Application of artificial intelligence methods in modelling logistics processes

• Autorzy: Karkula M.

Warianty tytułu

PL

Zastosowanie metod sztucznej inteligencji w modelach procesów logistycznych

• Języki publikacji: EN

Abstrakty

EN

The objective of the paper is to present the concept of using artificial intelligence methods in simulation model s of selected logistics processes. The issues discussed in the paper refer to modelling selected logistics processes in the companies that produce electricity and thermal energy.

PL

Badano komfort jazdy pasażera pojazdu szynowego poprzez analizę poprzecznych i pionowych przyspieszeń. Badania przeprowadzono za pomocą numerycznych symulacji ruchu 4-osiowego pojazdu szynowego, który jest reprezentowany przez model matematyczny o 27 stopniach swobody. Uwzględniono losowe nierówności geometryczne toru zaburzające ruch pojazdu szynowego i badano ich wpływ na komfort jazdy. Szczegółowo analizowano, jak na komfort jazdy wpływają prędkość jazdy oraz modyfikacja parametrów określających zawieszenie pierwszego i drugiego stopnia. Ponadto wyznaczono przyspieszenie i analizowano komfort jazdy dla różnych położeń pasażera wewnątrz nadwozia pojazdu.

Słowa kluczowe

EN

modelling logistics processes; artificial intelligence methods

PL

modele procesów logistycznych; metody sztucznej inteligencji; pojazd szynowy; komfort jazdy

• Wydawca: Warsaw University of Technology, Faculty of Transport
• Czasopismo: Archives of Transport
• Rocznik: 2008
• Tom: Vol. 20, iss. 3
• Strony: 21--33
• Opis fizyczny: Bibliogr. 13 poz., rys., tab.

Twórcy

autor

Karkula M.

• Akademia Górniczo-Hutnicza, Wydział Zarządzania, 30-067 Kraków

Bibliografia

• 1. Babuska R., Setnes M., Verbruggen H.B.: Complexity reduction in fuzzy modeling. Mathematics and Computers in Simulation, Vol. 46, issue 5-6, pp. 507-516, 1998.
• 2. Banks J., Carson J.S., Nelson B.L., Nicol D.M.: Discrete-event system simulation. Prentice-Hall, Upper Saddle River, New Jersey, 2001.
• 3. Bracht U., Ostermann A.D.: Neuronale Netze helfen mit: Hybride Materialfluβsimulation zur Effizienzsteigerung im Umgang mit groβen Simulationsmodellen, Simulationstechnik, 14. Symposium in Hamburg, pp. 339-355, Hamburg, 2000, SCS Publishing House.
• 4. Bukowski L.: Metody sztucznej inteligencji w zarządzaniu logistycznym. Materiały II Konferencji Logistyki Stosowanej TLM, pp. 17-25, Zakopane, 1997.
• 5. Hellmich R.: Einführung in intelligente Softwaretechniken. Prentice-Hall Verlag, München, 1997.
• 6. Karkula M.: Modelowanie i symulacja złożonych procesów logistycznych o charakterze dyskretno ciągłym na przykładzie Elektrociepłowni Kraków SA. Praca doktorska. Akademia Górniczo-Hutnicza, Kraków, 2007.
• 7. Karkula M.: Wybrane aspekty modelowania procesów zaopatrzenia w przedsiębiorstwach wytwarzających energię elektryczną i ciepło. Wybrane Zagadnienia Logistyki Stosowanej, Rocznik 2007. Oficyna Wydawnicza TEXT, Kraków, 2007, pp. 380-388.
• 8. Korzeń Z.: Zastosowanie sztucznej inteligencji w logistyce. Czasopismo Logistyka, część I, No 4/1997, część II, No 1/1998.
• 9. Marquardt H.G., Schulze F.: Neuronale Netze in der Materialfluβsimulation. ASIM-Fachtag. Simulation in Produktion und Logistik. Berlin, 2000, pp. 473-482.
• 10. Mielczarski W. (Ed.): Fuzzy logic techniques in power systems. Physica-Verlag, Heidelberg, 1998.
• 11. Noche B., Druyen J.: Planung von Materialflusssystemen. [In:] Koether R. (Hrsg.): Taschenbuch der Logistik, 2003, pp. 242-257.
• 12. Ostermann A.D.: Neue Ansätze zur gesamtheitlichen Fabriksimulation. Modellkonzept und wissensbasierte Abstraktion, Shaker Verlag, Aachen, 2001.
• 13. Zeigler B.P., Praehofer H., Kim T.G.: Theory of modelling and simulation. Second edition. Academic Press, New York, 2000.