Zastosowanie sztucznych sieci neuronowych do wspomagania procesów dyspozytorskich w transporcie

• Autorzy: Jakubek A.

Warianty tytułu

EN

The artificial neural networks used for to support dispatcher processes in transport sector

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono koncepcję narzędzia wspomagającego decyzje dyspozytorskie w transporcie bazującego na sztucznych sieciach neuronowych. Procesy dyspozytorskie analizowane w pracy związane są z doborem odpowiedniego sposobu przewozu do zlecenia przewozowego. Sposób przewozu rozumiany jest jako jedna z pięciu możliwych opcji przewozu, różniąca się między sobą: kosztem realizacji, czasem dostawy, ładownością pojazdu oraz priorytetem załadunku, wynikających z charakterystyki danego przedsiębiorstwa. W pracy przeanalizowano warunki i sposób postępowania dyspozytora, który poszukując najkorzystniejszego dopasowania sposobu przewozu do przesyłki kieruje się maksymalizacją zysku z tytułu realizacji usługi przewozowej. W wyniku przeprowadzonej analizy wyodrębniono zbiór najważniejszych zmiennych decyzyjnych istotnych z punktu widzenia zastosowanego kryterium. Następnie z szeregu informacji zaproponowano zbiór uczący, który w dalszej kolejności posłużył w procesie uczenia 4 wybranych typów sztucznych sieci neuronowych: liniowej, MLP, RBF, GRNN. Opracowane narzędzie zastosowano równocześnie z pracą wykonywaną przez dyspozytora. Na podstawie otrzymanych rezultatów oceniono skuteczność metody pod względem prognozowania zysku, wynikającego z wyboru odpowiedniego sposobu przewozu. Modelowanie neuronowe przyniosło pożądane rezultaty. Porównanie opracowanej metody z dotychczasowym podejmowaniem decyzji przez dyspozytora spowodowało poprawę procesów dyspozytorskich, postrzeganą jako zwiększenie zysku z tytułu wykonania usługi.

EN

The article presents an application of artificial neural networks to support dispatching processes in road transport. These processes are associated with the selection of the appropriate mode of transport for the transport order. The method of transport is understood as one of five possible options carriage differ among them selves at the expense of implementation, delivery time, vehicle load capacity and load priority resulting from the characteristics of the company. The study analyses the conditions and procedure dispatcher, who in search of the best possible matching mode of transport for shipment headed to maximize the profit for the implementation of a transport service. The analysis distinguished collection of the most important decision variables relevant to the used criterion. Then, with a range of information offered training set, which followed was used in the learning process four selected types of artificial neural networks: Linear, MLP, RBF, GRNN. The developed tool was used simultaneously with the work performed by the dispatcher. Based on the obtained results, t he efficacy of the method in terms of prediction of profit resulting from the selection of the appropriate mode of transport. Neural modelling has brought the most desirable results. Comparison of this method with the existing decision - making by the dispatcher resulted in improved processes, perceived as an increase in profit for the service.

Słowa kluczowe

PL

proces; wspomaganie decyzji; sztuczne sieci neuronowe

EN

process; decision support; artificial neural networks

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2015
• Tom: nr 2
• Strony: 268--275, CD1
• Opis fizyczny: Bibliogr. 14 poz., rys., tab.

Twórcy

autor

Jakubek A.

• Politechnika Poznańska, Zakład Systemów Transportowych

Bibliografia

• [1] Duch W., Korbicz J., Rutkowski L., Tadeusiewicz R.: Biocybernetyka i inżynieria biomedyczna 2000 – Sieci neuronowe . Tom 6. AOW EXIT, Warszawa 2000
• [2] Jakubek A.: Zastosowanie sieci neuronowych w pracy dyspozytora w przedsiębiorstwie transportowo - logistycznym. Praca inżynierska. Politechnika Poznańska, Poznań 2012
• [3] Klimek M.: Sieci Hopfielda dla problemu komiwojażera . Zeszyty naukowe AGH. Zagadnienia techniczno - ekonomiczne, Tom 50, Zeszyt 1, 2005, s. 65 - 75
• [4] Krawczyk S.: Logistyka. Teoria i praktyka. Tom II . Wydawnictwo Difin, 2011
• [5] Lalonde B. J.: Pohlen T. L., Issues in Supply Chain Costing . The International Journal of Logistics Management 1996 , Vol. 7 Iss: 1, pp.1 - 12
• [6] Minsky M.: Papert S., Perceptrons ., MA: MIT Press, Cambridge 1969
• [7] Ossowski S.: Sieci neuronowe w ujęciu algorytmiczny. Wydawnictwo Naukowo - Techniczne, Warszawa 1996.
• [8] Podręcznik elektroniczny STATISTICA 6.0, StatSoft Polska
• [9] Sawicki P.: Sawicka H., Logistics process improvement using simulation and stochastic multiple criteria decision aiding . Procedia - Social and Behavioral Sciences, 2014, vol. 111, no. 5, 1142 – 1154
• [10] Sikora W.: Badania operacyjne . Polskie Wydawnictwo Ekonomiczne, Warszawa 2008
• [11] Słowiński B.: Inżynieria zarządzania procesami logistycznymi . Wydawnictwo Uczelniane Politechniki Koszalińskiej, Koszalin 2009
• [12] Stajniak M., Hajdul M., Foltyński M., Krupa A.: Transport i spedycja . Wydawnictwo Biblioteka Logistyka, Poznań 2008
• [13] Tadeusiewicz R.: Elementarne wprowadzenie do sieci neuronowych z przykładowymi programami . Akademicka Oficyna Wydawnicza, Warszaw a 1998
• [14] Tadeusiewicz R.: Sieci neuronowe . Akademicka Oficyna Wydawnicza, Warszawa 1993