Wyznaczanie ryzyka łańcuchów markowa w planowaniu łańcucha dostaw. Cz. 2

• Autorzy: Topolska K.

Warianty tytułu

EN

Risk market chain market definition in the plain chain supply channel. Part 2

• Języki publikacji: PL

Abstrakty

PL

W artykule omówiony został problem planowania ryzyka zarządzania łańcuchem dostaw z wykorzystaniem klasyfikatorów probabilistycznych z modelem łańcuchów Markowa k-tego rzędu. Artykuł jest kontynuacją pewnego toku metodologicznego w planowaniu dostaw. W pracy przedstawiono metodę wyznaczania ryzyka związanego ze złym oszacowaniem najlepszej ścieżki krytycznej wyznaczającej dobór odpowiednich ogniw łańcucha w tym dostawców i odbiorców zamówienia klienta.

EN

The article discusses the problem of risk management planning for supply chain management using probabilistic classifiers with the Markov chain model k-th order. The article is a continuation of a methodological approach to supply planning. The paper presents a method of estimating the risk associated with poor estimation of the best critical path determining the selection of suitable chain links including suppliers and customers of a customer order.

Słowa kluczowe

PL

łańcuch dostaw; zarządzanie; model łańcuchów Markowa

EN

supply chain; management; k-row Markov chain model

• Wydawca: Instytut Naukowo-Wydawniczy "SPATIUM". sp. z o.o.
• Czasopismo: Autobusy : technika, eksploatacja, systemy transportowe
• Rocznik: 2017
• Tom: R. 18, nr 6
• Strony: 1585--1589, CD
• Opis fizyczny: Bibliogr. 15 poz.

Twórcy

autor

Topolska K.

• Wyższa Szkoła Bankowa we Wrocławiu, Instytut Logistyki, Wydział Zarządzania i Finansów

Bibliografia

• 1. Chatfield Ch., Holt-Winters Forecasting: Some Practical Issues. The Statistician, vol. 37 (1986), pp. 129-140.
• 2. Fiszeder P. „Zastosowanie modeli GARCH w analizie ryzyka rynkowego”, grant UMK nr 419, 2004 r.
• 3. Dorosiewicz S., Koniunktura w transporcie. Badania i analiza wyników, Wydawnictwo Instytut Transportu Samochodowego, Warszawa 2006, s. 85.
• 4. Prochowski L., Żuchowski A., Pojazdy samochodowe Technika transportu ładunków, Wydawnictwo Komunikacji i Łączności Warszawa, s. 307.
• 5. Stanisz A., Przystępny kurs statystyki z zastosowaniem STATISTICA PL na przykładach z medycyny, Tom 2. Modele liniowe i nieliniowe, Kraków 2007, StatSoft Polska Sp. z o.o.
• 6. Siwko K. Rola miękkich i klasycznych metod matematycznych w prognozowaniu zapasów. Zastosowanie w komputerowo wspomaganej logistyce, Wrocław 2012.
• 7. Topolski M., Komputerowe algorytmy rozpoznawania sekwencyjnego z modelemłączącym teorię ewidencji matematycznej z teorią zbiorów rozmytych, Praca doktorska, pre 1/07 Politechnika Wrocławska 2007.
• 8. Topolski M., Application of a telematics system to the improvement of transport process in intelligent high baywarehouse Czasopismo: [1899-8208], Archives of Transpor System Telematics 2016.
• 9. Topolski M., Telematics system architecture to manage the internal transport Czasopismo: [1899-8208]Archives of Transport System Telematics 2016.
• 10. Topolski M., Application of a telematics system to the improvement of transport process in intelligent high bay warehouse Czasopismo: [1899-8208], Archives of Transport System Telematics 2016.
• 11. Topolski M., The use of cluster analysis and the theory of mathematical records in the process of planning the productionwarehouse flow Czasopismo: [2083-4942] Research in Logistics & Production 2016.
• 12. Topolski M. Komputerowy model planowania zapasów bezpieczeństwa z wykorzystaniem miękkich metod obliczeniowych Autobusy. Technika, Eksploatacja, Systemy Transportowe ISSN 1509-5878 12/2016.
• 13. Witkowski J., „Zarządzanie łańcuchem dostaw. Koncepcje, procedury, doświadczenia”, PWE, Warszawa 2003.
• 14. Woźniak M., Podstawy komputerowego rozpoznawania sterowanych łańcuchów Markowa z regułami eksperta i ciągiem uczącym - algorytmy i ich zastosowanie w diagnostyce medycznej, Raport PRE 2/96, Politechnika Wrocławska (praca doktorska).
• 15. http://www.bcc.com.pl/pad_files/aw_files/474_AW_TransportSAP(LE-TRA).pdf