Analiza porównawcza probabilistyczno-rozmytych systemów na przykładzie oceny efektywności realizacji usług logistycznych

• Autorzy: Rudnik K.

Warianty tytułu

EN

Comparative analysis of the probabilistic fuzzy system on the example of the assessment of effectiveness of logistics service

• Języki publikacji: PL

Abstrakty

PL

Celem pracy jest przedstawienie analizy porównawczej zastosowania systemów uwzględniających teorię zbiorów rozmytych i teorię prawdopodobieństwa do oceny efektywności realizacji usług logistycznych wybranego przedsiębiorstwa. W sposób treściwy przedstawiono trzy rodzaje systemów typu Mamdaniego: klasyczny system rozmyty, system probabilistyczno-rozmyty uwzględniający rozkład warunkowy prawdopodobieństwa zdarzeń rozmytych w następniku reguł oraz system probabilistyczno-rozmyty uwzględniający zarówno rozkład warunkowy prawdopodobieństwa zdarzeń rozmytych w konkluzji, jak i rozkład brzegowy prawdopodobieństwa zdarzeń rozmytych w poprzedniku reguł. Omówiono modele prezentowanych podejść oraz schematycznie przedstawiono sposoby wnioskowania rozmytego na podstawie prezentowanych modeli. Z uwzględnieniem danych empirycznych pochodzących ze średniego przedsiębiorstwa sektora transport-spedycja-logistyka, dokonano budowy przedstawionych modeli oraz porównano ich złożoności. Wykorzystując wnioskowanie rozmyte dokonano analizy skuteczności odwzorowania oceny efektywności usług logistycznych z wykorzystaniem omawianych systemów.

EN

The aim of the paper is to present a comparative analysis of the application of systems which using the fuzzy sets theory and probability theory to assessment the effectiveness of the logistics service in selected company. The three Mamdani systems are presented briefly: fuzzy system, probabilistic fuzzy system with conditional distribution of probability of fuzzy events in consequents, probabilistic fuzzy system with conditional distribution of probability of fuzzy events in consequents and marginal distribution of probability of fuzzy events in the antecedents. The knowledge models of discussed approaches are shown and results of fuzzy inference using analyzed models are presented. To analysis are used empirical data from medium size enterprise which has realized specific logistics services. The data are used to create the models of three systems. Exemplary models rules are presented and the complexities of the models are compared. On the basis of the fuzzy inference, the accuracy analysis of the evaluation of the logistics services effectiveness is presented.

Słowa kluczowe

PL

teoria zbiorów rozmytych; teoria prawdopodobieństwa; model Mamdaniego; usługi logistyczne

EN

probabilistic fuzzy systems; logistics service; fuzzy sets theory; probability theory; Mamdani system

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 6
• Strony: 9212--9222
• Opis fizyczny: Bibliogr. 24 poz., rys., tab., pełny tekst na CD3

Twórcy

autor

Rudnik K.

• Politechnika Opolska, Wydział Inżynierii Produkcji i Logistyki, Katedra Inżynierii Wiedzy

Bibliografia

• 1. Almeida, R.J., Conditional density models integrating fuzzy and probabilistic representations of uncertainty, Thesis to obtain the degree of Doctor from the Erasmus University Rotterdam, 26 June 2014.
• 2. Almeida, R.J., Kaymak, U., Probabilistic fuzzy systems in value-at-risk estimation. Inteligent Systems in Accounting, Finance and Management, 16, pp. 49-70, 2009.
• 3. Beier F.J., Rutkowski K., Logistyka. Wyd. SGH, Warszawa 2001.
• 4. Blaik P., Logistyka, Koncepcja zintegrowanego zarządzania przedsiębiorstwem, Wyd. I, PWE, Warszawa 2010.
• 5. Chen, C., Xiao, T., Probabilistic Fuzzy Control of Mobile Robots for Range Sensor Based Reactive Navigation. Intelligent Control and Automation, 2, 2011, pp. 77-85.
• 6. Goodman, I. R. and Nguyen, H. T. Fuzziness and randomness. In Bertoluzza, C., Gil, M. A., Ralescu, D. A., editors, Statistical Modeling, Analysis and Management of Fuzzy Data, Studies in Fuzziness and Soft Computing, pages 3–21. Physica Verlag, Heidelberg, 2002.
• 7. Halicka K., Święcka S., Logistyczna obsługa klienta na przykładzie wybranych firm, Economy and Management, 3/2012.
• 8. Kadłubek M., Ujęcia teoretyczne usług logistycznych, Logistyka 6/2011, str. 1529-1535.
• 9. Li, H.-X., Duan, X., Liu, Z., Three-dimensional fuzzy logic system for process modeling and control. Journal of Control Theory and Applications, August, Vol 8, Issue 3, 2010, pp. 280-285.
• 10. Meghdadi, A.H., Akbarzadeh-T, M.R., Probabilistic fuzzy logic and probabilistic fuzzy systems. In Proceedings of 10th IEEE International Conference on Fuzzy Systems, Melbourne, Australia, vol. 2, 2001, pp. 1127-1130.
• 11. Niziński S., Logistyka, Wydawnictwo Akademii Rolniczo-Technicznej, Olsztyn, 1999.
• 12. Pisz I., Sęk T., Zielecki W., Logistyka w przedsiębiorstwie. PWE, Warszawa 2013.
• 13. Rudnik K., System wnioskujący z probabilistyczno-rozmytą bazą wiedzy: teoria, koncepcja i zastosowanie, OW Politechniki Opolskiej, Opole 2013.
• 14. Rudnik K., Pisz I., Ocena efektywności realizacji usług logistycznych z zastosowaniem systemu wnioskującego z probabilistyczno-rozmytą bazą wiedzy, Logistyka 6/2014.
• 15. Rydzykowski W. (red.), Usługi logistyczne. Teoria i praktyka. Instytut Logistyki I Magazynowania, Poznań, 2011.
• 16. Tang M., Chen X., Hu W., Yu W., Generation of a probabilistic fuzzy rule base by learning from examples. Information Sciences, 217, pp. 21-30, 2012.
• 17. Thomas, S., Fuzziness and Probability. ACG Press, Wichita KS, USA, 1995.
• 18. Twaróg J., Mierniki i wskaźniki logistyczne. Biblioteka Logistyka, Poznań 2005.
• 19. Walaszek-Babiszewska A., Modelowanie rozmyte systemów stochastycznych. Teoria, modele, bazy wiedzy. Wyd. Politechniki Opolskiej, 2010.
• 20. van den Berg J., Kaymak U., van den Bergh W.-M. Financial markets analysis by using a probabilistic fuzzy modelling approach. International Journal of Approximate Reasoning, 35, 2004, pp. 291–305.
• 21. Zadeh L.A., Probability measures of fuzzy events, Journal of Mathematical Analysis and Applications, vol. 23, 2, pp. 421-427, 1968.
• 22. Zadeh L.A., The concept of a linguistic variable and its application to approximate Part 2. Information Sciences 8, 1975, pp. 301-357.
• 23. Zadeh L.A., A theory of approximate reasoning. In: Machine Intelligence, Hayes J.E., Michie D. and Mikulich L.I. (Eds.), Vol. 9, New York, 1979, pp. 149-194.
• 24. Zadeh L.A., Discussion: Probability theory and fuzzy logic are complementary rather than competitive. Technometrics, 37(3):271–276, 1995.