 |
||
|
||
Применение нейронных сетей в моделировании логистических организаций
M.D. Dobrzynski
Chair of Business Informatics and Logistics, Bialystok Technical University, Bialystok, Poland
Abstract – Article describes problem to use of neural network to investigations of logistics organization. Data to investigations became obtained by means inquiries. Author proposed 3 models of firms and logistics organization, which then was checked across training of neural network. On base passed investigations one can qualify influence of each factors on initiating modifications firm’s organizational structure and implementation of logistics unit.
Цель исследований
Целью проведенных исследований являлась разработка модели предприятия с особым вниманием на существование в его организационной структуре выделенной логистической ячейки (в виде отдела, самостоятельного поста или специалиста). Данными для идентификации модели являлись:
Модель определяет, каким образом выше перечисленные условия влияют на выделение ячейки, отвечающей за логистические решения. Модель может оказаться полезной для анализа потребностей предприятия в области логистических услуг предлагаемых внешними поставщиками.
Описание методологии исследований.
Основным источником данных для исследований являлся опрос, проведенный в сентябре и октябре 1998 года среди предприятии и организации северо-восточной Польши. Для опроса получено 279 ответов, после проверки 202 можно считать действительными. Эти ответы и стали основой дальнейших исследований и анализов.
Большинство ответов получено на территории Подляского воеводства, несколько на территории Варминско-Мазурского воеводства. Во многих случаях отделы или филиалы из Белостока обратились за информацией в свои центры и отсюда получено 18 ответов (Варшава, Гданьск, Краков).
Обработка данных и их анализ протекал двухстепенно. В случае типичных кверенд использовалась база данных
MS Access, в которую вводилась вся информация опроса. Обработка данных с целью построения модели (образца) логистической фирмы в исследованной области проведена с помощью специализированной программы для постройки и обучения нейронных сетей Brain Maker.Все данные и разработки собственные, сделаны в рамках программы
W/IZM/1/99.I модель (частичная) - число сотрудников и средств транспорта.
Для постройки модели в качестве входных данных использована часть информации из опроса. Выделена группа, определяющая число сотрудников и средств транспорта. Результаты тренировки приведены в графической форме на рис.1. Для тренировки сети использована программа EasyNN.
Рис. 1. Графическое представление результатов тренировки нейронной сети (1частичная модель).
Входный слой состоит из 11 узлов- 5 из них определяют число сотрудников на предприятии, 6 определяют число транспортных средств. Соединения между входным и скрытым слоем графически изображены в виде прямых. Толщина данной прямой свидетельствует о величине веса подчиненного прямой (соединению) во время тренировки сети. Можно заметить, что наибольшее влияние оказывают следующие входы: число сотрудников в пределах 11? 50, число сотрудников свыше 200, число транспортных средств с 1 до 5. Частичная модель показывает, что эти показатели в наибольшей степени влияют на существование в организационной структуре предприятия ячеек ответственных за логистические решения.
II модель (частичная) - тип деятельности и отрасль.
Во входных данных этой модели можно выделить две группы: тип деятельности (торговая, промышленная и услуги) и принадлежность к определенной отрасли. Первая группа состоит из 3 входов, вторая из 9. Для тренировки сети была использована программа EasyNN. Результаты тренировки приведены на рис.2.
На рис.2 можно заметить, что в случае этой модели решающее влияние оказывает группа входов определяющая тип деятельности фирмы. Особо важными оказались промышленные организации и зона услуг. В группе входов, ответственных за отраслевую принадлежность, нельзя доказать значительного влияния определенных входов, но весомый вклад вносят строительная и химическая отрасли.
Рис. 2. Графическое представление результатов тренировки нейронной сети (II частичная модель).
Полная логистическая модель фирмы.
Собранные данные стали основой для построения модели логистического предприятия на территории Подляского воеводства. Модель построена с помощью программы
Brain Maker. Применено 28 входов:Данные, определяющие тип деятельности фирмы и отрасль, – номинальные, остальные интервальные
[1] За выходную величину принято наличие в организационной структуре предприятия ячейки отвечающей за логистику.Для тренировки нейронной сети использована 181 группа, 21 выделена в качестве проверочной совокупности. В ходе тренировки достигнуто соответствие данных и модели на уровне 85% (все попытки увеличения этого показателя закончились неудачей).
После тренировки определено весовое влияние отдельно для всех групп данных. Самое большое совпадение (таб.1) получено для входов, определяющих число сотрудников данной организации (это совпадает с предыдущими результатами для
I и II модели и с практикой бизнеса).Табл.1. Влияние числа сотрудников организации на существование логистической ячейки.
Вход- число сотрудников организации |
Вес |
до 5 сотрудников |
0,7568 |
с 6 до 10 сотрудников |
0,8835 |
с 11 до 50 сотрудников |
0,8967 |
с 51 до 200 сотрудников |
0,9277 |
свыше200 сотрудников |
0,9552 |
Следует добавить, что в обобщенном анализе влияния всех входов системы показатель числа сотрудников оказывается решающим, потому что в первую пятерку рейтинга всех показателей вошли три элемента этой группы.
В случае других групп входов (число транспортных средств и число складов) результаты не подчинялись анализу и противоречат практике бизнеса. После сортировки списка по весовому влиянию увеличивающийся и уменьшающийся порядок числовых пределов нарушен. Можно только отметить, что показатели связаны с числом транспортных средств значительно выше в рейтинге, чем показатели определяющие число складов.
Свидетельствует это о значительно большей зависимости возникновения самостоятельных ячеек, отвечающих за логистику от ситуации в области транспорта, чем от ситуации в области складского хозяйства. Внедрению логистики способствует число автомашин свыше 21 и число складов в пределах 3-5.
Влияние типа деятельности и отрасли представляет табл.2.
Табл.2. Влияние типа деятельности и отрасли на существование логистической ячейки.
Вход- тип деятельности |
Вес |
торговая, и услуги |
0,9745 |
промышленная |
0,9537 |
услуги |
0,9524 |
Вход- отрасль |
|
пищевая |
0,9809 |
строительная |
0,9596 |
химическая |
0,9535 |
энергетическая |
0,9366 |
электроническая |
0,9321 |
текстильная |
0,9158 |
станкостроительная |
0,8876 |
Данные, полученные на основе предложенной модели, совпадают с данными опроса. Самую большую “насыщенность” предприятий ячейками, ответственными за логистические решения, наблюдаем в отраслях электрической и строительной (рис. 4)[2]. Одновременно, на предприятиях, которые не имеют такой ячейки, отмечается нерешимость ее внедрения (табл. 1[3]
).Это свидетельствует о частичной стабилизации. Организации, в которых понимали необходимость внедрения логистики, ввели необходимые изменения в организационной структуре, остальные предприятия не чувствуют необходимости модификации и в ближайшее время их не предусматривают.
Исследования имеют практическую ценность. На их основе можно определить вероятность существования в организациях выделенной ячейки, ответственной за логистические решения, или потребность в услугах, предлагаемых внешними поставщиками.
Литература
1. Thimoty Masters, Sieci neuronowe w praktyce, Wydawnictwa Naukowo-Techniczne, Warszawa 1996
2.
Dobrzynski M., Raport o stanie logistyki w przedsiebiorstwach wojewodztwa podlaskiego, Zeszyty Naukowe Instytutu Zarzadzania i Marketingu Politechniki Bialostockiej, nr 5, 19993.
Dobrzynski M., Op. cit.| Site of Information
Technologies Designed by inftech@webservis.ru. |
|