Ocena efektywności realizacji usług logistycznych z zastosowaniem systemu wnioskującego z probabilistyczno-rozmytą bazą wiedzy

• Autorzy: Rudnik K. , Pisz I.

Warianty tytułu

EN

Evaluation of effectiveness of logistics service aided by inference system with probabilistic-fuzzy knowledge base

• Języki publikacji: PL

Abstrakty

PL

Celem pracy jest przedstawienie podejścia oraz narzędzia informatycznego, które umożliwiają rozwiązanie problemu pomiaru i oceny efektywności usług logistycznych. Zastosowanie metod oceny efektywności realizacji usług logistycznych wymaga rozwiązania problemów związanych z wykorzystaniem zasad rachunku ekonomicznego. Prawidłowo zaprojektowany i funkcjonujący system pomiaru i oceny efektywności usług logistycznych powinien opierać się zarówno na wskaźnikach finansowych, jak i niefinansowych. W pracy przedstawiono nowe podejście do oceny efektywności usług logistycznych. Autorzy w tym celu zaproponowali zastosowanie dedykowanego systemu umożliwiającego dokonanie pomiaru oraz ocenę efektywności usług logistycznych. Opracowany system jest specyficznym rodzajem systemu wnioskowania z probabilistyczno-rozmytą bazą wiedzy, gdzie zależności pomiędzy zmiennymi określają reguły rozmyte z odpowiednimi prawdopodobieństwami zdarzeń rozmytych. Zastosowanie danego systemu przedstawiono na przykładzie pochodzącym z praktyki gospodarczej. W tym celu przeprowadzono pomiar oraz ocenę efektywności wybranych usług logistycznych zrealizowanych w średnim przedsiębiorstwie należącym do sektora transport-spedycja-logistyka w wybranym okresie czasu. Przedstawione podejście oraz dedykowany system mogą stanowić atrakcyjne narzędzie, szczególnie przydatne do oceny efektywności realizowanych przez usługobiorców usług logistycznych w przedsiębiorstwach TSL.

EN

The aim of the paper is to present an approach and informatics tool that enables one to deal problem of measurement and evaluation of logistics service effectiveness. Evaluation of effectiveness of logistics services requires solving the problems associated with using the principles of economic calculation. Properly designed and functioning system of measuring and evaluating the effectiveness of logistics services should base on financial and non-financial indicators. The paper presents a new approach to evaluation the effectiveness of the logistics services. The authors propose the use of a dedicated system capable of measuring and evaluating the effectiveness of the logistics services. The system presented in the paper is developed by authors. It is specific kind of inference system with probabilistic-fuzzy knowledge system. It contains relationships between variables in the form of fuzzy rules and proper probability of fuzzy event. The application of dedicated system is demonstrated on practical example. The evaluation of effectiveness of logistics service is presented on medium size enterprise which has realized specific logistics services in a given time period. The approach and the developed system seem to be useful for evaluation the effectiveness of logistics service in enterprises from transport-spedition-logistics branch.

Słowa kluczowe

PL

usługi logistyczne; probabilistyczno-rozmyta baza wiedzy; przedsiębiorstwo TSL

EN

probabilistic-fuzzy knowledge base; logistics service; TSL branch

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 6
• Strony: 9200--9211
• Opis fizyczny: Bibliogr. 21 poz., rys., pełny tekst na CD3

Twórcy

autor

Rudnik K.

• Politechnika Opolska, Wydział Inżynierii Produkcji i Logistyki, Katedra Inżynierii Wiedzy

autor

Pisz I.

• Uniwersytet Opolski, Wydział Ekonomiczny, Katedra Logistyki i Marketingu

Bibliografia

• 1. Almeida, R.J., Kaymak, U., Probabilistic fuzzy systems in value-at-risk estimation. Inteligent Systems in Accounting, Finance and Management, 16, pp. 49-70, 2009.
• 2. Dyczkowska J., Marketing usług logistycznych. Difin, Warszawa, 2014.
• 3. Jeszka A.M., Sektor usług logistycznych w teorii i praktyce. Difin, Warszawa, 2013.
• 4. Kacprzyk J., Wieloetapowe sterowanie rozmyte, WNT, Warszawa 2001.
• 5. Kasperek M., Metoda agile w zarządzaniu projektem logistycznym. Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach, Katowice 2012.
• 6. Kasperek M., Szołtysek J., Projekty logistyczne w outsourcingu usług logistycznych. Logistyka, 2008, nr 6, 52.
• 7. Kisperska-Moroń D., Krzyżaniak S. (red.), Logistyka. ILiM, Poznań, 2009.
• 8. Mamdani E.H., Assilian S., An experiment in linguistic synthesis with a fuzzy logic controller. International Journal of Man-Machine Studies. vol. 7, pp. 1-13, 1975.
• 9. Najmi M., Kehoe D.F., The role of performance measurement systems in promoting quality development beyond ISO 9000. International Journal of Operations & Production Management, 2001, 1/2, 159-171.
• 10. Pisz I., Wielokryterialna ocena efektywności realizacji projektów logistycznych bazująca na Strategicznej Karcie Wyników i Teorii Zbiorów Rozmytych. Logistyka, 2013, 5, materiał na nośniku CD 1, Logistyka – nauka, 164-169.
• 11. Pisz I., Kolasa-Więcek A., Podejście do oceny efektywności realizacji projektów logistycznych z zastosowaniem rozmytych systemów wnioskujących. [w:] Wybrane zagadnienia logistyki stosowanej, Tom. 1, Lichota A., Majewska K.. (red.), Wydawnictwa AGH, Kraków, 2013, 281-294.
• 12. Pisz I., Łapuńka I., Uwarunkowania realizacji projektów logistycznych w branży transport-spedycja-logistyka na przykładzie przewozu ładunków ponadnormatywnych cz. 1. Logistyka, 2014, 2, materiał na nośniku CD, 5134-5143.
• 13. Rudnik K., System wnioskujący z probabilistyczno-rozmytą bazą wiedzy: teoria, koncepcja i zastosowanie, OW Politechniki Opolskiej, Opole 2013.
• 14. Rudnik K., Walaszek-Babiszewska A., Probabilistic-fuzzy knowledge-based system for managerial applications. Management and Production Engineering Review, March, Vol. 3, No. 1, pp. 49-61, 2012.
• 15. Rydzykowski W. (red.), Usługi logistyczne. Teoria i praktyka. Instytut Logistyki I Magazynowania, Poznań, 2011.
• 16. Tang, M., Chen, X., Hu, W., & Yu, W., Generation of a probabilistic fuzzy rule base by learning from examples. Information Sciences, 217, 21-30, 2012.
• 17. Twaróg J., Mierniki i wskaźniki logistyczne. Biblioteka Logistyka, Poznań 2005.
• 18. Walaszek-Babiszewska A., Construction of Fuzzy Models Using Probability Measures of Fuzzy Events. In Proc. 13th IEEE Internat. Conf. on Methods and Models in Automation and Robotics, MMAR 2007, Szczecin, Poland, pp. 661-666, 2007.
• 19. Walaszek-Babiszewska A., Fuzzy modeling in stochastic environment: theory, knowledge bases, examples. LAP Lambert Academic Publishing, 2011.
• 20. Zadeh L.A., Fuzzy sets. Inform. Contr., vol. 8, pp. 338-353, 1965.
• 21. Zadeh L.A., Probability measures of fuzzy events, Journal of Mathematical Analysis and Applications, vol. 23, 2, pp. 421-427, 1968.