Metody klasyfikacyjne danych w analizach wirtualnych łańcuchów dostaw

(1)

FOLIA OECONOMICA 271, 2012

[71]

Gra yna Trzpiot*

Alicja Ganczarek-Gamrot**

METODY KLASYFIKACYJNE DANYCH

W ANALIZACH WIRTUALNYCH

A!CUCHÓW DOSTAW

Streszczenie. W pracy poddano klasyfikacji informacje zebrane za pomoc badania

ankieto-wego przeprowadzonego w!ród przedsi"biorstw na terenie Województwa #l skiego. W grupie tej analizowano niezale$nie przedsi"biorstwa produkcyjne, handlowe i us%ugowe. G%ównym celem badania jest klasyfikacja czynników kszta%tuj cych wirtualne %a&cuchy dostaw w sk%ad których wchodz : stosowana technologia informacyjno-komunikacyjna, kompetencje logistyczne, bran$a transportowo-spedycyjno-logistyczna. Ze wzgl"du na jako!ciowy oraz ilo!ciowy charakter zmien-nych do klasyfikacji wykorzystano metody oparte na ró$zmien-nych miarach odleg%o!ci. Wyniki analizy zostan wykorzystane do pracy z zakresu logistyki na temat „Czynniki rozwoju wirtualnych %a&-cuchów dostaw.”

S"owa kluczowe: wirtualny %a&cuch dostaw, metody aglomeracji, miary odleg%o!ci.

I. WPROWADZENIE

Zmiany technologiczne i organizacyjne wp%yn"%y na ukszta%towanie si" no-wych warunków gospodarczych i wzrostu konkurencyjno!ci rynkowej. W wa-runkach kszta%towania si" mi"dzynarodowych wp%ywów, rosn cych oczekiwa& klientów, szybkiego proces rozwoju i umierania produktów itp., firmy coraz cz"!ciej rezygnuj z pionowej struktury organizacji, na któr sk%ada si" dzia%al-no!' zaopatrzeniowa, produkcyjna i dystrybucyjna na rzecz struktur, które umacniaj funkcjonalno!' firm w zakresie ich kompetencji. W nowych nie-ukszta%towanych jeszcze warunkach funkcjonowania przedsi"biorstw, wykszta%-ci%a si" teoretyczna koncepcja „organizacji wirtualnej”, która sta%a si" symbolem nowoczesno!ci rozwoju ekonomiczno-spo%ecznego.

Do rozwoju organizacji wirtualnej przyczyni% si" rozwój informatyki a w szczególno!ci rozwój mo$liwo!ci symulowania rzeczywisto!ci w postaci „wirtualnej rzeczywisto!ci”. Technika wirtualnej rzeczywisto!ci znalaz%a zasto-sowanie mi"dzy innymi w medycynie, architekturze, budownictwie, w projek-towaniu i rozwoju wyrobów.

*

Prof. AE, Dr hab., Katedra Statystyki, Akademia Ekonomiczna w Katowicach.

**

(2)

72

Wirtualny, z %aci&skiego s%owa „virtus” oznacza „mog cy zaistnie'”. Gene-ralnie wirtualno!' postrzegana jest jako zjawisko, którego nie mo$na dostrzec, a jedynie jego skutki. W literaturze przedmiotu organizacj" wirtualn definiuje si" przez wymienienie jej cech funkcjonowania: tymczasowo!', koncentracj" na kliencie, rozproszenie geograficzne, intensywne wykorzystanie technologii in-formatycznych, sieciow struktur" organizacyjn , wykorzystanie kluczowych kompetencji swoich uczestników (Adamczyk (2005)).

Organizacja wirtualna jest lu(n organizacj podmiotów gospodarczych, powo%ywan w celu wykorzystania konkretnej okazji rynkowej, wi"c z za%o$enia czas jej trwania jest ograniczony. Ka$dy z podmiotów jest skupiony na jednym rodzaju dzia%alno!ci, w którym jest szczególnie bieg%y. O przynale$no!ci do organizacji nie decyduje po%o$enie geograficzne, lecz posiadanie zasobów (wie-dzy, technologii, personelu, maj tku). Komunikacja mi"dzy podmiotami oparta jest na sieciach komputerowych.

)a&cuch dostaw rozumiany jest jako przep%yw surowców, materia%ów, pod-zespo%ów i wyrobów gotowych od momentu pozyskania tych pierwszych, do momentu konsumpcji wyrobu finalnego przez u$ytkownika ko&cowego. )a&-cuch dostaw mo$na postrzega' jako organizacj" % cz c przedsi"biorstwa uczestnicz ce w procesie dostarczania danego produktu na rynek. Wirtualny %a&cuch dostaw jest wi"c organizacj tymczasow powo%an do konkretnego celu, koncentruj c si" na kliencie, wykorzystuj c technologie informatyczne.

W pracy poddano klasyfikacji informacje zebrane za pomoc badania ankietowego przeprowadzonego w!ród przedsi"biorstw na terenie Województwa #l -skiego. W grupie tej analizowano niezale$nie 46 przedsi"biorstw produkcyj-nych, 26 handlowych i 40 us%ugowych. G%ównym celem badania jest klasyfika-cja czynników kszta%tuj cych wirtualne %a&cuchy dostaw, w sk%ad których wchodz : stosowana technologia informacyjno-komunikacyjna, kompetencje logistyczne, bran$a transportowo-spedycyjno-logistyczna.

II. METODY KLASYFIKACJI

Klasyfikacja jest poj"ciem wieloznacznym. Celem klasyfikacji mo$e by': – uzyskanie jednorodnych cech danej rodziny, co mo$e uwydatni' zwi zki przyczynowo skutkowe w rozpatrywanej populacji,

– klasyfikacj" wykorzystuje si" w analizach wielowymiarowych mi"dzy in-nymi do zredukowania zbyt du$ej liczby informacji, co mo$e upro!ci' proces wnioskowania (Kolonko (1980), Grabi&ski (1992), Jajuga (1993)).

W teorii mnogo!ciowej definiuje si" klasyfikacj" jako niepust rodzin" pod-zbiorów Ki i (1, ,k) okre!lon na zbiorze obiektów K i spe%niaj c warunki

(3)

k) , 1, j i, j; (i * j i " K ! K , (1) K K

!

k 1 i i . (2)

Najogólniej klasyfikacja traktowana jest jako zbiór klas wyró$nionych z klasyfikowanego zbioru obiektów. W literaturze przedmiotu klas" definiuje si" w ró$ny sposób. Mi"dzy innymi (Gatnar, Walesiak (2004)):

– klasa jest tak zbiorowo!ci obiektów, w której podobie&stwo pomi"dzy dowoln par obiektów jest wi"ksze ni$ podobie&stwo pomi"dzy jakimkolwiek obiektem nale$ cym do klasy a dowolnym obiektem do niej nienale$ cym,

– klasy tworz obiekty najbardziej podobne, natomiast w ró$nych klasach znajduj si" obiekty najmniej podobne,

– klasami s takie obszary w przestrzeni m-wymiarowej, które charakteryzu-j si" wi"ksz g"sto!ci obiektów i s oddzielone obszarami o mniecharakteryzu-jszecharakteryzu-j g"sto!ci obiektów.

Ze wzgl"du na charakter zmiennych do klasyfikacji wykorzystano analiz" skupie& opart na ró$nych metodach aglomeracji danych oraz ró$nych miarach odleg%o!ci. W!ród metod aglomeracji wykorzystano: metod" pojedynczego wi -zania, metod" pe%nego wi -zania, metod" !rednich po% cze&, metod" !rednich po% cze& wa$onych, metod" Warda. Do pomiaru odleg%o!ci mi"dzy poszczegól-nymi obiektami zastosowano: odleg%o!' euklidesow , odleg%o!' euklidesow kwadratow , odleg%o!' miejsk , odleg%o!' Czebyszewa (Gordon (1987), Gatnar (1998), Gatnar, Walesiak (2004)).

III. WYNIKI KLASYFIKACJI PRZEDSI#BIORSTW

Na podstawie badania ankietowego trzech grup przedsi"biorstw Wojewódz-twa #l skiego dysponowano informacjami dotycz cymi kompetencji logistycz-nych – trzy grupy przedsi"biorstw oraz rozwoju technologii informacyjno-komunikacyjnej (trzy grupy przedsi"biorstw analizowane wspólnie, % cznie 121 przedsi"biorstw). Cztery typy ankiet zosta%y rozdane respondentom reprezentu-j cym ró$ne przedsi"biorstwa. Otrzymane wyniki ankiet ró$n si" mi"dzy sob zarówno liczb respondentów, jak równie$ rodzajem pyta&. Baza danych zawie-raj zarówno zmienne: ilo!ciowe przedstawione w skali porz dkowej i przedzia-%owej, zmienne jako!ciowe przedstawione w skali nominalnej i porz dkowej. Do klasyfikacji wykorzystano wy% cznie zmienne przedstawione za pomoc skali przedzia%owej i porz dkowej.

Na podstawie wst"pnej analizy danych oceniono rozk%ady analizowanych zmiennych oraz zale$no!ci mi"dzy analizowanymi zmiennymi. Nast"pnie na

(4)

74

bazie wst"pnej oceny rozk%adów oraz zale$no!ci mi"dzy zmiennymi przeprowa-dzono ich klasyfikacj".

Rozk%ady zmiennych charakteryzuj si" bardzo siln asymetri (g%ównie prawostronn ). W wi"kszo!ci przypadkach równie$ siln koncentracj warto!ci wokó% !redniej. Na poziomie istotno!ci 0,05 nale$y odrzuci' hipotez", $e anali-zowane zmienne maja rozk%ad normalny.

Wyst"puj ce zale$no!ci, s to g%ównie zale$no!ci w obr"bie jednego pyta-nia. Na rysunku 1 zaprezentowano macierz korelacji mi"dzy zmiennymi przed-si"biorstw produkcyjnych. Istotne na poziomie 0,05 wspó%czynniki korelacji Spearmana zaznaczono czarnym kolorem.

Rys. 1. Macierz wspó%czynników korelacji Spearmana przedsi"biorstw produkcyjnych

Na rysunku 2 zaprezentowano korelacyjn macierz rozrzutu odpowiedzi na pytanie: „Prosz" okre!li' procent SPRZEDA+Y Pa&stwa firmy wygenerowany w poszczególnych obszarach geograficznych w roku 2005”. Mo$liwe odpowiedzi:

a) Rynek krajowy,

b) Poza rynkiem krajowym, ale wewn trz Unii Europejskiej, c) Poza Uni Europejsk , ale na terenie Europy,

(5)

M9A

M9B

M9C

M9D

Rys. 2. Zale$no!ci mi"dzy ilo!ci sprzeda$y w poszczególnych obszarach geograficznych przedsi"biorstw produkcyjnych Województwa #l skiego w roku 2005

Ze wzgl"du na charakter pytania, odpowiedzi w kategoriach A, B, C, D musz si" sumowa' do 100%. Naturalnym jest fakt, ze je$eli przedsi"biorstwa w g%ównej mierze koncentruj si" na sprzeda$y w kraju, to odsetek sprzeda$y poza rynkiem krajowym jest niewielki.

Niezale$nie w ka$dej grupie przedsi"biorstw na podstawie zestandaryzowa-nych wyników odpowiedzi przeprowadzono klasyfikacj" analizowazestandaryzowa-nych zmien-nych. Z wykorzystanych metod aglomeracji najlepsze wyniki da%a metoda War-da z odleg%o!ci euklidesow , miejsk i Czebyszewa. Na rysunkach (3–14) przedstawiono wyniki klasyfikacji dla poszczególnych grup przedsi"biorstw uzyskane metod aglomeracji Warda z odleg%o!ci euklidesow i Czebyszewa. Jako kryterium wyboru klasyfikacji pos%u$ono si" wykresem przebiegu aglome-racji.

(6)

76

Wykres odleg o!ci wi"zania wzgl#dem etapów wi"zania Odleg . euklidesowa Wi"zania Odleg . 0 8 16 24 32 40 48 56 64 72 Krok -5 0 5 10 15 20 25 30 35 40 45 O d le g o ! $ w i" z .

Wykres odleg o!ci wi"zania wzgl#dem etapów wi"zania Odle g o! $ Czebyszew a Wi"zania Odleg . 0 8 16 24 32 40 48 56 64 72 Krok -5 0 5 10 15 20 O d le g o ! $ w i" z .

Rys. 3. Wykresy przebiegu aglomeracji przedsi"biorstw produkcyjnych

Diagram drzewa Metod a W arda Odleg . euklides owa

M 2 1 D M 2 1 C M 2 1 A M 2 0 D M 2 0 C M 2 0 A M 1 8 E M 1 8 D M 1 8 C M 1 8 B M 1 7 E M 1 7 C M 1 7 F M 1 7 D M 1 7 B M 2 4 E M 2 1 B M 2 0 B M 2 4 D M 2 4 C M 1 7 A M 1 3 E M 1 3 D M 1 3 C M 1 3 B M 1 3 A M 1 4 H ( o b e c n ie ) M 1 4 G ( o b e c n ie ) M 1 4 I (o b e c n ie ) M 1 4 F ( o b e c n ie ) M 1 4 E ( o b e c n ie ) M 1 2 E M 1 2 D M 1 2 C M 1 2 B M 1 2 A M 2 4 B M 2 4 A M 1 6 A M 1 1 A M 1 6 C M 1 0 D M 1 0 A M 9 A M 1 4 G 2 0 1 0 M 1 4 I - 2 0 1 0 M 1 4 H 2 0 1 0 M 1 4 F 2 0 1 0 M 1 4 E 2 0 1 0 M 1 4 C 2 0 1 0 M 1 4 C ( o b e c n ie ) M 1 4 B 2 0 1 0 M 1 4 A 2 0 1 0 M 1 4 J 2 0 1 0 M 1 4 J ( o b e c n ie ) M 1 4 D 2 0 1 0 M 1 4 D ( o b e c n ie ) M 1 4 B ( o b e c n ie ) M 1 6 E M 1 6 D M 1 6 B M 1 0 C M 9 C M 1 9 D M 1 9 C M 1 9 A M 1 9 B M 1 8 A M 1 1 C M 9 D M 1 4 A ( o b e c n ie ) G 4 G 3 M 1 0 B M 9 B M 1 1 D M 1 1 B G 1 d 0 5 10 15 20 25 30 35 40 O d le g o ! $ w i" z .

(7)

Diagram drzewa Metod a W arda O dleg o! $ Cze bys zewa

M 1 4 I (o b e c n ie ) M 1 4 F ( o b e c n ie ) M 1 4 H ( o b e c n ie ) M 1 4 G ( o b e c n ie ) M 1 4 E ( o b e c n ie ) M 1 6 D M 1 6 B M 1 0 C M 9 C M 1 2 E M 1 2 D M 2 4 A M 1 2 C M 1 2 B M 2 4 D M 1 6 E M 1 3 A M 1 2 A M 1 4 I - 2 0 1 0 M 1 4 H 2 0 1 0 M 9 D M 2 0 A M 1 8 E M 2 4 C M 2 0 B M 1 7 A M 1 3 B M 1 7 E M 1 7 C M 1 1 C M 2 1 B G 3 M 1 6 C M 1 0 D M 1 3 E M 1 3 C M 2 4 B M 1 0 B M 1 7 F M 1 7 D M 1 7 B M 9 B M 2 1 D M 2 1 C M 2 1 A M 2 0 D M 2 0 C M 1 8 D M 1 9 B M 1 9 A M 1 9 C M 1 8 A M 1 1 D M 1 4 G 2 0 1 0 M 1 1 A M 1 0 A M 9 A M 2 4 E M 1 9 D M 1 4 D 2 0 1 0 M 1 8 C M 1 8 B M 1 4 A ( o b e c n ie ) G 4 M 1 6 A M 1 4 B 2 0 1 0 M 1 4 C 2 0 1 0 M 1 4 C ( o b e c n ie ) M 1 4 F 2 0 1 0 M 1 4 J 2 0 1 0 M 1 4 A 2 0 1 0 M 1 4 J ( o b e c n ie ) M 1 3 D M 1 4 E 2 0 1 0 M 1 4 D ( o b e c n ie ) M 1 4 B ( o b e c n ie ) M 1 1 B G 1 d 0 5 10 15 20 O d le g o ! $ w i" z .

Rys. 5. Klasyfikacja przedsi"biorstw produkcyjnych w oparciu o odleg%o!' Czebyszewa

Wykres odleg o!ci wi"zania wzgl#dem etapów wi"zania Odleg . euklides owa

Wi"zania Odleg . 0 7 14 21 28 35 42 49 56 63 70 Krok -5 0 5 10 15 20 25 30 35 O d le g o ! $ w i" z .

Wykres odleg o!ci wi"zania wzgl#dem etapów wi"zania Odle g o! $ Czebyszew a Wi"zania Odleg . 0 7 14 21 28 35 42 49 56 63 70 Krok -2 0 2 4 6 8 10 12 14 16 18 O d le g o ! $ w i" z .

(8)

78

T 1 4 D T 1 4 C T 1 4 F T 1 4 E T 1 4 B T 1 4 A T 1 0 E T 1 0 C T 1 0 B T 1 0 D T 1 0 A T 1 3 C T 8 B T 1 6 D T 1 6 C T 1 6 A T 1 6 B T 1 3 E T 1 3 D T 8 A T 7 A T 1 8 D T 1 8 B T 1 7 D T 1 7 C T 1 8 C T 1 7 B T 2 1 B T 2 1 D T 1 8 A T 2 1 C T 1 7 A T 1 5 E T 1 5 C T 1 5 B T 1 5 D T 1 5 A T 1 1 H 2 0 1 0 T 1 1 G 2 0 1 0 T 1 1 F 2 0 1 0 T 1 1 E 2 0 1 0 T 1 1 B 2 0 1 0 T 1 1 B ( o b e c n ie ) T 1 1 A 2 0 1 0 T 1 1 A ( o b e c n ie ) T 1 1 D 2 0 1 0 T 1 1 D ( o b e c n ie ) T 1 1 C 2 0 1 0 T 1 1 C ( o b e c n ie ) T 8 D T 1 3 B T 1 1 I - 2 0 1 0 T 1 1 I (o b e c n ie ) T 9 A T 9 D T 7 D T 7 C T 7 B T 1 1 J 2 0 1 0 T 1 1 J ( o b e c n ie ) T 1 1 E ( o b e c n ie ) T 9 E G 4 G 3 T 1 1 G ( o b e c n ie ) T 1 3 A T 1 1 H ( o b e c n ie ) T 1 1 F ( o b e c n ie ) T 9 C T 9 B T 2 1 E T 2 1 A T 8 C G 1 d 0 5 10 15 20 25 30 O d le g o ! $ w i" z .

Rys. 7. Klasyfikacja przedsi"biorstw handlowych w oparciu o odleg%o!' euklidesow Diagram drzewa

Metod a W arda O dleg o! $ Cze bys zewa

T 1 4 F T 1 4 E T 1 4 B T 1 4 D T 1 4 C T 1 0 D T 1 3 D T 1 3 A T 1 0 E T 9 C T 1 3 E T 9 B T 1 0 C T 1 0 B T 1 0 A T 8 B T 1 3 B T 1 1 I - 2 0 1 0 T 1 1 I (o b e c n ie ) T 9 D T 7 D T 1 8 D T 9 A T 7 C T 7 B T 2 1 C T 1 6 A T 2 1 D T 1 8 A T 2 1 B T 8 A T 1 5 D T 1 5 A T 1 8 B T 9 E T 1 1 J 2 0 1 0 T 1 1 J ( o b e c n ie ) T 1 4 A G 4 G 3 T 1 7 D T 1 7 C T 1 7 B T 1 5 B T 1 1 H ( o b e c n ie ) T 1 8 C T 1 1 G ( o b e c n ie ) T 1 5 E T 1 5 C T 1 3 C T 1 1 B ( o b e c n ie ) T 1 1 H 2 0 1 0 T 1 1 F 2 0 1 0 T 1 1 E 2 0 1 0 T 1 6 D T 1 6 C T 1 6 B T 1 1 C ( o b e c n ie ) T 1 1 A ( o b e c n ie ) T 1 1 C 2 0 1 0 T 7 A T 8 C T 1 1 G 2 0 1 0 T 1 1 A 2 0 1 0 T 2 1 E T 1 7 A T 1 1 B 2 0 1 0 T 8 D T 1 1 F ( o b e c n ie ) T 2 1 A T 1 1 E ( o b e c n ie ) T 1 1 D 2 0 1 0 T 1 1 D ( o b e c n ie ) G 1 d 0 2 4 6 8 10 12 14 16 O d le g o ! $ w i" z .

(9)

Wi"zania Odleg . 0 6 12 1 8 24 30 36 42 48 54 Krok -5 0 5 10 15 20 25 30 35 40 O d le g o ! $ w i" z .

Wykres odleg o!ci wi"zania wzgl#dem etapów wi"zania Odle g o! $ Czebyszew a Wi"zania Odleg . 0 6 12 1 8 24 30 36 42 48 54 Krok -5 0 5 10 15 20 25 O d le g o ! $ w i" z .

Rys. 9. Wykresy przebiegu aglomeracji przedsi"biorstw us%ugowych

L 1 3 I - 2 0 1 0 L 1 3 H 2 0 1 0 L 1 3 G 2 0 1 0 L 1 3 K 2 0 1 0 L 1 3 C 2 0 1 0 L 1 3 F 2 0 1 0 L 1 3 E 2 0 1 0 L 1 3 J 2 0 1 0 L 1 3 D 2 0 1 0 L 1 3 B 2 0 1 0 L 1 3 A 2 0 1 0 L 1 6 E L 1 6 F L 1 6 D L 1 6 C L 1 6 B L 1 6 A L 1 2 A L 1 1 A L 1 2 D L 1 1 D L 1 2 C L 1 1 C L 9 D L 1 7 C L 1 7 B L 1 7 E L 1 7 D L 1 7 A L 2 3 D L 1 8 D L 1 8 C L 1 8 A L 1 9 B L 1 9 A L 1 9 D L 1 9 C L 1 5 D L 1 5 C L 1 5 B L 1 5 A L 1 2 B L 1 1 B L 1 0 A L 9 A _L8 L 7 G 4 G 3 L 2 3 B L 2 3 C L 1 8 B L 2 3 E L 2 3 A L 9 B L 1 0 B L 9 C G 1 d 0 5 10 15 20 25 30 35 O d le g o ! $ w i" z .

(10)

80

L 1 2 D L 1 1 D L 1 2 C L 1 1 C L 2 3 D L 1 8 D L 1 8 A L 1 9 C L 1 7 C L 1 9 D L 1 9 B L 1 9 A L 1 6 B L 1 5 D L 1 7 E L 1 7 D L 1 7 A L 1 5 C L 1 5 B L 1 5 A L 9 D L 9 C L 1 8 B L 1 6 F L 1 6 E L 2 3 C L 1 2 B L 1 1 B L 2 3 A L 1 0 A L 2 3 B L 9 B L 2 3 E L 1 8 C L 1 7 B _L8 L 9 A G 4 G 3 L 1 3 J 2 0 1 0 L 1 3 G 2 0 1 0 L 1 3 E 2 0 1 0 L 1 3 D 2 0 1 0 L 1 3 A 2 0 1 0 L 1 3 K 2 0 1 0 L 1 2 A L 1 1 A L 1 0 B L 1 3 H 2 0 1 0 L 1 3 C 2 0 1 0 L 1 3 I - 2 0 1 0 L 7 L 1 3 F 2 0 1 0 L 1 3 B 2 0 1 0 L 1 6 D L 1 6 C L 1 6 A G 1 d 0 5 10 15 20 O d le g o ! $ w i" z .

Rys. 11. Klasyfikacja przedsi"biorstw us%ugowych w oparciu o odleg%o!' Czebyszewa

Wi"zania Odleg . 0 7 14 21 28 35 42 49 56 63 Krok -10 0 10 20 30 40 50 60 70 80 90 O d le g o ! $ w i" z .

Wykres odleg o!ci wi"zania wzgl#dem etapów wi"zania Odle g o! $ Czebyszew a Wi"zania Odleg . 0 7 14 21 28 35 42 49 56 63 Krok 0 2 4 6 8 10 12 14 16 O d le g o ! $ w i" z .

(11)

E 2 1 Q E 2 1 R E 2 1 P E 2 1 N E 2 1 S E 2 1 M E 2 1 O E 2 1 L E 2 1 K E 2 1 J E 2 1 I E 2 1 H E 2 1 G E 2 1 U E 2 1 T E 2 1 F E 2 1 E E 2 1 D E 2 1 C E 2 1 B E 2 1 A D 2 0 E D 2 0 F D 2 0 C D 2 0 D D 2 0 B D 2 0 A D 1 8 H ( z a 3 l a ta ) D 1 8 D ( o b e c n ie ) D 1 8 F ( z a 3 l a ta ) D 1 8 B ( o b e c n ie ) D 1 8 G ( z a 3 l a ta ) D 1 8 C ( o b e c n ie ) D 1 8 E ( z a 3 l a ta ) D 1 8 A ( o b e c n ie ) B 1 1 C B 1 1 B B 1 1 A B 9 C B 9 B B 9 A B 9 E B 9 D B 9 F B 8 C B 6 B B 6 A D 1 9 A ( o b e c n ie ) D 1 9 A ( o b e c n ie ) A 4 B A 2 B B 7 D B 7 C B 7 F B 7 E B 7 B B 7 H B 7 G B 7 A D 1 9 B ( z a 3 l a ta ) D 1 9 B ( z a 3 l a ta ) B 6 C B 8 B A 4 A A 2 A B 7 I A 1 D 0 10 20 30 40 50 60 70 80 O d le g o ! $ w i" z .

Rys. 13. Klasyfikacja przedsi"biorstw Województwa #l skiego w oparciu o odleg%o!' euklidesow

B 8 B B 7 I D 1 8 H ( z a 3 l a ta ) D 1 8 D ( o b e c n ie ) B 9 C B 9 E B 9 B B 9 A B 8 C A 4 A B 7 G A 2 A E 2 1 T E 2 1 M E 2 1 F E 2 1 E E 2 1 S E 2 1 P E 2 1 N E 2 1 C E 2 1 B D 1 9 A ( o b e c n ie ) D 1 9 A ( o b e c n ie ) B 9 F D 1 8 F ( z a 3 l a ta ) D 1 8 B ( o b e c n ie ) D 1 9 B ( z a 3 l a ta ) B 9 D E 2 1 R E 2 1 O E 2 1 D E 2 1 L E 2 1 I E 2 1 A B 1 1 C D 2 0 E B 1 1 B E 2 1 Q D 1 8 G ( z a 3 l a ta ) D 1 8 C ( o b e c n ie ) D 1 9 B ( z a 3 l a ta ) D 1 8 A ( o b e c n ie ) B 7 D B 7 C E 2 1 J E 2 1 H E 2 1 G E 2 1 U B 6 B E 2 1 K B 6 A D 2 0 D B 7 B B 7 A A 4 B B 1 1 A B 7 F B 7 E D 1 8 E ( z a 3 l a ta ) B 6 C B 7 H A 2 B D 2 0 C D 2 0 B D 2 0 A D 2 0 F A 1 D 0 2 4 6 8 10 12 14 16 O d le g o ! $ w i" z .

(12)

82

Niezale$nie od rodzaju przedsi"biorstwa, oraz wyboru miary odleg%o!ci, w drodze hierarchicznej aglomeracji zmiennych otrzymano skupiska odpowiada-j ce tym samym kategoriom pyta& zwi zanym z konstrukcodpowiada-j ankiety. Mo$na scharakteryzowa' poszczególne skupiska i przyporz dkowa' im okre!lon funk-cj" w kszta%towaniu si" wirtualnego %a&cucha dostaw. W tabeli 1 przedstawiono szczegó%owo wyniki klasyfikacji wszystkich przedsi"biorstw Województwa #l skiego, które wzi"%y udzia% w ankiecie (wyniki te s przedstawione na rysun-ku 13). Analizuj c tematyk" pogrupowanych w ten sposób zmiennych wyodr"b-niono pi"' czynników kszta%tuj cych wirtualny %a&cuch dostaw.

Tabela 1. Wyniki klasyfikacji czynników kszta%tuj cych wirtualne %a&cuchy dostaw

Odleg"o$% euklidesowa 11,68138 17,26794 21,52996 24,60771 25,42024 Zmienne x Znaczenie handlu elektronicz-nego Procesy transportowe Ocena wykorzysta-nia rozwi za& informacyjno-komunikacyjnych Planowanie zastosowania technologii informacyj-no-komunikacyjnych w ró$nych obszarach dzia%alno!ci firmy Wykorzystane do tej pory Rozwi zania informacyjno-komunikacyjne Obj. Nr 1 D20A D18A (obecnie) E21 A A1D A2B Obj. Nr 2 D20B D18E (za 3 lata) E21 B B7I A4B Obj. Nr 3 D20D D18C (obecnie) E21 C A2A D19A (obecnie) Obj. Nr 4 D20C D18G(za 3 lata) E21 D A4A D19A (obecnie) Obj. Nr 5 D20F D18B (obecnie) E21 E B8B B6A Obj. Nr 6 D20E D18F (za 3 lata) E21 F B6C B6B Obj. Nr 7 D18D (obecnie) E21 T D19B(za 3 lata) B8C Obj. Nr 8 D18H(za 3 lata) E21 U D19B(za 3 lata) B9F Obj. Nr 9 E21 G B7A B9D Obj. Nr 10 E21 H B7G B9E Obj. Nr 11 E21 I B7H B9A Obj. Nr 12 E21 J B7B B9B Obj. Nr 13 E21 K B7E B9C Obj. Nr 14 E21 L B7F B11A Obj. Nr 15 E21 O B7C B11B Obj. Nr 16 E21 M B7D B11C Obj. Nr 17 E21 S Obj. Nr 18 E21 N Obj. Nr 19 E21 P Obj. Nr 20 E21 R Obj. Nr 21 E21 Q

(13)

IV. PODSUMOWANIE

Ze wzgl"du na charakter zmiennych oraz niewielk liczebno!' prób w klasy-fikacji czynników kszta%tuj cych wirtualne %a&cuchy dostaw wykorzystano hie-rarchiczn analiz" skupie&. W!ród wykorzystanych metod aglomeracji oraz miar odleg%o!ci najlepsze wyniki otrzymano na podstawie aglomeracji Warda z odle-g%o!ci euklidesow oraz odleodle-g%o!ci Czebyszewa. W!ród wyodr"bnionych czynników mo$na wyró$ni':

# znaczenie handlu elektronicznego, # procesy transportowe,

# ocen" wykorzystania rozwi za& informacyjno-komunikacyjnych,

# planowanie zastosowania technologii informacyjno-komunikacyjnych w ró$nych obszarach dzia%alno!ci firmy,

# wykorzystane do tej pory Rozwi zania informacyjno-komunikacyjne, Uzyskane wyniki klasyfikacji zmiennych s pierwszym etapem analizy przedsi"biorstw Województwa #l skiego. Znaj c czynniki kszta%tuj ce wirtualne %a&cuchy dostaw w dalszych etapach analiz mo$na próbowa' okre!li' ich rol" w kszta%towaniu si" wirtualnych %a&cuchów dostaw.

BIBLIOGRAFIA

Adamczyk M. (2005), Charakterystyka organizacji wirtualnej, „Gazeta IT”, 2005, nr 9 (39). Ganczarek A (2003), Klasyfikacja polskiego rynku energii, In$ynieria Ekonomiczna w Badaniach

Spo%eczno-Gospodarczych, Politechnika Rzeszowska, 51–66.

Ganczarek A. (2005), APT Model for Electricity Prices on the Day Ahead Market of the Polish

Power Exchange, Acta Universitatis Lodziensis Folia Oeconomica, 194, 259–268.

Gordon A. D. (1987), A review of hierarchical classification, Journal of the Rogal Statistical Soci-ety, ser. A, 119–137.

Gatnar E. (1998), Symboliczne metody klasyfikacji danych, PWN, Warszawa.

Gatnar E., Walesiak M. (2004), Metody statystycznej analizy wielowymiarowej w badaniach

mar-ketingowych, AE, Wroc%aw.

Grabi&ski T. (1992), Metody taksonometrii, AE, Kraków.

Jajuga K. (1993), Statystyczna Analiza wielowymiarowa, PWN, Warszawa.

Kolonko J. (1980), Analiza dyskryminacyjna i jej zastosowanie w ekonomii, PWN, Warszawa. Trzpiot G., Ganczarek A. The classification of risk on the Polish Power Exchange, Zeszyty

Nau-kowe Katedry Ekonometrii, red. nauk. Józef Dziechciarz, Wydawnictwo AE, Wroc%aw, w druku.

(14)

84

Gra yna Trzpiot, Alicja Ganczarek

CLASSIFICATION METHODS IN DATA ANALYSIS OF VIRTUAL SUPPLY CHAINS

Abstract

In this paper the classification of data obtained in the survey of Silesian businesses is pre-sented. The survey was aimed at production, commerce and service enterprises, The main objec-tive was to classify the factors determining the virtual supply chain consisting of IT and commu-nication systems logistic competences and the transport-spedition-logistic branch. Due to the qualitative and quantitative character of variables, methods based on varying similarity measures were used.