The Use of Cluster Analysis and the Theory of Mathematical Records in the Process of Planning the Production-Warehouse Flow

• Autorzy: Bujak A. , Topolska K. , Topolski M.

Identyfikatory

DOI

10.21008/j.2083-4950.2016.6.3.6

• Języki publikacji: EN

Abstrakty

EN

The paper proposes a new approach to the agglomeration of data in cluster analysis. These approach faces the problem of data classification where under the same conditions different conclusions are draw. Such problems occur in many areas of daily life: medicine, technology, and economic and social sciences and economics. The new approach assumes that events like the harvest are attributed to the cumulative probability of their occurrence at the same time. Such approaches will not be found in probability. Thanks to the mathematical theory of records fairly accurate classification of the object can be provided. The paper presents a method of agglomeration of measurement data using the mathematical theory of records. This is the method which can be used in the cluster analysis by agglomeration.

Słowa kluczowe

EN

cluster analysis; warehousing; logistics flows

• Wydawca: Publishing House of Poznan University of Technology
• Czasopismo: Research in Logistics & Production
• Rocznik: 2016
• Tom: Vol. 6, No. 3
• Strony: 259--267
• Opis fizyczny: Bibliogr. 7 poz, tab.

Twórcy

autor

Bujak A.

• WSB University in Wrocław, ul. Fabryczna 29/31, 53-609 Wrocław, Poland

autor

Topolska K.

• WSB University in Wrocław, ul. Fabryczna 29/31, 53-609 Wrocław, Poland

autor

Topolski M.

• WSB University in Wrocław, ul. Fabryczna 29/31, 53-609 Wrocław, Poland

Bibliografia

• 1. Dudziński Z. (2011), Vademecum organizacji gospodarki magazynowej, Wyd. ODDK, Gdańsk.
• 2. Fertsch M. (ed.) (2006), Podstawy logistyki, Instytut Logistyki i Magazynowania, Poznań.
• 3. Gatnar E. & Walesiak M. (2004), Metody statystycznej analizy wielowymiarowej w badaniach marketingowych, Wyd. Akademii Ekonomicznej, Wrocław.
• 4. Grabiński T. (1988), Metody taksonometrii, Wyd. Akademii Ekonomicznej, Kraków.
• 5. Kurzyński M., Woźniak M. & Żołnierek A. (2007), Analiza przydatności wybranych metod rozpoznawania sekwencyjnego dla problemu z zakresu diagnostyki medycznej. Inteligentne Wydobywanie Informacji, Technologie Informacyjne: Diagnostyka, PWNT, Gdańsk.
• 6. Stanisz A. (2007), Przystępny kurs statystyki z zastosowaniem STATISTICA PL na przykładach z medycyny, t. 2, Modele liniowe i nieliniowe, “StatSoft”, Kraków.
• 7. Topolski M. (2008), Komputerowe algorytmy rozpoznawania sekwencyjnego łączące teorię zbiorów rozmytych z teorii.

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.