Zastosowanie sztucznych sieci neuronowych jako narzędzia wspomagającego zarządzanie zapasami i planowanie popytu na przykładzie przedsiębiorstwa dystrybucyjnego

• Autorzy: Jurczyk K.

Warianty tytułu

EN

Inventory optimization and demand pattern analyzis using artificial neural networks on the example of distribution enterprise

• Języki publikacji: PL

Abstrakty

PL

Celem niniejszej pracy było wykazanie możliwości zastosowania metod sztucznej inteligencji, a w szczególności sztucznych sieci neuronowych do prognozowania popytu w centrum dystrybucyjnym firmy IMI International sp. z o. o. w Olewinie. Wyniki uzyskane z zastosowania utworzonego modelu porównano z wynikami osiąganymi przy użyciu klasycznych metod prognozowania.

EN

In the paper, the analysis of the possibility of using artificial neural networks to forecast demand level at the IMI International was introduced. The results from using neural model were compared with the results of using classical forecasting methods.

Słowa kluczowe

PL

prognozowanie; sztuczne sieci neuronowe; zarządzanie zapasami

EN

artificial neural networks; forecasting; inventory management

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2011
• Tom: nr 2
• Opis fizyczny: Pełny tekst na CD, Bibliogr. 6 poz., rys., tab.

Twórcy

autor

Jurczyk K.

• Akademia Górniczo-Hutnicza. Wydział Zarządzania,

Bibliografia

• [1] Jurczyk K., Analiza systemu zarządzania zapasami na przykładzie Centrum Dystrybucyjnego IMI International sp. z o. o. w Olewinie, Translogistics 2009: Zbiór prac prezentowanych podczas V Ogólnopolskiego Forum Studentów Transportu i Logistyki, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław 2009, s. 111– 118
• [2] Jurczyk K., Zarządzanie zapasami i analiza profilu popytu z wykorzystaniem sztucznych sieci neuronowych na przykładzie IMI International sp. z o. o., Praca magisterska, Wydział Zarządzania AGH, Kraków 2010
• [3] Karkula M., Modelowanie i symulacja złożonych procesów logistycznych o charakterze dyskretno-ciągłym na przykładzie Elektrociepłowni Kraków SA, Rozprawa doktorska, Wydział Zarządzania AGH, Kraków 2007
• [4] Radhakirshnan P., Prasad V.M., Gopalan M.R.: Inventory Optimization in Supply Chain Management using Genetic Algorithm, IJCSNS International Journal of Computer Science and Network Security, VOL.9 No.1, January 2009, s. 33–40
• [5] Samanta B., Al-Araimi S.A., An inventory control model using fuzzy logic, International Journal of Production Economics 73 (2001), s. 217–226
• [6] [http://www.imi-internationalcee.com/pl/] ostatni dostęp: 1 czerwca 2010 r.