Inteligentne systemy logistyczne w produkcji samochodów i części zamiennych

• Autorzy: Katarzyna Topolska , Mariusz Topolski

Warianty tytułu

The intelligent logistical system in the car and spare parts' production

• Języki publikacji: PL

Abstrakty

Logistyka produkcji pojazdów samochodowych i części zamiennych jest istotnym problemem współczesnej gospodarki. Szeroko pojęte metody optymalizacji danych, zarządzania produkcją, transportem, bazami danych są podstawą osiągania zysków przedsiębiorstwa. odpowiednie systemy zarządzające produkcją, tj. MRP, MRP II, wzbogacone w metody sztucznej inteligencji, otrzymując dane ze wszystkich fragmentów łańcucha logistycznego (często niepełne, nieprecyzyjne) bardzo dobrze wspomagają zarządzanie logistyczne. Klasyczne metody optymalizacji, niestety, nie dają możliwości pełnej analizy danych nieprecyzyjnych i niepełnych. Niestety, powyższe metody nakreślające przyszłość systemów zarządzających produkcją nie są powszechnie stosowane, a ich zastosowanie wymaga specjalistów wysokiej klasy, posiadających wiedzę i umiejących sprawnie wdrożyć inteligentne moduły. poniższy artykuł wskazuje na pewne metody sztucznej inteligencji do optymalizacji procesów logistycznych oraz komórki, w których mogą być one zastosowane.(abstrakt oryginalny)

EN

The logistics of the car and spare parts' production is an essential problem of contemporary economy. The widely understood methods of data optimalization, production management, transport and data bases - are the basis of attaining company profits. The adequate systems managing production, i.e. MRP, MRPII, enriched by artificial intelligence methods, do assist production processes very well. The classic optimalization methods do not, however, allow the full analysis of imprecise and insufficient data. Unfortunately, the above methods signalling the future of production management systems are not widely used and their application requires the use of high class specialists, having the knowledge and being able to implement the intelligent modules, and the cells in which they can be applied so they can fully optimalize, integrating all fragments of logistical chain.(original abstract)

Słowa kluczowe

PL

Logistyka; Logistyka produkcji; Rynek części zamiennych; Optymalizacja; Sztuczna inteligencja

EN

Logistics; Production logistics; Spare parts market; Optimalization; Artificial intelligence

• Czasopismo: Logistyka i Transport
• Rocznik: 2008
• Numer: nr 2
• Strony: 91--98

Twórcy

autor

Katarzyna Topolska

• Międzynarodowa Wyższa Szkoła Logistyki i Transportu we Wrocławiu.

autor

Mariusz Topolski

• Międzynarodowa Wyższa Szkoła Logistyki i Transportu we Wrocławiu.

Bibliografia

• Ciskowski P., Learning context-dependebt neural nets Raport PRE /2002, Politechnika Wrocławska, May 2002 (praca doktorska).
• Hayes-Roth F., Waqterman D.A., Lenat D.B., Building Expert Systems,Addison-Wesley Publishing Company, Massachusetts, 1983.
• Kacprzyk J., Wieloetapowe sterowanie rozmyte, Wydawnictwa Naukowo Techniczne, Warszawa 2001.
• Kulikowski J., Cybernetyczne układy rozpoznające, PWN, Warszawa, 1972.
• Kurzyński M., Złożone metody rozpoznawania [w:] M. Nałęcz [red.], Problemy Biocybernetyki i Inżynierii Biomedycznej, tom V: Informatyka Medyczna, s.159, WKiŁ, Warszawa 1990.
• Mulawka J.J., Systemy ekspertowe, WNT, Warszawa 1996.
• Pearl J., Probabilistic Reasoniing in Intelligent Systems: Network of Plausible Inference, Morgan Kaufmann Pub. Inc., San Francisko, California, 1991.
• Piegat A., Modelowanie i sterowanie rozmyte, Akademicka Oficyna Wydawnicza EXIT, Warszawa 1999.
• Tadeusiewicz R., Flasiński M., Rozpoznawanie obrazów, PWN, Warszawa, 1991.
• Topolski M., Komputerowe algorytmy rozpoznawania sekwencyjnego łączące teorię ewidencji matematycznej z teorią zbiorów rozmytych, Raport PRE1/2008, Politechnika Wrocławska (praca doktorska).
• Wierzchoń S.T., Metody reprezentacji i przetwarzania informacji niepewnej w ramach teorii Dempstera-Shafera, Instytut Podstaw Informatyki Polskiej Akademii Nauk, Warszawa 1996.
• Zadeh L.A., On fuzzy algorythms. Memo. ERL-M325. Iniv. Of California. Berkley 1972.
• Zhu H., Basir O., Feature Region-Merging Based Fuzzy Rules Extraction for Pattern Classification, IEEEinternational Conference on Fuzzy Systems(FUZZ-IEEE2003), pp. 696-701, 2003.
• Zhu H, Basir O., Adaptive Fuzzy Evidential Reasoning with Information Theoretic Discounting for Robust Brain Tissue Classification, 5th International Symposium on Soft Computing for Industry (WAC-ISSCI