Możliwości wykorzystania sztucznych sieci neuronowych w logistyce

Main Article Content

Krzysztof Koper
Magdalena Tuora


Słowa kluczowe : sztuczne sieci neuronowe, sztuczna inteligencja, dystrybucja
Abstrakt
W artykule omówiono możliwości zastosowania narzędzi sztucznej inteligencji w różnych obszarach zarządzania logistycznego, m.in. w procesach magazynowych, dystrybucyjnych oraz sprzedażowych, jako alternatywę do tradycyjnie stosowanych metod. Celem artykułu jest przedstawienie potencjału, który stanowią sztuczne sieci neuronowe, czyli możliwości szybkiego przesyłu danych oraz nauki rozpoznawania analizowanego problemu w warunkach stale zmieniających się parametrów. Istotą wykorzystania modelowania neuronowego w obszarach zarządzania logistycznego (tj. procesów magazynowych oraz dystrybucyjno-sprzedażowych) jest m.in. skrócenie czasu trwania procesów, eliminacja błędów oraz bardziej precyzyjna analiza danych wejściowych i wyjściowych, skutkująca minimalizacją czasu obsługi, kosztów, szumu informacyjnego (efektu Forrestera) oraz zwiększenia satysfakcji konsumenta. Jako przykład przedstawiono system „Just Walk Out” sieci Amazon, który idealnie ilustruje praktyczne wykorzystanie informatyzacji oraz algorytmów związanych z funkcjonowaniem sieci neuronowych.

Article Details

Jak cytować
Koper, K., & Tuora, M. (2017). Możliwości wykorzystania sztucznych sieci neuronowych w logistyce. Ekonomika I Organizacja Logistyki, 2(1), 91–102. https://doi.org/10.22630/EIOL.2017.2.1.9
Bibliografia

Bishop C., 1995: Neural Networks for Pattern Recognition, Oxford University Press. (Crossref)

Domański R., 2014: Zjawisko Forrestera w sieciach dystrybucji – ciekawostka historyczna, czy wciąż aktualny problem?, [źródło elektroniczne] http://www.blog.wsl.com.pl/naukowypunkt-widzenia/items/zjawisko-forrestera-w-sieciach-dystrybucji-ciekawostka-historyczna-czy-wciaz-aktualny-problem [dostęp: 28.04.2017].

Gibilisco S., (red.), 1994: The McGraw-Hill Illustrated Encyclopedia of Robotics & Artificial Inteligence.

Kużdowicz P., Relich M., 2006: Zastosowanie sztucznych sieci neuronowych i analizy dyskryminacyjnej do ustalenia polityki cenowej w średnim przedsiębiorstwie, [źródło elektroniczne] http://mit.weii.tu.koszalin.pl/MIT1/Modele inzynierii teleinformatyki 1_10 Relich Kuzdowicz.pdf [dostęp: 11.04.2017].

Osowski S., 2000: Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa

Stefanowski J., 2006: Sztuczne sieci neuronowe, [źródło elektroniczne] http://www.cs.put.poznan.pl/jstefanowski/aed/TPDANN.pdf [dostęp: 04.04.2017].

Szymonik A., 2017/2018: Efekt byczego bicza, [źródło elektroniczne] http://www.gen-prof.pl/zzild12.pdf [dostęp: 07.04.2017].

Tadeusiewicz R., 1993: Sieci neuronowe, Akademicka Oficyna Wydawnicza, Warszawa.

Tadeusiewicz R., 1998: Elementarne wprowadzenie do techniki sieci neuronowych z przykładowymi programami, Akademicka Oficyna Wydawnicza PLJ, Warszawa.

Vogels W., 2016: MXNet Deep Learning Framework of Choice at AWS, [źródło elektroniczne] http://www.allthingsdistributed.com/2016/11/mxnet-default-framework-deep-learningaws.html [dostęp 07.04.2017].

Statystyki

Downloads

Download data is not yet available.