieważ zapasy są następstwem trudności zapewnienia pełnej synchronizacji
dostaw i zużycia [Krzyżaniak 2008, s. 27]. Każda firma starająca się o zmniejszenie kapitału
ulokowanego w zapasach, utrzymywanych w magazynie raczej zainwestuje w szybszy
transport, aby zamrożone w zapasach środki pieniężne wykorzystać na inne cele. Z drugiej
strony takie rozwiązanie bazuje zazwyczaj na danych archiwalnych, gdyż na ich podstawie
wybierany jest dostawca, którego ta procedura będzie obowiązywać. Takie postępowanie
wydaje się być mało efektywne. Dlatego też staje się widoczne, że rozwiązania tego typu są
potrzebne, lecz przy zmienionych założeniach.
Aby jednak zaproponować odpowiedni dla przedsiębiorstwa system informatyczny
należy zbadać system logistyczny firmy, gdyż analiza i optymalizacja procesów pozwala
ustalić najlepszą konfigurację działań realizowanych przez przedsiębiorstwo i jego partnerów,
a tym samym pozwalająca uzyskać konkurencyjną przewagę na rynku [Jelonek 2010, s. 309].
Tym właśnie zagadnieniem, tzn. projektowaniem nowych i analizowaniem istniejących
systemów logistycznych, zapewniających realizację celów głównych, takich jak: produkcja,
handel, operacje militarne, lecznictwo szpitalne oraz, w szczególnym przypadku, usługi
logistyczne, zajmuje się logistyka stosowana [Fijałkowski 2003, s. 169].
Celem tej pracy jest stworzenie takiego inteligentnego system hybrydowego, który na
podstawie danych wejściowych poda propozycję przebiegu trasy odbioru towaru od
różnych dostawców. Podczas podawania tej propozycji uwzględniona będzie łączna
odległość, jaką musiałyby pokonać wszystkie pojazdy transportowe, aby odebrać towar od
dostawców, która ma być minimalna oraz łączna wykorzystana powierzchnia
ładunkowa poszczególnych pojazdów, która będzie maksymalizowana. Dodatkowo
system ten będzie zmieniał trasy odbioru towarów w zależności od zmiany wielkości tych
ładunków, czy zmiany informacji o infrastrukturze logistycznej dostawcy. Dzięki temu
system będzie wrażliwy na jakiekolwiek zmiany w otoczeniu przedsiębiorstwa, jak i w samej
firmie.
Teoretyczna analiza sytuacji logistycznej w fikcyjnym przedsiębiorstwie
produkcyjnym będzie realizowana w niniejszej pracy przez zastosowanie sieci neuronowej
i systemów eksperckich i dla takiego przedsiębiorstwa będzie zaproponowany inteligentny
system hybrydowy zarządzania logistyką zaopatrzeniową.
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 10
1.3 Metodyka realizacji pracy
Narzędziem wykorzystanym w pracy do analizy sieci logistycznej oraz procesów
logistycznych jest sieć neuronowa połączona z trzema systemami eksperckimi. Taki wybór
nie jest przypadkowy, gdyż sztuczne sieci neuronowe zdobyły szerokie uznanie w świecie
nauki poprzez ich zdolność do łatwego adoptowania do rozwiązywania różnorodnych
problemów obliczeniowych w nauce i technice. Mają własności pożądane w wielu
zastosowaniach praktycznych, tzn. możliwość uczenia się i adaptacji do zmieniających się
warunków środowiskowych, zdolność generalizacji nabytej wiedzy, i dzięki temu łatwość
dostosowywania się do zmieniającego otoczenia [Osowski 2006, s. 7]. Dzięki dynamicznemu
rozwojowi informatyki, powstaniu coraz szybszych i bardziej niezawodnych komputerów
wykorzystanie sztucznych sieci neuronowych jest możliwe na szerszą skalę [Tarczyński 2011,
s. 54; zob. Pawłyszyn 2010’, s. 191-202].
Dodatkowo należy zauważyć, iż zainteresowanie sztucznymi sieciami neuronowymi
jest bardzo powszechne w środowiskach zarówno neurobiologów, fizyków,
matematyków, jak i inżynierów [zob. Krzyśko 2008, s. 187]. Wynika ono z potrzeby
budowania bardziej efektywnych oraz niezawodnych systemów przetwarzania informacji,
wzorujących się na metodach jej przetwarzania w komórkach nerwowych. O intensywności
prowadzonych na świecie badań nad sztucznymi sieciami neuronowymi zarówno z punktu
widzenia teorii, jak i zastosowań świadczy lawinowo narastająca liczba publikacji
książkowych, powstanie nowych czasopism naukowych, organizacja konferencji i kongresów,
a także liczne oprogramowanie profesjonalne i dydaktyczne [Korbicz 1994, s. 7- 8].
Sieci neuronowe można traktować jako nowoczesne systemy obliczeniowe, które
przetwarzają informację wzorując się na zjawiskach zachodzących w mózgu człowieka.
Informacje te mają charakter danych numerycznych, na podstawie których sieć neuronowa
może np. posłużyć jako model obiektu o zupełnie nieznanej charakterystyce [Rutkowska
1999, s. 16-17].
Uniwersalność i dynamika sieci neuronowych przyczyniają się do ich szerokiego
zastosowania, a także ogromnej liczby publikacji naukowych, jakie ukazują się na ten temat
na świecie i w niezliczonych konferencjach, na których prezentowane są wyniki prac
naukowych i prób zastosowań, ale także znajduje swój wyraz w wzrastającej liczbie
uczonych, którzy uważani są za autorytety w tej dziedzinie.
Ponadto wybór sieci neuronowych był podyktowany faktem, iż jest to narzędzie
odmienne w swoich założeniach od tych programów komputerowych, którymi posługujemy
się na co dzień, a jednocześnie wygodnym i wydajnym. Zalety praktyczne sieci neuronowych
wynikają z ich dwóch podstawowych atutów [Tadeusiewicz 1993, s. 6; Barzykowski 2004,
s. 218]:
stanowią wygodną i tanią propozycję wieloprocesorowego systemu o bardzo wielu
elementach przetwarzających równolegle dostarczane informacje oraz dodatkowo
1. Wprowadzenie Strona | 11
nie wymagają specjalistycznego programowania.
Porównując sieci neuronowe - należące do elementów sztucznej inteligencji - do
tradycyjnych programów, otrzymujemy następujące zestawienie (w tabeli poniżej).
Różnice, zawarte w Tabeli 1 są istotne, gdyż w dalszej części będzie przedstawiony
system hybrydowy, który będzie zachowywał w/w zalety. System ten będzie składał się
z sieci neuronowej oraz kilku systemów eksperckich, których zadaniem będzie
minimalizowanie w/w wad oraz dostarczanie danych aktualizujących sieć neuronową. Dzięki
takiemu rozwiązaniu zapewniona będzie ciągła aktualizacja systemu i tym samym,
w przekonaniu autorki, zapewni dużą efektywność jego działania.
Tab. 1. Porównanie programów sztucznej inteligencji z tradycyjnymi programami
[na podst. Zieliński 2000 i Pacholski 2012].
Ze względu na fakt, iż praca ta porusza zagadnienia, które w pewnym stopniu są
analogiczne do występujących w problemie komiwojażera, topologia sieci neuronowej oparta
będzie na metodzie rozwiązywania tego zagadnienia przy użyciu właśnie sieci neuronowej.
Dodatkowo jeden system ekspercki dokona wstępnego grupowania danych
przetwarzanych następnie przez sieć neuronową, a przez to spowoduje, iż otrzymana
propozycja będzie optymalna.
Według Zielińskiego taki wybór elementów inteligentnego systemu jest korzystny,
ponieważ wydaje się, że największe efekty osiągnie się przez zastosowanie hybrydowych
konstrukcji wykorzystujących odmienne technologie sztucznej inteligencji [Zieliński 2000,
s. 344].
W celu dokładniejszego wyjaśnienia istoty całego systemu hybrydowego przybliżone
zostaną wpierw podstawowe definicje systemów logistycznych, zarządzania logistyką, ze
szczególnym zaakcentowaniem zagadnień zarządzania logistyką zaopatrzeniową oraz
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 12
podstawowe definicje związane z systemami ekspertowymi, sieciami neuronowymi wraz
z jednym typem sieci, będącym elementem składowym systemu hybrydowego. W ten sposób
nakreślone zostaną podstawowe pojęcia ważne dla zrozumienia istoty rozpatrywanego
systemu, aby móc w dalszej części przedstawić jego koncepcję wraz z wynikami
przeprowadzonych testów oraz sformułowane zostaną wnioski i kierunki dalszych badań.
Tak poniższa praca jest ukształtowana pod względem merytorycznych, pod względem
metodologicznym natomiast praca oparta jest na książce [Mendel 2009].
Prace nad systemem przebiegały zgodnie z następującym harmonogramem:
1. Analiza dostępnej literatury na temat zastosowania inteligentnych systemów
hybrydowych w logistyce i transporcie.
2. Stworzenie ogólnej koncepcji systemu hybrydowego.
3. Analiza sieci neuronowych zastosowanych do różnego typu optymalizacji oraz ich
implementacji, w szczególności tych zastosowanych do rozwiązania zagadnienia
komiwojażera zaimplementowanych w różnych środowiskach programistycznych.
4. Wybór narzędzi informatycznych do stworzenia systemu.
5. Tworzenie topologii sieci neuronowej.
6. Implementacja programów w języku programowania.
7. Stworzenie modułu sprawdzającego dla wybranej liczby dostawców.
8. Selekcja danych do testów systemu.
9. Wprowadzenie danych do stworzonego systemu.
10. Próba stworzenia tras odbioru towarów i porównanie wyników z wynikami
otrzymanymi po zastosowaniu modułu sprawdzającego.
11. Oddanie pracy do recenzji.
2. Bibliograficzne podstawy tematu
2.1 Systemy logistyczne i zarządzanie logistyką
Aby dobrze zarządzać logistyką a szczególnie systemem logistycznym
z uwzględnieniem jego procesów należy wpierw zdefiniować czym jest logistyka, a następnie
czym jest system, proces logistyczny i zarządzanie.
Według R.D. Shapiro i J. Hesketta [Shapiro 1985, s. 6] przedmiotem logistyki jest
zapewnienie właściwego materiału, we właściwym stanie, we właściwym miejscu, we
właściwym czasie dla właściwego użytkownika i przy właściwym koszcie. Jest to tzw.
definicja „7R” (7 right). Mimo, że widoczne są w niej typowe dla logistyki czynniki:
przestrzeń, czas, jakość, klient i koszty, to definicja ta nie oddaje w pełni istoty logistyki,
a tylko zbiór jej zadań [zob. Kubiak M. 2006, s. 25].
Logistyka jest często definiowana jako kształtowanie optymalnych strumieni
materiałów i związanych z nimi strumieni informacji w celu zaspokojenia potrzeb
w rozpatrywanym obszarze, przy racjonalnych kosztach. Inaczej jest to dziedzina wiedzy
i umiejętności potrzebnych do kształtowania racjonalnych strumieni materiałów i związanych
z nimi strumieniami informacji oraz do projektowania (kształtowania i wymiarowania)
procesów przepływów materiałów i informacji, w celu zaspokojenia potrzeb
w rozpatrywanym obszarze, przy racjonalnych nakładach i kosztach.
Według CLM (Council of Logistics Management) logistyka jest procesem
planowania, realizacji i kontrolowania sprawnego, ekonomicznie efektywnego
przemieszczania i składowania surowców, półfabrykatów i wyrobów gotowych oraz
związanych z tym informacji, od punktu początkowego do punktu konsumpcji, w celu
zaspokojenia wymagań użytkownika (definicja ta została opublikowana w roku 1985).
Logistyka określana jest także jako koncepcja zarządzania procesami i potencjałem dla
skoordynowanej realizacji przepływów towarowych w skali przedsiębiorstwa i powiązań
między partnerami rynkowymi. Zorientowana na przepływy dóbr koordynacja polega przede
wszystkim na koordynacji podsystemów planowania, sterowania, realizacji i kontroli (od
sfery strategicznej do operacyjnej), jak również koordynacji dostawców, przedsiębiorstw
i nabywców. Logistyka integruje obecnie na coraz większą skalę procesy planowania
i sterowania, a także rozwija się jako instrument strategiczny. Szczególnego znaczenia nabiera
przy tym właśnie funkcja koordynacyjna, wpompowana integrująco w system przepływów
materiałów i towarów oraz w system zarządzania przedsiębiorstwem. Problem sprowadza się
m.in. do koordynacji (w sensie długoterminowym) styków funkcji i czynności logistycznych
z innymi funkcjami w przedsiębiorstwie oraz do koordynacji styków i tendencji w obszarze
celów i komponentów logistycznych w całym układzie rynkowym [Blaik 2010,
s. 54], czyli w całym systemie logistycznym przedsiębiorstwa i na jego styku z otoczeniem.
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 14
Ogólnie system jest odwzorowaniem właściwości elementów obiektu i powiązań
między elementami (właściwościami elementów) z punktu widzenia zdefiniowanego celu
badań. Oznacza to, że system to obiekt „wyodrębniony” z rzeczywistości, którego opis ma
postać relacji określonych na zbiorze wyróżnionych w obiekcie elementów, jak również
relacji „wiążących” elementy obiektu z otoczeniem. Wydzielenie systemu z istniejącej
rzeczywistości powoduje podział rzeczywistości na system i otoczenie [Jacyna 2009, s. 10].
Uzupełnieniem tej definicji jest przytaczana m.in. przez Kubiaka i Kirejczyka definicja, która
rozpatruje system jako zorganizowany zbiór elementów strukturalnych, powiązanych ze sobą,
współzależnych, i wykonujących oddzielne funkcje, ale w jednym wspólnym celu [Kubiak B.
1994, s. 49; Kirejczyk 2008, s. 33].
System logistyczny to podsystem w przedsiębiorstwie, który składa się ze środków
pracy, tj. maszyn i ludzi potrzebnych do przekształcenia obiektów, przy czym każdy system
logistyczny zawiera w sobie charakterystyczny przepływ informacji [Fijałkowski 2003,
s. 168].
Zadanie logistyczne polega na tym, aby w ramach danego systemu logistycznego
przekształcić potrzebną liczbę obiektów w wymaganym miejscu i czasie, przy minimalnych
kosztach [Fijałkowski 2003, s. 168].
System transportowy definiowany jest jako zespół składający się ze środków
transportowych, infrastruktury transportowej, ludzi odpowiedzialnych za funkcjonowanie
systemu transportowego oraz zasady i reguły, które są odpowiedzialne za przemieszczanie
osób i ładunków wraz z informacją o nich z punktów początkowych (nadania), poprzez
ewentualne punkty przeładunkowe, do punktów końcowych (odbioru) [Liberadzki 2006,
s. 517; Stajniak 2007, s. 9].
Przez pojęcie struktury systemu należy rozumieć sposób powiązania elementów
systemu.
Na ogół przyjmuje się, że system składa się z określonej liczby elementów i relacji,
ponadto każdy z elementów systemu opisany jest zbiorem cech (wartości cech dla różnych
elementów systemu mogą być różne). Zawsze można dobrać zbiór cech mierzalnych w pełni
charakteryzujących obiekt z punktu widzenia celu zaplanowanych badań [Jacyna 2009, s. 11].
Wychodząc z założenia, że system to zbiór elementów oraz zbiór relacji określonych
na jego elementach, strukturę systemu można przedstawić w postaci uporządkowanej pary
[Jacyna 2009, s. 11]:
,
dla której to zbiór wyróżnionych elementów w obiekcie, tj. [Jacyna 2009, s. 11]:
.
Zakładamy, że każdy element charakteryzuje się określonymi, kwantyfikowalnymi cechami,
a zatem element opisany jest wektorem cech o składowych ; , tj.:
2. Bibliograficzne podstawy tematu Strona | 15
,
gdzie jest zbiorem relacji określonych na elementach systemu oraz niektórych elementach
systemu i otoczenia
{ }
Posługiwanie się pojęciem systemu jest podporządkowane pewnym regułom, do
których zalicza się [Jacyna 2009, s. 14]:
1. Ścisłość – system powinien być tak określony, aby dokładnie było wiadomo, które
elementy należą do niego, a które do otoczenia.
2. Niezmienność – określenie systemu powinno pozostawać niezmienne w toku
rozważań, ponieważ niedopuszczalne jest, aby pewne elementy były traktowane raz
jako części systemu, a innym razem jako elementy otoczenia.
3. Zupełność – podział systemu na podsystemy powinien być zupełny, ponieważ system
nie może zawierać elementów nienależących do żadnego z jego podsystemów.
4. Rozłączność – podział systemu na podsystemy powinien być rozłączny, ponieważ
system nie może zawierać elementów należących do kilku podsystemów
równocześnie.
Definiując dany system, definiujemy również cel jego działania. Oceny jakości
działania systemu dokonujemy, uwzględniając poziom realizacji celu. Celem działania
systemu transportowego jest przemieszczanie ładunków [Jacyna 2009, s. 14].
Celem badań systemu transportowego jest właściwe określenie zachodzących w nim
procesów. Stąd też w wielu przypadkach traktuje się proces jako odwzorowanie
(transformację) wielkości wejściowych do procesu w wielkości wyjściowe z niego [Jacyna
2009, s. 17].
Proces logistyczny natomiast obejmuje przemieszczanie, manipulowanie, transport
i składowanie „obiektów”, tj. materiałów, informacji i energii. W ramach tego procesu
obiekty są przekształcane ze swego stanu początkowego w stan końcowy, przy czym co
najmniej jeden z elementów, takich jak czas, miejsce, liczba i artykuł zmienia się w taki
sposób, że nie wywołuje to niepożądanych zmian cech obiektów. Z tym związane jest
również pojęcie łańcucha transportowego, czyli skoordynowane z punktu widzenia
technicznego, technologicznego, organizacyjnego i handlowego racjonalne następowanie po
sobie czynności procesów przewozu, przeładunku i składowania – mające na celu
przemieszczanie dóbr niezbędnych do funkcjonowania gospodarki [Fijałkowski 2003, s. 168].
Znajomość systemu transportu ma podstawowe znaczenie dla sprawnych
i efektywnych działań logistycznych w firmie. Transport jest fizyczną nicią wiążącą
rozproszone geograficznie miejsca tej działalności. Ponadto dodaje produktom firmy
wartości, tworząc użyteczność czasu i miejsca w wyniku fizycznego przemieszczenia
towarów (jako dodanej wartości) w wyznaczone miejsce i w określonym czasie [Coyle 2007,
s. 404].
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 16
Transport jest ważnym elementem systemu logistycznego. Logistyka koncentruje się
bowiem głównie na fizycznym przemieszczaniu lub przepływie dóbr albo na sieci, w której
przemieszczane są produkty [Coyle 2007, s. 69]. Ponadto, co jest bardzo istotne, efektywne
zaopatrzenie w towary i usługi przyczynia się do przewagi konkurencyjnej danej organizacji
[Coyle 2007, s. 109].
Transport zaopatrzeniowy zaczyna się u dostawcy materiałów, od którego są one
przemieszczane do zakładu produkcyjnego nabywcy. Działalność tego transportu wspiera
działalność firmy w tym sensie, że transport na wejściu domyka lukę czasowo-przestrzenną
między nabywcą a sprzedawcą lub dostawcą. Proces odbioru polega na fizycznym przejęciu
od przewoźnika zakupionego materiału [Coyle 2007, s. 118-119].
Transport jako całość rozpatruje się, na ogół, w kategoriach systemowych, zatem aby
można było go badać konieczne jest wyróżnienie dwóch jego charakterystycznych
właściwości. Są to struktura i jej możliwości przekształcania (modyfikacji struktury), co
można utożsamiać z zachowaniem systemu.
Z pojęciem systemu ściśle związane jest pojęcie modelu, którego zastosowanie
w nauce ma inne znaczenie niż w języku potocznym, w którym na ogół oznacza pewien
wzorzec do naśladowania [zob. Ameljańczyk 1978; Bubnicki 1993; Gutenbaum 1978].
W pracy przyjęte zostało założenie, że model oznacza odwzorowanie rzeczywistości lub jej
fragmentu. Model systemu jest ilościową i jakościową reprezentacją badanego systemu na
innej bazie materialnej, ujmującej cechy systemu, które są istotne z punktu widzenia
prowadzonych badań. Oznacza to, że model traktuje się jako uproszczoną reprezentację
rzeczywistości, tj. jej podstawowych cech, istotnych ze względu na zamierzony cel badań
[Jacyna 2009, s. 20].
Zbudowany model systemu transportowego powinien odzwierciedlać złożoność
i współzależność zjawisk zachodzących w systemie oraz jego związki z otoczeniem. System
transportowy można rozpatrywać jako układ, w którym dokonywana jest transformacja
strumieni wejściowych w strumień wyjściowy, przy wykorzystaniu wyposażenia systemu
oraz jego załogi. Modele są analogiami systemów, które poddane są badaniom, aby poznać
m.in. zjawiska w nich zachodzące [Jacyna 2009, s. 22].
Modelowanie oznacza działanie polegające na dobieraniu zamiennika do oryginału
odwzorowującego badaną rzeczywistość, zwanego modelem, a następnie eksperymentowanie
z tym modelem [Jacyna 2009, s. 24].
Proces osiągania celu modelowania, czyli konstruowania modelu, można podzielić
na następujące etapy [Jacyna 2009, s. 27]:
1. Formułowanie precyzyjnego celu modelowania (gdy jest on sformułowany
odpowiednio wcześnie wyznacza pożądane kierunki badań oraz zakres i stopień
szczegółowości badań).
2. Bibliograficzne podstawy tematu Strona | 17
2. Identyfikacja zmiennych i parametrów modelu (elementów stanowiących system oraz
jego otoczenie, czyli obiekty nienależące do systemu, których cechy oddziałują na
system lub ulegają zmianie pod wpływem działania systemu).
3. Zapis funkcji kryterium modelu, kwantyfikującej cel modelowania (na tym etapie, na
ogół, formułuje się zadanie optymalizacyjne).
4. Analityczny zapis ograniczeń modelu (struktura modelu).
5. Algorytmizacja obliczeń.
6. Weryfikacja obliczeń, czyli sprawdzenie zakresu i dokładności odwzorowania
w modelu właściwości obiektu, istotnych z punktu widzenia badań.
Przystępując do zapisu problemu decyzyjnego w postaci matematycznej należy
określić [Jacyna 2009, s. 30]:
parametry, wielkości znane bądź zdefiniowane a priori, niezmienne podczas
rozwiązywania danego problemu,
zmienne decyzyjne, wielkości poszukiwane, które wymagają ustalenia podczas
rozwiązywania problemu,
ograniczenia, wyrażone algebraicznie przez układ równań i nierówności względem
zmiennych decyzyjnych,
funkcję kryterium, wskaźnik jakości rozwiązania wyrażony algebraicznie względem
zmiennych decyzyjnych.
Rozwiązanie dopuszczalne zadania optymalizacyjnego będzie w pracy utożsamiane
z takim układem wartości zmiennych decyzyjnych (układem liczb), które spełniających
wszystkie ograniczające warunki opisujące badaną sytuację. Rolę kryterium wyboru
rozwiązania optymalnego pełni funkcja celu mierząca cel, który chcemy osiągnąć [Jacyna
2009, s. 30].
Stanem systemu w chwili t nazywany jest stan wszystkich elementów systemu
w chwili t. Natomiast zmiany stanów systemu w czasie to proces, który oznaczany jest
przez . Formalnie proces zapisywany jest następująco [Jacyna 2009, s. 16-17]:
→ ,
gdzie to zbiór, którego elementami są wszystkie cechy elementów ,
to zbiór chwil (momentów) – na ogół wymagane jest, żeby wartości były
uporządkowane chronologicznie, tzn. tworzyły ciąg malejący.
Procesem transportowym to taki proces, którego opis ma postać związków między
stanami systemu transportowego w czasie, natomiast realizacja procesu transportowego
utożsamiana jest z przebiegiem zmian stanów systemu transportowego w określonym
przedziale czasu (ciąg kolejnych stanów) [Jacyna 2009, s. 17].
Rzeczowe procesy logistyczne sfery zakupu i sprzedaży są natomiast podstawą
kształtowania strumieni pieniężnych. Bez fizycznych strumieni przepływu produktów nie
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 18
występują także strumienie pieniężne. Procesy logistyczne mają zatem istotny wpływ na
niektóre składniki aktywów i zobowiązań, a dotyczy to zwłaszcza zapasów oraz należności
i zobowiązań z tytułu dostaw. Można wskazać, że trzy podstawowe składniki aktywów
obrotowych i pasywów kształtują się pod wpływem działania procesów logistycznych,
a mianowicie [Skowronek 2010, s. 91]
- zapasy po stronie zakupów, dotyczy to zapasów materiałowych, zaś po stronie
sprzedaży zapasów wyrobów gotowych i towarów,
- należności z tytułu dostaw po stronie sprzedaży
- zobowiązania z tytułu dostaw po stronie zakupów.
Spostrzeżenie to obejmuje wszystkich uczestników procesów, zatem całego łańcucha
dostaw.
Warunkiem koniecznym tworzenia łańcucha dostaw jest łańcuch magazynowo-
transportowy, nazywany łańcuchem logistycznym. Otóż łańcuch logistyczny jako baza
logistyki to taki łańcuch magazynowo-transportowy, stanowiący technologiczne połączenie
punktów magazynowych i przeładunkowych drogami przewozu towarów oraz organizacyjne
i finansowe skoordynowanie operacji, procesów zamówień i polityki zapasów wszystkich
ogniw tego łańcucha [Gołembska 2010, s. 19].
Podejście do logistyki z perspektywy całego łańcucha logistycznego jest niezwykle
istotne. Według komitetu EWG oraz Instytutu Logistyki i Zarządzania Dystrybucją w Anglii
pojęcie „logistyki” pojmowane jest jako proces zarządzania całym łańcuchem dostaw,
a łańcuch dostaw natomiast to systemy logistyczne złożone z więcej niż jednego ogniwa
dostawca–odbiorca. Ich działanie opiera się na wyraźnie określonych zasadach dotyczących
kosztów, planowania oraz form współpracy [Pilarczyk 2006, s. 203]. Procesy logistyczne
mają również istotny wpływ na produktywność zasobów zarówno trwałych, jak i obrotowych.
W horyzoncie operacyjnym procesy te mają znaczący wpływ na kształtowanie płynności
finansowej czyli zdolności przedsiębiorstwa do terminowego regulowania zobowiązań
[Skowronek 2010, s. 93].
Według członków Forum Globalnego Łańcucha Dostaw natomiast, przez łańcuch
dostaw rozumie się sieć przepływów od pierwszych dostawców do ostatecznych odbiorców.
Sieć ta obejmuje przepływy w sferze zaopatrzenia, produkcji, dystrybucji oraz inne przepływy
związane z obsługą klienta, działaniami w sferze badań, rozwoju, marketingu itd.
Przedmiotem przepływu są tu rzeczy (surowce, materiały, wyroby gotowe), informacje
i pieniądze [Baraniecka 2004, s. 13].
Zarządzanie z kolei jest to całość metod i funkcji umożliwiających określenie celów
i dysponowanie zasobami kadrowymi, rzeczowymi i finansowymi dla efektywnego
i racjonalnego osiągania celów, polegające na świadomym i racjonalnym kształtowaniu
zależności między elementami systemu organizacyjnego [Pomykalski 2008, s. 9].
Uogólniając zarządzanie definiowane jest jako „zestaw działań (obejmujący
planowanie i podejmowanie decyzji, organizowanie, przewodzenie, tj. kierowanie ludźmi
2. Bibliograficzne podstawy tematu Strona | 19
i kontrolowanie) skierowanych na zasoby organizacji (ludzkie, finansowe, rzeczowe
i informacyjne) i wykonywanych z zamiarem osiągnięcia celów organizacji w sposób
sprawny i skuteczny”. Przy czym sprawny oznacza wykorzystujący zasoby mądrze i bez
zbędnego marnowania, natomiast skuteczny, tj. podejmujący właściwe decyzje
i z powodzeniem wprowadzający je w życie [Griffin 2004, s. 6; Pomykalski 2008, s. 9].
Przedstawiciele kierunku systemowego w zarządzaniu uważają, że tworzenie sieci
komunikacji, czyli podejmowanie decyzji, ustalanie różnych celów i negocjacje do czasu
osiągnięcia celu zadawalającego dla wszystkich to istota zarządzania. Według tych autorów
zarządzanie powinno być nakierowane na integrację efektów poszczególnych podsystemów
organizacji [Dołhasz 2009, s. 44].
Podstawą skutecznego zarządzania jest zatem system pozyskiwania informacji, ich
przetwarzania i przekazywania [Gołembska 2010, s. 241]. Efektywne konkurowanie jest
w coraz większym stopniu zależne od posiadanych zasobów informacyjnych i sposobu
zarządzania nimi [Frąś 2011, s. 29].
Określenie „zarządzanie logistyczne” może być zasadniczo interpretowane w dwojaki
sposób. W pierwszym przypadku rozumie się je jako zarządczo zorientowane komponenty
logistyki, tj. funkcje zarządzania rozpatrywane jako jej komponenty. W drugim przypadku
zarządzanie logistyczne bywa niekiedy rozumiane jako zorientowana na logistykę nadrzędna
płaszczyzna zarządzania w sensie „zarządzania logistyką”, odpowiedzialnego za
kształtowanie logistyki jako obiektu zarządzania [Blaik 2010, s. 56].
Procesy logistyczne w skali mikro – w przedsiębiorstwie, podobnie jak w skali makro
– w łańcuchu dostaw, tworzą typową strukturę systemu w postaci elementów i relacji między
nimi. Relacje te przedkłada się w logistyce ponad znaczenie poszczególnych elementów.
Zarządzanie logistyczne obejmujące całość organizacji, zwraca uwagę na dynamiczny
i wzajemnie powiązany charakter przedsiębiorstwa. Zintegrowane traktowanie tych faz
stanowi nową jakość w zarządzaniu przedsiębiorstwem [Gołembska 2010, s. 201-202].
Najnowsza literatura światowa i praktyka w zarządzaniu przedsiębiorstwami w krajach
wysoko rozwiniętych wskazuje wyraźnie na rosnącą potrzebę i na coraz liczniejsze przejawy
systemowego traktowania oraz rozwoju logistyki w kierunku koncepcji zintegrowanego
zarządzania. Podstawowe znaczenie aspektów zintegrowanego zarządzania ujawnia się
w samej istocie logistyki, definiowanej i traktowanej coraz częściej jako przekrojowa
koncepcja zarządzania i podstawowy potencjał strategiczny, którego wyzwolenie i realizacja
stają się niezbędnym warunkiem działalności i sukcesu na współczesnym, konkurencyjnym
rynku [Blaik 2010, s. 52-53].
Zagadnienia rozwiązywane przez logistykę w zarządzaniu umiejscawiane są przede
wszystkim jako element realizacji funkcji organizowania, a także planowania i zarządzania
operacyjnego. Logistyka nie jest jednak tożsama z zarządzaniem. Z jednej strony można
wskazać wiele elementów zarządzania, np. formułowanie celów albo motywowanie
personelu, zdecydowanie wykraczających poza przedmiot logistyki. Z drugiej strony wiele
elementów logistyki, zwłaszcza związanych z technicznymi aspektami utrzymania
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 20
magazynów, eksploatacji środków transportu, utylizacji odpadów itd., bardzo trudno byłoby
uznać za element wiedzy o zarządzaniu [Kirejczyk 2008, s. 28].
Warto przy tym zauważyć, że zarządzanie logistyczne przedsiębiorstwem jest
nierozerwalnie związane z transportem. To on, dzięki swej ekonomicznej właściwości
zwiększania przestrzennego zasięgu rynku zbytu produktów poprzez ograniczanie
negatywnego wpływu przestrzeni na warunki ich wytwarzania, umożliwia poprawę
efektywności gospodarowania. Ponadto, dzięki zwiększeniu przestrzennego zasięgu dóbr,
transport umożliwia podmiotom podjęcie ekspansji geograficznej. Transport od wieków
warunkuje, poprzez eliminację bariery stwarzanej przez odległość, możliwość ekspansji
zagranicznej przedsiębiorstw [Brach 2010, s. 39]. Decyzje dotyczące wyboru przewoźnika,
tras, jakie pokonuje towar, czasu, w jakim pozostaje w sferze obrotu, wpływają na ustalenie
cen produktu, sprawność dostaw i jakość towarów w chwili ich dostarczenia. Mają także
wpływ na koszty logistyki [Pilarczyk 2006, s. 204].
Czas całego cyklu logistycznego, a w związku z tym i koszty logistyki, można
generalnie podzielić na dwie kategorie [Bieniok 2010, s. 199]:
czas uzasadniony, czyli czas aktywnie i efektywnie wykorzystany
czas zmarnowany z przyczyn obiektywnych i subiektywnych.
Zagwarantowanie danego standardu czasu dostawy jest ważnym osiągnięciem
w zarządzeniu logistycznym. Można dostrzec jego wpływ na sprawność obsługi, która z kolei
wpływa zarówno na korzyści klienta (tj. na ponoszone przez niego koszty zapasów), jak i na
system logistyczny oraz pozycję rynkową sprzedawcy [Coyle 2007, s. 159].
W pracy tej standard dostaw będzie mógł być podwyższony, a czas zmarnowany
zminimalizowany dzięki dokładnej analizie wyników działania nowego narzędzia, jakim jest
inteligentny system hybrydowy, który będzie się składał z systemów ekspertowych i sieci
neuronowej. Pojęcia z nimi związane będą w przybliżeniu omówione w dalszej części pracy.
2.2 Systemy ekspertowe
W niniejszej pracy pojęcie systemu ekspertowego i systemu eksperckiego jest
używane zamiennie.
Obszar zastosowań systemów eksperckich jest bardzo szeroki [Knosola 2007,
s. 119-146; Zieliński 2000, s. 39-42] – stanowią obecnie najpowszechniej stosowany w
praktyce system sztucznej inteligencji. Ich wielkość (będąca funkcją liczby reguł zawartych w
bazie wiedzy) jest zróżnicowana, jednakże większa liczba reguł w bazie wiedzy sprzyja
uzyskaniu lepszych jakościowo wskazówek do podejmowania określonych decyzji [Pająk
2006, s. 286].
Coraz powszechniejsze wdrażanie systemów ekspertowych w wielu obszarach
logistyki tłumaczone jest ich zdolnością do rozwiązywania problemów, przewidywania,
sugerowania możliwych sposobów postępowania i służenia radami, których dokładność
2. Bibliograficzne podstawy tematu Strona | 21
porównywalna będzie z radami udzielonymi przez ludzi – ekspertów i przy ich wykorzystaniu
można w ekonomiczny i praktyczny sposób pozyskiwać, doskonalić i zwiększać umiejętności
kierownicze [Coyle 2007, s. 540].
System ekspertowy, dysponując wiedzą eksperta z wybranej dziedziny, może jej
używać w sposób ekonomicznie efektywny, gdyż podczas jego pracy nie jest wymagana
obecność eksperta [Mulawka 1996, s. 21], a firma może udostępniać jego wiedzę dowolnie
wielu pracownikom, co wpływa na większą regularność, dokładność i wydajność działań
podejmowanych w całej sieci logistycznej. Ponadto tak ujęte zagadnienie pozwala na
efektywniejsze zarządzanie najważniejszym zasobem organizacji, czyli wiedzą [Coyle 2007,
s. 540].
Ponieważ pozyskanie i strukturalizacja wiedzy eksperta jest zajęciem pracochłonnym,
więc wysiłek włożony w utworzenie systemu ekspertowego jest uzasadniony wówczas, gdy
będzie on wykorzystany w długim okresie czasu [Mulawka 1996, s. 21].
Systemy ekspertowe możemy podzielić na trzy kategorie [Mulawka 1996, s. 20]:
- doradcze
- podejmujące decyzje bez kontroli człowieka
- krytykujące.
Jeden z systemów przedstawionych w tej pracy będzie systemem doradczym,
ponieważ efekty jego działania zostaną użytkownikom przekazane i zanim będą one dalej
przekazane przewoźnikowi mogą być dowolnie modyfikowane przez użytkownika. Drugi
system, który będzie kontrolował pracę sieci neuronowej będzie systemem podejmującym
decyzje bez kontroli człowieka. Natomiast ostatni system będzie spełniał rolę informacyjną,
na podstawie której będzie można kontrolować przewoźnika.
Na rysunku poniżej zestawiono wady i zalety ekspertyzy naturalnej, czyli wykonanej
przez eksperta oraz sztucznej wykonanej przy pomocy systemu eksperckiego.
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 22
Wady:
tracąca na wartości z upływem czasu
trudna do przeniesienia
trudna w dokumentacji
nie dająca się przewidzieć
kosztowna
Zalety:
stała
łatwa do przeniesienia
łatwa w dokumentacji
zgodna z bazą wiedzy
dostępna
Zalety:
twórcza
adaptacyjna
wykorzystanie zmysłów
szeroki zakres
wiedza zdrowego rozsądku
Wady:
nie inspirująca
wymaga wprowadzenia wiedzy
wejścia symboliczne
wąski zakres
wiedza przetwarzana w sposób mechaniczny
Rys. 1 Porównanie ekspertyzy naturalnej z ekspertyzą sztuczną [na podst. Mulawka 1996].
Podstawowy schemat systemu eksperckiego jest przedstawiony poniżej.
Procedury
wnioskowania
Procedury
sterowania
dialogiem
Procedury
objaśniające
Baza wiedzyBaza danych
stałych
Baza danych
zmiennych
Procedury
aktualizacji
bazy wiedzy
Rys. 2 Główne elementy systemu ekspertowego [na podst. Mulawka 1996].
Schemat ten składa się z bazy danych (zmiennych oraz stałych), która zawiera przede
wszystkim reprezentację faktów o zewnętrznym świecie, o którym system będzie
przeprowadzał procedurę wnioskowania. W pamięci tej przechowywane są także inne
niezbędne informacje, przykładowo hipotezy robocze czy też struktury (sieci) postanowień -
Ekspertyza naturalna Ekspertyza sztuczna
2. Bibliograficzne podstawy tematu Strona | 23
tzn. struktury reprezentujące powiązania między zmiennymi (oraz stałymi) [Flasiński 2011,
s. 128-129].
Wnioskowanie w systemie eksperckim dokonywane jest na podstawie reguł.
Wszystkie reguły są zawarte w drugim składniku systemu eksperckiego, czyli w bazie wiedzy,
która zorganizowana jest w postaci reguł wnioskowania typu: jeżeli … (warunek) to … i/lub
… (konsekwencje, konkluzja [Pokojski 2005, s. 29]) (ang. IF … THEN … AND/OR …
rules), gdzie [Chwiałkowska 1991, s. 28]:
- warunek – reprezentuje wzorzec lub wymóg, który musi być spełniony, aby można
było wykorzystać daną regułę, natomiast
- konsekwencje – to akcje, które powinny być wykonane, lub konkluzje
(stwierdzenia), które stają się faktem, w przypadku, gdy warunek został spełniony.
Wiedza z danej dziedziny w postaci strukturalizowanej i sformalizowanej może być
wprowadzona do bazy wiedzy systemu ekspertowego różnymi sposobami, na przykład przez
inżyniera wiedzy. Jedną z metod pozyskiwania wiedzy jest prowadzenie dialogu inżyniera
z ekspertem [Mulawka 1996, s. 24].
Systemy ekspertowe są tworzone stopniowo, ponieważ osiągnięcie dużej biegłości
w danej dziedzinie wymaga przeprowadzenia wielu eksperymentów. Metoda stopniowego
pozyskiwania wiedzy od ekspertów jest powszechnie stosowana w większości znanych
rozwiązań [Mulawka 1996, s. 109].
Poszczególne fazy konstruowania bazy wiedzy mogą przebiegać następująco
[Mulawka 1996, s. 109-110]:
1) Identyfikacja – to określenie charakterystyki problemu do rozwiązania, gdzie
ekspert i inżynier wiedzy określają problem do rozwiązania i jego zakres (wraz
z potrzebnymi środkami).
2) Reprezentacja – to znalezienie sposobu reprezentacji wiedzy, gdzie
przeprowadzona zostanie analiza problemu. Ekspert i inżynier wiedzy
przedstawiają kluczowe koncepcje, relacje, charakterystykę przepływu
informacji, niezbędne w procesie rozwiązywania problemu w danej dziedzinie
oraz strategie wraz z trudnościami w rozwiązywaniu zagadnień. W dalszej
części tego etapu zbierane są informacje, dane, na podstawie których
uzyskiwana jest pewna wiedza o rozwiązywanym problemie.
3) Formalizacja – to zaprojektowanie struktur organizujących wiedzę, który
polega na przełożeniu kluczowych koncepcji, reguł i relacji na język formalny.
Inżynier wiedzy powinien zaprojektować syntaktykę i semantykę tego języka,
a następnie wraz z ekspertem ustalić wszystkie podstawowe pojęcia i relacje,
które są niezbędne do rozwiązania postawionego problemu.
4) Implementacja – to sformułowanie reguł lub ram zawierających wiedzę, gdzie
inżynier wiedzy łączy i reorganizuje sformalizowaną wiedzę tak, aby stała się
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 24
zgodna z charakterystyką przepływu informacji danego problemu, tworząc
prototyp programu.
5) Testowanie – czyli sprawdzanie zastosowanych w systemie reguł lub ram pod
kątem generowania przez nie odpowiedzi zgodnych z wymaganiami eksperta.
W latach siedemdziesiątych ostatniego wieku dokonano istotnego spostrzeżenia.
Okazało się, że moc programu ekspertowego (w zakresie rozwiązywania danego problemu)
tkwi w zakodowanej w nim wiedzy, a nie w formalizmie i schematach wnioskowania, których
ten system używa. Można to wyrazić stwierdzeniem, że im pełniejsza jest wiedza, tym
szybciej uzyskuje się rozwiązanie. Oznacza to, że aby zbudować inteligentny program, należy
go wyposażyć w dużą ilość dobrej jakości wiedzy o danym przedmiocie [Mulawka 1996,
s. 21].
Samym wnioskowaniem – na podstawie pamięci roboczej i bazy wiedzy – steruje
procedura wnioskowania (inne nazwy to interpreter reguł, maszyna wnioskująca) [Flasiński
2011, s. 129]. W pracy ograniczymy się do przypadku, kiedy mechanizm wnioskowania
systemu eksperckiego opiera się na procedurze wnioskowaniu do przodu (ang. forward
chaining) [Mulawka 1996, s. 81-83], polegającym na tym, iż reguły są testowane
(wykonywane) w takiej kolejności, w jakiej są zapisane i w oparciu o dostępne dane
(informacje). A zatem, wnioskowanie do przodu jest metodą bardziej zależną od kolejności
w jakiej zapisane są reguły [Dietrich 2000, s. 23]. Jeżeli jakaś informacja jest niezbędna do
tego, żeby można było określić wynik testowania reguły, to nie próbuje się ją uzyskać
poprzez poszukiwanie jej w innych regułach, lecz poprzez zapytanie o nią użytkownika
systemu. Jeśli natomiast to nie pomoże i nie pojawi się przesłanka, która pasuje do warunku
którejś z reguł, to system nie robi nic.
Dodatkowo wprowadzany jest w systemach ekspertowych interfejs użytkownika,
zwany procedurą sterowania dialogiem, który służy do łatwej komunikacji użytkownika
z systemem oraz do przekazania użytkownikowi efektów wnioskowania [Flasiński 2011,
s. 142].
Dodatkowo w systemie występują dwie procedury [Mulawka 1996, s. 23]:
- procedura umożliwiająca rozszerzanie oraz modyfikację wiedzy – procedura
pozyskiwania wiedzy (inaczej procedura aktualizacji bazy wiedzy) oraz
- procedura objaśniająca – objaśnia strategię wnioskowania.
Druga procedura jest bardzo ważnym elementem, wyróżniającym systemy ekspertowe
od innych metod sztucznej inteligencji. Dzięki niej użytkownik może uzyskać odpowiedź na
pytanie dlaczego system taką udzielił a nie inną radę (rezultat swojego działania). System
bowiem może wskazać dokładnie, które z reguł zostały wykorzystane podczas wnioskowania.
Ta cecha powoduje większą przychylność menadżerów i kadry kierowniczej w stosunku do
systemów ekspertowych w porównaniu do sieci neuronowych, czy algorytmów genetycznych.
Odpowiedź systemu nie jest zatem odpowiedzią „czarnej skrzynki”, tylko uzasadnionym
rezultatem działania programu.
2. Bibliograficzne podstawy tematu Strona | 25
Systemy eksperckie są więc programami komputerowymi opracowanymi w oparciu
o wiedzę ekspertów z zakresu, którego system ten dotyczy lub naśladującym ludzkich
ekspertów [Pokojski 2005, s. 29]. Reprezentują one skodyfikowaną wiedzę (ekspertów) danej
dziedziny, umożliwiając uzyskanie odpowiedzi na pytania związane z zadanym problemem
[Łukasiewicz 2006, s. 175]. Proces wnioskowania dokonywany w systemie eksperckim jest
symulacją odpowiedniego procesu zachodzącego w mózgu ludzkim [Flasiński 2011, s. 128].
Systemy ekspertowe są wykorzystywane do oceny i wyboru dostawcy, zakupu
urządzeń, prognozowania cen materiałów, jak również do zarządzania oraz kontroli zapasów.
Wspomagają one takie czynności, jak zamawianie, prognozowanie, pakowanie,
wprowadzanie zamówień i ustalanie priorytetów odbioru [Allen 1990, s. 47-62], ale również
mogą służyć jako narzędzia wspomagające proces magazynowania i wydawania detali
z magazynu [Pawłyszyn 2010; 2011, s. 37-52; 2011’, s. 69-78], sterowania, diagnostyki
[Gołuchowski 2010, s. 57]. Dlatego też zagadnieniem systemów eksperckich zajmowało się
i nadal zajmuje się wielu naukowców [Gołuchowski 2010, s. 18].
Zarządzanie i kontrola zapasów są jednak dziedzinami, w których na omawiane
systemy zwraca się największą uwagę. Przykładowo firma Federal-Mogul wdrożyła system
o nazwie LOGIX, który wspierał takie czynności jak zamawianie, prognozowanie,
pakowanie, wprowadzanie zamówień i ustalanie priorytetów odbioru [Coyle 2007, s. 541].
Często systemy ekspertowe występują w hybrydowych systemach, które używają inne
elementy sztucznej inteligencji. Przykładami takich systemów są systemy opisane
w [Orłowski 2002, s. 659-673; 2002’, s. 401-411, 2010, s. 62-74; 2012, s. 292-302; Gomółka
2010, s. 507-529; Kowalczuk 2010, s. 487-498].
2.3 Sieci neuronowe
Drugim z elementów sztucznej inteligencji, który będzie wykorzystany w tej pracy są
intensywnie rozwijające się sieci neuronowe, tworzące interdyscyplinarną dziedzinę nauki
powiązaną z biocybernetyką, elektroniką, matematyką stosowaną, statystyką oraz
automatyką. Powstały na podstawie wiedzy o działaniu systemu nerwowego istot żywych
i chęci naśladowania tego systemu [zob. Kulczycki 2007, s. 141; Kusiak 2009, s. 293; Statsoft
2001, s.4, Michalik 2006, s. 1-3]. Sieci neuronowe stanowią dziedzinę wiedzy całkowicie
samodzielną, w rozwiązaniach praktycznych zwykle sterującą procesem, bądź decyzyjną –
przekazującą sygnał wykonawczy innym elementom urządzenia, nie związanym bezpośrednio
z sieciami neuronowymi [Barzykowski, s. 217].
Najważniejszą cechą sieci neuronowych, stanowiącą o jej ogromnych zaletach
i szerokich możliwościach zastosowań, jest równoległe przetwarzanie informacji przez
wszystkie neurony. Przy masowej skali powiązań neuronowych uzyskuje się znaczne
przyspieszenie tego procesu. W wielu przypadkach jest możliwe przetwarzanie sygnałów
w czasie rzeczywistym [Osowski 2006, s. 16].
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 26
Inną, nie mniej ważną cechą jest ich zdolność do uczenia się i generalizacji nabytej
wiedzy. Wytrenowana na ograniczonej grupie uczących danych sieć potrafi skojarzyć nabytą
wiedzę i wykazywać oczekiwane działanie na danych nie uczestniczących w procesie
uczenia. Sieci neuronowe mogą być wykorzystywane w zagadnieniach optymalizacyjnych,
jak również do kwalifikacji, prognozowania (np. zapotrzebowania na energię elektryczną, czy
krótkoterminowego kursu franka szwajcarskiego – [zob. m.in. Baczyński 2008]), jak i do
przygotowania i oceny różnego rodzaju harmonogramów produkcyjnych [zob. m.in. Fertsch
2000]. Mimo ogromniej liczby zastosowań sieci neuronowych, możliwości ich dalszego
wykorzystania w przetwarzaniu informacji są jeszcze nie do końca zbadane i wydaje się, że
będą jeszcze przez wiele lat wpływać na postęp w technice informacyjnej [Osowski 2006,
s. 16].
W dobie powszechnej informatyzacji przyjęło się przekonanie że komputery są
dokładniejsze i szybsze w przetwarzaniu numerycznym niż mózg. Jednakże w wielu
zadaniach obliczeniowych mózg ludzki okazuje się bardziej skuteczny niż konwencjonalne
komputery. Warto odnotować, że mózg człowieka przewyższa efektywnością przetwarzania
w tych zadaniach dowolny superkomputer, pomimo że biologiczne neurony, wolniejsze
o wiele rzędów wielkości od swych elektronicznych lub optycznych odpowiedników, są
proste w działaniu, bardziej skłonne do działania niedokładnego i niepoprawnego oraz prawie
wszystkie są funkcjonalnie tego samego typu [Korbicz 1994, s. 17-18].
Z punktu widzenia działania zarówno mózg, jak i konwencjonalne komputery,
realizują podobne funkcje, tj. przetwarzają, gromadzą (pamiętają) i odzyskują informację.
Konwencjonalny komputer posiada zazwyczaj jeden lub kilka złożonych procesorów
efektywnie działających szeregowo, a informacja jest gromadzona i pozyskiwana ze
specyficznie rozlokowanych komórek pamięci (np. pamięci RAM). Z kolei biologiczne sieci
neuronowe posiadają miliony lub miliardy (ok. 85 miliardów dla mózgu – [Lange 1975,
s. 115-124]) bardzo prostych procesorów (neuronów), a informacja jest zapamiętywana przez
połączenia synaptyczne łączące procesory (w mózgu występuje około 1014
połączeń
synaptycznych), co stanowi ich dużą przewagę nad komputerem. Szacuje się, że cały mózg
może przetwarzać 1018
operacji logicznych na sekundę, podczas gdy 64-bitowy procesor
PowerPC 970 wykonuje jedynie 1011
takich operacji [zob. Agre 1997 za Krzyśko 2008,
s. 192]. Stąd przetwarzanie informacji przez biologiczne sieci neuronowe odbywa się
w sposób równoległy, co pozwala tego typu sieciom efektywniej wykonywać złożone zadania
obliczeniowe, pomimo użycia bardzo powolnych elementów (neuronów) [Korbicz 1994,
s. 17-18].
Wychodząc z definicji sieci neuronowej, jako systemu przetwarzania informacji,
którego architektura i sposób funkcjonowania zostały zaczerpnięte z modeli biologicznych
układów nerwowych [Kwiatkowska 2007, s. 104], należy przedstawić architekturę przypadku
biologicznego. Podstawowym elementem systemu nerwowego jest komórka nerwowa
nazywana neuronem. W neuronie możemy wyróżnić ciało komórki zwane somą oraz
otaczające je dwa rodzaje wypustek: wypustki wprowadzające informację do neuronu, tzw.
dendryty i wypustkę wyprowadzającą informację do neuronu, tzw. akson. Każdy neuron ma
2. Bibliograficzne podstawy tematu Strona | 27
dokładnie jedną wypustkę wyprowadzającą, poprzez którą może wysyłać impulsy do wielu
innych neuronów. Jeden neuron przekazuje pobudzenie innym neuronom przez złącza
nerwowe nazywane synapsami lub połączeniami synaptycznymi. Synapsy pełnią rolę
przekaźników informacji, w wyniku działania których pobudzenie może być wzmocnione lub
osłabione. W rezultacie do neuronu dochodzą sygnały, z których część wywiera wpływ
pobudzający, a część hamujący. Neuron sumuje impulsy pobudzające i hamujące. Jeżeli ich
suma algebraiczna przekracza pewną wartość progową, to sygnał na wyjściu neuronu jest
przesyłany – poprzez akson do innych neuronów [Rutkowska 1999, s. 18; Flasiński 2011,
s. 159-160].
Rys. 3 Model biologiczny neuronu [na podst. Rutkowska 1999].
Z cybernetycznego punktu widzenia neuron biologiczny (przyjmując jego model jak
na rysunku 4) można traktować jako specyficzny przetwornik sygnałów. Jest to układ o wielu
wejściach (synapsach) i jednym wyjściu (akson).
Rys. 4 Cybernetyczny model neuronu [na podst. Korbicz 1994].
Podobnie jak w przypadku neuronowych sieci biologicznych, podstawowymi
elementami z których buduje się sztuczne sieci neuronowe są sztuczne neurony [zob. Winkler
2004, s. 228]. Sztuczny neuron z założenia nie jest wierną kopią neuronu biologicznego, lecz
elementem, który powinien spełniać określone funkcje w sztucznej sieci neuronowej [Korbicz
1994, s. 23].
Synapsy
Dendryty
Akson
Jądro
Wzgórze aksonu
Przetwornik
(Ciało
Komórki)
Sygnały
wejściowe
(Synapsy)
Sygnał
wyjściowy
(Akson)
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 28
Rys. 5 Model sztucznej sieci neuronowej [opr. własne].
Ogólnie sztuczny neuron można rozpatrywać jako specyficzny przetwornik sygnałów
działający według następującej zasady. Na wejście przetwornika podawane jest sygnałów
wejściowych, które następnie są mnożone przez odpowiednie współczynniki wag
(współczynniki wag w biologicznym neuronie odpowiadają „sile” połączeń synaptycznych).
„Ważone” sygnały wejściowe są następnie sumowane i na tej podstawie wyznaczana jest
aktywność neuronu. Z rysunku 6 wynika, że rozpatrywany model sztucznego neuronu składa
się z dwóch bloków: bloku sumowania Σ i bloku aktywacji F. W pewnym przybliżeniu blok
sumowania odpowiada biologicznemu ciału komórki, w której realizowane jest algebraiczne
sumowanie ważonych sygnałów wejściowych oraz generowany jest sygnał wyjściowy .
Rys. 6 Model sztucznego neuronu [na podst. Korbicz 1994].
Jedną z nazw wartości jest łączne pobudzenie neuronu [zob. Perzyńska 2010,
s. 133]. Obliczane jest ono, jak już zostało wspomniane, jako suma wejść, ważonych przez
współczynniki wi:
∑
Tę samą wielkość można wyrazić, korzystając z notacji wektorowej. Jeżeli przez
x=[x1,…, xN] oznaczony zostanie wektor wartości wejściowej jednostki, zaś w=[w1,…wN]
Zmienne
„wagi”
Sygnał
wyjściowy
Sygnały
wejściowe
x N
w N
2. Bibliograficzne podstawy tematu Strona | 29
wektor wag, wówczas wartość łącznego pobudzenia równa jest iloczynowi skalarnemu
wektorów x i w [Zieliński 2000, s. 144].
Wartość sygnału wyjściowego o przekazywanego przez neuron (nazywanego również
często stanem neuronu) możemy obliczyć, korzystając ze wzoru:
.
Sztuczna sieć neuronowa jest systemem wzajemnie połączonych prostych elementów
przetwarzających informacje – neuronów (również zwanych jednostkami lub węzłami)
[zob. m.in. Perzyńska 2010, s. 133]. Współczynniki wagowe przyporządkowane do połączeń
między elementami określają siłę powiązań i tworzą zbiór parametrów modelu [Korbicz
1994, s. 23-24]. Wyborem wag w odpowiedni sposób można modyfikować działanie
sztucznego neuronu [Jastriebow 2006, s. 31]. Każdy neuron jest pewnego rodzaju procesem:
sumuje z odpowiednimi wagami sygnały wejściowe pochodzące z innych neuronów, tworzy
progową funkcję sumy i przekazuje tę wartość do innych neuronów powiązanych z nim
[Osowski 2006, s. 12].
Sieci neuronowej nadaje się zwykle jakąś strukturę. Jej jednostki zgrupowane są
w większe zespoły, zwane warstwami. Struktura wewnętrzna, wraz z określeniem sposobu
propagacji sygnału między neuronami, tworzy tzw. architekturę sieci neuronowej. Cała
wiedza sieci o sposobie rozwiązania danego problemu przechowywana jest w jej
wewnętrznych odwzorowaniach, definiowanych przez wartości wag, i może być przywołana
w procesie reakcji na określony sygnał [Osowski 2006, s. 12].
Istotną klasyfikację sieci neuronowych przeprowadzić można ze względu właśnie na
ich architekturę. Wyróżnia się trzy grupy [na podst. Korbicz 1994, s. 94]:
Sieci jednokierunkowe (ang. Feedfoward networks) charakteryzujące się
jednokierunkowym przepływem informacji, tzn. sygnały przesyłane są tylko
w jednym kierunku (zawsze do przodu): od warstwy wejściowej – poprzez ewentualne
warstwy ukryte – do warstwy wyjściowej bez rekurencyjnych połączeń wstecznych
[Zieliński 2000, s. 143].
Sieci rekurencyjne (ang. Recurrent neural networks), w których, w przeciwieństwie
do sieci jednokierunkowych, dopuszczone jest występowanie cykli. Sygnał wyjściowy
neuronu może, bezpośrednio lub za pośrednictwem innych węzłów, być przekazany
na jego wejście (tzn. istnieje sprzężenie zwrotne między neuronami sieci).
Sieci komórkowe, gdzie połączone są między sobą tylko jednostki znajdujące się
w obrębie sąsiedztwa.
Podstawowymi cechami wyróżniającymi sieci rekurencyjne z rodziny sieci
neuronowych jest ich topologia, w której, jak już wspomniano, dopuszcza się zastosowanie
połączeń wstecznych, tzn. sygnał wyjściowy z dowolnej jednostki może być przekazywany
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 30
również na jej wejście. Zmiana stanu dowolnego neuronu przenosi się wskutek masowego
sprzężenia zwrotnego na całą sieć, wywołując stan przejściowy, kończący się określonym
stanem ustalonym, ogólnie innym niż stan poprzedni. Inaczej mówiąc raz pobudzona sieć
modyfikuje wyjścia neuronów wielokrotnie, dążąc do stanu stabilnego, w którym pozostaną
one stałe. Stan neuronu staje się więc zależny nie tylko od wartości sygnału wejściowego, ale
również od przeszłego stanu dowolnej jednostki, nie wykluczając tego właśnie neuronu.
Proces reaktywacji sieci na określone wejście przyjmuje w tym przypadku charakter
iteracyjny. Jeśli funkcję aktywacji neuronu oznaczy się przez f(u), gdzie u jest sumą wagową
pobudzeń, to sygnał wyjściowy neuronu ∑ określa jego stan
(bi stanowi wartość progową wynikającą z zewnętrznego źródła) [Zieliński 2000, s. 165-166].
Biorąc pod uwagę, że przy masowym sprzężeniu zwrotnym pobudzeniami dla neuronu
są sygnały wyjściowe innych neuronów, zmiana stanu neuronów (ich dynamika) może być
opisana bądź układem równań nieliniowych różniczkowych (w przypadku modelu ciągłego),
bądź różnicowych (dla modelu dyskretnego) [zob. Haykin 1994; Herz 1995; Mandziuk 2000].
Układ równań różniczkowych opisujących model typu ciągłego można przedstawić w postaci
∑ ( )
, dla i=1, 2, ..., N,
gdzie wij jest wagą połączenia neuronu i-tego z j-tym, a współczynnik jest pewną stałą
wartością liczbową. Stan neuronu uzyskuje się z rozwiązania równania różniczkowego jako
. Architektura sieci musi zapewnić zbieżność procesu relaksacji sieci lub jakieś
kryterium jego zakończenia [Zieliński 2000, s. 165-166].
Sieci w pełni połączone charakteryzują się tym, że każdy neuron połączony jest
z każdym, ale nie z samym sobą – oznacza to, że sygnał wyjściowy danego neuronu nie trafia
na jego wejście [Rutkowski 2009, s. 207]. Współczynniki wagowe tworzą macierz
kwadratową o wymiarach NxN, gdzie N jest liczbą neuronów. W celu zapewnienia zbieżności
procesu relaksacji sieci macierz ta powinna być symetryczna, zaś wagi sprzężenia zwrotnego
neuronów wii równe zero:
wij=wji, wii=0.
W tego typu sieciach nie wyróżnia się neuronów wejściowych i wyjściowych.
Przekazanie sygnału wejściowego polega na ustaleniu stanu początkowego jednostek sieci.
Na podstawie tych wartości obliczane są nowe wyjścia neuronów. Procedura ta powtarzana
jest rekurencyjnie, aż do chwili osiągnięcia przez sieć stanu stabilnego, w którym kolejne
przeliczenia wartości jednostek nie powodują już ich modyfikacji:
yi(k+1)=yi(k) dla wszystkich i.
W praktyce zwykle można zadowolić się również przybliżonym stanem równowagi,
kiedy zmiany te są dostatecznie małe. Wartości neuronów po zakończeniu procesu relaksacji
stanowią sygnał wyjściowy sieci [Zieliński 2000, s. 167].
2. Bibliograficzne podstawy tematu Strona | 31
Sieć Hopfielda [zob. Hopfield 1982, s. 2554-2558; Hopfield 1984; s. 3088-3092] jest
jedną z podstawowych sieci rekurencyjnych. Cechuje się prostym sposobem uczenia
i łatwością implementacji w postaci układu fizycznego [Rybarczyk 2008, s. 47].
Zdolność sieci neuronowych do wykonywania obliczeń równoległych oraz wynikająca
stąd możliwość przetwarzania ogromnych informacji powodują duże zainteresowanie ich
zastosowaniem przy rozwiązywaniu czasochłonnych i złożonych problemów
optymalizacyjnych. Z tego właśnie powodu ten typ sieci będzie zastosowany w pracy. Stopień
współbieżności obliczeń w sieciach neuronowych jest setki razy większy niż
w najnowocześniejszych systemach wieloprocesorowych. Daje to możliwość znacznego
przyspieszania obliczeń [Korbicz 1994, s. 135], dzięki niskiej złożoności obliczeniowej,
zwłaszcza przy rozwiązywaniu zadań optymalizacji kombinatorycznej [Kowalski 2006,
s. 145].
Zadania optymalizacji sprowadzane są do problemu minimalizacji funkcji energii
pewnej rekurencyjnej sieci neuronowej, która w tym przypadku traktowana jest jako swego
rodzaju „układ minimalizujący”. Drugie podejście polega na zaprojektowaniu pewnej sieci
konkurencyjnej, w której neurony rywalizują między sobą, aby stać się aktywnymi [Korbicz
1994, s. 135]. W pracy zostanie zastosowane pierwsze podejście.
Problem z takim zastosowaniem sieci Hopfielda polega na odpowiednim przejściu od
zadania minimalizacji funkcji celu problemu wyjściowego (z uwzględnieniem występujących
ograniczeń) do zagadnienia minimalizacji funkcji energii sieci. Z taką transformacją wiążą się
następujące kwestie:
Określenie takiego sposobu reprezentacji problemu przy użyciu sieci neuronowej, aby
na podstawie końcowego stanu sieci (wartości wyjść elementów przetwarzających)
możliwe było określenie rozwiązania oryginalnego problemu.
Określenie funkcji energii w taki sposób, aby jej minimum odpowiadało optymalnemu
rozwiązaniu problemu wyjściowego.
Określenie wartości wag połączeń sieci oraz pobudzeń zewnętrznych poszczególnych
elementów przetwarzających.
Określenie postaci równań dynamiki poszczególnych elementów w sposób
zapewniający zmniejszanie wartości funkcji energii w procesie ewolucji całej sieci.
Określenie wartości początkowych wejść poszczególnych elementów (determinują
one końcowy stabilny stan sieci).
Ponieważ każdy element jest połączony ze wszystkimi pozostałymi, w sieci Hopfielda
nie ma wyraźnie wydzielonych warstw i można ją rozważać w dowolnej topologii. Bardzo
często traktuje się ją jako sieć jednowarstwową. Trzeba jednak pamiętać, że jest to wyłącznie
kwestia umowy [Korbicz 1994, s. 95-97].
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 32
Rys. 7 Schemat sieci Hopfielda [na podst. Rutkowski 2009].
Funkcja energii, zwana również funkcją Lapunowa, posiada wartości określone
przez stany neuronów [Rybarczyk 2008, s. 168]. Każdy stan sieci, zdefiniowany przez zbiór
aktywnych wartości wyjść jej elementów przetwarzających, określa pewną wartość tej
funkcji, która z kolei powinna być ograniczona z dołu i nierosnąca w trakcie ewolucji
rozważanego układu. Proces odtwarzania rozpoczyna się w chwili początkowej od
doprowadzenia do elementów sygnałów wejściowych które
określają stan początkowy sieci . W tym samym momencie sygnały
wejściowe zostają odłączone, natomiast w sieci rozpoczyna się iteracyjny proces aktualizacji
stanu. Sieć pracuje asynchronicznie, co oznacza, że w danej chwili może być aktualizowane
wejście tylko jednego elementu. W trakcie procesu odtwarzania stan całej sieci zmienia się
w sposób zapewniający obniżenie wartości funkcji energii. Po pewnej skończonej liczbie
iteracji sieć osiąga stan stabilny w którym zachodzi [Korbicz 1994, s. 97]
.
Stan ten odpowiada jednocześnie minimum funkcji energii, zatem funkcja ta jest
minimalizowana. W tym momencie proces odtwarzania kończy się, a stan sieci jest
przekazywany na jej wyjście. Stan stabilny sieci, nazywany jest atraktorem (ang. attractors)
i pokrywa się z jej minimum lokalnym. Dzieje się tak, ponieważ każdemu z atraktorów
można przyporządkować zbiór warunków początkowych (stanów x(0)), które inicjują
ewolucję sieci kończącą się na tym atraktorze. Zbiór ten nazywany jest niecką przyciągania
danego atraktora (ang. basin of attraction). Na rodzaj i liczbę atraktorów, ich wzajemne
oddalenie oraz odpowiadające im wartości funkcji energii (czyli głębokość niecek)
decydujący wpływ ma dobór wag połączeń między elementami. Doboru tego dokonuje się
z -1
z -1
z -1
w 11 w
10
w 12
w 1n
w 2n
w 22
w 21 w
20
w n0
w n1
w n2
w nn
y n
y 2
y 1
1
1
1
2. Bibliograficzne podstawy tematu Strona | 33
stosownie do celu, w jakim chcemy wykorzystać sieć Hopfielda [Rybarczyk 2008,
s. 169; Korbicz 1994, s. 100].
Funkcję energii wybiera się najczęściej w postaci
∑∑
∑
przy czym zastosowano oznaczenia
,
,
[
].
Dowód, że tak zdefiniowana funkcja energii maleje lub pozostaje stała przy każdej
aktualizacji stanu elementów znajduje się w [Korbicz 1994, s. 98].
Początkowy stan sieci jest określony przez wybór wektora x(0). O ile x(0) nie jest od
razu stanem stabilnym, w trakcie następujących później iteracji x zmienia się w taki sposób,
że wartość funkcji energii maleje. Początkowo zmiany energii E(x) są duże. W miarę jak x
zbliża się do stanu stabilnego, wartości energii E zmieniają się w mniejszym stopniu, w końcu
ustalają się, gdy osiągnięty zostanie punkt minimum. Analogią fizyczną może być w tym
przypadku kulka tocząca się swobodnie po pewnej pofałdowanej powierzchni. Należy
zwrócić uwagę na fakt, że osiągane stany stabilne wcale nie muszą odpowiadać minimum
globalnemu funkcji energii, dlatego najczęściej osiągnięte zostaje jedynie któreś z minimów
lokalnych [Korbicz 1994, s. 99; Goto 2008, s. 734]. Aby temu zapobiec wprowadzano różne
metody i algorytmy [zob. m.in. Papageorgiou 1998, s. 283-292; Peng 1996, s. 1241-1253;
Platt 1988, s. 612; Abe 1993, s. 246-257].
Kluczowym problemem we wszystkich badaniach ilościowych jest dostępność danych
i ich jakość. W zasadzie projektant sieci nie zdaje sobie sprawy z istnienia pewnych (z pozoru
mało znaczących) danych. Tak samo prędkość nauki sieci neuronowej (szybkość zbieżności
optymalizowanej funkcji) zależy nie tylko od wyboru algorytmu nauki sieci, ale również od
jakości danych uczących. Jakość tych danych z kolei zależy od wielu czynników, np.:
Szumu,
Błędów w danych uczących,
Wariancji i wartości oczekiwanej danych,
Korelacji danych.
Pierwsze dwa parametry muszą być rozważane indywidualnie w zależności
od rozpatrywanego przypadku. Nie zawsze można znaleźć błędne dane w zbiorze uczącym
sieć. Wówczas można próbować uczyć sieć metodami odpornymi na tego typu niedogodności
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 34
(np. przez odrzucanie danych, które powodują inną odpowiedź sieci niż ta wyestymowana na
podstawie teorii prawdopodobieństwa). Przy dużej ilości zmiennych dobrym rozwiązaniem
będzie analizowanie macierzy korelacji wszystkich zmiennych. Jeżeli jest wiele zmiennych
silnie wzajemnie skorelowanych, to można z próby usunąć większość z nich, nie pogarszając
jej jakości, zmienne takie powielają bowiem tę samą informację. Jeżeli taka analiza nie
pozwoli wyeliminować wystarczającej liczby zmiennych, to można posłużyć się analizą
głównych składowych (ang. principal component analysis), która pozwoli wyeliminować
część najmniej istotnych danych [Rybarczyk 2008, s. 11-13].
Podczas projektowania sieci neuronowej definiuje się zbiór wejściowy i rozdziela na
dwa podzbiory: zbiór testujący T (ang. testing) oraz zbiór uczący L (ang. learning). Ze zbioru
uczącego dodatkowo wydzielony jest podzbiór walidacyjny V (ang. validation) (rys. 8),
wykorzystywany w trakcie procesu uczenia do określenia stopnia nauczenia sieci neuronowej.
Zdolność odtwarzania przez sieć zbioru uczącego jest miarą zdolności zapamiętywania
danych uczących, a zdolność generowania przybliżonych wyników dla zbioru T, na którym
sieć nie była trenowana, określany jest miarą zdolności uogólniania [Osowski 2006, s. 1;
Rybarczyk 2008, s. 11].
Rys. 8 Wizualizacja podziału przestrzeni danych [na podst. Rybarczyk 2008].
Projekt sieci Hopfielda zastosowany w pracy zaimplementowany został w programie
Mathworks MATLAB. Taki wybór narzędzia informatycznego jest nieprzypadkowy, gdyż w
internecie (patrz przykładowo na stronach internetowych http://www.utdallas.edu/~herve/
oraz www.pudn.com), jak i w publikacjach [przykładowo w Rybarczyk 2008] właśnie w tym
programie taki typ sieci został zaprogramowany. Kod źródłowy został oparty na [Abdi 1994,
1999].
W niniejszym rozdziale zostały przedstawione dwie informatyczne metody analizy
i optymalizacji procesów logistycznych. W chwili obecnej przedsiębiorstwa stosują jednak
inne systemy informatyczne, takie jak np. dedykowane dla konkretnego przedsiębiorstwa
oprogramowanie (systemy klasy ERP, np. SAP) lub standardowe programy, które obsługują
2. Bibliograficzne podstawy tematu Strona | 35
wybrane moduły (tj. finanse, czy kadry). W tabeli poniżej zestawione zostały podstawowe
własności różnych systemów informatycznych, w kontekście aplikacji ich do zarządzania
logistyką zaopatrzeniową.
Standardowy
program
Dedykowany
program
Program
ekspercki
Sieć
neuronowa
Nowe
rozwiązanie
Czas implementacji Mały
Duży –
bardzo duży
Duży –
bardzo duży
Mały –
średni
Mały –
średni
Koszt implementacji Mały –
średni
Bardzo duży -
duży
Duży –
średni
Mały –
średni
Mały –
średni
Ilość błędów w
implementacji Minimalna Duża
Duża -
średnia Nie wiadomo
Mała –
średnia
Łatwość wprowadzenia
zmian po implementacji
Prawie
niemożliwe
Średnio –
trudno
Średnio –
trudno
Prawie
niemożliwe Średnie
Koszt wprowadzenia
zmian po implementacji
Bardzo duży –
duży
Duży –
bardzo duży
Duży –
bardzo duży
Prawie
niemożliwe Średnie
Wprowadzenie modułu
uzasadniającego
rozwiązanie
zaproponowane przez
program
Wymagany jest
specjalistyczny
program
Trudny do
wprowadzenia
Standardowe
rozwiązanie
Brak
możliwości
Moduł będzie
wprowadzony
podczas
ulepszania
systemu
Koszt wprowadzenia w/w
modułu
Bardzo duży –
duży
Bardzo duży –
duży – – –
Dostosowanie do profilu
przedsiębiorstwa Nie Tak Tak Tak Tak
Prędkość działania
programu Średnia-duża Średnia Średnia Bardzo duża Duża
Możliwość aktualizacji
programu do zmieniającej
się rzeczywistości
Wymagany jest
specjalistyczny
program
Tak Tak Tak Tak
Czas potrzebny do
wprowadzenia w/w
aktualizacji
Duży Duży Duży – średni Aktualizacja
ciągła
Aktualizacja
ciągła
Możliwość analizy
procesów dotyczących
przyjęcia i wydania
towarów do magazynu
Wymagany jest
specjalistyczny
program
Wymagany jest
dodatkowy
moduł
Nie
Częściowa
(bez modułu
objaśnia-
jącego)
Tak
Moduł optymalizujący
transport uwzględniając
czas przewozu
i powierzchnię ładunkową
Wymagany jest
specjalistyczny
program
Wymagany jest
dodatkowy
moduł
Możliwe Brak wiedzy Tak
Koszt wprowadzenia w/w
modułu Bardzo duży Bardzo duży Średni – Brak
Możliwość wyznaczania
okien czasowych w całym
łańcuchu dostaw
Wymagany jest
specjalistyczny
program
Wymagany jest
dodatkowy
moduł
Tak Brak wiedzy Tak
Automatyczna aktualizacja
metody wyznaczania okien
czasowych
Wymagany jest
specjalistyczny
program
Wymagany jest
dodatkowy
moduł
Nie
Brak wiedzy,
prawdopo-
dobnie tak
Tak
Możliwość optymalizacji
czasu transportu w całym
łańcuchu logistycznym
Wymagany jest
specjalistyczny
program
Wymagany jest
dodatkowy
moduł
Możliwe Brak wiedzy Tak
Tab. 2. Porównanie własności systemów informatycznych [opr. własne].
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 36
Z powyższej tabeli wynika jednoznacznie, że aby dostosować standardowy program
do wymagań przedstawianej pracy, potrzebny jest specjalistyczny program i to dostosowanie
wiąże się z dużym nakładem finansowym, gdyż wdrożenie systemu informatycznego jest
zmianą, która uważana jest za inwestycje, zwykle związaną z nakładem finansowym [Fertsch
2009, s. 2225]. Program taki staje się bardziej programem specjalistycznym i dedykowanym
dla danego przedsiębiorstwa, takim jak systemy klasy ERP, np. SAP. Z drugiej zaś strony
wymagania te nie są standardowe dla omawianego programu, więc koszty implementacji
modułów, które by pozwalały systemowi spełnić wymagania stawiane w tej pracy, będą duże.
Podobnie będzie z czasem implementacji, który będzie bardzo duży, ze względu na trudność
we wprowadzeniu zmian. Analogicznie jest z modułem objaśniającym decyzję, proponowaną
przez system.
Pierwszym podstawowym wymogiem stawianym w stosunku do omawianego
w niniejszej pracy systemu jest ciągła aktualizacja do zmieniających się warunków, gdyż
współczesne warunki rynkowe charakteryzują się tym, że nic nie jest pewne: ani rozszerzanie
się rynku, ani popyt, ani długość cyklu produkcyjnego, ani szybkość zmian technologicznych,
czy natura konkurencji [Pacholski 2009, s 191], a tylko sieci neuronowe i systemy
zawierające sieć neuronową dają taką możliwość. Jeśli chodzi o pozostałe systemy, to tylko
drobne zmiany w otoczeniu przedsiębiorstwa mogą nie spowodować zakłóceń w działalności
programu, który może nadal działać poprawnie i dawać nadal optymalne propozycje, ale nie
musi. Człowiek obsługujący i korzystający z tego oprogramowania nie musi zauważyć że coś
się zmieniło i wymagana jest aktualizacja oprogramowania. System ponownie może się
dostosować do rzeczywistości, jeśli nastąpi ponowna analiza procesów logistycznych
w przedsiębiorstwie. Oczywiście może być ona często zlecana, lecz nie będzie ona ciągła.
Następnie tylko sieć neuronowa i proponowane w pracy rozwiązanie daje możliwość
analizy procesów związanych z przyjęciem i wydaniem towarów w taki sposób, iż każda
firma, włącznie z przedsiębiorstwem produkcyjnym, będzie traktowana jako jednakowe
podmioty i analiza ta będzie się odbywać w sposób ciągły. Pomimo wprowadzania ciągłych
aktualizacji szybkość działania tych dwóch rozwiązań będzie duża, co stanowi ich bardzo
dużą zaletę.
Jednakże sieć neuronowa nie będzie nigdy w stanie objaśnić proponowanych decyzji.
Ponadto nie wiadomo, czy sieć neuronową można zastosować do wyznaczenia okien
czasowych dla ciężarówki w całym łańcuchu dostaw, jak i optymalizacji transportu, pod
względem czasu i wykorzystanej powierzchni załadunkowej. Przedstawiona w pracy
koncepcja jest pierwszą tego typu. Istnieją oczywiście systemy hybrydowe stworzone do
optymalizacji przepływów i transportów, ale mają one zazwyczaj zastosowanie w gospodarce
energetycznej, czy wodnej bądź optymalizacji sygnalizacji w transporcie miejskim1. Tak
samo nie zostało znalezione żadne zastosowanie problemu komiwojażera i sieci neuronowej
do optymalizacji transportu w procesie zaopatrzenia.
1 Na podstawie poszukiwań w bazie Scopus, data: 03.03.2013.
2. Bibliograficzne podstawy tematu Strona | 37
2.4 Problem komiwojażera
Struktura sieci jest wzorowana na strukturze sieci rozwiązującej problem
komiwojażera i z tego względu samo zagadnienie (problem) komiwojażera (skrótowo
oznaczany przez TSP) zostanie przybliżone. Optymalizacja transportu jest związana
z wyborem najkrótszej drogi, jaką należy pokonać, aby odebrać towar od dostawców
i właśnie tak sformułowany problem kojarzy się z zagadnieniem komiwojażera.
Jest to problem kombinatoryczny, tzn. posiada skończoną liczbę rozwiązań
dopuszczalnych. Istotnie, zakładając, że problem dotyczy miast to może on być rozwiązany
poprzez wygenerowanie wszystkich tras i porównanie ich długości (poprzez pełne
przeszukiwanie całek przestrzeni rozwiązań). W praktyce jednak sprawa nie przedstawia się
tak prosto. Wprawdzie w przypadku np. pięciu miast istnieje tylko 12 różnych tras, niemniej
jednak już dla 10 miast mamy do czynienia z liczbą 181 440 możliwości, a dla 30 miast
należałoby sprawdzić ponad sytuacji, co trwałoby już latami. Zwiększenie liczby
miast z do prowadzi do -krotnego zwiększenia liczby tras. Oznacza to, że przy
zastosowaniu pełnego przeszukiwania rozwiązanie optymalne nie może być znalezione
w czasie wielomianowym (tzn. w czasie będącym wielomianem zmiennej ) [zob. Yoo-Shin
1997 s. 693; Rong 1997, s. 157]. Zatem metoda pełnego przeszukiwania nie ma w tym
przypadku praktycznego znaczenia, z wyjątkiem problemów o bardzo małym wymiarze. Co
więcej, pomimo intensywnych badań prowadzonych w tym zakresie nie znaleziono jeszcze
żadnego wielomianowego algorytmu dokładnie rozwiązującego rozważany problem. Stąd też
problem komiwojażera zalicza się do klasy tzw. problemów NP-trudnych [zob. Xue-song
2007, s. 1]. Nie wiadomo, czy tego typu problemy mogą być w ogóle rozwiązane w czasie
będącym wielomianem zmiennej . Stąd dużego znaczenia nabierają algorytmy przybliżone,
które wprawdzie nie we wszystkich przypadkach generują rozwiązania optymalne, ale za to
działają w czasie wielomianowym, a otrzymane przybliżone rozwiązania są satysfakcjonujące
z praktycznego punktu widzenia [Korbicz 1994, s. 137-139].
Nic więc dziwnego, że w tym kontekście duże nadzieje i zainteresowanie wzbudził
artykuł Hopfielda i Tanka [Hopfield 1985, s. 141-152], w którym w celu rozwiązania
problemu komiwojażera zaproponowano użycie analogowej sieci rekurencyjnej (sieci
Hopfielda) [Hong 2005, s. 739], charakteryzującej się elegancką formulacją [Kahng 1989,
s. I-513]. Pokazano w tym artykule, że metoda Hopfielda może rozwiązać TSP
z 30 miastami w krótkim czasie obliczeniowym z porównywalnie dobrą dokładnością
[Yoshiyuki 1994, s. 4529] i w dodatku z powodzeniem. Zalety tego podejścia wydawały się
bezsporne - ponieważ przetwarzanie w sieci neuronowej z natury jest równoległe (oczywiście
w implementacji sprzętowej, a nie przy użyciu programu – symulatora), więc czas potrzebny
na uzyskanie rozwiązania powinien być minimalny. Co więcej, nie powinien on znacząco
zależeć od liczby miast [Korbicz 1994, s. 137-139]. Hopfield wprowadził koncepcję funkcji
w sieciach neuronowych i pokazał, że poszukiwanie punktu który minimalizuje energię może
być wyprowadzony poza elektroniczny okrąg. Używając tej własności można znaleźć
rozwiązanie w niedeterministycznym czasie dla NP-trudnego zagadnienia TSP [Goto 2008,
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 38
s. 734]. Ponadto sieć Hopfielda idealnie się nadaje do rozwiązywania problemów
optymalizacyjnych [Kashmiri 1991, s. 940].
Najprościej problem ten można sformułować następująco - komiwojażer mieszka
w pewnym mieście i planuje podróż do pewnych innych miejscowości. Chce odwiedzić każde
miasto dokładnie jeden raz, po czym powrócić do domu [zob. Zhu 2009, s. 1; Kopańska-
Bródka 2010, s. 68]. Znane mu są przy tym odległości między każdą parą miejscowości.
Pojawia się następujący problem: w jakiej kolejności powinien odwiedzać miasta, aby
odwiedzić je tylko raz, po czym wrócić do domu i aby całkowita długość trasy była
minimalna?
Zgodnie z powyższym komiwojażer (nawigator) ma odbyć podróż przez zbiór miast
(portów, wierzchołków), odwiedzając każdy z nich raz, tak aby zminimalizować sumaryczną
przebytą odległość [Bank 2002, s. 207], zatem dane jest N miast o nazwach
i należy znaleźć najkrótszą drogę dla komiwojażera, tak aby odwiedził wszystkie miasta tylko
raz [Choy 1995, s. 2632], a w końcu wraca do miasta początkowego. Jego droga jest
zamkniętą drogą, a jej długość jest sumą wszystkich krawędzi, z których się składa [Guo
2012, s. 978]. Ponieważ wyjścia neuronów sieci są binarne (każde z nich może przyjmować
albo wartość 1 lub 0) do reprezentacji problemu będą wykorzystywane neuronów
podzielonych na kolejnych neuronów. Każda grupa odpowiada jednemu miastu. Wartość 1
na wyjściu -tego neuronu w grupie oznacza, że dane miasto ma również występować jako
-te na trasie komiwojażera. Ponieważ każde miasto może pojawiać się na trasie dokładnie
raz, w danej grupie powinien być aktywny tylko jeden neuron, wyjścia pozostałych natomiast
powinny być równe zero. Przykładowo dla czterech miast i dopuszczalnym
rozwiązaniem generowanym przez sieć mogłaby być następująca sekwencja wyjść neuronów
co oznacza, że poszczególnym miastom odpowiadają następujące czwórki
1 2 3 4
Miasto 0 1 0 0
Miasto 1 0 0 0
Miasto 0 0 1 0
Miasto 0 0 0 1
a więc komiwojażer powinien odwiedzić kolejno miasta , , i .
Niech odnosić się będzie do wyjścia neuronu związanego z miastem oraz -tą
pozycją tego miasta na trasie komiwojażera, tzn.
{ ę
.
W sformułowaniu problemu konieczne jest uwzględnienie kilku ograniczeń wiążących
stany . Przyjęte zostanie założenie, że mogą przyjmować jedynie wartości: zero albo
jeden.
2. Bibliograficzne podstawy tematu Strona | 39
.
Po pierwsze, każde miasto powinno pojawić się na trasie dokładnie raz, co odpowiada
warunkowi
∑ ∑ ∑ .
Po drugie, dwa różne miasta nie mogą wystąpić na tej samej pozycji na trasie, czyli mamy
do czynienia z ograniczeniem
∑ ∑ ∑ .
Po trzecie, komiwojażer musi odwiedzić wszystkie miasta, a co oznacza spełnienie warunku
(∑ ∑ )
.
Przy spełnionych ograniczeniach w/w warunki są sformułowane poprawnie, a wprowadzone
funkcje , i nie mogą przyjmować wartości ujemnych [Korbicz 1994, s. 137-139].
Problem ten dla miast zawiera symetryczną macierz z nieujemnymi
rzeczywistymi składnikami dij, gdzie dij oznacza odległość między -tym a -tym, miastem.
Oryginalne sformułowanie Hopfielda i Tanka (zob. [Hopfield 1984]) używa wyjściowych
węzłów w formie macierzy kwadratowej, gdzie wiersze odpowiadają poszczególnym
miastom a kolumny do pozycji na trasie. Zatem obowiązujące rozwiązanie będzie w formie
macierzy permutacji, tj. dokładnie jedno miasto będzie dane w jednej pozycji i każde miasto
będzie odwiedzione raz.
W pracy tej zostanie zaproponowany inteligentny system hybrydowy zarządzania
logistyką zaopatrzeniową, który uwzględni czas transportu i będzie traktował dostawców
w sposób zintegrowany z przedsiębiorstwem, bazując właśnie na sieci Hopfielda
rozwiązującej w/w problem komiwojażera.
3. Koncepcja systemu
3.1 Zarządzanie logistyką zaopatrzeniową w przed-
siębiorstwie
Efektywne zaopatrzenie w towary i usługi przyczynia się do przewagi konkurencyjnej
danej organizacji. Proces zaopatrzenia łączy uczestników łańcucha dostaw i zapewnia
pożądaną jakość tworzoną przez dostawców w tym łańcuchu. Jakość materiałów i usług
„wchodzących” ma duży wpływ na „wychodzące” z niego wyroby gotowe, a zatem na
zadowolenie klienta i dochód firmy. Koszty na wejściu do systemu stanowią dużą część
kosztów całkowitych firm wielu gałęzi przemysłu [Coyle 2007, s. 103].
M. E. Porter [Porter 1985, s. 11-16] w swoim łańcuchu wartości wyjaśnił strategiczne
znaczenie zaopatrzenia, wynikające z faktu, że obejmuje ono takie czynności, jak
kwalifikowanie nowych dostawców, kupowanie różnych rodzajów materiałów
i monitorowanie wykonawstwa. W związku z tym zaopatrzenie ma podstawowe znaczenie
w kształtowaniu powiązań między uczestnikami łańcucha dostaw [Coyle 2007, s. 106].
W zależności od kontekstu zaopatrzenie można zdefiniować, w węższym znaczeniu,
jako akt zakupu towarów i usług dla firmy lub, w szerszym znaczeniu, jako proces
pozyskiwania dóbr i usług dla firmy. Proces zaopatrzenia jest jednak czymś więcej niż
kulminacją działania; jest to pomyślne zrealizowanie cyklu czynności, które często
przekraczają granice organizacji. Zaopatrzenie składa się ze wszystkich działań, które są
niezbędne do nabycia dóbr, zgodnych z wymaganiami użytkownika [Coyle 2007, s. 105-106].
Do podstawowych zadań w ramach logistyki, które wynikają również z przyjętych
przez dane przedsiębiorstwo zasad zaopatrzenia, można zaliczyć: planowanie potrzeb
materiałowych, magazynowanie i gospodarkę zapasami, wybór źródeł zakupu, dostawców
(źródeł zaopatrywania firmy) oraz organizację dostaw (zamawianie i potwierdzanie
zamówień, odbiór dostarczanych materiałów, transport materiałów wraz z pracami
przeładunkowymi i ocenę dostaw) [Piasecka-Głuszak 2011, s. 46].
Działania składające się na proces zaopatrzenia często wykraczają poza granice
funkcjonalne firmy oraz granice organizacyjne i nie mogą być efektywnie zrealizowane bez
zaangażowania się weń wszystkich uczestniczących w transakcji. Pomyślne przeprowadzenie
tych działań pozwala na maksymalizowanie wartości zarówno dla organizacji kupującej, jak
i sprzedającej, przy jednoczesnym zmaksymalizowaniu wartości w całym łańcuchu dostaw
[Coyle 2007, s. 106].
Logistyka zaopatrzenia obejmuje zatem dostarczenie materiałów niezbędnych do
produkcji w przedsiębiorstwie, ich składowanie oraz przemieszczanie do pierwszego
stanowiska linii produkcyjnej. Logistyka ta jest traktowana jako zarządzanie strumieniem
dopływu do przedsiębiorstwa [Gołembska 2010, s. 200].
3. Koncepcja systemu Strona | 41
Systemem logistycznym, zajmującym się pierwszą fazą przepływu towarów,
tj. logistyką zaopatrzenia, nazywany jest systemem zajmującym się przepływem dóbr
rzeczowych i informacji, rozpoczynających się od dostawcy surowców na rynku zaopatrzenia.
Odpowiada on za koordynację przepływów i dostarczenie surowców, materiałów, części
zamiennych oraz ewentualnie wyrobów gotowych do magazynu kooperacyjnego,
zajmującego się gromadzeniem lub sortowaniem, albo do magazynu zaopatrzeniowego, albo
bezpośrednio z rynku zaopatrzenia do procesu produkcyjnego [Piasecka-Głuszak 2011, s. 39].
Do najważniejszych zagadnień, związanych z logistycznymi procesami zaopatrzenia,
należą: kompletność, jakość i terminowość dostaw, gdyż warunkują one sprawną obsługę
procesów produkcyjnych [Piasecka-Głuszak 2011, s. 45] i właśnie nimi będzie się zajmował
inteligentny system hybrydowy, ponieważ w miarę wydłużania się łańcucha dostaw we
współczesnej, globalnej gospodarce coraz ważniejsza staje się funkcja transportu, polegająca
na łączeniu nabywców oraz sprzedawców, których mogą dzielić znaczne odległości.
Transport tworzy swoisty pomost między nabywcą a sprzedawcą. Powiększająca się luka
przestrzenna powoduje wzrost kosztów transportu. Ponadto prowadzenie działalności
gospodarczej na rynkach międzynarodowych powoduje wydłużenie dróg transportu, co
pociąga za sobą konieczność utrzymania wyższego poziomu zapasów i, w efekcie,
zwiększenie kosztów składowania. Dlatego im większa będzie luka, tym wyższe będą koszty
transportu i składowania [Coyle 2007, s. 404].
Wiąże się to z koniecznością tworzenia zasileniowych strumieni materiałowych,
względnie stałych, regularnie powtarzających się w odpowiednich odstępach czasu. Decyzje
zaopatrzeniowe obejmują m.in. wybór źródeł zakupów, wybór środka transportu
i przewoźnika, ustalenie cen oraz jakości kupowanych pozycji materiałowych. Nierzadko
liczba tych pozycji przekracza kilkanaście tysięcy. Decyzje zaopatrzeniowe nie należą do
najprostszych. Z drugiej strony, muszą one być podejmowane bardzo rozważnie,
z uwzględnieniem ich znaczącego wpływu na ekonomikę przedsiębiorstwa, a zwłaszcza na
poziomie kosztów i osiąganych zysków. W ten sposób proces zakupu produktów przez
przedsiębiorstwo znacznie różni się od procesu zakupu produktów przez indywidualnego
konsumenta [Gołembska 2010, s. 202].
Przedsiębiorstwo produkcyjne stanowi ważne ogniwo w systemie logistycznym. Jako
podmiot, który podejmuje się wytwarzania jakiegoś produktu, co skłania go do organizacji
zaopatrzenia, a następnie zbytu, odgrywa inicjującą rolę w funkcjonowaniu całego łańcucha
dostaw. Producent występuje jako odbiorca pewnych zasobów i zarazem dostawca innych,
wytworzonych przez siebie, o wyższym stopniu przetworzenia. Lokalizując ogniwo
produkcyjne w łańcuchu logistycznym, można mówić o rzeczowym strumieniu dopływu
(zasileniowym) i strumieniu odpływu. Strumień dopływu stanowią surowce, materiały, części,
podzespoły, moduły, niezbędne do wytworzenia produktu o nowych cechach i własnościach.
Strumień odpływu natomiast to wytworzone z nich gotowe wyroby [Gołembska 2010,
s. 198-202].
Kluczowym zadaniem dystrybucji jest zaoferowanie wytworzonych produktów na
rynku [Grzegorczyk 2011, s. 79], czyli dostarczenie finalnym nabywcom pożądanych przez
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 42
nich produktów do miejsc, w których chcą je nabyć, we właściwym czasie, na uzgodnionych
warunkach i cenie [Sławińska 2008, s. 26], które najlepiej będą odpowiadały potrzebom
i oczekiwaniom nabywców [Pomykalski 2008, s. 118-119]. Jest to możliwe tylko jeśli towary
potrzebne do wytworzenia finalnego produktu będą dostarczone we właściwym czasie, na
uzgodnionych warunkach i po akceptowanej przez nich cenie. Wiąże się to z fizycznymi
zabiegami na towarach (pakowanie, konfekcjonowanie, transport) [Pilarczyk 2006, s. 190],
dlatego też ważna jest ocena poziomu świadczonych usług dostawczych, gdzie najczęściej
bierze się pod uwagę następujące cechy [Gołembska 2010, s. 245]:
czas dostawy (szybkość realizacji zamówień),
terminowość dostaw,
niezawodność dostaw,
elastyczność dostaw,
jakość dostaw.
Warto wspomnieć o koszcie transportu w przypadku zaopatrzenia. Jakość obsługi
transportowej bezpośrednio wpływa na ponoszone koszty utrzymania i wyczerpania zapasów,
a także na koszty ich funkcjonowania [Coyle 2007, s. 405]. Im dłuższy będzie czas przewozu,
tym wyższy poziom zapasów firma będzie musiała utrzymać w celu zabezpieczenia się przed
ich wyczerpaniem do momentu nadejścia kolejnej dostawy. Niezawodność danej gałęzi
transportu i poziom zapasu bezpieczeństwa wpływają także na poziom zapasów
utrzymywanych w magazynie, wykorzystanie sprzętu do manipulacji materiałami i pracy
z nimi związanej oraz czas i koszty komunikacji z przewoźnikiem, umożliwiającej określenie
stadium zaawansowania danej dostawy lub dochodzenie odszkodowania za towary zniszczone
w czasie transportu [Coyle 2007, s. 406].
Czynnik czasu w zarządzaniu logistycznym jest elementem wyróżniającym się
spośród wykorzystywanych kierunków działań logistycznych. Większość opracowanych
i wdrażanych rozwiązań uwzględnia w swych założeniach pośrednio i bezpośrednio czynnik
czasu [Kubiak M. 2006, s. 42].
Z tego właśnie powodu optymalizacja czasu w procesie odbioru i rozładunku oraz
ustalaniu trasy transportu towarów będzie rozpatrywana przez inteligentny system
hybrydowy.
3.2 Potencjalne korzyści i problemy
Ideą systemu jest stworzenie dynamicznych, a nie stałych, tras odbioru towaru, które
by bardziej odpowiadały dynamicznym zmianom w sytuacji gospodarczej.
Nadrzędnym celem tego rozwiązania jest optymalizacja powierzchni ładunkowej.
Dodatkowo bardzo ważnym kryterium będzie czas transportu od pierwszego dostawcy do
odbiorcy końcowego. Często przy łączonych transportach znacznie wydłuża się czas
transportu.
3. Koncepcja systemu Strona | 43
Z tego względu każdemu z dostawców, którzy będą uwzględniani jako potencjalne
punkty odbioru, będzie przypisany pewien wskaźnik, uwzględniający sprawność obsługi
załadunków i czas potrzebny od momentu zgłoszenia się pojazdu do załadunku aż do
momentu opuszczenia bram firmy. Takie rozwiązanie ma bezpośredni wpływ na potencjalne
korzyści, jakie może osiągnąć firma, wprowadzająca ten system.
Elementami, które mają bezpośredni wpływ na kształtowanie się poziomu kosztów
transportu są [Ciesielski 2005, s. 89; Stajniak 2007, s. 128]:
(a) technologia realizowanej usługi transportowej,
(b) waga towaru,
(c) objętość towaru,
(d) odległość przemieszczania,
(e) niebezpieczeństwo związane z przewozem towaru (dotyczy towarów objętych
ADR),
(f) podatność transportowa towaru,
(g) wartość towaru.
Efektywnym celem proponowanego systemu hybrydowego, będzie wzięcie pod uwagę
większość z wymienionych elementów.
Przedsiębiorstwo, które zastosuje opisywany system może uzyskać następujące
korzyści:
(a) Zmniejszenie kosztów transportu, poprzez łączenie przesyłek i ładunków
z pominięciem ewentualnego punktu konsolidacyjnego.
(b) Szybsze dostosowanie transportu do zmieniającej się dynamicznie sytuacji
gospodarczej, a nie bazowanie tylko na danych historycznych.
(c) Skrócenie czasu transportu towarów.
(d) Zmniejszenie zapasu bezpieczeństwa, jakie przedsiębiorstwo musiało by
utrzymywać na swoim magazynie do czasu, aż nowa dostawa będzie dostarczona
na magazyn.
(e) Zwiększenie rotacji materiałów na magazynie, poprzez zamówienie mniejszych
ilości.
(f) Łatwiejsze śledzenie przesyłki, ponieważ będzie ona w jednym pojeździe i nie
będzie przeładowywana podczas transportu.
(g) Możliwość ciągłej aktualizacji oprogramowania i brak konieczności zlecania
takiej aktualizacji, co wiąże się z mniejszymi kosztami użytkowania systemu.
(h) Możliwość ciągłej obserwacji zmian sprawności i czasu załadunku oraz
rozładunku towarów zarówno u siebie jak i u kooperantów.
(i) Możliwość wczesnej diagnozy i reakcji na pogarszającą się sytuację u siebie
i u dostawców w w/w zakresie.
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 44
Potencjalne problemy
Może się okazać, że będzie istniało ryzyko, iż system neuronowy nie znajdzie
najlepszego globalnego rozwiązania dla przedstawianego problemu, tylko minimum lokalne,
a system ekspercki nie zaradzi temu problemowi, ponieważ tylko częściowo sprawdza
skuteczność systemu.
Może również zaistnieć taki przypadek, w którym odbiorów na jednym obszarze
będzie za mało i system poda punkty odbioru bardzo odległe od siebie i takie podejście
przestanie być korzystne ekonomicznie.
Z w/w powodów możliwe jest, że będzie konieczne utrzymywanie dotychczasowego
sposobu transportowania towarów i równolegle stosowanie nowego podejścia.
3.3 Model jakościowy systemu
Kolejność odbiorów będzie wyznaczać sieć neuronowa, dzięki częściowemu
sprowadzeniu tego zagadnienia do problemu komiwojażera. Sieć wybierze dostawców
w kolejności odbiorów, aby uwzględnić odległości między poszczególnymi dostawcami.
Pierwszym i ostatnim stałym punktem odbioru będzie przedsiębiorstwo produkcyjne, gdzie
wpierw ładowane będą opakowania, a na końcu dostarczane towary zostaną rozładowane. Tak
opisany system będzie nazywany w tej pracy systemem hybrydowym zaopatrzeniowym.
Do systemu wprowadzony zostanie tzw. współczynnik logistyczny, który będzie
opisywał szybkość załadunku towarów i będzie ustalany indywidualnie dla każdego
dostawcy, jak również i przedsiębiorstwa, na podstawie dotychczasowego doświadczenia.
Celem stworzenia takiego współczynnika jest faworyzowanie dostawców o szybkiej
obsłudze, ponieważ przewidziany będzie odbiór zazwyczaj u kilku dostawców (aby jak
najlepiej wykorzystać powierzchnię paletową), ważne jest aby dostawa szybko i sprawnie
dojechała do odbiorcy końcowego. Czas jest istotny, ponieważ w przypadku zapewnienia
krótkiego czasu dostawy ładunków odbiorca końcowy może zmniejszyć zapas
bezpieczeństwa jaki musi utrzymywać na swoim magazynie na dostarczany towar. Czas
spędzony na czekaniu na odbiór towaru jest czasem nieproduktywnym, czyli zmarnowanym
i nie przynoszącym korzyści.
Dostawcy w tym systemie będą zobowiązani do podawania wielkości i wagi przesyłek
odpowiednio wcześniej, aby system mógł z kolei odpowiednio wcześniej wszystkie te dane
wykorzystać. Dodatkowo, z praktycznego punktu widzenia, przed dostarczeniem tych danych
do systemu odbiorca końcowy (czyli przedsiębiorstwo) powinien mieć jeszcze jeden dzień,
aby je sprawdzić. Jest to istotne, ponieważ często się zdarza, iż dostawcy, jeśli nie są
odpowiednio kontrolowani, wysyłają towar w większej ilości niż jest to konieczne (lub
zamówione), gdyż chcą zmniejszyć swój stan magazynowy i szybciej otrzymać zapłatę za
dostarczony towar. Dla odbiorcy końcowego oznacza to zwiększenie stanu magazynowego
i zamrożenie kapitału. Dlatego też niniejsza praca proponuje, aby dostawca przekazał 3 dni
wcześniej informację o przesyłce.
3. Koncepcja systemu Strona | 45
Aby zapobiec pustym przebiegom ciężarówek przyjęte zostało w pracy założenie,
iż każdy pojazd transportowy rozpoczyna swoją trasę od przedsiębiorstwa produkcyjnego
i będzie on załadowany pojemnikami lub opakowaniami transportowymi. Przy odbiorze
towarów będzie następowało przekazanie tych opakowań dostawcom. Przyjęte zostanie
ponadto założenie, że wszystkie wysyłane towary będą zapakowane w pojemniki (każda
pozycja materiałowa będzie miała przypisany jeden typ pojemnika, w którym może być
przewożona) oraz że z góry będzie wiadomo ile sztuk danego detalu będzie się maksymalnie
mieściło w danym pojemniku. W celu uproszczenia modelu aplikacyjnego przyjęte zostało
dodatkowe założenie, że wszystkie pojemniki mają takie same wymiary, jednakże w ogólnych
założeniach koncepcji nie ma tego ograniczenia. W ogólnej koncepcji pojemniki są
różnorodne i wszystkie dane fizyczne pojemników (wysokość, szerokość i głębokość wraz
z ich wagą) będą znane. Podczas transportu w jednym pojemniku znajdować się będzie tylko
jeden rodzaj pozycji materiałowej. Rodzaj, wielkość i waga odbieranych towarów
potrzebnych w procesie produkcyjnym są tak różnorodne, że przewożenie ich w kartonach, ze
względu na możliwość uszkodzenia towaru w drodze, jest rozpatrywane jako ryzykowne.
W rzeczywistości różnorodność detali sprawia, iż jeden uniwersalny pojemnik nie wystarcza.
Dzięki dokonanym założeniom podanie żądanej ilości towaru będzie oznaczało dla systemu
również informację o potrzebnej powierzchni ładunkowej do ich transportu, co umożliwi
kontrolowanie danych przekazywanych przez dostawcę, już przed wysyłką oraz w trakcie
transportu, kiedy to informacje przedsiębiorstwu przekaże przewoźnik. Wprowadzenie tych
danych do systemu umożliwi szybką i łatwą kontrolę ładunków po przekazaniu tych
informacji przez przewoźnika.
Jeśli powtarzać się będzie sytuacja, w której wpierw przekazane (trzy dni wcześniej)
dane dotyczące planowanej wysyłki będą się różniły od danych podawanych przez system lub
przewoźnika, to takiemu dostawcy można obniżyć współczynnik logistyczny. Dodatkowo
informację, iż towar pomimo zapewnień dostawcy, nie został wysłany odbiorca końcowy
otrzymuje zazwyczaj dopiero podczas rozładunku towaru, czego będzie można uniknąć dzięki
wykorzystaniu tego systemu.
Podobna aktualizacja może nastąpić w odniesieniu do współczynnika logistycznego,
zatem wtedy, kiedy czas załadunku towarów będzie dłuższy niż czas przewidziany przez
system. Jest to niezwykle istotne ze względu na fakt, iż na podstawie tego współczynnika
można wyznaczyć czas, kiedy pojazd transportowy przyjedzie do następnego dostawcy.
Współczynnik bezpośrednio po implementacji musi być sprawdzony, aby wykazać, czy czas
wyznaczony przez system będzie zgodny z rzeczywistym czasem przejazdu oraz godziną
i dniem, kiedy kierowca zgłosi się na bramie u dostawcy. Podawany przez system
przewidywany czas wyznaczany będzie na podstawie archiwalnych danych i/lub
dotychczasowego doświadczenia. Po urzeczywistnieniu tego współczynnika będzie znana
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 46
Dostawca 1
Zakład produkcyjny
Dostawca 5
Dostawca 3
Dostawca 2
Dostawca 6
Dostawca 4
Załadunek
pojemników
Załadunek
pojemników
Rozładunek pojemników i załadunek
towarów u każdego dostawcy oraz
przekazanie informacji o odebranej
przesyłce do przedsiębiorstwa
Dostawca 7
Rozładunek pojemników i załadunek
towarów u każdego dostawcy oraz
przekazanie informacji o odebranej
przesyłce do przedsiębiorstwa
Rys. 9 Model systemu zaopatrzeniowego [oprac. własne].
pora, kiedy u poszczególnych dostawców powinien dotrzeć przewoźnik i ta informacja będzie
mogła być przekazywana wszystkim zainteresowanym stronom łańcucha dostaw w celu
ustaleniu okna czasowego w poszczególnych ogniwach tego łańcucha. Dzięki takiemu
3. Koncepcja systemu Strona | 47
rozwiązaniu przewoźnik będzie mógł szybko i sprawnie dokonać rozładunku, następnie
załadunku, a czas spędzony na tym procesie będzie zminimalizowany. To spowoduje,
iż u następnego dostawcy pojazd transportowy będzie mógł być na czas, na następne okno
czasowe. System ekspertowy dodatkowo uwzględni czasy, jakie kierowca musi przeznaczyć
na ustawowe przerwy i dzięki temu podane czasy będą bardziej prawdopodobnie. Oczywiście
przy zmianie praw o pracy kierowcy, czasy te muszą być aktualizowane w systemie.
Nadto, dzięki informacji o ilości wolnej powierzchni ładunkowej poszczególnych
pojazdów transportowych w sytuacjach kryzysowych, kiedy towar jest pilny, zamiast
organizowania specjalnego transportu może być wykorzystany w/w pojazd, jeśli na trasie
byłby dostawca, od którego winny być pobierany pilny towar. Dzięki temu będzie istniała
możliwość zaoszczędzenia na dodatkowych kosztach pilnych transportów.
Następnie przyjęte założenie dotyczące kursowania pojazdów w określone, ustalone
z góry, dni. Założenie to będzie ograniczało liczbę odbiorów towarów do dwóch tygodniowo,
tworząc w ten sposób stały harmonogram odbiorów. To założenie nie jest konieczne dla
rozpatrywanego systemu, ale zostało ono wprowadzone, gdyż dzięki niemu koszty transportu
mogą zostać obniżone. Ponadto jest to korzystne dla klienta, gdyż może on zminimalizować
poziom zapasów, jeżeli dostawy będą regularne. Kiedy przykładowo klient, który ma 100-
procentową pewność, że cykl realizacji jego zamówień trwa zawsze 10 dni, może
utrzymywać zapasy na takim poziomie, aby odpowiadały one przeciętnemu popytowi
(zużyciu) w ciągu 10 dni. Nie będzie wtedy musiał utrzymywać zapasu bezpieczeństwa
w obawie przed wyczerpaniem się produktów z powodu nieregularnych dostaw. Dotrzymanie
czasu dostawy wpływa zatem bezpośrednio na poziom zapasów u klienta i koszty ich
ewentualnego wyczerpania [Coyle 2007, s. 159]. Dodatkowo, jeśli te dni są znane z góry to
krótki okres poprzedzający podanie dokładnej trasy odbioru lub załadunku towarów będzie
bardziej możliwy do zaakceptowania przez firmę przewożącą towary.
Dodatkowo istnieje możliwość rozpatrzenia dedykowanych pojazdów. Oznaczałoby
to, że zawsze załadunki będzie obsługiwać określona liczba pojazdów i tylko w przypadku
konieczności, wynajmowane będą dodatkowe. Takie założenia oznaczają większą możliwość
negocjacyjną dla firm wprowadzających opisywany system – możliwość obniżenia kosztów
transportu.
Warto tutaj zaznaczyć, że rezultaty pracy tego systemu hybrydowego nie będą od razu
przekazywane przewoźnikowi. Użytkownik zawsze będzie dane te przekazywał firmie
transportowej, gdyż intencją autorki jest, aby system spełniał rolę doradczą, a nie decyzyjną.
Takie podejście, w którym program komputerowy nie ma zastąpić człowieka, lecz ma
wspierać jego działania wymagające zaangażowania inteligencji, okazało się owocne
i przyniosło wiele wartościowych zastosowań w biznesie [Surma, s. 7].
Dodatkowo w systemie ekspertowym, w którego skład będzie wchodził GPS
wyznaczony zostanie sugerowany czas przejazdu. Dzięki informacji zwrotnej od przewoźnika
w bazie pierwszego systemu eksperckiego będzie mógł być aktualizowany współczynnik
logistyczny, który uwzględniałby realny czas załadunku towarów. Czas jest ważnym
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 48
aspektem uwzględnianym w tym systemie, więc realne dane na jego temat stają się
szczególnie istotne. Dzięki ciągłej aktualizacji tego współczynnika system będzie mógł
reagować w sposób dynamiczny na problemy pojawiające się u dostawcy. Oczywiście, aby
zapobiec aktualizacji na podstawie jednego odosobnionego przypadku, dane będą
gromadzone i jeśli opóźnienia będą się kilkakrotnie zdarzały informacja taka zostanie
przekazana użytkownikowi. Następnie przedsiębiorstwo będzie miało wybór – albo będzie
aktualizowało współczynnik, albo będzie mogło przeprowadzić rozmowę dyscyplinującą
z dostawcą i jeśli nadal sytuacja nie będzie się poprawiać, to wtedy będzie przeprowadzona
aktualizacja współczynnika.
Takie postępowanie powoduje, że system nadal pozostaje systemem doradczym,
a użytkownik oraz kierownictwo przedsiębiorstwa będą zawsze mieli wpływ na ostateczne
decyzje.
Zarządzanie logistyką zaopatrzeniową w ten sposób oznacza przede wszystkim dla
odbiorcy końcowego z góry znane koszty, mimo iż trasy odbiorów będą się zmieniać
dynamicznie, gdyż system ekspertowy poda liczbę kilometrów, a dzięki ustalonej stawce za
kilometr, opłata za transport, będąca iloczynem liczby kilometrów i właśnie stawki za
kilometr, będzie znana i podawana przez trzeci system ekspertowy. Dzięki temu weryfikacja
faktur wystawianych przez przewoźnika nie będzie sprawiać dużego problemu osobom do
tego wyznaczonym.
Poniżej został przedstawiony model zastosowania danych otrzymanych dzięki
systemowi w logistyce zaopatrzeniowej (rys. 10).
Model aplikacyjny systemu został stworzony dla fikcyjnego przedsiębiorstwa. Jednym
z celów pracy jest przedstawienie korzyści wynikających dla przedsiębiorstwa przez
zastosowanie proponowanego systemu. Niestety jego opłacalność ekonomiczna nie zostanie
zweryfikowana, lecz tylko użyteczność takiego rozwiązania. Z tego powodu do systemu
hybrydowego wprowadzony został moduł sprawdzający. Jeśli dostawców jest trzech, czyli w
całym rozpatrywanym łańcuchu dostaw jest czterech kontrahentów, wliczając
przedsiębiorstwo produkcyjne, możliwych rozwiązań jest 13. Jeśli w systemie będzie
występował dodatkowy dostawca, to możliwych rozwiązań jest 73, natomiast już przy pięciu
dostawcach i jednym przedsiębiorstwie produkcyjnym liczba możliwych rozwiązań wynosi
około 1000. Z tego względu moduł sprawdzający będzie wywoływany jeśli dostawców będzie
mniej niż 5.
3. Koncepcja systemu Strona | 49
Rys. 10 Zastosowanie inteligentnego systemu hybrydowego w logistyce zaopatrzenia [oprac. własne].
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 50
3.4 Model ilościowy systemu
Proces ustalania trasy odbioru towarów w rozpatrywanym systemie można opisać
w następujący sposób [zob. Kubiak N. 2013’]:
1) Kilka dni (w pracy przyjęto założenie, że 3) przed planowaną wysyłką towaru
dostawca będzie awizował przesyłkę wraz z informacją o wadze przesyłki oraz ilością
miejsc paletowych, jaka jest potrzebna do przetransportowania towaru (zostanie
wykorzystane założenie, że wszystkie ładunki są paletowalne).
2) Sieć neuronowa na podstawie informacji podstawowych o dostawcy (kod pocztowy,
kraj, współczynnik logistyczny) pogrupuje dostawców ze sobą tak, aby
zmaksymalizować powierzchnię załadunkową, zminimalizować długość trasy odbioru
towarów uwzględniając przy tym położenie dostawców ich wzajemne sąsiedztwo oraz
ich współczynnik logistyczny. Utworzona w ten sposób grupa dostawców będzie
oznaczała, że odbiory u tych dostawców będzie obsługiwać jeden pojazd, a kolejność
tych odbiorów, wyznaczona przez system, nie będzie przypadkowa, tylko będzie
determinowała kolejność odbiorów u poszczególnych dostawców w ramach danego
pojazdu transportowego. Struktura sieci neuronowej będzie podobna do struktury sieci
rozwiązujących przedstawiony wcześniej problem komiwojażera.
3) System ekspercki SE 1 zainicjuje działanie sieci neuronowej SSN wielokrotnie w celu
podania różnych tras odbioru towarów. Jeśli nowa propozycja będzie lepsza od starej,
tzn. długość trasy odbioru będzie mniejsza i/lub powierzchnia wykorzystania będzie
większa i/lub średnia współczynników logistycznych będzie większa, to nowa
propozycja zostanie zapamiętana. Jest to etap, w którym system neuronowy będzie
sprawdzany, aby uniknąć błędów. Ilość powtórzeń działania sieci będzie ustalona
w wyniku przeprowadzonych testów systemu. W tej części systemu nastąpi również
archiwizacja najlepszych wyników. Wyniki te będą mogły być dodatkowo
wykorzystane do bieżącej aktualizacji parametrów sieci.
4) System ekspercki SE 2 odrzuci wyznaczone miejsca odbioru na podstawie procentu
wykorzystania powierzchni ładunkowej. Jeśli wielkość procentu nie przekroczy z góry
ustalonego progu (w pracy będzie to 85%), to wyznaczona kombinacja odbiorów
zostanie odrzucona. Następnie po rozpatrzeniu wszystkich kombinacji system poda
ilość potrzebnych środków transportu do obsługi wszystkich dostawców wraz
z procentem wykorzystania powierzchni załadunkowej poszczególnego pojazdu
transportowego. Ponadto (informacyjnie) podana zostanie suma współczynników
logistycznych. Odbiory, które zostaną odrzucone zostaną podane przez system, aby
użytkownik mógł zorganizować obiór w tych miejscach, gdyż odbiór tych towarów
wydaje się być mało opłacalny.
5) W przypadku, gdy odbiorów będzie więcej niż jeden na danej trasie trzeci system
ekspercki SE 3 wyznaczy dokładną trasę odbioru ładunków. Przyjęto ponadto, że
przedsiębiorstwo jest również punktem, przez który musi trasa przebiegać, ale będzie
to jednak stały punkt końcowy i początkowy. System ten będzie połączony
z systemem GPS, który będąc jego podstawową częścią składową wyznaczy
3. Koncepcja systemu Strona | 51
optymalną trasę transportu wraz z ilością kilometrów. Na podstawie ilości kilometrów
system ten poda koszt transportu optymalnej trasy (z przewoźnikiem będzie ustalona
stawka za kilometr). Dodatkowo na podstawie współczynnika logistycznego
poszczególnych dostawców oraz na podstawie danych z GPS system poda czas
przejazdu wraz z przewidywaną datą i godziną zgłoszenia się kierowcy
u poszczególnych dostawców. Uwzględnione będą również narzucone przez prawo
obowiązkowe przerwy, jakie kierowca jest zmuszony zachować.
W systemie będzie wykorzystana sieć Hopfielda.
Rys. 11 Przebieg procesu ustalania trasy odbioru towarów [oprac. własne].
Struktura systemu hybrydowego
Cały system hybrydowy obsługujący wyżej opisany algorytm będzie składał się
z następujących elementów:
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 52
1) Sieć neuronowa SSN, której budowa będzie analogiczna do sieci rozwiązującej
problem komiwojażera.
SSN (model analogiczny jak do rozwiązania problemu komiwojażera)Współczynnik
logistyczny
Kod pocztowy
i kraj dostawcy
Wielkość i waga
przesyłki
Współczynnik
logistyczny
Wielkość i waga
przesyłki
1 d
ost
awca
2 d
ost
awca
Współczynnik
logistyczny
Wielkość i waga
przesyłki
n-t
yd
ost
awca
…
Kod pocztowy
i kraj dostawcy
Kod pocztowy
i kraj dostawcy
Rys. 12 Model sieci neuronowej SSN łączącej odbiory od różnych dostawców [oprac. własne].
Takie zastosowanie sieci neuronowej nie zostało jeszcze opisane2, dlatego też w modelu
aplikacyjnym systemu zastosowana zostanie walidacja sieci, a dokładniej w różny sposób
zostaną wyznaczone współczynniki wagowe sieci, po czym wyniki dostarczone przez te sieci
zostaną porównane, wraz z czasem pracy tych sieci.
2 Na podstawie poszukiwań w bazie Scopus, data: 03.03.2013.
3. Koncepcja systemu Strona | 53
2) System ekspercki SE 1
Rys. 13 Model systemu eksperckiego SE 1, sprawdzającego wyrywkowo,
czy znalezione przez SSN rozwiązanie jest globalnym optimum [oprac. własne].
Często w aplikacjach stosowana jest inna kolejność występowania elementów sztucznej
inteligencji. Zazwyczaj wpierw występuje system ekspertowy, który odpowiednio
przygotowuje dane, a następnie dopiero są one przekazywane do sieci neuronowej. Takie
postępowanie zwiększa prawdopodobieństwo znalezienia globalnego optimum przez sieć
neuronową, lecz w pewien sposób ogranicza to zasięg poszukiwań sieci i narzuca pewien
sposób poszukiwań. W opisywanym w tej pracy podejściu sieć ogranicza wstępne
pogrupowanie dostawców biorąc pod uwagę ich położenie geograficzne, jednakże w trakcie
testów współczynnik odpowiedzialny za to pogrupowanie będzie zerowany, aby sprawdzić
czy faktycznie pozwala to na usprawnienie działania sieci.
Rozpatrywany pierwszy system ekspertowy jest szczególnie ważny dla działania całego
systemu hybrydowego, ponieważ przygotowuje on dane wejściowe do sieci neuronowej i jest
to element systemu hybrydowego, który będzie dostosowywany każdorazowo do realiów
przedsiębiorstwa i dzięki właśnie SE 1 cały system hybrydowy będzie bardzo elastyczny.
Przykładowo, jeśli zgodnie z ogólną koncepcją systemu, firma dysponuje pojemnikami, to
system ten z danych podstawowych o pojemnikach wyznaczy wymiary i wysokość ładunku,
a dzięki informacji o ciężarze detali i pojemnika, czy też informacji o samej wysyłce, będzie
on w stanie dostarczyć wszystkie informacje niezbędne do uruchomienia sieci neuronowej.
Dodatkowo system ten będzie pomagał w obsłudze oraz archiwizacji danych
wyjściowych dostarczanych przez sieć neuronową. Dzięki temu sieć może bez większych
problemów działać i każdy krok iteracyjny może być w łatwy sposób odtworzony.
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 54
Kolejnym zadaniem systemu ekspertowego jest sprawdzanie optymalności rozwiązań
dostarczanych przez sieć neuronową. Będzie to wykonywane, poprzez wieloetapowy proces
sprawdzania oraz wielokrotne uruchomienie sieci. Przy każdym uruchomieniu wektor
wejściowy jest zmieniany i dzięki temu zwiększa się prawdopodobieństwo wyznaczenia
globalnego optimum poprzez rozpoczęcie procesu optymalizacji z innymi wartościami
wejściowymi.
Ostatnią czynnością, jaką system będzie wykonywać, będzie przekazanie sygnałów
wyjściowych sieci neuronowej do systemu ekspertowego SE2.
3) Drugi system ekspercki SE 2, który będzie sprawdzał czy otrzymane rozwiązanie jest
korzystne pod względem wykorzystywanej powierzchni ładunkowej.
Rys. 14 Model systemu eksperckiego SE 2, sprawdzającego, czy wykorzystanie powierzchni poszczególnego
pojazdu jest wystarczające oraz obliczający liczbę potrzebnych pojazdów do obsługi wyznaczonych tras.
[oprac. własne].
4) System ekspercki SE 3 wyznaczy najbardziej optymalną trasę i poda sumaryczną ilość
kilometrów trasy. Na tej podstawie obliczany będzie koszt transportu (liczba
kilometrów x stawka uzgodniona z przewoźnikiem). Jego podstawą będzie system
GPS.
3. Koncepcja systemu Strona | 55
Całość zatem stworzy system hybrydowy, którego budowę przedstawiono poniżej.
Rys. 15 Model systemu hybrydowego [oprac. własne].
4. Aplikacyjny model zaopatrzeniowy
4.1 Architektura systemu hybrydowego
Jak w każdym systemie, tak również i w omawianym systemie hybrydowym
występują zmienne, będące zmiennymi wejściowymi systemu, po czy następuje ich
przetworzenie, czyli następuje uruchomienie całego systemu, a jako rezultat system generuje
dane wyjściowe. Architektura inteligentnego systemu hybrydowego zostanie przedstawiona
zgodnie z opisanym procesem, zatem wpierw zostaną przybliżone dane wejściowe, po czym
nastąpi dokładniejsza analiza działania całego systemu i jego części składowych by
w następnym podrozdziale przybliżyć wyniki przeprowadzonych na tym systemie testów.
Danymi wejściowymi systemu są stałe parametry systemu, przybliżone w Tabeli 3,
oraz zmienne dane odnoszące się do samych transportów, które przedstawiono poniżej wraz
z ich opisem w Tabeli 4.
Tab. 3. Stałe parametry systemu wraz z ich opisem [opr. własne].
4. Aplikacyjny model zaopatrzeniowy Strona | 57
Tab. 4. Zmienne dane wejściowe systemu wraz z opisem [opr. własne].
Do każdego dostawcy przypisany jest wskaźnik położeniowy , ponieważ dostawcy
są podzieleni na obszary i w ten sposób wpierw odbiory będą wyszukiwane wśród sąsiadów
lub dostawców będących na trasie do zakładu produkcyjnego, a dopiero później wśród
dalszych sąsiadów. W trakcie testów użyteczność tego wskaźnika została sprawdzona,
poprzez przeprowadzenie prób nie uwzględniających tego wskaźnika i równolegle testy,
w których wskaźnik był brany pod uwagę..
Dane wejściowe systemu ze względu na uproszczony charakter powyższego modelu
są sczytywane z tabeli programu Microsoft E cel. Takie rozwiązanie jest korzystne
z praktycznego punktu widzenia, gdyż system był testowany na małym zakresie danych.
Podczas rozbudowy systemu warto rozpatrzyć możliwość zastosowania innego narzędzia,
przykładowo bazy danych.
Aby rozważania nie ograniczać tylko do jednego rodzaju środka transportu do
programu zostaną wprowadzone wartości maksymalne ładowności pojazdu – pm oraz
maksymalny ciężar gm, jaki może przewieź pojazd.
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 58
Rys. 16 Przebieg pracy systemu [opr. własne].
Przebieg pracy systemu będzie następujący (przedstawiono na rysunku 16):
1. Na podstawie danych wejściowych sieć neuronowa wyznacza pierwszą grupę dostawców,
których ładunki będą odebrane przez pierwszy pojazd i kolejność odbioru towarów.
2. System SE 1 doda ostatni element trasy, czyli przedsiębiorstwo produkcyjne. Jest to o tyle
istotne, gdyż wszystkie odebrane ładunki powinny być dostarczone do przedsiębiorstwa.
3. System ekspertowy zarchiwizuje otrzymaną grupę.
4. SE 1 inicjuje procedurę sprawdzania.
5. Jeśli grupa przejdzie pozytywnie w/w procedurę, to system zaktualizuje grupę możliwych
punktów odbioru tak, aby w następnej grupie nie wystąpił dostawca od którego ładunki są
już przewidziane do odbioru przez inny pojazd.
6. System ekspertowy SE 1 wyznaczy długość trasy na podstawie macierzy odległości.
7. W/w system ekspertowy uruchomi ponownie sieć neuronową.
8. Proces będzie się odbywał tak długo, aż zostaną przypisani do którejś grupy wszyscy
dostawcy lub jeśli liczba prób przypisania wszystkich dostawców jest mniejsza niż wartość
zmiennej lel (narzuconej z góry i definiującej maksymalną liczb prób wyznaczenia
optimum).
9. Cała procedura uruchamiana jest wielokrotnie, a dokładniej nrandomtours razy, aby raz
jeszcze upewnić się, czy znaleziono rozwiązanie, będące globalnym optimum.
10. System ekspertowy SE 2 wyznaczy te grupy dostawców, których ładunki wystarczająco
wypełniają powierzchnię ładunkową.
4. Aplikacyjny model zaopatrzeniowy Strona | 59
Rozpatrywana w pracy sieć Hopfielda jest w swojej budowie bardzo analogiczna do
sieci, która rozwiązuje problem komiwojażera. Sieć została zaimplementowana w Matlabie,
a kod źródłowy programu jest załączony do pracy na płycie CD. Budowa sieci została oparta
na rozwiązaniu zaproponowanym przez Hervé Abdi, które można znaleźć w [Abdi 1994,
1999].
Program składa się z wielu funkcji, zapisanych w skryptach. Dzięki takiemu podejściu
możliwa jest łatwa modyfikacja kodu źródłowego programu, ponieważ poszczególne skrypty
odpowiadają tylko za ograniczony obszar. Takie postępowanie jest praktykowane podczas
projektowania oprogramowania w środowisku Matlab. W tabeli poniżej przedstawiono
przeznaczenie poszczególnych skryptów i obszar ich zastosowania.
Tab. 5. Funkcje zastosowane w implementacji systemu wraz z ich opisem [opr. własne].
W tej części pracy wpierw zostaną przybliżone istotne dla funkcjonowania całej sieci
Hopfielda funkcje i skrypty programu Matlab (ich nazwy jak i zmienne zostały zapisane
kursywą), w których są zapisane, aby zaznaczyć w którym momencie w programie w/w
elementy następują oraz uściślić ich znaczenie dla funkcjonowania całego systemu,
a następnie przedstawione zostaną podstawowe różnice między zaprogramowaną siecią,
a typową siecią rozwiązującą problem komiwojażera.
Skrypt program.m steruje całym programem. Jest to tak naprawdę (wraz ze skryptem
tspb.m) SE 1. System ekspertowy został rozdzielony na dwa skrypty, ponieważ autorka pracy
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 60
sugerowała się rozwiązaniem zaproponowanym przez Hervé Abdi. Podstawowym zadaniem
program.m jest sczytanie wartości parametrów wejściowych sieci oraz zmiennych danych
wejściowych do całego systemu. Przed uruchomieniem sieci neuronowej sprawdza on czy
dane te są prawidłowe i czy podstawowe założenia są spełnione. Następnie jeśli dane są pod
względem formalnym prawidłowe (co jest równoznaczne z faktem iż operacje na macierzach
będą możliwe do wykonania) wtedy wielokrotnie (liczba powtórzeń jest zdeterminowana
zmienną nrandomtour) uruchamiany jest skrypt tspb.m, który uruchamia sieć neuronową
i sprawdza otrzymane wyniki (wyznaczane w skrypcie hop21.m), jak również zmienia zbiór
możliwych dostawców, od których jest przewidziany odbiór. Taka procedura jest ważna,
ponieważ gdy sieć uruchamiana jest powtórnie, to nie powinni być uwzględniani dostawcy,
którzy już zostali przydzieleni do grup
Rys. 17 Procedura wywołań funkcji i odpowiadających im skryptów [oprac. własne].
Sieć (skrypt tspb.m) jest wywoływany wielokrotnie ponieważ na jego początku
losowo wyznaczany jest wektor początkowy (w initsp.m). Może zaistnieć sytuacja, w której
wyznaczona trasa jest tylko minimum lokalnym i istnieje lepsze rozwiązanie, dlatego też
w skrypcie program.m każdorazowo wynik jest sprawdzany, aby zapamiętać tylko najbardziej
korzystne rozwiązanie. W pracy przyjęte jest założenie, iż jest kilka kryteriów zgodnie
z którymi trasa odbioru ładunków jest optymalizowana jednak najważniejszym z nich jest
kryterium kosztowe, a co za tym idzie sumaryczna długość tras odbiorów, gdyż
w opisywanym modelu rozpatrywana jest stawka kosztowa za km.
Wpierw ustanowione są wagi połączeń sieci na podstawie danych wejściowych
pomnożonych przez odpowiednie stałe, będące parametrami sieci. W ten sposób obliczana
jest macierz wszystkich połączeń (tspw.m).
4. Aplikacyjny model zaopatrzeniowy Strona | 61
Dodatkowo aby umożliwić szybsze wyznaczenie tras nie zawierających wszystkich
dostawców została wprowadzona zmienna ( , która przy każdorazowym
uruchomieniu sieci jest losowo wyznaczana, przy założeniu, że jest ona ze zbioru .
Długość nowej trasy, czyli liczba jej elementów jest mniejsza lub równa tej zmiennej. Takie
postępowanie zostało wprowadzone, gdyż samo wyznaczenie trasy trwa krótko, natomiast
sprawdzanie zajmuje więcej czasu, a zazwyczaj optymalna trasa nie zawiera wszystkich
elementów, dlatego też dzięki wprowadzeniu tej zmiennej szybciej system poda propozycję
trasy, która byłaby odpowiednia, czyli pozytywnie przeszłaby procedurę sprawdzenia
propozycji.
Procedura sprawdzania propozycji sieci odbywa się w następujący sposób:
(a) Sprawdzenie, czy pierwszy dostawca jest w wyznaczonej przez sieć trasie na
pierwszej pozycji, tj. czy trasa zaczyna się od przedsiębiorstwa produkcyjnego.
Za każdym razem trasa musi się zaczynać od przedsiębiorstwa, ponieważ
pobierane są opakowania transportowe, a następnie gdy ładowany jest towar
następuje rozładunek pojemników przeznaczonych dla tego dostawcy.
(b) Sprawdzenie, czy powtarzają się dostawcy (lub przedsiębiorstwo)
w wyznaczonej trasie (sprawdzenie1.m).
(c) Sprawdzenie, czy trasa nie zawiera więcej punktów odbioru niż jest to
potrzebne, czyli czy długość trasy jest mniejsza bądź równa zmiennej .
(d) Sprawdzenie, czy w otrzymanej trasie są tylko ci dostawcy, którzy powinni. Ta
czynność jest niezwykle istotna przy odbiorach przy wykorzystaniu więcej niż
jednego pojazdu, gdyż wtedy należy sprawdzić czy nowa trasa w całości
zawiera się w zbiorze możliwych odbiorów u dostawców, u których nie
przewidziano jeszcze odbioru (sprawdzenie.m).
(e) Sprawdza się czy istnieje ładunek, którym można uzupełnić pojazd. Podczas
tego sprawdzenia uwzględnia się ilość oraz ciężar tego ładunku. Opisywany
system nie pozwala na dzielenie ładunków i nie umożliwia odbioru części
ładunku przez jeden pojazd, a pozostałości przez inną (isladunek.m).
(f) Sprawdzana jest suma ładunków, tj. czy całkowity ładunek nie jest za duży
w stosunku do dopuszczalnego ciężaru, jaki pojazd może przewozić (gm) lub
czy liczba ładunków (palet) nie jest większa od ładowności pojazdu (pm).
W następnym etapie jako ostatni punkt trasy przypisywane jest przedsiębiorstwo
produkcyjne, tak aby wszystkie odebrane towary trafiły do przedsiębiorstwa produkcyjnego,
po czym zostaje obliczona sumaryczna odległość jaką ten pojazd pokona (tourdist2.m).
Każdorazowo cały proces jest powtarzany, dopóki wszystkie ładunki są przypisane do
odbioru przez poszczególne pojazdy lub tylko jeden dostawca zostanie w zbiorze możliwych
dostawców lub podjęto 5000 prób przypisania odbioru ładunków i sieć nie potrafiła podać
rozwiązania. Jeśli sieć zdołała podać rozwiązanie zostanie on przekazany do program.m i tam
jest on archiwizowany, jeśli rozwiązanie jest bardziej optymalne niż wszystkie wyznaczone
do tej pory rozwiązania. To porównanie bazuje przede wszystkim na liczbie potrzebnych
kilometrów do odbioru wszystkich ładunków.
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 62
Rys. 18 Procedura sprawdzania wyników pracy sieci neuronowej [oprac. własne].
4. Aplikacyjny model zaopatrzeniowy Strona | 63
Rys. 19 Schemat działania skryptów systemu hybrydowego [oprac. własne].
Rys. 20 Zależność między systemem ekspertowym SE 1
a innymi elementami systemu hybrydowego [oprac. własne].
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 64
Funkcja energii ma postać [zob. Kubiak N. 2013]
∑ ∑ ∑
∑ ∑ ∑
∑∑
∑∑ | |
∑∑ | |
∑∑ | |
∑∑
gdzie i to dowolne, dodatnie stałe, a zmienna jest wartością początkową
losowo wyznaczoną przez system. Dodatkowo musi spełniony być warunek:
Sieć neuronowa jest skonstruowana na wzór sieci Hopfielda rozwiązującej problem
komiwojażera, jednak występują istotne różnice między tymi sieciami. Przyjęte zostało
założenie, że sieć pogrupuje dostawców według kolejności odbiorów. W jednej grupie będą
dostawcy, których towary odbierze jeden i ten sam pojazd, który na końcu powróci do
zakładu produkcyjnego. Przede wszystkim ze względu na ograniczenia gabarytowe i wagowe
(wszystkie ładunki są paletowalne) może zaistnieć sytuacja, w której nie wszystkie towary
zostaną odebrane przez jeden środek transportu, co oznacza, że
1. w jednej grupie nie muszą wystąpić wszyscy dostawcy,
2. w jednej grupie może wystąpić tylko jeden dostawca,
3. trasa może okazać się dłuższa niż optymalna, gdyż powierzchnia ładunkowa jest
optymalizowana i trasa może być wydłużona celem wypełnienia powierzchni
załadunkowej, ale trasa ta nie może być dłuższa niż odległość drugiego dostawcy od
firmy produkcyjnej.
Walidacja sieci neuronowej
W pracy została zastosowana walidacja sieci neuronowej, a dokładniej różne definicje
macierzy wag połączeń. Niestety nie zostały znalezione analogiczne zastosowania sieci
Hopfielda w podobnej postaci, dlatego też przy różnym układzie parametrów systemu zostały
w tej pracy przeprowadzone różne próby.
Testowanie macierzy połączeń odbywało się każdorazowo podczas uruchamiania
skryptu program.m. W skrypcie tym zostały zdefiniowane różne wersje skryptu tspb.m,
w którym to skrypcie wywoływana jest odpowiednia funkcja tspw, która generuje
analizowaną macierz. W tabeli poniżej przedstawiono podstawowe różnice między
odpowiednimi wersjami i miejsca zdefiniowania poszczególnych wielkości w macierzach
składowych odpowiadających parametrom . Po wyznaczeniu tych macierzy
zostaną one powielane, tak aby powstała macierz o wymiarach równych kwadratowi
4. Aplikacyjny model zaopatrzeniowy Strona | 65
wymiarów macierzy składowych, czyli . Macierz wag powstaje poprzez pomnożenie
stałych przez powiększone macierze składowe, a następnie ich sumowanie.
Tab. 6. Lokalizacja wielkości wejściowych w macierzach składowych macierzy wag połączeń sieci w różnych
walidacjach sieci neuronowej [opr. własne].
Definicja sąsiedztwa miast
Każde miasto będzie przyporządkowane do grupy określonej odpowiednim
wskaźnikiem położeniowym. Ogólna koncepcja wywodzi się z koncepcji znajdowania
zwycięskiego regionu [zob. Choy 1995, s. 2633] oraz metody poszukiwania najbliższego
sąsiada, ponieważ można empirycznie zobaczyć, że w trasie optymalnej dane miasto
zazwyczaj jest połączone ze swoim sąsiadem [Kahng 1989, s. 516]. Również
w standardowym PSO (optymalizacja mrówkowa cząstek), jak i w artykule Joppa rozpatruje
się miasta leżące w sąsiedztwie [Khakmardan 2011, s. 1501; Joppe 1990, s. III – 961-2].
Biorąc pod uwagę spostrzeżenia zawarte w tych artykułach również w tej pracy dostawcy
będą podzieleni na grupy, będące zbiorami rozłącznymi i każdy dostawca będzie przypisany
tylko do jednej grupy. W testach do konkretnego dostawcy zostanie już przydzielony numer
grupy, tym niemniej proces przypisywania dostawcy do grupy zostanie poniżej
przedstawiony. Proces ten będzie przeprowadzany wraz z przyporządkowaniem do
określonego dostawcy odległości między dostawcami i nie będzie odbywać się podczas
każdorazowego uruchomienia systemu, tylko podczas aktualizacji programu, ponieważ
czynności te wymagają sytemu powiązanego z systemem GPS a wykonywać je będzie SE3.
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 66
Do określonego -tego dostawcy przyporządkowany będzie wektor odległości do
każdego z dostawców, przy czym będzie oznaczało odległość dostawcy do
przedsiębiorstwa produkcyjnego, a na początku współczynnik położeniowy będzie ustalony
jako zero .
1. Dana będzie liczba grup sąsiedztwa . Liczba ta wyznaczona będzie indywidualnie
dla przedsiębiorstwa.
2. Drugim etapem będzie wyznaczenie promienia okręgu sąsiedztwa zawierającego
wszystkich dostawców, gdzie środkiem będzie przedsiębiorstwo produkcyjne.
Promieniem będzie największa odległość od dostawcy do przedsiębiorstwa.
3. Następnie wyznaczone zostaną obszary sąsiedztwa. Utworzone będą one na
podstawie wielokąta foremnego, którego środkiem będzie położenie
przedsiębiorstwa produkcyjnego. Obszar wewnątrz tego wielokąta będzie
wyznaczał brak sąsiedztwa z przedsiębiorstwem produkcyjnym, zatem wielokąt
będzie zbudowany na podstawie promienia okręgu sąsiedztwa wpisanego
w wielokąt. Dodatkowe założenie zostało poczynione, polegające na tym, że pasy
sąsiedztwa będą wyznaczone przez dwusieczne kąta wewnętrznego wielokąta
foremnego. Jeśli odległość od przedsiębiorstwa będzie wyznaczała promień
okręgu wpisanego w wielokąt, wtedy wielkość boku wielokąta wyznacza ze
wzoru
.
4. Lokalizacja -tego dostawcy będzie wyznaczona na podstawie dwóch parametrów –
odległości dostawcy od przedsiębiorstwa produkcyjnego oraz kąta wodzącego
. Kąt ten będzie wyznaczony przy pomocy współrzędnych geograficznych
oraz , a dokładniej przy pomocy różnicy między współrzędnymi przedsiębiorstwa
, a dostawcami. Dzięki temu położenie przedsiębiorstwa produkcyjnego
będzie nowym punktem początkowym układu współrzędnych. Nowe współrzędne
dostawcy będą równe
.
Dzięki takiemu postępowaniu uwzględniona zostanie odległość od
przedsiębiorstwa, która jest wyznaczana nie tylko na podstawie współrzędnych
geograficznych, ale również przy uwzględnieniu dróg transportowych.
5. Kąt środkowy wielokąta wyznaczony zostanie zgodnie ze wzorem
.
6. Pierwszym wierzchołkiem wielokąta będzie punkt , znajdujący się na osi
i mający współrzędne
,
gdzie , to promień okręgu opisanego na wielokącie:
4. Aplikacyjny model zaopatrzeniowy Strona | 67
,
a wzór pierwszej prostej to .
7. Drugi wierzchołek wielokąta będzie leżał na prostej nachylonej do osi o kąt
i przechodzącej przez początek układu współrzędnych, zatem wzór prostej to
.
8. Następnie nastąpi sprawdzenie, czy dostawca znajduje się pomiędzy tymi prostymi,
czyli czy
i jeśli tak to .
9. Trzeci wierzchołek wielokąta będzie leżał na prostej nachylonej o kąt od prostej
i przechodzącej przez początek układu współrzędnych, zatem wzór prostej to
.
Rys. 21 Ilustracja grup sąsiedztwa [oprac. własne].
10. Jeśli dostawca znajduje się między tymi dwiema prostymi
to , czyli zostanie przypisana odpowiednia grupa sąsiedztwa.
11. Następne wierzchołki i proste są wyznaczane analogicznie. Zatem uogólniając, jeśli
,
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 68
to , , gdy jest parzyste, a dla nieparzystego
, .
12. W przypadku, gdy lub , to wtedy przyjmowane
będzie jako ograniczenie oraz . Zatem jeśli
, to dla parzystego lub dla
nieparzystego oraz analogicznie, gdy lub , to wtedy
przyjmowane będzie jako ograniczenie oraz . Podobnie
gdy , zostanie przyjęte .
System ekspertowy SE2 w ogólności będzie służył do powtórnej weryfikacji
otrzymanych wyników w celu stwierdzenia, czy pojazdy odbierające ładunki na
wyznaczonych trasach będą w dostatecznym stopniu wypełnione. Jeśli nie byłyby
dostatecznie wypełnione, to ze względów ekonomicznych korzystne mogłoby być odbieranie
tych towarów w dotychczasowy sposób, np. przy pomocy punktu konsolidacyjnego.
Opisywany system jest zaimplementowany w postaci prostej funkcji, jednak taka architektura
systemu hybrydowego została w pracy zaproponowana, aby umożliwić zastosowanie wielu
ulepszeń, opisanych w następnym rozdziale, a wprowadzenie i zaprogramowanie ich będzie
możliwe właśnie w tej części systemu hybrydowego.
4.2 Analiza wyników działania sieci
Przeprowadzono 169 prób, przy czym przy każdorazowym uruchomieniu sieci dane
zostały wykorzystane dla 6 sieci (patrz Walidacja sieci neuronowej), zatem łącznie wykonano
1014 testów. Dodatkowo, aby uniknąć przypadkowych odpowiedzi sieci, były one
uruchamiane 5 razy z tym samym układem parametrów i zmiennych. Stąd zmiana
parametrów i zmiennych nastąpiła około 30 - krotnie. Takie postępowanie okazało się
słuszne, gdyż niejednokrotnie raz sieć wyznaczała optimum globalne, po czym przy następnej
próbie osiągnięte zostało tylko minimum lokalne.
Podstawowe wnioski z tych danych są następujące:
Definicje sieci drugiej i szóstej powinny być zmienione, gdyż pierwsza nie dała
żadnej odpowiedzi, a druga tylko w czternastu próbach.
Tylko w niecałych 80% prób system wyznaczył grupy dostawców wraz
z kolejnością odbiorów.
Sieci pierwsza, czwarta i piąta dawały najwięcej odpowiedzi.
Sieć trzecia dała odpowiedź w połowie prób.
Średnio najszybciej rozwiązanie stabilne uzyskała sieć pierwsza i piąta.
Sieć szósta potrzebowała średnio najwięcej prób, aby znaleźć stabilne
rozwiązanie.
Poniżej przedstawione zostały wykresy ukazujące procent udzielanych odpowiedzi
oraz szybkość uzyskania rozwiązania stabilnego przez sieć, jeśli ta stabilność została
4. Aplikacyjny model zaopatrzeniowy Strona | 69
osiągnięta. Rozwiązanie stabilne to minimum lokalne lub globalne. Dodatkowo
zamieszczone zostały wykresy dotyczące czasu działania poszczególnych sieci
w przypadkach uzyskania rozwiązania dla (liczba prób to 150). Dla
przeprowadzono 19 prób i niestety czas działania sieci przyjmował tylko 3 możliwe
wartości (1, 2 lub 3) dlatego też wykres dla czterech dostawców nie zostanie
przedstawiony. Ponadto dla takiej ilości dostawców sieć druga, trzecia i szósta nie
zaproponowała żadnego rozwiązania. Następnie przedstawione zostały wykresy, które
ukazują uzyskanie optymalnych globalnie rozwiązań.
Dodatkowe ogólne ciekawe zjawisko zostało zaobserwowane polegający na tym, że
każda z sieci oprócz drugiej, która nie dała żadnej odpowiedzi, chociaż raz znalazła
rozwiązanie za pierwszym razem.
Z wykresów tych wynika że najlepszą siecią jest sieć pierwsza i piąta, ponieważ
najszybciej odpowiedziały na dane wejściowe i co za tym idzie najkrócej pracowały.
Również liczba optymalnych odpowiedzi uzyskanych przez sieć jest najwyższa dla obu
sieci. Sieć czwarta uzyskała równie ciekawe wyniki.
Rys. 22 Procent udzielonych przez odpowiednie sieci odpowiedzi [oprac. własne].
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 70
Rys. 23 Średnia liczba pętli jaką potrzebowała sieć, aby osiągnięto stan stabilny [oprac. własne].
Rys. 24 Średni czas działania sieci potrzebny do uzyskania rozwiązania stabilnego [oprac. własne].
4. Aplikacyjny model zaopatrzeniowy Strona | 71
Rys. 25 Maksymalny czas działania sieci potrzebny do uzyskania rozwiązania stabilnego [oprac. własne].
Rys. 26 Procentowy udział optymalnych globalnie odpowiedzi
wśród wszystkich otrzymanych odpowiedzi sieci [oprac. własne]
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 72
Rys. 27 Liczba optymalnych globalnie odpowiedzi
wśród wszystkich otrzymanych odpowiedzi sieci [oprac. własne]
Kilka prób odnosiło się do wskaźnika położeniowego. Wyzerowanie parametru
odpowiedzialnego za optymalizację tego wskaźnika nie pogarszało jakości odpowiedzi sieci,
jednak czas pracy sieci zmniejszył się aż o połowę. To wskazuje na możliwy brak
konieczności rozpatrywania tego wskaźnika.
W kilku przeprowadzonych próbach wyłączona została funkcja isladunek, aby
sprawdzić czy jest ona potrzebna. Po jej wyłączeniu bardzo rzadko sieci generowały
rozwiązanie, które było globalnie optymalne, jednak czas pracy był znacznie skrócony z 6 do
1 s. Nawet czterdziestokrotne zwiększenie parametru odpowiedzialnego za długość trasy,
wyzerowanie dwóch parametrów jak i zwiększenie o 10 liczby wywołań sieci nie ulepszyło
znacząco sytuacji. Oznacza to, iż funkcja ta jest czasochłonna, jednak jej zastosowanie jest
warunkiem koniecznym do otrzymania optymalnego rozwiązania, ale niestety nie
dostatecznym.
Nasuwa się zatem pytanie, dlaczego skoro istniało rozwiązanie żadna z sieci nie
wyznaczyła go aż w ponad 20% przypadków. Aby odpowiedzieć na to pytanie należy
przeanalizować sytuacje, w których ten przypadek wystąpił. Działo się tak przykładowo, gdy
suma wszystkich ładunków była mniejsza niż maksymalna ładowność, lecz ciężar tych
ładunków stanowił pewne ograniczenie i wymuszał dyspozycję wszystkich odbiorów przez
dwa pojazdy. Odpowiedź uzyskano dopiero, kiedy zmniejszono maksymalną liczbę palet,
którą może ciężarówka przewieźć. To zjawisko zostało zaobserwowane dla różnych układów
parametrów oraz różnych odległości między dostawcami. Wydaje się, że aby udoskonalić sieć
neuronową pod tym względem należy przeprowadzić dalsze testy i rozpatrzyć możliwość
ulepszenia funkcji isladunek, która jak zostało już wspomniane jest ważna dla działania całej
sieci i która wskazywałaby na liczbę potrzebnych pojazdów transportowych.
Taka optymalizacja wiązałaby się jednak ze zmianą koncepcji systemu, ponieważ
w ten sposób pewne wstępne informacje przekazywane by były do sieci neuronowej przez
4. Aplikacyjny model zaopatrzeniowy Strona | 73
system ekspertowy SE 1. Jednak jeśli pozwoli to na uzyskanie rozwiązania należy ten aspekt
rozpatrzyć.
5. Podsumowanie i kierunki dalszych badań
5.1 Dostosowanie aplikacji do ogólnej koncepcji systemu
i możliwe ulepszenia
Przedstawiony w niniejszej pracy model aplikacyjny jest tylko pewnym uproszczeniem.
Wyniki testów wskazują potrzebę przeprowadzenia dalszych prób oraz potrzebę ulepszenia
sposobu wyznaczania optymalnego rozwiązania. Prawie połowa otrzymanych wyników było
rozwiązaniami optymalnymi dla większości sieci, co wskazuje na bardzo dużą atrakcyjność
i użyteczność systemu. Jednakże zdarzały się przypadki braku odpowiedzi sieci, co powinno
stanowić pierwszy punkt wyjścia do dalszych badań.
Takiej wersji systemu nie należy przedstawiać żadnemu podmiotowi gospodarczemu,
gdyż nie jest on dostosowany i uniwersalny, jak również wymaga środowiska Matlab, aby
mógł funkcjonować. Ponadto plik wynikowy jest w postaci pliku tekstowego, więc forma ta
jest mało atrakcyjna.
Aby był on w pełni funkcjonalny i aby można było przedstawić go przedsiębiorstwu
produkcyjnemu powinny być wprowadzone do niego pewne uogólnienia zgodnie z ogólną
koncepcją systemu oraz wymagana jest odpowiednia licencja firmy Mathworks (lub ze
względów finansowych można rozpatrzyć implementację tego rozwiązania w innym
środowisku programistycznym).
Ponadto system ten powinien być dostosowany do realiów przedsiębiorstwa, tzn.
powinien uwzględniać sytuacje, które mogą wystąpić. Przykładowo powinien być
uwzględniony przypadek, iż od jakiegoś zadeklarowanego w sieci dostawcy nie jest
przewidziany odbiór. Dzięki takiemu zabiegowi system stanie się bardziej realistyczny, gdyż
taka sytuacja może przecież zaistnieć.
Następnie powinno być zaniechane założenie o jednorodności opakowań
transportowych, tak samo jak warunek o paletowalności wszystkich przesyłek. Dzięki temu
będzie można uwzględnić zróżnicowane (wcześniej zadeklarowane) pojemniki lub kartony.
W takiej sytuacji w systemie byłyby wtedy przyporządkowane opakowania wraz z ich
unikalnymi identyfikatorami a do pozycji materiałowej przypisane by były możliwe do
zastosowania opakowania do wysyłki, w jakie można by było zapakować wysyłany towar, jak
również informację o możliwości paletowania przesyłki. Dodatkowo mogłaby być również
uwzględniana wysokość towarów. Dzięki takim zmianom w systemie, stanie się on
praktycznie uniwersalny dla każdego przedsiębiorstwa niezależnie od gałęzi gospodarki
w jakiej będzie miał zastosowanie.
5. Podsumowanie i kierunki dalszych badań oraz aplikacji Strona | 75
W przestawionej wyżej sytuacji dostawca dostarczałby wtedy przedsiębiorstwu dane
wysyłki takie jak:
Identyfikator wysyłanego towaru.
Ilość wysyłanej pozycji materiałowej.
Typ pojemnika w jakim dany detal będzie wysyłany.
Na podstawie tych danych system będzie obliczał miejsce zajmowane przez taką wysyłkę, jak
również wielkość wolnej przestrzeni ładunkowej, która mogłaby być jeszcze dodatkowo
wykorzystana.
Możliwość zróżnicowania elementów sieci będących danymi wejściowymi jest
istotna, ponieważ można wtedy w łatwy sposób dostosować to oprogramowanie do
indywidualnych potrzeb przedsiębiorstwa. Ciekawe wydaje się rozpatrzenie możliwości
pakowania grup materiałowych w różne opakowania transportowe. Takie rozwiązanie jest
korzystne jeśli system ekspertowy będzie zbierał informacje nt. pojemników, które są
w transporcie, które są u dostawcy i u odbiorcy, jak również jakie pojemniki mogą być
wysłane. Dzięki takiemu podejściu system stanie się systemem zarządzającym całym
obiegiem pojemników, jak również pozwoli w sytuacjach kryzysowych, takich jak
zapotrzebowanie sezonowe na pojemniki, wysłać inne pojemniki, które mogą być
wykorzystane. System może również sprawdzić czy pojemniki są użytkowane w sposób
zgodny z ich przeznaczeniem, czyli przykładowo czy nie są przetrzymywane przez
dostawców lub czy liczba pojemników, która jest w obiegu jest wystarczająca. Dodatkowo
system może zbierać informacje o uszkodzeniach pojemników. Takie postępowanie pozwoli
wykryć nieprawidłowości w procesach logistycznych związanych z pojemnikami w całym
łańcuchu logistycznym. Dzięki tej analizie system może zaproponować zakup nowych
pojemników, może wskazać miejsca, gdzie są one uszkadzane, jak również może pomóc
w tworzeniu dokumentacji podczas wysyłki pojemników.
Istnieje ponadto możliwość zmniejszenia ilości poczynionych założeń, dzięki czemu
może go zastosować większa ilość przedsiębiorstw, gdyż większa liczba możliwych sytuacji
jest przez system rozpatrywana. W pierwszej kolejności można zaniechać założenia, że towar
od jednego dostawcy mieści się na jednym środku transportu, dzięki temu można dzielić
przesyłki od dostawców. Oczywiście takie podejście jest korzystne dla dostawców ciężkich
ładunków przez co można zmniejszyć liczbę potrzebnych pojazdów do odbioru towaru
poprzez uzupełnienie powierzchni ładunkami lekkimi od innego dostawcy. Z drugiej strony
istnieją przypadki, kiedy od dostawcy jest jednak ładunek do odbioru, którego ilość lub
wymiary są większe niż maksymalne wartości, którymi oznakowany jest pojazd dostawczy.
Przedstawione rozwiązanie może być również korzystne dla mniejszych
przedsiębiorstw, kiedy system ten zostanie rozbudowany w taki sposób, że będzie można
rozpatrywać więcej przedsiębiorstw produkcyjnych jako punkty końcowe i początkowe.
Przykładowo w klastrach firmy mogą wspólnie negocjować z przewoźnikiem, dzięki czemu
mogą uzyskać bardziej korzystne cenowo warunki współpracy. W takiej sytuacji od jednego
przedsiębiorcy będą wysyłane opakowania do dostawców, którzy mają przewidziany
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 76
transport dostarczający wyroby do innego przedsiębiorstwa produkcyjnego. Analogicznie
można uwzględnić przypadek, kiedy od jednego dostawcy będą ładunki przeznaczone dla
kilku odbiorców. Ze względu na optymalizację czasu transportu takie podejście powinno być
dokładnie przeanalizowane pod kątem znaczącego wpływu na czas transportu.
Jednym ze sposobów na uniknięcie powyżej przedstawionego zagrożenie jest
rozpatrzenie różnych rodzajów środków transportu. Dzięki zróżnicowanemu rozwiązaniu
można uniknąć sytuacji, w której pojazd pokonuje bardzo długą drogę, aby odebrać towar od
dostawców, którzy są daleko od siebie rozlokowani. Istnieje możliwość, iż dzięki
zastosowaniu pojazdów o mniejszej ładowności mniejsze będą koszty transportu a będzie on
szybszy. Takie rozwiązanie zoptymalizuje czas transportu dzięki wyborowi odpowiedniego
środka transportu, jak również poprzez mniejszą liczbę dostawców, jakich pojazd musi
odwiedzić na swojej trasie.
Wówczas system ekspertowy SE 2 może zarchiwizować wszystkie możliwości
odbioru przy pomocy różnego typu pojazdów transportowych oraz zanalizować te
możliwości, aby zaproponować optymalne rozwiązanie w kontekście najkrótszego czasu lub
najkrótszej drogi czy najbardziej korzystnym finansowo. Dodatkowo system ten może
wyjaśnić pod jakim kątem takie rozwiązanie jest korzystne.
Powyższa uwaga jest o tyle istotna, iż nie zawsze najkrótsza droga będzie
najważniejsza dla przedsiębiorstwa, gdyż niekiedy ważniejszy będzie czas przejazdu. Z tego
właśnie powodu warto by było rozważyć różne możliwości grupowania dostawców, nie tylko
ze względu na ich położenie geograficzne, ale również na czas przejazdu między dostawcami
i/lub przedsiębiorstwem. W ten sposób uwzględniona będzie infrastruktura połączeń
pomiędzy dostawcami. Sieć neuronowa sama w sobie nie będzie zmieniona, tylko zmieni się
wstępne grupowanie dostawców.
Istnieje oczywiście możliwość modyfikacji sieci Hopfielda przykładowo poprzez
uwzględnienie czasu przejazdu między dostawcami. W rozważanej sytuacji na wejściu do
systemu podawana będzie macierz czasu przejazdu między dostawcami i/lub
przedsiębiorstwem, zamiast macierzy z odległościami. W takim przypadku sieć będzie
analogiczna do tej, która była przedstawiana powyżej. Różnica będzie widoczna w członie
funkcji energii, odpowiedzialnym za długość optymalnej ścieżki, gdyż współczynnik przy tej
sumie musi być różny i wyznaczony na podstawie przeprowadzonych w dalszym etapie
testów. Sumaryczna macierz połączeń również będzie inna, gdyż jej składniki będą zawierały
elementy z nowej macierzy. Takie rozwiązanie pozwoli na lepsze dostosowanie systemu do
potrzeb przedsiębiorstwa, które podejmie decyzję o wdrożeniu.
Podobny efekt można uzyskać, gdy współczynniki używane przez sieć Hopfielda będą
indywidualnie dostosowywane do potrzeb przedsiębiorstwa. Oczywiście menadżer nie będzie
się znał na sieciach neuronowych, więc nie będzie on zmieniał żadnych współczynników,
jednak dzięki zastosowaniu dodatkowego modułu w systemie ekspertowym będzie możliwe
zaprogramowanie
i ustalenie priorytetów w ustalaniu tras odbioru, a dzięki temu rozwiązanie to stanie się bardzo
5. Podsumowanie i kierunki dalszych badań oraz aplikacji Strona | 77
elastyczne i atrakcyjne. Takie rozwiązanie wiąże się z zaprojektowaniem odpowiednio
dostosowanej procedury prowadzenia dialogu z użytkownikiem.
Dodatkowo istnieje możliwość rozbudowy modułu sprawdzającego oraz dostosowanie
go do innych kryteriów, np. koncentracji na lepszej optymalizacji czasu transportu a nie na
pokonanej odległości. Dzięki odpowiedniej procedurze dialogu z użytkownikiem kontrola
zmian priorytetów będzie możliwa po implementacji rozwiązania i nie będzie wiązała się
z aktualizacją całego oprogramowania. Ponadto dzięki możliwości stałej kontroli i analizie
możliwych tras przez menadżera może on nabrać zaufania do rozwiązań proponowanych
przez system. Taki scenariusz jest możliwy dzięki zastosowaniu systemu ekspertowego,
ponieważ to on umożliwia dialog, jak również posiada procedurę objaśniającą, która pozwala
przedstawić i uzasadnić, kiedy jaka sytuacja jest bardziej korzystna.
Aby uatrakcyjnić rozwiązanie można wprowadzić moduł objaśniający, który mógłby
być zaimplementowany w SE 2 i który tłumaczyłby dlaczego takie rozwiązanie zastało
zaproponowane przez system i dlaczego jest ono korzystne (przykładowo jak bardzo zwiększa
się długość trasy przejazdu ciężarówki, gdy dodatkowy odbiór u innego dostawcy jest
rozpatrywany oraz jak bardzo nowe podejście jest korzystne w porównaniu
z dotychczasowym sposobem odbioru towarów, jaki będzie orientacyjny czas przejazdu
pojazdu, o ile się on skróci, jeśli pewien punkt odbioru zostanie zaniechany).
Z tej perspektywy również sama funkcja isladunek może być zmieniona tak, aby
uwzględniała czas przejazdu i odległość, jaką ciężarówka musi pokonać, aby odebrać towar,
który uzupełniłby powierzchnię załadunkową. Może przecież zaistnieć sytuacja, iż istnieje
ładunek, którym można by było uzupełnić ciężarówkę, ale po prostu jest on za daleko.
Ponadto dzięki wprowadzeniu ciągłej analizy wyników sieci można aktualizować
parametry sieci w sposób dynamiczny i nie wymagający interwencji w kod źródłowy. Taka
sytuacja będzie realna, jeśli co pewien czas nastąpi automatyczna aktualizacja, a sieć
neuronowa będzie uruchamiana z archiwalnymi danymi wejściowymi, ale przy podwójnie
zwiększonej liczbie prób i dzięki temu system będzie mógł przeanalizować swoje
dotychczasowe wyniki w celu optymalizacji liczby powtórzeń wywołań sieci. Dodatkowo
w następnym etapie zmieniane będą losowo parametry sieci, a otrzymane wyniki porównane,
dzięki czemu optymalizacja tych parametrów będzie możliwa. Przy następnych kilkunastu
wywołaniach systemu obydwa układy parametrów będą używane i po pewnym czasie ten
układ, który daje lepsze wyniki będzie standardowym układem parametrów.
Usprawnić można również etap, w którym następuje wymiana wiadomości
z kierowcą, który przewozi towar, gdyż można zastosować przykładowo lokalizator w postaci
smartfona zawierającego system GPS do monitorowania lokalizacji pojazdu transportowego
na trasie oraz zapisywania zaistniałych zmian trasy. Pozwoli to na reagowanie na
jakiekolwiek opóźnienia w czasie przewozu oraz wczesne informowanie np. o wypadku,
kolizji lub zatorów (korków) ulicznych. Taka informacja będzie mogła być przekazywana do
osoby z ramienia spedycji odpowiedzialnej za monitorowanie transportu, jak również do
przedsiębiorstwa w celu ponownego uruchomienia systemu i wyznaczenia nowej trasy
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 78
odbioru, aby detale, które są jeszcze do odbioru były szybko i sprawnie przetransportowane.
Ponadto informacja na temat opóźnień będzie mogła być przekazywana do dalszych punktów
odbioru, aby cały łańcuch dostaw wraz z jego procesami mógł szybko i sprawnie reagować
również na różne sytuacje losowe. Lokalizatory GPS są już stosowane przez część firm
transportowych jako standardowe elementy wyposażenia ciężarówek, dzięki czemu
umożliwiają stałą kontrolę położenia każdego z pojazdów przez przedsiębiorstwo, które
zleciło przewóz towaru.
Procedura grupowania dostawców zastosowana w pracy również może być zmieniona.
Zdaniem autorki metody grupowania, opisane przykładowo w [Rutkowski 2009] mogą być
ciekawą propozycją. Ich zastosowanie może zapewnić lepsze lub szybsze rozwiązanie.
Jednakże należy przeprowadzić testy i sprawdzić, czy faktycznie spowoduje to korzystniejsze
działanie całego systemu hybrydowego.
Kolejnym elementem, jaki podlega ulepszeniu jest rozpatrzenie możliwości
zastosowania bazy danych dla danych wejściowych do systemu i ulepszenie strony graficznej,
aby cały system był bardziej przyjazny dla użytkownika. Podczas rozbudowy systemu zmiana
sposobu dostarczania i sczytywania danych musi być zmieniona, gdyż przedstawiony model
jest tylko i wyłącznie pewnym uproszczeniem i z tego względu ten aspekt podczas rozbudowy
systemu powinien być uwzględniony.
Wyniki pracy systemu mogą być różne dla różnych firm zainteresowanych
wprowadzeniem przedstawionego systemu, ale tylko przy wprowadzeniu go lub symulacji
rozwiązania istnieje możliwość sprawdzenia opłacalności w/w modelu. Powinno być
poczynione dodatkowe rozeznanie na rynku usług transportowych, aby można było się
dowiedzieć jaka jest realna stawka za 1 km trasy, jaki można by było wynegocjować z firmą
spedycyjną. Prawdopodobnie dla poszczególnych przedsiębiorstw stawka ta będzie różna
i będzie uzależniona od dotychczasowej współpracy. Takie rozpoznanie umożliwi lepszą
analizę rzeczywistej opłacalności zastosowania opisanego modelu dla przedsiębiorstwa –
wtedy okaże się czy w ogóle takie rozwiązanie jest korzystne dla konkretnego podmiotu
gospodarczego.
Poniżej przedstawiono funkcje poszczególnych systemów, po wprowadzeniu
powyższych zmian.
5. Podsumowanie i kierunki dalszych badań oraz aplikacji Strona | 79
Rys. 28 Funkcje poszczególnych systemów ekspertowych
po ulepszeniu systemu hybrydowego[oprac. własne].
5.2 Walidacja modelu systemu
Analogicznie jak w przypadku inteligentnego systemu zaopatrzeniowego, system
hybrydowy po wprowadzeniu pewnych zmian można również zastosować dla firmy
dystrybucyjnej. Zamiast trasy załadunku system poda trasę rozładunków towarów
przeznaczonych dla różnych odbiorców. Uzyskany w ten sposób system będzie inteligentnym
systemem dystrybucyjnym.
Takie rozwiązania pomimo wielu zbieżności posiada elementy w swej istocie zupełnie
odmiennie. Poniżej zostaną przedstawione podstawowe różnice między poszczególnymi
systemami.
Przewożony towar w systemie dystrybucyjnym będzie jednolity, ponieważ wyroby
gotowe jednego producenta (lub dystrybutora) zazwyczaj są jednego rodzaju, czyli
uproszczenie które zostało wprowadzone w modelu aplikacyjnym będzie w tym przypadku
normą. Ze względu na jednolite gabaryty wysyłanego towaru oraz fakt, że zazwyczaj jest on
już spakowany i odpowiednio zabezpieczony w kartonie, można bez straty na ogólności
zagadnienia założyć, że przedsiębiorstwo dystrybucyjne nie będzie używało innych
pojemników transportowych.
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 80
Załadunek
opakowań
Dostawca
opakowań
Rozładunek towarów
u każdego odbiorcy
Przedsiębiorstwo
dystrybucyjne
Odbiorca 4
Odbiorca 1
Pakowanie towaru
przed wysyłką oraz
ustalanie priorytetów
odbiorów
Tworzenie
dokumentów
przewozowych
Odbiorca 2
Pakowanie towaru
przed wysyłką oraz
ustalanie priorytetów
odbiorów
Tworzenie
dokumentów
przewozowych
Rozładunek towarów
u każdego odbiorcy
Odbiorca 3
Odbiorca 5
Odbiorca 6
Rys. 29 Model systemu dystrybucyjnego [oprac. własne].
Z tego względu też nie będzie istniała potrzeba odbierania pojemników od odbiorców
za każdym razem, kiedy towar będzie dostarczony. Oznacza to, że dostarczenie towarów
będzie się kończyło na ostatnim odbiorcy. Zatem trasa transportu towarów nie będzie
tworzyła zamkniętej pętli, tylko otwartą i zaczynać się będzie od przedsiębiorstwa
dystrybucyjnego, a kończyć się, jak to zostało już wspomniane, na ostatnim odbiorcy.
5. Podsumowanie i kierunki dalszych badań oraz aplikacji Strona | 81
Istnieje jednak możliwość zamknięcia tej pętli. Stanie się tak w przypadku
konieczności zaopatrzenia firmy dystrybucyjnej w kartony, które mogą być składane i dzięki
temu zajmują o wiele mniej miejsca niż w przypadku systemu zaopatrzeniowego. Wtedy
firma dostarczająca kartony, będzie podawana do systemu jako dodatkowy punkt
rozładunkowy, który ma być obsłużony przez któryś z pojazdów transportowych. Taki pojazd
dodatkowo będzie musiał po odbiorze kartonów pojechać do firmy dystrybucyjnej, która
również będzie podana jako następujący punkt rozładunkowy, po odebraniu kartonów (co
oznacza, że nie koniecznie pętla zostanie zamknięta, ale istnieje taka możliwość). Te
założenia będą wyrażone w warunkach brzegowych systemu oraz w priorytetach podawanych
przez przedsiębiorstwo.
Dodatkowo, w przeciwieństwie do modelu zaopatrzeniowego, będzie istniała
możliwość nadawania priorytetów poszczególnym dostawom. Dzięki temu użytkownik
będzie mógł przekazać systemowi, które dostawy powinny być zrealizowane w pierwszej
kolejności. Jeśli z jakiegoś powodu jakaś dostawa jest krytyczna i pilnie potrzebna, to wtedy
może być ona zrealizowana w tym systemie, bez konieczności wynajmowania dodatkowego
transportu. Priorytety te zostaną również wyrażone w warunkach brzegowych. W przypadku
systemu zaopatrzeniowego ustalanie priorytetów nie jest wymagane, ponieważ w jednym
terminie pojazd dojedzie do przedsiębiorstwa.
Jeśli chodzi o zajmowaną powierzchnię ładunkową przez dostarczane towary, to taką
informację będzie posiadała firma dystrybucyjna w momencie szykowania towaru do wysyłki
lub wcześniej bazując na dotychczasowym doświadczeniu. Zatem nie odbiorca, tylko firma
dystrybucyjna będzie dostarczała te informacje systemowi. Oznacza to również, że nie jest
potrzebny dodatkowy dzień na weryfikacje tych danych i nie będzie konieczne sprawdzenie,
czy ilość wysyłanego towaru jest poprawna. Zatem te dwa czynniki, które były ważne
w przypadku systemu zaopatrzeniowego, przestają być istotne w systemie dystrybucyjnym.
Tu tak naprawdę wystarczy dzień wcześniej podać wszystkie istotne informacje do systemu
i dzień wcześniej zostanie przekazana informacja przewoźnikowi o trasie – jak ona będzie
dokładnie wyglądać. Ten jeden dzień jest kwestią umowną z przewoźnikiem i on powinien się
zdeklarować ile czasu potrzebuje na to, aby zorganizować załadunek i wszystkie dostawy.
Dodatkowo opisywany system będzie wyposażony w moduł tworzący dokumentację
przewozową. Wszystkie dane potrzebne do wypełnienia tych dokumentów są wprowadzane
przez użytkownika do systemu (tj. wielkość przesyłki wraz z wagą) albo już są w tym
systemie zawarte (np. dane odbiorcy). Takie rozwiązanie ułatwi pracę użytkownikowi
i podniesie atrakcyjność systemu. Oczywiście funkcjonalność systemu w postaci deklaracji
i obsługi okien czasowych zostanie zachowana.
Dzięki połączeniu oby tych systemów istnieje możliwość stworzenia kompleksowego
systemu zarządzania logistyką zaopatrzeniowo – dystrybucyjną. Takie rozwiązanie oznacza
przede wszystkim dla przedsiębiorstwa zakup kompleksowego oprogramowania
w atrakcyjnej cenie, które bardzo usprawni odbiór towarów od dostawców, zapewnieni
ciągłość przewozów i wyeliminuje zbędne opóźnienia. Dodatkowo ważnym atutem systemu
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 82
jest fakt, iż odbiorca końcowy, czy przedsiębiorstwo dystrybucyjne z góry będzie znało
koszty transportu, mimo iż trasy odbiorów będą się zmieniać dynamicznie, ponieważ system
ekspertowy poda liczbę kilometrów, a dzięki ustalonej stawce za kilometr, opłata za transport,
będąca iloczynem liczby kilometrów i właśnie stawki za kilometr, będzie znana i podawana
przez system. Dzięki temu weryfikacja faktur wystawianych przez przewoźnika nie będzie
sprawiać dużego problemu osobom do tego wyznaczonym. Ponadto system usprawni
i ujednolici dokumentację przewozową dla wysyłanych towarów, a dzięki temu zmniejszeniu
ulegnie czas potrzebny na ich wypisanie. Dodatkowo system pozwoli w sposób czytelny
przekazywać informację do działu finansowego o wysyłanych wyrobach, co z kolei może
w bardzo korzystny sposób wpłynąć na fakturowanie odbiorców. Reasumując powyższe
rozwiązanie pozwoli zaoszczędzić czas i pieniądze, co jest sprawą kluczową
w funkcjonowaniu przedsiębiorstwa.
Spis tabel i rysunków
Tabela 1. Porównanie programów sztucznej inteligencji z tradycyjnymi programami.
Tabela 2. Porównanie własności systemów informatycznych.
Tabela 3. Stałe parametry systemu wraz z ich opisem.
Tabela 4. Zmienne dane wejściowe systemu wraz z opisem.
Tabela 5. Nazwy skryptów i funkcji zastosowanych w implementacji sieci neuronowej wraz
z ich opisem.
Tabela 6. Lokalizacja wielkości wejściowych w macierzach składowych macierzy wag
połączeń sieci w różnych walidacjach sieci.
Rys. 1 Porównanie ekspertyzy naturalnej z ekspertyzą sztuczną.
Rys. 2 Główne elementy systemu ekspertowego.
Rys. 3 Model biologiczny neuronu.
Rys. 4 Cybernetyczny model neuronu.
Rys. 5 Model sztucznej sieci neuronowej.
Rys. 6 Model sztucznego neuronu.
Rys. 7 Schemat sieci Hopfielda.
Rys. 8 Wizualizacja podziału przestrzeni danych.
Rys. 9 Model systemu zaopatrzeniowego.
Rys. 10 Zastosowanie inteligentnego systemu hybrydowego w logistyce zaopatrzenia.
Rys. 11 Przebieg procesu ustalania trasy odbioru towarów.
Rys. 12 Model sieci neuronowej SSN łączącej odbiory od różnych dostawców.
Rys. 13 Model systemu eksperckiego SE 1, sprawdzającego wyrywkowo, czy znalezione
przez SSN rozwiązanie jest globalnym optimum.
Rys. 14 Model systemu eksperckiego SE 2, sprawdzającego, czy wykorzystanie powierzchni
poszczególnego pojazdu jest wystarczające oraz obliczający liczbę potrzebnych
pojazdów do obsługi wyznaczonych tras.
Rys. 15 Model systemu hybrydowego.
Rys. 16 Przebieg pracy systemu.
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 84
Rys. 17 Procedura wywołań funkcji i odpowiadających im skryptów.
Rys. 18 Procedura sprawdzania wyników pracy sieci neuronowej.
Rys. 19 Schemat działania skryptów systemu hybrydowego.
Rys. 20 Zależność między systemem ekspertowym SE 1 a innymi elementami systemu
hybrydowego.
Rys. 21 Ilustracja grup sąsiedztwa.
Rys. 22 Procent udzielonych przez odpowiednie sieci odpowiedzi.
Rys. 23 Średnia liczba pętli jaką potrzebowała sieć, aby osiągnięto stan stabilny.
Rys. 24 Średni czas działania sieci potrzebny do uzyskania rozwiązania stabilnego.
Rys. 25 Maksymalny czas działania sieci potrzebny do uzyskania rozwiązania stabilnego.
Rys. 26 Procentowy udział optymalnych globalnie odpowiedzi wśród wszystkich
otrzymanych odpowiedzi sieci.
Rys. 27 Liczba optymalnych globalnie odpowiedzi wśród wszystkich otrzymanych
odpowiedzi sieci.
Rys. 28 Funkcje poszczególnych systemów ekspertowych po ulepszeniu systemu
hybrydowego.
Rys. 29 Model systemu dystrybucyjnego.
Literatura
Abdi, H., Valentin, D., Edelman, B. [1999]: Neural Networks. Newbury Park (CA, USA):
Sage (Sage University Series).
Abdi, H. [1994]: Les Réseaux de Neurones, PUG.
Abe, Shigeo [1993]: Global convergence and suppression of spurious states of the Hopfield
neural networks, IEEE Transactions on Circuits and Systems I: Fundamental Theory and
Applications, 40 (4).
Agre P. E. [1997]: Computation and human experience, Cambridge University Press.
Allen M.K., Helferich O.K. [1990]: Putting expert systems to work in logistics, Council of
Logistics Management, Oak Brook, IL.
Ameljańczyk A [1978]: Rozwiązania dominujące i niezdominowane zadań optymalizacji
wielokryterialnej, Przegląd Statystyczny, t. 25 z. 3.
Bach M. [2006]: Wybrane zagadnienia związane z automatycznym tłumaczeniem zadań
wyszukiwania danych sformułowanych w języku polskim na język formalny SQL [w] Grzech
A. (red.), Inżynieria wiedzy i systemy ekspertowe Tom 1, Oficyna Wydawnicza Politechniki
Wrocławskiej.
Baczyński D., Bielecki S., Parol M., Piotrowski P., Wasilewski J. [2008]: Sztuczna
inteligencja w praktyce, Labolatorium, Oficyna Wydawnicza Politechniki Warszawskiej.
Bank, S.I, Avramovic, Z.Z. [2002]: Hopfield network in solving travelling salesman problem
in navigation, Neural Network Applications in Electrical Engineering, NEUREL '02.
Baraniecka A. [2004]: ECR - Efficient Consumer Response. Łańcuch dostaw zorientowany na
klienta, Instytut Logistyki i Magazynowania.
Barzykowski J. (opr.) [2004]: Współczesna metrologia zagadnienia wybrane, Wydawnictwa
Naukowo – Techniczne.
Blaik P. [2010]: Rozwój logistyki w kierunku zintegrowanej koncepcji zarządzania
[w] Kempny D. (red.), Logistyka w naukach o zarządzaniu. Księga poświęcona pamięci
profesora Mariana Sołtysika, Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach.
Bednarek J. [2006]: Multimedia w kształceniu, Wydawnictwo Naukowe PWN/MIKOM.
Bendkowski J., Radziejowska G. [2005]: Logistyka zaopatrzenia w przedsiębiorstwie,
Wydawnictwo Politechniki Śląskiej.
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 86
Bieniok H. [2010]: Czas jako kategoria logistyczna [w] Kempny D. (red.), Logistyka
w naukach o zarządzaniu. Księga poświęcona pamięci profesora Mariana Sołtysika, Wyd.
Uniwersytetu Ekonomicznego w Katowicach.
Brach J. [2010]: Internacjonalizacja w obszarze zaopatrzenia polityki taborowej polskich
przedsiębiorstw międzynarodowego drogowego transportu ładunków do 1989 roku
[w] Rymarczyk J. (red.), Ekonomia 12. Problemy globalizacji, Wydawnictwo Uniwersytetu
Ekonomicznego we Wrocławiu.
Bubnicki Z. [1993]: Podstawy informatycznych systemów zarządzania, Wydawnictwo
Politechniki Wrocławskiej.
Bubnicki Z. [2005]: Teoria i algorytmy sterowania, Wydawnictwo Naukowe PWN.
Choy, Clifford Sze-Tsan; Siu, Wan-Chi [1995]: New approach for solving the travelling
salesman problem using self-organizing learning, IEEE International Conference on Neural
Networks - Conference Proceedings Jan 1, Vol. 5
Chwiałkowska E. [1991]: Sztuczna inteligencja w systemach eksperckich, Zakład Nauczania
Informatyki „MIKOM”.
Ciesielski M. (red.) [2005]: Rynek usług logistycznych, Dilfin.
Coyle J. J., Bardi E. J., Langley C. J. Jr. [2007]: Zarządzanie logistyczne, Polskie
Wydawnictwo Ekonomiczne.
Dietrich A. [2000]: Resolver: narzędzie do budowy systemów eksperckich [w] Bubnicki Z.,
Grzech A. (red.), Inżynieria wiedzy o systemy eksperckie Tom 2, Oficyna Wydawnicza
Politechniki Wrocławskiej.
Domínguez E., Jerez J., Llopis L., Morante A. [2004]: RealNet: a neural network architecture
for real-time systems scheduling, Neural Computing & Applications, Volume 13, Issue 4.
Dołhasz M., Fudański J., Kosała M., Smutek H. [2009]: Podstawy zarządzania. Koncepcje -
strategie – zastosowania, Wydawnictwo Naukowe PWN.
Dudek D., Kulej-Dudek E. [2010]: Realizacja systemu oceny efektywności procesów
logistycznych na bazie sztucznych sieci neuronowych [w] Nowicki A., Chomiak-Orsa I.,
Sroka H. (red.), Informatyka ekonomiczna 17. Systemy informacyjne w zarządzaniu. Przegląd
naukowo-dydaktyczny, Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu.
Dudziński Z., Jak sporządzić instrukcję magazynową [2003]: Wydanie II uaktualnione,
Wydawnictwo Ośrodek Doradztwa i Doskonalenia Kadr Sp. z o.o..
Fertsch M. [2000]: Neural scheduler [w] ICSC 2000 intelligent systems and applications,
University of Wollongong, Australia.
Literatura Strona | 87
Fertsch M., Pawlewski P. [2009]: Changes Simulation in the Organization of Production –
Case Study [w] Rossetti M. D., Hill R. R., Johansson B., Dunkin A., Ingalls R. G. [Eds.],
Proceedings of the 2009 Winter Simulation Conference.
Fijałkowski J. [2003]: Transport wewnętrzny w systemach logistycznych. Wybrane
zagadnienia, Oficyna Wydawnicza Politechniki Warszawskiej.
Flasiński M. [2011]: Wstęp do sztucznej inteligencji, Wydawnictwo Naukowe PWN.
Frąś J. [2008]: Kompleksowe zarządzanie jakością a przedsiębiorstwo przyszłości, Studia
i Prace Wydziału Nauk Ekonomicznych i Zarządzania, Uniwersytet Szczeciński.
Frąś J. [2011]: Zarządzanie informacją elementem budowy przewagi konkurencyjnej e-
przedsiębiorstwa, Studia i Prace Wydziału Nauk Ekonomicznych i Zarządzania, Uniwersytet
Szczeciński.
Golińska P. (red.) [2010]: Nowoczesne rozwiązania technologiczne w logistyce, Politechnika
Poznańska.
Golińska P., Fertsch M. [2011]: Production flow control in the automotive industry – quick
scan approach, International Journal of Production Research, Vol. 49, No. 14.
Gołembska E. (red. nauk.) [2010]: Kompendium wiedzy o logistyce Nowe wydanie,
Wydawnictwo Naukowe PWN.
Gołuchowski J., Filipczyk B. (red.) [2010]: Wiedza i komunikacja w innowacyjnych
organizacjach Systemy ekspertowe - wczoraj, dziś, jutro, Wydawnictwo Uniwersytetu
Ekonomicznego w Katowicach.
Goto A., Kawamura M. [2008]: Solution Method Using Correlated Noise for TSP, ICONIP
2007, Part I, LNCS 4984.
Griffin R. W. [2004]: Podstawy zarządzania organizacjami, PWN.
Gomółka Z., Orłowski C. [2010]: Knowledge Management in creating Hybrid Systems for
Environmental Protection, Cybernetics and Systems: An International Journal, 31:5.
Grzegorczyk W. [2011]: Strategie marketingowe przedsiębiorstw na rynku
międzynarodowym, Wydawnictwo Uniwersytetu Łódzkiego.
Guo, P., Zhu, L., Liu, Z., He, Y. [2012]: An ant colony algorithm for solving the sky
luminance model parameters, Lecture Notes in Computer Science (including subseries
Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) 7473 LNCS.
Gutenbaum J. [1978]: Modelowanie matematyczne systemów, Wydawnictwo Naukowe PWN.
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 88
Haykin S. [1994]: Neural networks, a comprehensive foundation, Macmillan College
Publishing Company.
Herz J., Krogh A., Palmer R.G. [1989]: Wstęp do teorii obliczeń neuronowych, Wyd. II,
WNT, X.
Hong Qu, Zhang Yi, XiaoLin Xiang [2005]: Theoretical Analysis and Parameter Setting of
Hopfield Neural Networks, Lecture Notes in Computer Science, Volume 3496, Issue I.
Hopfield J. J. [1982]: Neural networks and physical systems with emergent collective
computational abilities, Proc. of National Academic Science, Vo1.79.
Hopfield J. J. [1984]: Neurons with graded response have collective computational properties
like those of two-state neuron, Proc. of National Academic Science, Biophysics.
Hopfield J. J., Tank D. W. [1985]: Neural computation of decisions in optimization problems,
Biological Cybernetic, 52.
Izumida, Masanori, Murakami, Kenji, Aibara, Tsunehiro [1992]: Analysis of neural network
energy functions using standard forms, Systems and Computers in Japan 23 (8).
Jacyna M. [2009]: Wybrane zagadnienia modelowania systemów transportowych, Oficyna
Wydawnicza Politechniki Warszawskiej.
Januszewski A. [2008]: Funkcjonalność informatycznych systemów zarządzania, t. 1
Zintegrowane systemy transakcyjne, Wydawnictwo Naukowe PWN/MIKOM.
Jastriebow A., Kułakowski A. [2006]: Sztuczne sieci neuronowe w układach decyzyjnych z
niepełną informacją [w] Grzech A. (red.), Inżynieria wiedzy i systemy ekspertowe Tom 1,
Oficyna Wydawnicza Politechniki Wrocławskiej.
Jelonek D. [2010]: Rola technologii informacyjnej w transformacji procesów biznesowych
w przedsiębiorstwie [w] Nowicki A., Chomiak-Orsa I., Sroka H. (red.), Informatyka
ekonomiczna 17. Systemy informacyjne w zarządzaniu. Przegląd naukowo-dydaktyczny,
Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu.
Joppe, Aart, Cardon, Helmut R.A., Bioch, Jan C. [1990]: A neural network for solving the
travelling salesman problem on the basis of city adjacency in the tour, IJCNN. International
Joint Conference on Neural Networks.
Kahng A. B. [1989]: Traveling Salesman Heuristics and Embedding Dimension in the
Hopfield Model, Neural Networks.
Kashmiri S. [1991]: The Travelling Salesman Problem and the Hopfield Neural Network,
Conference Proceedings - IEEE SOUTHEASTCON 2.
Literatura Strona | 89
Khakmardan, S., Poostchi, H., Akbarzadeh, M.-R. [2011]: Solving Traveling Salesman
problem by a hybrid combination of PSO and Extremal Optimization, Proceedings of the
International Joint Conference on Neural Networks, Jan 1.
Kirejczyk E. [2008]: Zrozumieć zarządzanie, Wydawnictwo Naukowe PWN.
Knosola R. i zespół [2007]: Zastosowania metod sztucznej inteligencji w inżynierii produkcji,
Wydawnictwo Naukowo-Techniczne.
Kopańska-Bródka D. (red.) [2010]: Metody badań operacyjnych w praktyce, Wydawnictwo
Uniwersytetu Ekonomicznego w Katowicach.
Korbicz J., Obumowicz A., Uciński D. [1994]: Sztuczne sieci neuronowe. Podstawy
i Zastosowania, Akademicka Oficyna Wydawnicza PLJ.
Kowalczuk Z., Orłowski C. [2004]: Design of Knowladge-based Systems in Environmental
Engineering, Cybernetics and Systems: An International Journal, 35:5-6.
Kowalski M., Józefczyk J. [2006]: Wykorzystanie systemu Mozart/Oz do rozwiązywania
wybranych problemów szeregowania zadań z ruchomymi realizatorami [w] Grzech A. (red.),
Inżynieria wiedzy i systemy ekspertowe Tom 1, Oficyna Wydawnicza Politechniki
Wrocławskiej.
Krzyżaniak S., Cyplik P. [2008]: Zapasy i magazynowanie, Tom I Zapasy, Wydanictwo
Instytut Logistyki i Magazynowania.
Krzyśko M., Wołyński W., Górecki T., Skorzybut M. [2008]: Systemy uczące się
Rozpoznawanie wzorców analiza skupień i redukcja wymiarowości, Wydawnictwa Naukowo-
Techniczne.
Kubiak B. F. [1994]: Analiza systemów informacyjnych, Wydawnictwo Uniwersytetu
Gdańskiego.
Kubiak M. [2006]: Wpływ eurosystemu logistycznego na gospodarowanie i funkcjonowanie
logistyki przedsiębiorstwa w Polsce, Praca dyplomowa, Poznań (nie opublikowana).
Kubiak N., Stachowiak A. [2013]: Framework of Optimization Methodology with Use of an
Intelligent Hybrid Transport System Based on Hopfield Network and Travelling Salesman
Problem [w] Advances in Intelligent Systems and Computing, Vol. 2017, Springer.
Kubiak N., Stachowiak A. [2013’]: Framework of optimization of transport process with use
of intelligent hybrid system [w] Lecture Notes in Mechanical Engineering, Advances in
Sustainable and Competitive Manufacturing Systems, Springer.
Kubicki J., Kuriata A. [2000]: Problemy logistyczne w modelowaniu systemów
transportowych, Wydawnictwo Komunikacji i Łączności.
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 90
Kulczycki P., Hryniewicz O., Kacprzyk J. (red.) [2007]: Techniki informacyjne w badaniach
systemowych, Wydawnictwa Naukowo-Techniczne.
Kusiak J., Danielewska-Tułecka A., Oprocha P. [2009]: Optymalizacja Wybrane metody
z przykładami zastosowań, Wydawnictwo Naukowe PWN.
Kwiatkowska A. M. [2007]: Systemy wspomagania decyzji Jak korzystać z WIEDZY
i informacji, Wydawnictwo Naukowe PWN/MIKOM.
Lange W. [1975]: Cell number and cell density in the cerebellar cortex of Man and Rother
mammals, Cell Tissue Res., 157(1).
Lenart A. [2010]: Uwarunkowania pozyskiwania zintegrowanych systemów informatycznych
zarządzania [w] Nowicki A., Chomiak-Orsa I., Sroka H. (red.), Informatyka ekonomiczna 17.
Systemy informacyjne w zarządzaniu. Przegląd naukowo-dydaktyczny, Wydawnictwo
Uniwersytetu Ekonomicznego we Wrocławiu.
Liberadzki B., Mindur L. [2006]: Uwarunkowania rozwoju systemu transportowego Polski,
Wydawnictwo Instytutu Technologii Eksploatacji – PIB.
Łukasiewicz T. [2006]: Przyszłość systemów wspomagania decyzji [w] Grzech A. (red.),
Inżynieria wiedzy i systemy ekspertowe Tom 1, Oficyna Wydawnicza Politechniki
Wrocławskiej.
Mandziuk J. [2000]: Sieci neuronowe Hopfielda, Akademicka Oficyna Wydawnicza Exit.
Mendel T. [2009]: Metodyka pisania prac doktorskich, Wydawnictwo Uniwersytetu
Ekonomicznego.
Michalik K. [2006]: Neuronix Symulator sztucznych sieci neuronowych Podręcznik
użytkownika [z] Zintegrowany Pakiet Sztucznej Inteligencji AITECHSPHINX 4.5, AITECH
Artificial Intelligence Laboratory.
Mulawka J. J. [1996]: Systemy ekspertowe, Wydawnictwo Naukowo-Techniczne.
Oleński J. [2003]: Ekonomia informacji. Metody, Polskie Wydawnictwo Ekonomiczne.
Osowski St. [2006]: Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza
Politechniki Warszawskiej.
Orłowski C., Szczerbicki E. [2002]: Evaluation of Information Technology Projects,
Cybernetics and Systems: An International Journal, 33:6.
Orłowski C. [2002’]: Soft Modeling Support for managing Knowledge-based Information
Technology Projects, Cybernetics and Systems: An International Journal, 33:4.
Literatura Strona | 91
Orłowski C., Ziółkowski A., Czarnecki A. [2010]: Validation of an agent and ontologybased
Information Technology Assessment System, Cybernetics and Systems: An International
Journal, 41:1.
Orłowski C., Szczerbicki E. [2012]: Hybrid Model Of Evolution of Information Technology
(IT) Support Organization, Cybernetics and Systems: An International Journal, 43:4.
Pacholski L. [1998]: Fuzzy Logic Application in Ergonomic Renewal of Multiagent
Manufacturing, Cybernetics and Systems: An International Journal, 29:7.
Pacholski L. [2006]: Ergonomic Issues of the Neural Integrated Human-Computer
Interaction, Cybernetics and Systems: An International Journal, 37:2-3.
Pacholski L., Cempel W., Pawleski P. [2009]: Reengineering. Reformowanie procesów
biznesowych i produkcyjnych w przedsiębiorstwie. Wyd. Politechniki Poznańskiej. Poznań.
Pacholski L. [2012]: Systemy ekspertowe i sztuczna inteligencja, Wydawnictwo Politechniki
Poznańskiej, Poznań.
Pająk E. [2006]: Zarządzanie produkcją: produkt, technologia, organizacja, Wydawnictwo
Naukowe PWN.
Papageorgiou G., Likas A., Stafylopatis A. [1998]: Improved exploration in Hopfield network
state-space through parameter perturbation driven by simulated annealing, European Journal
of Operational Research, 108 (2).
Pawłyszyn I., Maćkowiak* N., Stachowiak A., Jańczak T. [2010]: Elements of artificial
intelligence applied in warehousing [w] Fertsch M., Grzybowska K. (red.), Logistics in the
enterprises – selected aspects, Wydawnictwo Politechniki Poznańskiej.
Pawłyszyn I., Maćkowiak* N., Stachowiak A. [2010’]: The concept of use of artificial neural
networks in process of selection of JIT-suppliers [w] Pawłowski E. (red.), Operations and
Logistics Management, Wydawnictwo Politechniki Poznańskiej.
Pawłyszyn I., Maćkowiak* N., Stachowiak A., Jańczak T. [2011]: An expert system as a tool
for optimization of warehousing process [w] Conference Proceeding of ICPR21, Stuttgart.
Pawłyszyn I., Maćkowiak* N., Stachowiak A., Pacholski L. [2011’]: Completation Of Items In
High Storage Warehouse With The Expert System, Logistyka i Transport, Issue 2(13).
Perzyńska J. [2010]: Budowa prognoz kombinatorycznych z wykorzystaniem sztucznych sieci
neuronowych [w] Dittmann P., Szabela-Pasierbińska E. (red.), Prognozowanie w zarządzaniu
firmą, Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu.
* Nazwisko panieńskie autorki pracy
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 92
Peng M., Gupta N. K., Armitage A. F. [1996]: An investigation into the improvement of local
minima of the Hopfield network, Neural Networks, 9 (7).
Piasecka-Głuszak A. [2011]: Logistyka w wydawnictwie, Biblioteka Analiz.
Pilarczyk B. (red.) [2006]: Mruka H. (red.), Kompendium wiedzy o marketingu,
Wydawnictwo Naukowe PWN.
Platt J. C., Barr A. H. [1988]: Neural information processing systems, New York: American
Institute of Physics.
Pokojski J. [2005]: Systemy doradcze w projektowaniu maszyn, Wydawnictwa Naukowo-
Techniczne.
Pomykalski A. [2008]: Zarządzanie i planowanie marketingowe, Wydawnictwo Naukowe
PWN.
Porter M. E. [1985]: Competitive Adnvantage, Free Press.
Rong Y. [1997]: Solving Large Travelling Salesman Problems with Small Populations,
Genetic Algorithms in Engineering Systems: Innovations and Applications.
Rutkowska D., Piliński M., Rutkowski L. [1999] Sieci neuronowe, algorytmy genetyczne
i systemy rozmyte, Wydawnictwo Naukowe PWN.
Rutkowski L. [2009]: Metody i techniki sztucznej inteligencji, inteligencja obliczeniowa,
Wyd. 2 zm., Wydawnictwo Naukowe PWN.
Rybarczyk A. (praca zbiorowa pod red.) [2008]: Sztuczne sieci neuronowe labolatorium,
Wydawnictwo Politechniki Poznańskiej.
Shapiro R.D., Heskett J. L. [1985]: Logistics Strategy-Cases and Concepts, West Pub. Co.
Skowronek Cz. [2010]: Procesy logistyczne w kształtowaniu ekonomiki przedsiębiorstw
[w] Kempny D. (red.), Logistyka w naukach o zarządzaniu. Księga poświęcona pamięci
profesora Mariana Sołtysika, Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach.
Sławińska M. (red.) [2008]: Kompendium wiedzy o handlu, Wydawnictwo Naukowe PWN.
Stajniak M., Hajdul M., Foltyński M., Krupa A. [2007]: Transport i spedycja. Podręcznik do
kształcenia w zawodzie technik logistyk, Biblioteka Logistyka.
Tadeusiewicz R. [2001] Wprowadzenie do sieci neuronowych, Statsoft Polska.
Surma J. [2009]: Business Intelligence Systemy wspomagania decyzji biznesowych,
Wydawnictwo Naukowe PWN.
Literatura Strona | 93
Szczerbicki E., Reidsema C., Modelling Design [1999] Planning In Concerrent Engineering,
Intelligent Processing and Manufacturing of Materials, IPMM '99,Vol. 2.
Tadeusiewicz R. [1993]: Sieci neuronowe, Akademicka Oficyna Wydawnicza RM.
Tang, H., Tan, K.C., Yi, Z. [2007]: Parameter settings of Hopfield networks applied to
traveling salesman problems, Studies in Computational Intelligence 53 , pp. 99-116.
Tarczyński G. [2011]: Algorytm Kohonena w analizie danych ekonomicznych, Wydawnictwo
Uniwersytetu Ekonomicznego we Wrocławiu.
Winkler W., Wiszniewski A. [2004]: Automatyka zabezpieczeniowa w systemach
elektroenergetycznych, Wydawnictwa Naukowo-Techniczne.
Wierzbicki T. (red.) [1986]: Informatyka w zarządzaniu, Wydawnictwo Naukowe PWN.
Xue-song Yan, Han-min Liu, Jia Yan and Qing-hua Wu [2007]: A Fast Evolutionary
Algorithm for Traveling Salesman Problem, Third International Conference on Natural
Computation ICNC 2007.
Yoo-Shin Kim, Seon-geun Cha, Ja-myeong Kim [1997]: A Generalized Model of Statistical
Hopfield Neural Network to Solve TSP, International Conference on Information,
Communications and Signal Processing ICICS ’97.
Yoshiyuki, Usami [1994]: Solving traveling salesman problem by real space renormalization
technique, IEEE International Conference on Neural Networks - Conference Proceedings 7 ,
pp. 4529-4534.
Zhu, J.-F., Li, Q.-Y. [2009]: Solving the Travelling Salesman Problem by the Program of Ant
Colony Algorithm, Proceedings - 2009 International Conference on Computational
Intelligence and Software Engineering, CiSE 2009 , art. no. 5366235.
Zieliński J. S. (red.) [2000]: Inteligentne systemy w zarządzaniu, Wydawnictwo Naukowe
PWN.
Źródła internetowe3
Strony internetowe:
http://www.mathworks.com
http://www.mathworks.com/matlabcentral/fileexchange
http://www.mathworks.com/matlabcentral/fileexchange/1491-m-files-for-neural-networks
http://www.utdallas.edu/~herve
3 wszystkie zasoby internetowe zweryfikowano z datą dostępu – 30.06.2013
Inteligentny system hybrydowy zarządzania logistyką ... Strona | 94
www.pudn.com
Fora internetowe
http://www.matlab.pl/
http://www.elektroda.pl/rtvforum/topic2142857.html