Wspomaganie decyzji zakupowych w branży spawalniczej za pomocą metody k-średnich

• Autorzy: Michał Rogalewicz , Agnieszka Kujawińska

Warianty tytułu

Purchase Decision-Making Support in the Welding Industry with the Use of the K-means Method

• Języki publikacji: PL

Abstrakty

Podejmowanie decyzji w przedsiębiorstwie wiąże się często z wyborem najlepszego rozwiązania na podstawie wielu kryteriów opisujących analizowany problem. Z tego punktu widzenia można go nazwać wielokryterialnym problemem decyzyjnym. W artykule przedstawiono zastosowanie jednej z metod wspomagania decyzji - analizy skupień metodą k-średnich - w doborze materiałów dodatkowych do procesu spawania metodą SAW. Dokonano podziału na skupienia, uwzględniając dwa kryteria doboru ich początkowych centrów, porównano oba warianty, a na końcu scharakteryzowano szczegółowo grupy wyodrębnione za pomocą jednego z nich. Wybrane podejście do analizy skupień okazało się przydatne we wspomaganiu decyzji dotyczących zakupów w branży spawalniczej.

EN

Decision-making in enterprises is often connected with selecting the best solution on the basis of many criteria describing the analyzed problem. From this point of view, it can be called a multi-criterial decision-making problem. The article presents the use of a chosen clustering method - the k-means method - in the selection of materials for the SAW method process. Clusters were divided into two, based on the two different ways of choosing their initial centers. The two options were compared, and finally the clusters created on the basis of the chosen division were characterized in detail. The selected approach proved useful as decision-making support for purchasing materials in the welding industry. (original abstract)

Słowa kluczowe

PL

Metoda k-średnich; Teoria wspomagania decyzji; Podejmowanie decyzji; Zakup

EN

K-means methods; Theory of decision support; Decision making; Purchasing

• Czasopismo: Zeszyty Naukowe Politechniki Poznańskiej. Organizacja i Zarządzanie
• Rocznik: 2016
• Numer: nr 70
• Strony: 203--214

Twórcy

autor

Michał Rogalewicz

• Politechnika Poznańska

autor

Agnieszka Kujawińska

• Politechnika Poznańska

Bibliografia

• 1. Abbas, A. (2008). Comparisons between data clustering algorithms. International Arab Journal of Information Technology, 5, 320-325.
• 2. Berkhin, P. (2006). A Survey of Clustering Data Mining Techniques. Grouping Multidimensional Data. Springer: Berlin-Heidelberg.
• 3. Cao, L. (2010). Domain-driven Data Mining: challenges and prospects. Knowledge and Data Engineering. IEEE Transactions, 22, 755-769.
• 4. Houldcroft, P. (2014). Submerged-arc welding. Woodhead Publishing.
• 5. Han, J., Kamber, M. (2006). Data Mining. Concepts and Techniques. Morgan Kauffmann.
• 6. Hastie, T., Tibshirani, R., Friedman, J. (2001). The elements of statistical learning. Data Mining, inference and prediction. Springer.
• 7. Jain, A.K., Murty, M.N., Flynn, P. J. (1999). Data clustering. A review. ACM Computing surveys (CSUR), 31, 264-323.
• 8. Murtagh, F., Contreras, P. (2012). Algorithms for hierarchical clustering: an overview. Wiley Interdisciplinary Review: Data Mining and Knowledge Discovery, 2, 86-97.
• 9. Popat, S., Emmanuel, M. (2014). Review and comparative study of clustering techniques. International Journal of Computer Science and Information Technologies, 5, 805-812.

Identyfikatory

DOI

10.21008/j.0239-9415.2016.070.15