Wydział Inżynierii Zarządzania
Inteligentny system hybrydowy zarządzania logistyką
zaopatrzeniową
Rozprawa doktorska
Promotor: prof. dr hab. inż.
Leszek Pacholski Promotor pomocniczy:
dr inż. Agnieszka Stachowiak
Natalia Kubiak Poznań, 2013
Szczególne podziękowania składam promotorom profesorowi Leszkowi Pacholskiemu
oraz doktor Agnieszce Stachowiak, za poświęcony czas oraz cierpliwość.
Pracę tę dedykuję trzem najważniejszym mężczyznom
mojego życia Synkowi, Mężowi oraz Tacie
Spistreści
1. Wprowadzenie ... 5
1.1. Uzasadnienie podjęcia tematu ... 5
1.2. Cel i zakres pracy ... 7
1.3. Metodyka realizacji pracy ... 10
2. Bibliograficzne podstawy tematu ... 13
2.1. Systemy logistyczne i zarządzanie logistyką ... 13
2.2. Systemy ekspertowe ... 20
2.3. Sieci neuronowe ... 25
2.4. Problem komiwojażera... 37
3. Koncepcja systemu ... 40
3.1. Zarządzanie logistyką zaopatrzeniową i dystrybucyjną ... 40
3.2. Potencjalne korzyści i problemy ... 42
3.3. Model jakościowy systemu ... 44
3.4. Model ilościowy systemu ... 50
4. Aplikacyjny model zaopatrzeniowy ... 56
4.1. Architektura systemu hybrydowego ... 56
4.2. Analiza wyników działania sieci ... 68
5. Podsumowanie i kierunki dalszych badań oraz aplikacji ... 74
5.1. Dostosowanie aplikacji do ogólnej koncepcji systemu i możliwe ulepszenia ... 74
5.2. Walidacja modelu systemu ... 79
Spis tabel i rysunków ... 83
Literatura ... 85
1. Wprowadzenie
1.1 Uzasadnienie podjęcia tematu
Komputerowe wspomaganie ludzkiej działalności wykorzystywane jest w najróżniejszych dziedzinach, a komputery i różnego rodzaju sterowniki można znaleźć w obecnych czasach wszędzie – w gospodarstwie domowym, jak i w przedsiębiorstwie, a dokładniej w obszarach szeroko rozumianego zarządzania i sterowania procesami technologicznymi [Domínguez 2004, s. 281]. Powszechne zastosowanie komputerów w gospodarce krajów wysoko rozwiniętych jest poważnym źródłem dochodów krajowych, a ponadto warunkiem sprawnego funkcjonowania nowoczesnego społeczeństwa.
W gospodarce opartej na wiedzy sprawne zarządzanie przedsiębiorstwem zależy od umiejętności wykorzystania nowoczesnych technologii i systemów informatycznych [Lenart 2010, s. 318], w których sztuczna inteligencja i systemy eksperckie są coraz powszechniej stosowane [zob. Zieliński 2000, s. l1; Coyle 2007, s. 523; Szczerbicki 1999, s. 1055-1060;
Kubiak M. 2006, s. 35].
Według Zielińskiego systemy informacyjne zarządzania (SIZ) stanowią podklasę systemów służących wspomaganiu zarządzania organizacją gospodarczą, realizowanego poprzez funkcję planowania, organizowania, motywowania, kontrolowania i koordynacji, a zarządzanie jest ciągłym procesem podejmowania decyzji, wymagającym odpowiednio przygotowanych i przetworzonych informacji [Zieliński 2000, s. 13]. Należy podkreślić, że jedynie sieć komputerowa zapewnia odpowiednie pozyskanie, gromadzenie i transmisję informacji oraz możliwość zastosowania zintegrowanego oprogramowania wspomagającego zarządzanie na poziomie całego przedsiębiorstwa [Bendkowski 2005, s. 54], które przykładowo ułatwi zamawianie pozycji materiałowych lub wesprze kontrolę przepływu wytwarzanego produktu albo wysyłkę i zarządzanie środków finansowych przedsiębiorstwa [zob. Golińska 2011, s. 4335], jak i diagnostykę ergonomiczną w przedsiębiorstwie [Pacholski 1998, s. 715-728]. Systemy zarządzania bazami danych, wykorzystywane są we wszystkich niemal systemach informatycznych wspierających działalność człowieka [Bach 2006, s. 247] i stanowią jedno z pierwszych zastosowań systemów sztucznej inteligencji [Flasiński 2011, s. 233].
Informacja, która powstaje po przetworzeniu danych musi dotyczyć badanego zagadnienia, być przekazywana w taki sposób, aby móc wykorzystać ją przy podejmowaniu decyzji oraz w odpowiednim czasie oraz miejscu w czytelnej i przejrzystej formie, aby ułatwić jej zrozumienie. Uważa się [patrz Wierzbicki 1986, s. 80], że głównym zadaniem informatyki, a tym samym i programów komputerowych, w zarządzaniu jest sprawne (szybkie, niezawodne i nieangażujące nadmiernych środków) uzyskanie przydatnej informacji, czyli takiej która jest prawdziwa, o odpowiedniej dokładności, odpowiednio wyselekcjonowana i zgrupowana [Januszewski 2008, s. 14-16]. Często informacja ta jest generowana na podstawie innej, wcześniej wygenerowanej informacji [Oleński 2003, s. 90].
Między innymi właśnie ze względu na złożoność procesu gromadzenia, przetworzenia i transmisji danych, ale również ze względu na ogrom dostępnej informacji można powiedzieć, że o efektywności zarządzania w dużym stopniu przesądza sprawnie funkcjonujący i dostosowany do potrzeb system informacyjny [Zieliński 2000, s. 13], który stał się nieodłącznym i nieodzownym elementem infrastruktury systemów logistycznych [Gołembska 2010, s. 167], dlatego systemy informacyjne należą do najważniejszych, najliczniejszych i najbardziej rozwijających się systemów informatycznych [Bubnicki 2005, s. 11].
Autorka miała możliwość zaobserwowania zastosowania różnorodnych systemów informatycznych i niestety często ich niedopasowania do rzeczywistości, w trakcie wieloletniej pracy w obszarze logistyki firm produkcyjnych z różnych sektorów gospodarki.
Wielokrotnie prace nad nowym systemem informatycznym, dostosowanym do nowych warunków zewnętrznych i wewnętrznych, trwają latami i nim system zostanie wdrożony, przestaje być adekwatny do aktualnej sytuacji gospodarczej. Dlatego właśnie zastosowanie odpowiedniego systemu informatycznego w przedsiębiorstwie jest tak istotne.
Potwierdzeniem spostrzeżeń autorki jako pracownika, a przez to i ogniwa systemu logistycznego, może być fakt, iż występują takie definicje logistyki, które bezpośrednio odnoszą się do systemów informatycznych. Przykładowo P. Blaik pojęcie logistyki pojmuje jako zintegrowane systemy planowania, organizowania, kierowania i kontrolowania procesów fizycznego obiegu towarów i ich informacyjnych uwarunkowań, w aspekcie optymalizacji realizowanych działań i celów [Kubicki 2000, s. 32].
Integracja i podejście systemowe (czyli systemowe podejmowanie decyzji w ramach wyznaczonych zasad [Frąś 2008, s. 150]) są charakterystyczne dla logistyki. R. Rupper i R. Scheuchzer utożsamiają nawet pojęcie „logistyki” z teorią systemów obejmującą wszystkie te procesy, które służą pokonaniu przestrzeni i czasu przez dowolne przedmioty [Kubicki 2000, s. 33], co pokazuje, że podejście to jest również bardzo istotne. Z tego względu według Fijałkowskiego pojęcie logistyki obejmuje badanie, projektowanie i eksploatację systemów i procesów logistycznych, posługując się przy tym różnymi dyscyplinami nauki i dziedzinami techniki [Fijałkowski 2003, s. 168].
Dziedzina nauki, która będzie wykorzystana w niniejszej pracy do optymalizacji systemów i procesów logistycznych, to sztuczna inteligencja (ang. Artificial Intelligence, skrótowo oznaczana przez AI), czyli dziedzina informatyki dotycząca metod i technik wnioskowania symbolicznego przez komputer oraz symbolicznej reprezentacji wiedzy stosowanej w takim wnioskowaniu. AI to:
(1) dział informatyki, sprawiający, że maszyny wykonują czynności, które wymagałyby użycia inteligencji, gdyby wykonywali to ludzie [Zieliński 2000, s. 24],
(2) rozwój systemów komputerowych, które realizują funkcje zwykle wykonywane przez człowieka, czyli obejmujące te metody programowania komputerów, które powodują zachowanie się komputera zbliżone do sposobu myślenia ludzkiego [Kwiatkowska 2007, s. 72].
Podstawową cechą programów sztucznej inteligencji to zbiór umiejętności umożliwiających racjonalne wykorzystanie zdobytej wiedzy i udana (czyli przynosząca korzyści) reakcja na nowe zadania i warunki. Dzięki temu AI posiada ważne zalety, m.in.
zdolność do analizowania i uogólniania, jak i umiejętność rozpoznawania obserwowanego fragmentu rzeczywistości [Pacholski 2006, s. 219-220].
Dodatkowo warto wspomnieć, że sztuczna inteligencja korzysta z inspiracji biologicznych, psychologicznych, statystycznych, matematycznych, logicznych, informatycznych i wielu innych [Bednarek 2006, s. 344].
Zastosowanie elementów AI w tej pracy jest podyktowane faktem, iż są to programy uczące się i dostosowujące do zmieniającej się rzeczywistości w sposób dynamiczny bez konieczności zmiany struktury programu przez osobę projektującą system informatyczny, co doskonale wpasowuje się w wymagania współczesnego środowiska biznesowego.
1.2 Cel i zakres pracy
Głównymi czynnikami wpływającymi na cenę produktu finalnego są koszty powstałe w obszarach zaopatrzenia, transportu, produkcji, dystrybucji i z tego względu są one racjonalizowane przez przedsiębiorstwa [zob. Fijałkowski 2003, s. 165-168].
W niniejszej pracy będą rozpatrywane i optymalizowane koszty powstałe w w/w obszarach (oprócz produkcji i dystrybucji). Do ich racjonalizowania zastosowany zostanie system informatyczny oparty na elementach sztucznej inteligencji, który w dużej mierze będzie dostosowywał proces transportu do aktualnej sytuacji zaopatrzeniowej, tak by maksymalnie skrócić czas oczekiwania na dostarczenie potrzebnego towaru oraz maksymalnie wykorzystać przestrzeń ładunkową środka transportu.
Z doświadczenia autorki wiadomo, że te dwa czynniki – krótki czas transportu oraz maksymalne wykorzystanie powierzchni ładunkowej – są czynnikami w wielu przypadkach wzajemnie sprzecznymi, pozostającymi w relacji trade-off, przy optymalizacji kosztów transportu. Często uzupełnianie powierzchni ładunkowej odbywa się poprzez zwiększenie liczby punktów odbiorów na trasie lub przez tworzenie tzw. punktów konsolidacyjnych.
Skutkiem ubocznym takiego rozwiązania jest wydłużenie czasu transportu.
Trzeba pamiętać, iż często przewoźnik dużo czasu traci w oczekiwaniu na załadunek lub rozładunek. Oczywiście ta strata czasu jest w dużej mierze uzależniona od infrastruktury, jaką posiada firma, u której załadunek się odbywa i jest to aspekt jest w dużej mierze indywidualny. Z tego też względu, iż istotny jest czas transportu, wspomniane opóźnienia będą uwzględniane przez system [Kubiak N. 2013’, s. 731].
Optymalizacja kosztów transportu jest m.in. możliwa poprzez wprowadzenie transportów bezpośrednich z udziałem tylko jednego dostawcy. Warto zauważyć, że bardzo często wybór takiego dostawcy odbywa się na podstawie danych historycznych, czyli na podstawie dotychczasowej współpracy i dotychczasowego zapotrzebowania na pozycje
materiałowe. Dzieje się tak, ponieważ raz przeanalizowany system logistyczny i procesy są rzadko analizowane ponownie w krótkim odstępie czasu. Zatem analiza dotyczy przeszłości, teraźniejszości i w wąskiej mierze przyszłości (na podstawie prognozy krótkoterminowej), a następnie sytuacja gospodarcza się zmienia i w konsekwencji analiza przestaje być adekwatna do aktualnych warunków. Jeśli dokonywana jest ponowna analiza, to aktualizacja wyboru firmy, która uczestniczy w transporcie bezpośredni, nie odbywa się za często, raczej szukana jest nowa firma, od której mogłyby być realizowane odbiory bezpośrednie, a dotychczasowa firma pozostaje w organizacji transportu sprzed analizy. Może wystąpić zatem taka sytuacja, w której transport był opłacalny przez określony czas, lecz nawet po niewielkich zmianach w sytuacji gospodarczej, kiedy to firma, aby się do niej dostosować, zmienia swój profil działalności a transport bezpośredni przestaje być wtedy opłacalny.
Ponadto często niestety w takich przypadkach osoby odpowiedzialne za transport tego nie zauważają lub aktualizacja odbywa się z pewnym opóźnieniem w stosunku do zmian, gdyż aktualizacje podsystemu wykonuje dział, który nie zadecydował o zmianie profilu, a narzuconym przez kierownictwo lub kadrę zarządzającą. Przy gwałtownych zmianach taki przypadek nie zaistnieje, lecz drobne zmiany w profilu działalności mogą zostać nie zauważone przez pozostałe działy w firmie.
Dodatkowo warto zauważyć, iż zmiany takie w dynamicznie zmieniającym się otoczeniu przedsiębiorstwa są zjawiskiem powszechnym i nieuniknionym, a związane z nimi zmiany w systemach logistycznych są wymuszone. Przyczyny utraty przez przedsiębiorstwo zdolności do generowania zysku wynikają zwykle właśnie ze zmian zachodzących na rynku i mają obiektywny charakter [Pacholski 2009, s. 6] a firmy zmuszone są do szybkiego dostosowywania istniejących procesów do nowych warunków funkcjonowania [Dudek 2010, s. 269]. Przedsiębiorstwa, aby utrzymać się na rynku muszą ustawicznie zmieniać i rozwijać metody zarządzania logistycznego, co jest koniecznością w dążeniu do poprawy jakości obsługi klienta. Oznacza to, że muszą poszukiwać nowych rozwiązań. Projektowanie i wdrażanie nowych kierunków zmian przyniesie na pewno zyski dla przedsiębiorstwa [Kubiak M. 2006, s. 43], szczególnie takiego, które uwzględnia wszelkie dokonywane zmiany w samej firmie i jej otoczeniu, co stanowi ważny aspekt, przewidywany również w koncepcji systemu hybrydowego.
Potrzeba optymalizacji transportu w zaopatrzeniu jest ponadto istotna z dwóch powodów:
droga, jaką towary i usługi muszą pokonać od ich wytwórców do finalnych konsumentów, jest coraz dłuższa, gdyż większość firm w poszukiwaniu oszczędności przenosi swoje zakłady w odległe miejsca świata – z dala od głównych skupisk konsumentów [Golińska 2010, s. 132] oraz
czas zaczął być traktowany jako główne źródło przewagi konkurencyjnej, a skrócenie czasu realizacji zamówienia złożonego przez klienta umożliwi zmniejszenie zapasów i kosztów składowania u tego klienta, co przyczyni się do zwiększenia wartości dodanej tworzonej w łańcuchu dostaw [Coyle 2007, s. 41].
Najprostszym sposobem na zaoszczędzenie czasu to krótszy i wydajniejszy (a dzięki temu tańszy) transport.
Często w logistyce mamy do czynienia z rozwiązaniami, których podstawowym celem jest maksymalne wykorzystanie przestrzeni ładunkowej pojazdu przewożącego towar. Dzieje się to jednak zazwyczaj poprzez uzupełnienie wolnej przestrzeni towarami, które powinny być dostarczone w następnej kolejności (czyli w późniejszym terminie) i tylko dla jednego, wybranego na podstawie danych historycznych, dostawcy. Skutkiem takiego postępowania jest zmniejszenie kosztów transportu, ale niestety kosztem zwiększenia związanego kapitału oraz zwiększenia zapotrzebowania na powierzchnię magazynową, w której gromadzone są zapasy dla późniejszego ich wydawania według potrzeb produkcji [Dudziński 2003, s. 15].
Dzieje się tak, ponieważ zapasy są następstwem trudności zapewnienia pełnej synchronizacji dostaw i zużycia [Krzyżaniak 2008, s. 27]. Każda firma starająca się o zmniejszenie kapitału ulokowanego w zapasach, utrzymywanych w magazynie raczej zainwestuje w szybszy transport, aby zamrożone w zapasach środki pieniężne wykorzystać na inne cele. Z drugiej strony takie rozwiązanie bazuje zazwyczaj na danych archiwalnych, gdyż na ich podstawie wybierany jest dostawca, którego ta procedura będzie obowiązywać. Takie postępowanie wydaje się być mało efektywne. Dlatego też staje się widoczne, że rozwiązania tego typu są potrzebne, lecz przy zmienionych założeniach.
Aby jednak zaproponować odpowiedni dla przedsiębiorstwa system informatyczny należy zbadać system logistyczny firmy, gdyż analiza i optymalizacja procesów pozwala ustalić najlepszą konfigurację działań realizowanych przez przedsiębiorstwo i jego partnerów, a tym samym pozwalająca uzyskać konkurencyjną przewagę na rynku [Jelonek 2010, s. 309].
Tym właśnie zagadnieniem, tzn. projektowaniem nowych i analizowaniem istniejących systemów logistycznych, zapewniających realizację celów głównych, takich jak: produkcja, handel, operacje militarne, lecznictwo szpitalne oraz, w szczególnym przypadku, usługi logistyczne, zajmuje się logistyka stosowana [Fijałkowski 2003, s. 169].
Celem tej pracy jest stworzenie takiego inteligentnego system hybrydowego, który na podstawie danych wejściowych poda propozycję przebiegu trasy odbioru towaru od różnych dostawców. Podczas podawania tej propozycji uwzględniona będzie łączna odległość, jaką musiałyby pokonać wszystkie pojazdy transportowe, aby odebrać towar od dostawców, która ma być minimalna oraz łączna wykorzystana powierzchnia ładunkowa poszczególnych pojazdów, która będzie maksymalizowana. Dodatkowo system ten będzie zmieniał trasy odbioru towarów w zależności od zmiany wielkości tych ładunków, czy zmiany informacji o infrastrukturze logistycznej dostawcy. Dzięki temu system będzie wrażliwy na jakiekolwiek zmiany w otoczeniu przedsiębiorstwa, jak i w samej firmie.
Teoretyczna analiza sytuacji logistycznej w fikcyjnym przedsiębiorstwie produkcyjnym będzie realizowana w niniejszej pracy przez zastosowanie sieci neuronowej i systemów eksperckich i dla takiego przedsiębiorstwa będzie zaproponowany inteligentny system hybrydowy zarządzania logistyką zaopatrzeniową.
1.3 Metodyka realizacji pracy
Narzędziem wykorzystanym w pracy do analizy sieci logistycznej oraz procesów logistycznych jest sieć neuronowa połączona z trzema systemami eksperckimi. Taki wybór nie jest przypadkowy, gdyż sztuczne sieci neuronowe zdobyły szerokie uznanie w świecie nauki poprzez ich zdolność do łatwego adoptowania do rozwiązywania różnorodnych problemów obliczeniowych w nauce i technice. Mają własności pożądane w wielu zastosowaniach praktycznych, tzn. możliwość uczenia się i adaptacji do zmieniających się warunków środowiskowych, zdolność generalizacji nabytej wiedzy, i dzięki temu łatwość dostosowywania się do zmieniającego otoczenia [Osowski 2006, s. 7]. Dzięki dynamicznemu rozwojowi informatyki, powstaniu coraz szybszych i bardziej niezawodnych komputerów wykorzystanie sztucznych sieci neuronowych jest możliwe na szerszą skalę [Tarczyński 2011, s. 54; zob. Pawłyszyn 2010’, s. 191-202].
Dodatkowo należy zauważyć, iż zainteresowanie sztucznymi sieciami neuronowymi jest bardzo powszechne w środowiskach zarówno neurobiologów, fizyków, matematyków, jak i inżynierów [zob. Krzyśko 2008, s. 187]. Wynika ono z potrzeby budowania bardziej efektywnych oraz niezawodnych systemów przetwarzania informacji, wzorujących się na metodach jej przetwarzania w komórkach nerwowych. O intensywności prowadzonych na świecie badań nad sztucznymi sieciami neuronowymi zarówno z punktu widzenia teorii, jak i zastosowań świadczy lawinowo narastająca liczba publikacji książkowych, powstanie nowych czasopism naukowych, organizacja konferencji i kongresów, a także liczne oprogramowanie profesjonalne i dydaktyczne [Korbicz 1994, s. 7- 8].
Sieci neuronowe można traktować jako nowoczesne systemy obliczeniowe, które przetwarzają informację wzorując się na zjawiskach zachodzących w mózgu człowieka.
Informacje te mają charakter danych numerycznych, na podstawie których sieć neuronowa może np. posłużyć jako model obiektu o zupełnie nieznanej charakterystyce [Rutkowska 1999, s. 16-17].
Uniwersalność i dynamika sieci neuronowych przyczyniają się do ich szerokiego zastosowania, a także ogromnej liczby publikacji naukowych, jakie ukazują się na ten temat na świecie i w niezliczonych konferencjach, na których prezentowane są wyniki prac naukowych i prób zastosowań, ale także znajduje swój wyraz w wzrastającej liczbie uczonych, którzy uważani są za autorytety w tej dziedzinie.
Ponadto wybór sieci neuronowych był podyktowany faktem, iż jest to narzędzie odmienne w swoich założeniach od tych programów komputerowych, którymi posługujemy się na co dzień, a jednocześnie wygodnym i wydajnym. Zalety praktyczne sieci neuronowych wynikają z ich dwóch podstawowych atutów [Tadeusiewicz 1993, s. 6; Barzykowski 2004, s. 218]:
stanowią wygodną i tanią propozycję wieloprocesorowego systemu o bardzo wielu elementach przetwarzających równolegle dostarczane informacje oraz dodatkowo
nie wymagają specjalistycznego programowania.
Porównując sieci neuronowe - należące do elementów sztucznej inteligencji - do tradycyjnych programów, otrzymujemy następujące zestawienie (w tabeli poniżej).
Różnice, zawarte w Tabeli 1 są istotne, gdyż w dalszej części będzie przedstawiony system hybrydowy, który będzie zachowywał w/w zalety. System ten będzie składał się z sieci neuronowej oraz kilku systemów eksperckich, których zadaniem będzie minimalizowanie w/w wad oraz dostarczanie danych aktualizujących sieć neuronową. Dzięki takiemu rozwiązaniu zapewniona będzie ciągła aktualizacja systemu i tym samym, w przekonaniu autorki, zapewni dużą efektywność jego działania.
Tab. 1. Porównanie programów sztucznej inteligencji z tradycyjnymi programami [na podst. Zieliński 2000 i Pacholski 2012].
Ze względu na fakt, iż praca ta porusza zagadnienia, które w pewnym stopniu są analogiczne do występujących w problemie komiwojażera, topologia sieci neuronowej oparta będzie na metodzie rozwiązywania tego zagadnienia przy użyciu właśnie sieci neuronowej.
Dodatkowo jeden system ekspercki dokona wstępnego grupowania danych przetwarzanych następnie przez sieć neuronową, a przez to spowoduje, iż otrzymana propozycja będzie optymalna.
Według Zielińskiego taki wybór elementów inteligentnego systemu jest korzystny, ponieważ wydaje się, że największe efekty osiągnie się przez zastosowanie hybrydowych konstrukcji wykorzystujących odmienne technologie sztucznej inteligencji [Zieliński 2000, s. 344].
W celu dokładniejszego wyjaśnienia istoty całego systemu hybrydowego przybliżone zostaną wpierw podstawowe definicje systemów logistycznych, zarządzania logistyką, ze szczególnym zaakcentowaniem zagadnień zarządzania logistyką zaopatrzeniową oraz
podstawowe definicje związane z systemami ekspertowymi, sieciami neuronowymi wraz z jednym typem sieci, będącym elementem składowym systemu hybrydowego. W ten sposób nakreślone zostaną podstawowe pojęcia ważne dla zrozumienia istoty rozpatrywanego systemu, aby móc w dalszej części przedstawić jego koncepcję wraz z wynikami przeprowadzonych testów oraz sformułowane zostaną wnioski i kierunki dalszych badań.
Tak poniższa praca jest ukształtowana pod względem merytorycznych, pod względem metodologicznym natomiast praca oparta jest na książce [Mendel 2009].
Prace nad systemem przebiegały zgodnie z następującym harmonogramem:
1. Analiza dostępnej literatury na temat zastosowania inteligentnych systemów hybrydowych w logistyce i transporcie.
2. Stworzenie ogólnej koncepcji systemu hybrydowego.
3. Analiza sieci neuronowych zastosowanych do różnego typu optymalizacji oraz ich implementacji, w szczególności tych zastosowanych do rozwiązania zagadnienia komiwojażera zaimplementowanych w różnych środowiskach programistycznych.
4. Wybór narzędzi informatycznych do stworzenia systemu.
5. Tworzenie topologii sieci neuronowej.
6. Implementacja programów w języku programowania.
7. Stworzenie modułu sprawdzającego dla wybranej liczby dostawców.
8. Selekcja danych do testów systemu.
9. Wprowadzenie danych do stworzonego systemu.
10. Próba stworzenia tras odbioru towarów i porównanie wyników z wynikami otrzymanymi po zastosowaniu modułu sprawdzającego.
11. Oddanie pracy do recenzji.
2. Bibliograficzne podstawy tematu
2.1 Systemy logistyczne i zarządzanie logistyką
Aby dobrze zarządzać logistyką a szczególnie systemem logistycznym z uwzględnieniem jego procesów należy wpierw zdefiniować czym jest logistyka, a następnie czym jest system, proces logistyczny i zarządzanie.
Według R.D. Shapiro i J. Hesketta [Shapiro 1985, s. 6] przedmiotem logistyki jest zapewnienie właściwego materiału, we właściwym stanie, we właściwym miejscu, we właściwym czasie dla właściwego użytkownika i przy właściwym koszcie. Jest to tzw.
definicja „7R” (7 right). Mimo, że widoczne są w niej typowe dla logistyki czynniki:
przestrzeń, czas, jakość, klient i koszty, to definicja ta nie oddaje w pełni istoty logistyki, a tylko zbiór jej zadań [zob. Kubiak M. 2006, s. 25].
Logistyka jest często definiowana jako kształtowanie optymalnych strumieni materiałów i związanych z nimi strumieni informacji w celu zaspokojenia potrzeb w rozpatrywanym obszarze, przy racjonalnych kosztach. Inaczej jest to dziedzina wiedzy i umiejętności potrzebnych do kształtowania racjonalnych strumieni materiałów i związanych z nimi strumieniami informacji oraz do projektowania (kształtowania i wymiarowania) procesów przepływów materiałów i informacji, w celu zaspokojenia potrzeb w rozpatrywanym obszarze, przy racjonalnych nakładach i kosztach.
Według CLM (Council of Logistics Management) logistyka jest procesem planowania, realizacji i kontrolowania sprawnego, ekonomicznie efektywnego przemieszczania i składowania surowców, półfabrykatów i wyrobów gotowych oraz związanych z tym informacji, od punktu początkowego do punktu konsumpcji, w celu zaspokojenia wymagań użytkownika (definicja ta została opublikowana w roku 1985).
Logistyka określana jest także jako koncepcja zarządzania procesami i potencjałem dla skoordynowanej realizacji przepływów towarowych w skali przedsiębiorstwa i powiązań między partnerami rynkowymi. Zorientowana na przepływy dóbr koordynacja polega przede wszystkim na koordynacji podsystemów planowania, sterowania, realizacji i kontroli (od sfery strategicznej do operacyjnej), jak również koordynacji dostawców, przedsiębiorstw i nabywców. Logistyka integruje obecnie na coraz większą skalę procesy planowania i sterowania, a także rozwija się jako instrument strategiczny. Szczególnego znaczenia nabiera przy tym właśnie funkcja koordynacyjna, wpompowana integrująco w system przepływów materiałów i towarów oraz w system zarządzania przedsiębiorstwem. Problem sprowadza się m.in. do koordynacji (w sensie długoterminowym) styków funkcji i czynności logistycznych z innymi funkcjami w przedsiębiorstwie oraz do koordynacji styków i tendencji w obszarze celów i komponentów logistycznych w całym układzie rynkowym [Blaik 2010, s. 54], czyli w całym systemie logistycznym przedsiębiorstwa i na jego styku z otoczeniem.
Ogólnie system jest odwzorowaniem właściwości elementów obiektu i powiązań między elementami (właściwościami elementów) z punktu widzenia zdefiniowanego celu badań. Oznacza to, że system to obiekt „wyodrębniony” z rzeczywistości, którego opis ma postać relacji określonych na zbiorze wyróżnionych w obiekcie elementów, jak również relacji „wiążących” elementy obiektu z otoczeniem. Wydzielenie systemu z istniejącej rzeczywistości powoduje podział rzeczywistości na system i otoczenie [Jacyna 2009, s. 10].
Uzupełnieniem tej definicji jest przytaczana m.in. przez Kubiaka i Kirejczyka definicja, która rozpatruje system jako zorganizowany zbiór elementów strukturalnych, powiązanych ze sobą, współzależnych, i wykonujących oddzielne funkcje, ale w jednym wspólnym celu [Kubiak B.
1994, s. 49; Kirejczyk 2008, s. 33].
System logistyczny to podsystem w przedsiębiorstwie, który składa się ze środków pracy, tj. maszyn i ludzi potrzebnych do przekształcenia obiektów, przy czym każdy system logistyczny zawiera w sobie charakterystyczny przepływ informacji [Fijałkowski 2003, s. 168].
Zadanie logistyczne polega na tym, aby w ramach danego systemu logistycznego przekształcić potrzebną liczbę obiektów w wymaganym miejscu i czasie, przy minimalnych kosztach [Fijałkowski 2003, s. 168].
System transportowy definiowany jest jako zespół składający się ze środków transportowych, infrastruktury transportowej, ludzi odpowiedzialnych za funkcjonowanie systemu transportowego oraz zasady i reguły, które są odpowiedzialne za przemieszczanie osób i ładunków wraz z informacją o nich z punktów początkowych (nadania), poprzez ewentualne punkty przeładunkowe, do punktów końcowych (odbioru) [Liberadzki 2006, s. 517; Stajniak 2007, s. 9].
Przez pojęcie struktury systemu należy rozumieć sposób powiązania elementów systemu.
Na ogół przyjmuje się, że system składa się z określonej liczby elementów i relacji, ponadto każdy z elementów systemu opisany jest zbiorem cech (wartości cech dla różnych elementów systemu mogą być różne). Zawsze można dobrać zbiór cech mierzalnych w pełni charakteryzujących obiekt z punktu widzenia celu zaplanowanych badań [Jacyna 2009, s. 11].
Wychodząc z założenia, że system to zbiór elementów oraz zbiór relacji określonych na jego elementach, strukturę systemu można przedstawić w postaci uporządkowanej pary [Jacyna 2009, s. 11]:
̃ ,
dla której to zbiór wyróżnionych elementów w obiekcie, tj. [Jacyna 2009, s. 11]:
.
Zakładamy, że każdy element charakteryzuje się określonymi, kwantyfikowalnymi cechami, a zatem element opisany jest wektorem cech o składowych ; , tj.:
,
gdzie jest zbiorem relacji określonych na elementach systemu oraz niektórych elementach systemu i otoczenia
{ }
Posługiwanie się pojęciem systemu jest podporządkowane pewnym regułom, do których zalicza się [Jacyna 2009, s. 14]:
1. Ścisłość – system powinien być tak określony, aby dokładnie było wiadomo, które elementy należą do niego, a które do otoczenia.
2. Niezmienność – określenie systemu powinno pozostawać niezmienne w toku rozważań, ponieważ niedopuszczalne jest, aby pewne elementy były traktowane raz jako części systemu, a innym razem jako elementy otoczenia.
3. Zupełność – podział systemu na podsystemy powinien być zupełny, ponieważ system nie może zawierać elementów nienależących do żadnego z jego podsystemów.
4. Rozłączność – podział systemu na podsystemy powinien być rozłączny, ponieważ system nie może zawierać elementów należących do kilku podsystemów równocześnie.
Definiując dany system, definiujemy również cel jego działania. Oceny jakości działania systemu dokonujemy, uwzględniając poziom realizacji celu. Celem działania systemu transportowego jest przemieszczanie ładunków [Jacyna 2009, s. 14].
Celem badań systemu transportowego jest właściwe określenie zachodzących w nim procesów. Stąd też w wielu przypadkach traktuje się proces jako odwzorowanie (transformację) wielkości wejściowych do procesu w wielkości wyjściowe z niego [Jacyna 2009, s. 17].
Proces logistyczny natomiast obejmuje przemieszczanie, manipulowanie, transport i składowanie „obiektów”, tj. materiałów, informacji i energii. W ramach tego procesu obiekty są przekształcane ze swego stanu początkowego w stan końcowy, przy czym co najmniej jeden z elementów, takich jak czas, miejsce, liczba i artykuł zmienia się w taki sposób, że nie wywołuje to niepożądanych zmian cech obiektów. Z tym związane jest również pojęcie łańcucha transportowego, czyli skoordynowane z punktu widzenia technicznego, technologicznego, organizacyjnego i handlowego racjonalne następowanie po sobie czynności procesów przewozu, przeładunku i składowania – mające na celu przemieszczanie dóbr niezbędnych do funkcjonowania gospodarki [Fijałkowski 2003, s. 168].
Znajomość systemu transportu ma podstawowe znaczenie dla sprawnych i efektywnych działań logistycznych w firmie. Transport jest fizyczną nicią wiążącą rozproszone geograficznie miejsca tej działalności. Ponadto dodaje produktom firmy wartości, tworząc użyteczność czasu i miejsca w wyniku fizycznego przemieszczenia towarów (jako dodanej wartości) w wyznaczone miejsce i w określonym czasie [Coyle 2007, s. 404].
Transport jest ważnym elementem systemu logistycznego. Logistyka koncentruje się bowiem głównie na fizycznym przemieszczaniu lub przepływie dóbr albo na sieci, w której przemieszczane są produkty [Coyle 2007, s. 69]. Ponadto, co jest bardzo istotne, efektywne zaopatrzenie w towary i usługi przyczynia się do przewagi konkurencyjnej danej organizacji [Coyle 2007, s. 109].
Transport zaopatrzeniowy zaczyna się u dostawcy materiałów, od którego są one przemieszczane do zakładu produkcyjnego nabywcy. Działalność tego transportu wspiera działalność firmy w tym sensie, że transport na wejściu domyka lukę czasowo-przestrzenną między nabywcą a sprzedawcą lub dostawcą. Proces odbioru polega na fizycznym przejęciu od przewoźnika zakupionego materiału [Coyle 2007, s. 118-119].
Transport jako całość rozpatruje się, na ogół, w kategoriach systemowych, zatem aby można było go badać konieczne jest wyróżnienie dwóch jego charakterystycznych właściwości. Są to struktura i jej możliwości przekształcania (modyfikacji struktury), co można utożsamiać z zachowaniem systemu.
Z pojęciem systemu ściśle związane jest pojęcie modelu, którego zastosowanie w nauce ma inne znaczenie niż w języku potocznym, w którym na ogół oznacza pewien wzorzec do naśladowania [zob. Ameljańczyk 1978; Bubnicki 1993; Gutenbaum 1978].
W pracy przyjęte zostało założenie, że model oznacza odwzorowanie rzeczywistości lub jej fragmentu. Model systemu jest ilościową i jakościową reprezentacją badanego systemu na innej bazie materialnej, ujmującej cechy systemu, które są istotne z punktu widzenia prowadzonych badań. Oznacza to, że model traktuje się jako uproszczoną reprezentację rzeczywistości, tj. jej podstawowych cech, istotnych ze względu na zamierzony cel badań [Jacyna 2009, s. 20].
Zbudowany model systemu transportowego powinien odzwierciedlać złożoność i współzależność zjawisk zachodzących w systemie oraz jego związki z otoczeniem. System transportowy można rozpatrywać jako układ, w którym dokonywana jest transformacja strumieni wejściowych w strumień wyjściowy, przy wykorzystaniu wyposażenia systemu oraz jego załogi. Modele są analogiami systemów, które poddane są badaniom, aby poznać m.in. zjawiska w nich zachodzące [Jacyna 2009, s. 22].
Modelowanie oznacza działanie polegające na dobieraniu zamiennika do oryginału odwzorowującego badaną rzeczywistość, zwanego modelem, a następnie eksperymentowanie z tym modelem [Jacyna 2009, s. 24].
Proces osiągania celu modelowania, czyli konstruowania modelu, można podzielić na następujące etapy [Jacyna 2009, s. 27]:
1. Formułowanie precyzyjnego celu modelowania (gdy jest on sformułowany odpowiednio wcześnie wyznacza pożądane kierunki badań oraz zakres i stopień szczegółowości badań).
2. Identyfikacja zmiennych i parametrów modelu (elementów stanowiących system oraz jego otoczenie, czyli obiekty nienależące do systemu, których cechy oddziałują na system lub ulegają zmianie pod wpływem działania systemu).
3. Zapis funkcji kryterium modelu, kwantyfikującej cel modelowania (na tym etapie, na ogół, formułuje się zadanie optymalizacyjne).
4. Analityczny zapis ograniczeń modelu (struktura modelu).
5. Algorytmizacja obliczeń.
6. Weryfikacja obliczeń, czyli sprawdzenie zakresu i dokładności odwzorowania w modelu właściwości obiektu, istotnych z punktu widzenia badań.
Przystępując do zapisu problemu decyzyjnego w postaci matematycznej należy określić [Jacyna 2009, s. 30]:
parametry, wielkości znane bądź zdefiniowane a priori, niezmienne podczas rozwiązywania danego problemu,
zmienne decyzyjne, wielkości poszukiwane, które wymagają ustalenia podczas rozwiązywania problemu,
ograniczenia, wyrażone algebraicznie przez układ równań i nierówności względem zmiennych decyzyjnych,
funkcję kryterium, wskaźnik jakości rozwiązania wyrażony algebraicznie względem zmiennych decyzyjnych.
Rozwiązanie dopuszczalne zadania optymalizacyjnego będzie w pracy utożsamiane z takim układem wartości zmiennych decyzyjnych (układem liczb), które spełniających wszystkie ograniczające warunki opisujące badaną sytuację. Rolę kryterium wyboru rozwiązania optymalnego pełni funkcja celu mierząca cel, który chcemy osiągnąć [Jacyna 2009, s. 30].
Stanem systemu ̃ w chwili t nazywany jest stan wszystkich elementów systemu w chwili t. Natomiast zmiany stanów systemu ̃ w czasie to proces, który oznaczany jest przez . Formalnie proces zapisywany jest następująco [Jacyna 2009, s. 16-17]:
→ ,
gdzie to zbiór, którego elementami są wszystkie cechy elementów ,
to zbiór chwil (momentów) – na ogół wymagane jest, żeby wartości były uporządkowane chronologicznie, tzn. tworzyły ciąg malejący.
Procesem transportowym to taki proces, którego opis ma postać związków między stanami systemu transportowego w czasie, natomiast realizacja procesu transportowego utożsamiana jest z przebiegiem zmian stanów systemu transportowego w określonym przedziale czasu (ciąg kolejnych stanów) [Jacyna 2009, s. 17].
Rzeczowe procesy logistyczne sfery zakupu i sprzedaży są natomiast podstawą kształtowania strumieni pieniężnych. Bez fizycznych strumieni przepływu produktów nie
występują także strumienie pieniężne. Procesy logistyczne mają zatem istotny wpływ na niektóre składniki aktywów i zobowiązań, a dotyczy to zwłaszcza zapasów oraz należności i zobowiązań z tytułu dostaw. Można wskazać, że trzy podstawowe składniki aktywów obrotowych i pasywów kształtują się pod wpływem działania procesów logistycznych, a mianowicie [Skowronek 2010, s. 91]
- zapasy po stronie zakupów, dotyczy to zapasów materiałowych, zaś po stronie sprzedaży zapasów wyrobów gotowych i towarów,
- należności z tytułu dostaw po stronie sprzedaży - zobowiązania z tytułu dostaw po stronie zakupów.
Spostrzeżenie to obejmuje wszystkich uczestników procesów, zatem całego łańcucha dostaw.
Warunkiem koniecznym tworzenia łańcucha dostaw jest łańcuch magazynowo- transportowy, nazywany łańcuchem logistycznym. Otóż łańcuch logistyczny jako baza logistyki to taki łańcuch magazynowo-transportowy, stanowiący technologiczne połączenie punktów magazynowych i przeładunkowych drogami przewozu towarów oraz organizacyjne i finansowe skoordynowanie operacji, procesów zamówień i polityki zapasów wszystkich ogniw tego łańcucha [Gołembska 2010, s. 19].
Podejście do logistyki z perspektywy całego łańcucha logistycznego jest niezwykle istotne. Według komitetu EWG oraz Instytutu Logistyki i Zarządzania Dystrybucją w Anglii pojęcie „logistyki” pojmowane jest jako proces zarządzania całym łańcuchem dostaw, a łańcuch dostaw natomiast to systemy logistyczne złożone z więcej niż jednego ogniwa dostawca–odbiorca. Ich działanie opiera się na wyraźnie określonych zasadach dotyczących kosztów, planowania oraz form współpracy [Pilarczyk 2006, s. 203]. Procesy logistyczne mają również istotny wpływ na produktywność zasobów zarówno trwałych, jak i obrotowych.
W horyzoncie operacyjnym procesy te mają znaczący wpływ na kształtowanie płynności finansowej czyli zdolności przedsiębiorstwa do terminowego regulowania zobowiązań [Skowronek 2010, s. 93].
Według członków Forum Globalnego Łańcucha Dostaw natomiast, przez łańcuch dostaw rozumie się sieć przepływów od pierwszych dostawców do ostatecznych odbiorców.
Sieć ta obejmuje przepływy w sferze zaopatrzenia, produkcji, dystrybucji oraz inne przepływy związane z obsługą klienta, działaniami w sferze badań, rozwoju, marketingu itd.
Przedmiotem przepływu są tu rzeczy (surowce, materiały, wyroby gotowe), informacje i pieniądze [Baraniecka 2004, s. 13].
Zarządzanie z kolei jest to całość metod i funkcji umożliwiających określenie celów i dysponowanie zasobami kadrowymi, rzeczowymi i finansowymi dla efektywnego i racjonalnego osiągania celów, polegające na świadomym i racjonalnym kształtowaniu zależności między elementami systemu organizacyjnego [Pomykalski 2008, s. 9].
Uogólniając zarządzanie definiowane jest jako „zestaw działań (obejmujący planowanie i podejmowanie decyzji, organizowanie, przewodzenie, tj. kierowanie ludźmi
i kontrolowanie) skierowanych na zasoby organizacji (ludzkie, finansowe, rzeczowe i informacyjne) i wykonywanych z zamiarem osiągnięcia celów organizacji w sposób sprawny i skuteczny”. Przy czym sprawny oznacza wykorzystujący zasoby mądrze i bez zbędnego marnowania, natomiast skuteczny, tj. podejmujący właściwe decyzje i z powodzeniem wprowadzający je w życie [Griffin 2004, s. 6; Pomykalski 2008, s. 9].
Przedstawiciele kierunku systemowego w zarządzaniu uważają, że tworzenie sieci komunikacji, czyli podejmowanie decyzji, ustalanie różnych celów i negocjacje do czasu osiągnięcia celu zadawalającego dla wszystkich to istota zarządzania. Według tych autorów zarządzanie powinno być nakierowane na integrację efektów poszczególnych podsystemów organizacji [Dołhasz 2009, s. 44].
Podstawą skutecznego zarządzania jest zatem system pozyskiwania informacji, ich przetwarzania i przekazywania [Gołembska 2010, s. 241]. Efektywne konkurowanie jest w coraz większym stopniu zależne od posiadanych zasobów informacyjnych i sposobu zarządzania nimi [Frąś 2011, s. 29].
Określenie „zarządzanie logistyczne” może być zasadniczo interpretowane w dwojaki sposób. W pierwszym przypadku rozumie się je jako zarządczo zorientowane komponenty logistyki, tj. funkcje zarządzania rozpatrywane jako jej komponenty. W drugim przypadku zarządzanie logistyczne bywa niekiedy rozumiane jako zorientowana na logistykę nadrzędna płaszczyzna zarządzania w sensie „zarządzania logistyką”, odpowiedzialnego za kształtowanie logistyki jako obiektu zarządzania [Blaik 2010, s. 56].
Procesy logistyczne w skali mikro – w przedsiębiorstwie, podobnie jak w skali makro – w łańcuchu dostaw, tworzą typową strukturę systemu w postaci elementów i relacji między nimi. Relacje te przedkłada się w logistyce ponad znaczenie poszczególnych elementów.
Zarządzanie logistyczne obejmujące całość organizacji, zwraca uwagę na dynamiczny i wzajemnie powiązany charakter przedsiębiorstwa. Zintegrowane traktowanie tych faz stanowi nową jakość w zarządzaniu przedsiębiorstwem [Gołembska 2010, s. 201-202].
Najnowsza literatura światowa i praktyka w zarządzaniu przedsiębiorstwami w krajach wysoko rozwiniętych wskazuje wyraźnie na rosnącą potrzebę i na coraz liczniejsze przejawy systemowego traktowania oraz rozwoju logistyki w kierunku koncepcji zintegrowanego zarządzania. Podstawowe znaczenie aspektów zintegrowanego zarządzania ujawnia się w samej istocie logistyki, definiowanej i traktowanej coraz częściej jako przekrojowa koncepcja zarządzania i podstawowy potencjał strategiczny, którego wyzwolenie i realizacja stają się niezbędnym warunkiem działalności i sukcesu na współczesnym, konkurencyjnym rynku [Blaik 2010, s. 52-53].
Zagadnienia rozwiązywane przez logistykę w zarządzaniu umiejscawiane są przede wszystkim jako element realizacji funkcji organizowania, a także planowania i zarządzania operacyjnego. Logistyka nie jest jednak tożsama z zarządzaniem. Z jednej strony można wskazać wiele elementów zarządzania, np. formułowanie celów albo motywowanie personelu, zdecydowanie wykraczających poza przedmiot logistyki. Z drugiej strony wiele elementów logistyki, zwłaszcza związanych z technicznymi aspektami utrzymania
magazynów, eksploatacji środków transportu, utylizacji odpadów itd., bardzo trudno byłoby uznać za element wiedzy o zarządzaniu [Kirejczyk 2008, s. 28].
Warto przy tym zauważyć, że zarządzanie logistyczne przedsiębiorstwem jest nierozerwalnie związane z transportem. To on, dzięki swej ekonomicznej właściwości zwiększania przestrzennego zasięgu rynku zbytu produktów poprzez ograniczanie negatywnego wpływu przestrzeni na warunki ich wytwarzania, umożliwia poprawę efektywności gospodarowania. Ponadto, dzięki zwiększeniu przestrzennego zasięgu dóbr, transport umożliwia podmiotom podjęcie ekspansji geograficznej. Transport od wieków warunkuje, poprzez eliminację bariery stwarzanej przez odległość, możliwość ekspansji zagranicznej przedsiębiorstw [Brach 2010, s. 39]. Decyzje dotyczące wyboru przewoźnika, tras, jakie pokonuje towar, czasu, w jakim pozostaje w sferze obrotu, wpływają na ustalenie cen produktu, sprawność dostaw i jakość towarów w chwili ich dostarczenia. Mają także wpływ na koszty logistyki [Pilarczyk 2006, s. 204].
Czas całego cyklu logistycznego, a w związku z tym i koszty logistyki, można generalnie podzielić na dwie kategorie [Bieniok 2010, s. 199]:
czas uzasadniony, czyli czas aktywnie i efektywnie wykorzystany
czas zmarnowany z przyczyn obiektywnych i subiektywnych.
Zagwarantowanie danego standardu czasu dostawy jest ważnym osiągnięciem w zarządzeniu logistycznym. Można dostrzec jego wpływ na sprawność obsługi, która z kolei wpływa zarówno na korzyści klienta (tj. na ponoszone przez niego koszty zapasów), jak i na system logistyczny oraz pozycję rynkową sprzedawcy [Coyle 2007, s. 159].
W pracy tej standard dostaw będzie mógł być podwyższony, a czas zmarnowany zminimalizowany dzięki dokładnej analizie wyników działania nowego narzędzia, jakim jest inteligentny system hybrydowy, który będzie się składał z systemów ekspertowych i sieci neuronowej. Pojęcia z nimi związane będą w przybliżeniu omówione w dalszej części pracy.
2.2 Systemy ekspertowe
W niniejszej pracy pojęcie systemu ekspertowego i systemu eksperckiego jest używane zamiennie.
Obszar zastosowań systemów eksperckich jest bardzo szeroki [Knosola 2007, s. 119-146; Zieliński 2000, s. 39-42] – stanowią obecnie najpowszechniej stosowany w praktyce system sztucznej inteligencji. Ich wielkość (będąca funkcją liczby reguł zawartych w bazie wiedzy) jest zróżnicowana, jednakże większa liczba reguł w bazie wiedzy sprzyja uzyskaniu lepszych jakościowo wskazówek do podejmowania określonych decyzji [Pająk 2006, s. 286].
Coraz powszechniejsze wdrażanie systemów ekspertowych w wielu obszarach logistyki tłumaczone jest ich zdolnością do rozwiązywania problemów, przewidywania, sugerowania możliwych sposobów postępowania i służenia radami, których dokładność
porównywalna będzie z radami udzielonymi przez ludzi – ekspertów i przy ich wykorzystaniu można w ekonomiczny i praktyczny sposób pozyskiwać, doskonalić i zwiększać umiejętności kierownicze [Coyle 2007, s. 540].
System ekspertowy, dysponując wiedzą eksperta z wybranej dziedziny, może jej używać w sposób ekonomicznie efektywny, gdyż podczas jego pracy nie jest wymagana obecność eksperta [Mulawka 1996, s. 21], a firma może udostępniać jego wiedzę dowolnie wielu pracownikom, co wpływa na większą regularność, dokładność i wydajność działań podejmowanych w całej sieci logistycznej. Ponadto tak ujęte zagadnienie pozwala na efektywniejsze zarządzanie najważniejszym zasobem organizacji, czyli wiedzą [Coyle 2007, s. 540].
Ponieważ pozyskanie i strukturalizacja wiedzy eksperta jest zajęciem pracochłonnym, więc wysiłek włożony w utworzenie systemu ekspertowego jest uzasadniony wówczas, gdy będzie on wykorzystany w długim okresie czasu [Mulawka 1996, s. 21].
Systemy ekspertowe możemy podzielić na trzy kategorie [Mulawka 1996, s. 20]:
- doradcze
- podejmujące decyzje bez kontroli człowieka - krytykujące.
Jeden z systemów przedstawionych w tej pracy będzie systemem doradczym, ponieważ efekty jego działania zostaną użytkownikom przekazane i zanim będą one dalej przekazane przewoźnikowi mogą być dowolnie modyfikowane przez użytkownika. Drugi system, który będzie kontrolował pracę sieci neuronowej będzie systemem podejmującym decyzje bez kontroli człowieka. Natomiast ostatni system będzie spełniał rolę informacyjną, na podstawie której będzie można kontrolować przewoźnika.
Na rysunku poniżej zestawiono wady i zalety ekspertyzy naturalnej, czyli wykonanej przez eksperta oraz sztucznej wykonanej przy pomocy systemu eksperckiego.
Wady:
tracąca na wartości z upływem czasu
trudna do przeniesienia
trudna w dokumentacji
nie dająca się przewidzieć
kosztowna
Zalety:
stała
łatwa do przeniesienia
łatwa w dokumentacji
zgodna z bazą wiedzy
dostępna
Zalety:
twórcza
adaptacyjna
wykorzystanie zmysłów
szeroki zakres
wiedza zdrowego rozsądku
Wady:
nie inspirująca
wymaga wprowadzenia wiedzy
wejścia symboliczne
wąski zakres
wiedza przetwarzana w sposób mechaniczny
Rys. 1 Porównanie ekspertyzy naturalnej z ekspertyzą sztuczną [na podst. Mulawka 1996].
Podstawowy schemat systemu eksperckiego jest przedstawiony poniżej.
Procedury wnioskowania
Procedury sterowania dialogiem
Procedury objaśniające
Baza wiedzy Baza danych
stałych
Baza danych zmiennych
Procedury aktualizacji bazy wiedzy
Rys. 2 Główne elementy systemu ekspertowego [na podst. Mulawka 1996].
Schemat ten składa się z bazy danych (zmiennych oraz stałych), która zawiera przede wszystkim reprezentację faktów o zewnętrznym świecie, o którym system będzie przeprowadzał procedurę wnioskowania. W pamięci tej przechowywane są także inne niezbędne informacje, przykładowo hipotezy robocze czy też struktury (sieci) postanowień -
Ekspertyza naturalna Ekspertyza sztuczna
tzn. struktury reprezentujące powiązania między zmiennymi (oraz stałymi) [Flasiński 2011, s. 128-129].
Wnioskowanie w systemie eksperckim dokonywane jest na podstawie reguł.
Wszystkie reguły są zawarte w drugim składniku systemu eksperckiego, czyli w bazie wiedzy, która zorganizowana jest w postaci reguł wnioskowania typu: jeżeli … (warunek) to … i/lub
… (konsekwencje, konkluzja [Pokojski 2005, s. 29]) (ang. IF … THEN … AND/OR … rules), gdzie [Chwiałkowska 1991, s. 28]:
- warunek – reprezentuje wzorzec lub wymóg, który musi być spełniony, aby można było wykorzystać daną regułę, natomiast
- konsekwencje – to akcje, które powinny być wykonane, lub konkluzje (stwierdzenia), które stają się faktem, w przypadku, gdy warunek został spełniony.
Wiedza z danej dziedziny w postaci strukturalizowanej i sformalizowanej może być wprowadzona do bazy wiedzy systemu ekspertowego różnymi sposobami, na przykład przez inżyniera wiedzy. Jedną z metod pozyskiwania wiedzy jest prowadzenie dialogu inżyniera z ekspertem [Mulawka 1996, s. 24].
Systemy ekspertowe są tworzone stopniowo, ponieważ osiągnięcie dużej biegłości w danej dziedzinie wymaga przeprowadzenia wielu eksperymentów. Metoda stopniowego pozyskiwania wiedzy od ekspertów jest powszechnie stosowana w większości znanych rozwiązań [Mulawka 1996, s. 109].
Poszczególne fazy konstruowania bazy wiedzy mogą przebiegać następująco [Mulawka 1996, s. 109-110]:
1) Identyfikacja – to określenie charakterystyki problemu do rozwiązania, gdzie ekspert i inżynier wiedzy określają problem do rozwiązania i jego zakres (wraz z potrzebnymi środkami).
2) Reprezentacja – to znalezienie sposobu reprezentacji wiedzy, gdzie przeprowadzona zostanie analiza problemu. Ekspert i inżynier wiedzy przedstawiają kluczowe koncepcje, relacje, charakterystykę przepływu informacji, niezbędne w procesie rozwiązywania problemu w danej dziedzinie oraz strategie wraz z trudnościami w rozwiązywaniu zagadnień. W dalszej części tego etapu zbierane są informacje, dane, na podstawie których uzyskiwana jest pewna wiedza o rozwiązywanym problemie.
3) Formalizacja – to zaprojektowanie struktur organizujących wiedzę, który polega na przełożeniu kluczowych koncepcji, reguł i relacji na język formalny.
Inżynier wiedzy powinien zaprojektować syntaktykę i semantykę tego języka, a następnie wraz z ekspertem ustalić wszystkie podstawowe pojęcia i relacje, które są niezbędne do rozwiązania postawionego problemu.
4) Implementacja – to sformułowanie reguł lub ram zawierających wiedzę, gdzie inżynier wiedzy łączy i reorganizuje sformalizowaną wiedzę tak, aby stała się
zgodna z charakterystyką przepływu informacji danego problemu, tworząc prototyp programu.
5) Testowanie – czyli sprawdzanie zastosowanych w systemie reguł lub ram pod kątem generowania przez nie odpowiedzi zgodnych z wymaganiami eksperta.
W latach siedemdziesiątych ostatniego wieku dokonano istotnego spostrzeżenia.
Okazało się, że moc programu ekspertowego (w zakresie rozwiązywania danego problemu) tkwi w zakodowanej w nim wiedzy, a nie w formalizmie i schematach wnioskowania, których ten system używa. Można to wyrazić stwierdzeniem, że im pełniejsza jest wiedza, tym szybciej uzyskuje się rozwiązanie. Oznacza to, że aby zbudować inteligentny program, należy go wyposażyć w dużą ilość dobrej jakości wiedzy o danym przedmiocie [Mulawka 1996, s. 21].
Samym wnioskowaniem – na podstawie pamięci roboczej i bazy wiedzy – steruje procedura wnioskowania (inne nazwy to interpreter reguł, maszyna wnioskująca) [Flasiński 2011, s. 129]. W pracy ograniczymy się do przypadku, kiedy mechanizm wnioskowania systemu eksperckiego opiera się na procedurze wnioskowaniu do przodu (ang. forward chaining) [Mulawka 1996, s. 81-83], polegającym na tym, iż reguły są testowane (wykonywane) w takiej kolejności, w jakiej są zapisane i w oparciu o dostępne dane (informacje). A zatem, wnioskowanie do przodu jest metodą bardziej zależną od kolejności w jakiej zapisane są reguły [Dietrich 2000, s. 23]. Jeżeli jakaś informacja jest niezbędna do tego, żeby można było określić wynik testowania reguły, to nie próbuje się ją uzyskać poprzez poszukiwanie jej w innych regułach, lecz poprzez zapytanie o nią użytkownika systemu. Jeśli natomiast to nie pomoże i nie pojawi się przesłanka, która pasuje do warunku którejś z reguł, to system nie robi nic.
Dodatkowo wprowadzany jest w systemach ekspertowych interfejs użytkownika, zwany procedurą sterowania dialogiem, który służy do łatwej komunikacji użytkownika z systemem oraz do przekazania użytkownikowi efektów wnioskowania [Flasiński 2011, s. 142].
Dodatkowo w systemie występują dwie procedury [Mulawka 1996, s. 23]:
- procedura umożliwiająca rozszerzanie oraz modyfikację wiedzy – procedura pozyskiwania wiedzy (inaczej procedura aktualizacji bazy wiedzy) oraz
- procedura objaśniająca – objaśnia strategię wnioskowania.
Druga procedura jest bardzo ważnym elementem, wyróżniającym systemy ekspertowe od innych metod sztucznej inteligencji. Dzięki niej użytkownik może uzyskać odpowiedź na pytanie dlaczego system taką udzielił a nie inną radę (rezultat swojego działania). System bowiem może wskazać dokładnie, które z reguł zostały wykorzystane podczas wnioskowania.
Ta cecha powoduje większą przychylność menadżerów i kadry kierowniczej w stosunku do systemów ekspertowych w porównaniu do sieci neuronowych, czy algorytmów genetycznych.
Odpowiedź systemu nie jest zatem odpowiedzią „czarnej skrzynki”, tylko uzasadnionym rezultatem działania programu.
