CC BY
11
УДК 656.13:656.225 DOI: 10.30977/BUL.2219-5548.2018.83.0.93
ФОРМУВАННЯ СИСТЕМ П1ДТРИМКИ ПРИЙНЯТТЯ Р1ШЕНЬ З ВИКОРИСТАННЯМ КОГН1ТИВНИХ ТЕХНОЛОГ1Й У ЛАНЦЮГАХ ДОСТАВКИ КОНТЕЙНЕР1В ЗАЛ1ЗНИЦЯМИ
Ломотько Д.В., Арсененко Д.В., Сморк1сь 1.В., УкраТнський державний ун1верситет зал1зничного транспорту
Анотаця. Запропоновано метод в1дбору нечтког тформацп при формуванш систем тдт-римки прийняття ршень у ланцюгах доставки контейнерних вантаж1в. Отримано оцтку ра-щональног ктькост1 ваготв або автомобтв у ланцюз1. Наповнення бази даних тформащею пропонуеться здтснити за допомогою елемент1в когнтивних систем, RFID-мiток, GPS-технологт.
Ключов1 слова: транспортна логiстика, ланцюг постачання, когттивт логiстичнi технолога, тдтримка ршень, контейнерт перевезення, залiзниця.
Вступ
Значна частина вантажних перевезень транспортною системою Укра!ни здшсню-сться залiзничним транспортом. Одшею з головних постае тенденщя до розвитку мiж-народно! транспортно! системи в бш зрос-тання контейнерних перевезень. Ефективну дiяльнiсть вггчизняного залiзничного транспорту неможливо представити без сучасних шформацшних систем тдтримки прийняття ршень (СППР) персоналом у пiдроздiлах, як безпосередньо беруть участь у контейнерних перевезеннях. Для цього необхiдно створити едине шформацшне середовище, яке повинно формуватись та використовуватись на базi сучасних методологiчних пiдходiв.
Анал1з публжацш
Стан транспортно! iнфраструктури приводить до необхщносп розвитку корпоративного ринку лопстики, застосування сучасних поведшкових моделей формування ланцюгiв поставок вантажiв у контейнерах. Традицш-но ланцюг постачання е множиною послщо-вно взаемодiючих мiж собою тдсистем пос-тачальникiв i споживачiв ресурсу [1]. Цей факт приводить до необхщносп отримувати та обробляти шформащю вщ рiзних перевiз-никiв та у рiзних форматах.
Контейнернi перевезення забезпечують застосування велико! кiлькостi способiв доставки вантажiв рiзно!' номенклатури. Це до-зволяе економити на транспортних витратах, але й потребуе реалiзовувати високоефекти-вну технологiю роботи на базi штелектуаль-них шформацшних систем [2] в умовах ство-рення автоматизованих контейнерних
термiналiв. Формальнi правила, норми i тех-шчш регламенти мiж елементами ланцюга постачання можуть кардинально в^^зняти-ся. У кра!нах GC створено правила включен-ня всiх видiв транспорту в логiстичнi ланцю-ги постачання, вщповщно до директиви про «розумш» транспортнi системи 2010/40/GC [3] та на основi стандарту ISO 14813-1 [2]. Вони трактують штелектуальну транспортну систему як таку, в якш застосовуються шфо-рмацiйнi та комушкацшш технологi! у сферi транспорту та яка мае можливють взаемодп з iншими видами транспорту, включаючи ш-фраструктуру i транспортнi засоби шших учасникiв системи, зокрема системи транспортного регулювання. Стосовно систем ва-нтажних контейнерних перевезень це озна-чае, що для прийняття ефективних ршень в них можуть застосовуватися технологи про-гнозування технолопчно! ситуацп та моде-лювання виходячи з накопичено! ранiше ш-формацп з реалiзацiею !х на базi когнiтивно! iнформацiйно! системи (наприклад, IBM Watson).
Застосування контейнерних перевезень вимагае ушфшаци вимог до шфраструктури, техшки i технологiй. При здiйсненнi однора-зових вкладень виникае можливiсть одноча-сно! обробки на термiналах та на шляху пря-мування вшх типiв iнтермодальних одиниць, зокрема контейнерiв. Важливим показником надiйностi тако! технологи е ймовiрнiсть безвiдмовного прийому, обробки або пропуску контейнеропотоку системою, тобто здат-нють системи безперервно збертати свою працездатнiсть. Це можливо тшьки шляхом отримання та використання шформацп висо-
кого ступеня достовiрностi про стан контей-нерiв та про мюце !х позицiонування у прос-торi [4]. Для забезпечення цього одним з тд-ходiв е формування ланцюпв доставки контейнерiв залiзницями як складно! когш-тивно! системи з використання СППР на базi нечгтко! логiки.
Технологiя функцiонування транспортно-лопстично! системи, вся И фшансово-економiчна та маркетингова дiяльнiсть - це генеращя технолого-економiчних результатiв як вщгуюв на суперпозицiю управлiнських рiшень осiб, що приймають рiшення (ОПР), i зовнiшнiх ринкових сигналiв, якi мають не-детермiнований стохастичний характер [5]. Серед методiв експертних оцiнок, як часто застосовують у транспортних технолопях, е метод сценарив (фреймiрування) [6]. Його суть полягае у формуванш набору окремих варiантiв розвитку подш (сценарив), якi охо-плюють вс можливi варiанти розвитку тран-спортно! системи. Одним з найбiльш вщомих методiв експертних оцiнок е метод Дельфi [7], де на першому етапi експерти називають ймовiрнi варiанти розвитку стану системи. На другому кожен експерт знайомить зi своею думкою вшх iнших. Середне значення прогнозу по всш групи експерив вважаеться загальною думкою. Ц пiдходи повиннi базу-ватись на великш кiлькостi достовiрно! шформаци, збiр та обробка яко! викликае певш складностi унаслiдок причин, що було зазна-чено вище.
Мета i постановка завдання
Одшею з найбiльш важливих особливос-тей формування бази знань у галузi транспо-ртно-логiстичних технологш е слабкоформа-лiзований та нечггкий характер критерi!в вибору технологiчних альтернатив, !х пара-метрiв та обмежень. З шшого боку, обсяг те-хнологiчно! iнформацi! стае настiльки великим, що постае питання автоматичного формування масивiв даних про перевезення. Внаслщок цього, у багатьох випадках вияв-ляеться неможливою побудова адекватно! математично! моделi, що призводить до не-обхiдностi використання методiв експертних оцiнок. Тому перспективною е необхщнють розробки методiв, якi дозволяють ефективно збирати технолопчну iнформацiю за рахунок використання когштивних методiв та оброб-ляти отриманi данi за допомогою нечггко! логiки.
З метою наповнення бази знань та побу-дови ефективно! СППР у ланцюгах доставки
контейнерiв залiзницями найбiльш часто ви-користовують методи експертних ощнок. Цi думки звичайно виражеш частково у кшьюс-нш, частково - в якiснiй формг Процес тд-готовки iнформацi!' е дуже складним i недо-статньо дослщженим у разi його застосування у сферi транспортних технологш. Тому збiр та пiдготовку шформаци мож-ливо ефективно здiйснювати за допомогою когштивних технологш.
В той же час, сучасним апаратом обробки експертно! шформаци е методи, основанi на формалiзацi! у виглядi нечiтких множин. Останш дозволяють враховувати кiлькiснi характеристики переваги одного технолопч-ного варiанта над шшими, що дае можли-вють бiльш якiсно сформувати узагальнене технолопчне рiшення.
Основна частина
Для проведення роботи за методом експе-ртних ощнок звичайно створюють експертну групу. Перспективним апаратом обробки ек-спертно! шформаци е методи, основаш на формалiзацi! нечiтких бiнарних вiдношень переваги. Ефективнють практичного застосування цих методiв визначаеться можливю-тю надання експертам i ОПР оперувати парами альтернатив у виглядi бiнарних вщношень, що спрощуе роботу експертiв i пiдвищуе надiйнiсть експертно! iнформацi!. Нечпта вiдносини переваги думки експертiв дозволяють враховувати штенсивнють переваги одного варiанта над iншими, що, як наведено вище, дае можливють бiльш адекватно сформувати узагальнений висновок експертiв.
У проблемi пiдбору експертiв можна ви-дшити двi складовi - складання списку мож-ливих експертiв i вибiр з них експертно! групи вщповщно до компетентностi кандидатiв.
Розглянемо процес формування експерт-но! групи i оцiнки якостi шформаци при формуванш бази знань нечгтко! системи тд-тримки прийняття ршення (СППР). Згiдно [4] включення експерта до складу експертно! групи обсягом п можливо здiйснити за кри-терiем максимально! погодженостi на основi обчислення коефщенпв взаемно! парно! рангово! кореляци думок /-го та у-го експер-тiв. Це пов'язано з тим, що думки експерив можуть значно розходитися в малш експерт-нш групi. Пiд думками будемо розумгш ран-гову оцiнку експертом технолопчного ва-рiанта у ланцюгу доставки контейнерiв залiзницями.
Обчислення коефщенпв взаемно! парно! рангово! корелящ! думки ß, /-го та ßj j-го експерпв виконано за формулою
»j =■
ßiß j ~Pi * ß j
ß* " (Pf)
(ß, - (Pf))
(1)
де РгРу - середня добутку значень; р.., ру -
середш значення думок експертiв; р2, р2 -
середнi значення квадрата думок експерив.
Усередненi коефiцiенти взаемно! парно! рангово! корелящ! можуть набувати значень Цу е [—1;1] . Якщо величина Цу=1, то ощнки -
/-го та у-го експерив повнiстю спiвпадають, якщо Ц.]=-1 - ощнки взаемно протилежш. В той же час при Цу=0 зв'язку мiж думками експертiв нема.
На пiдставi значень побудовано! матрицi коефщенпв взаемно! парн)] рангово! корелящ! М = ||цгу|| можyf сформувати групу екс-
пертiв з урахуванням вимоги погодженостi думок. Якщо група експерив задовольняе цiй вимозi, то коефщенти !х парних рангових корелящй бiльше нуля, а сума цих коефщен-тiв е максимальною. Таким чином, М являе собою бшарне вщношення думок на кiнцевiй множит експерив п.
Поставимо групi експерив у вiдповiднiсть вектор
Е = {аг}, i е [1,n],
(2)
де аг- - являе собою одиночну функщю Хевь сайда, а у е [0,1], яка показуе участь експер-
та у груш (а у = 1) або неможливiсть учасп
(а у = 0). Таким чином, формалiзацiю проце-
су вщбору експерта для формування бази знань СППР при виборi технологiчного pi-шення у ланцюгу доставки контейнеpiв залi-зницями буде зведено до знаходження вектору Е, який максимiзуе бiнаpне вiдношення думок експеpтiв
н = XX а а у^у ^ max;
ien jen
Va, е Е; Va . е Е;
* j
е [-1;Ч; * * j;
XXa*a j ^2
ien jen
(3)
Статистичш методи перевiрки погодже-носп часто залежать вiд математично! при-роди вiдповiдей експертiв, якщо вщповда -результати незалежних парних порiвнянь. Пошук «середньо!» думки експертно! групи стосовно технолопчних процесiв транспор-тування контейнерiв, можна здiйснювати, наприклад, за допомогою вщомого методу iз застосуванням медiани Кеменi [5]. Обчислення медiани Кеменi можливо здiйснити за допомогою методiв цiлочисельного програ-мування, наприклад, основаних на методi гшок i границь або випадкового пошуку.
В якостi джерел iнформацi! про транспор-тно-логiстичний процес доставки контейнер-них вантажiв можна використати даш, якi автоматично надаються у СППР через систему датчикiв, КРГО-мггок, позищонування за допомогою GPS-технологiй. Такий шдхщ до використання елементiв когнiтивних техно-логiй призводить до появи велико! кшькосп багатовимiрно! й частково невизначено! ш-формацi!. У цьому випадку правильнють вщ-бору iнформацi! можна подати нечпкою множиною, яка являе собою множину ре-зультатiв рiшень
Л = f [В*, R (T*),T* ],
(4)
де В/ - множина правил, факторiв, процедур, стратегш прийняття ршень по /-iй задачi; R/(T/) - множина врахованих факторiв у ви-глядi лiнгвiстичних змiнних; Ti - тривалють вирiшення /-! задачi.
Функщя f [В/, R (T), T ] не може бути ви-ражена аналiтично тому, що !! ключовим параметром е величина В,. По суп, В, е думкою експертiв стосовно технолопчних процешв перевезень вантажiв у контейнерах, яку основано на зiбраних автоматично даних. Критерiем, за яким формуеться експертна група, може бути критерш максимально! по-годженостi думок !! членiв, що розглянуто вище i наведено у виглядi формул (1)-(3), якщо тривалiсть знаходження ршення СППР не е обмеженою. Якщо тривалють ршення задачi мае ютотне значення, то до (3) необ-хiдно ввести додаткове обмеження T = Arg min ^ T , N - кiлькiсть задач, як по-
Н ieN
требують вирiшення.
Для формування СППР скористаемось апаратом нечггких множин. Нечiтке вислов-лення експерта або слабкоформалiзованi да-нi, що отримано автоматично, можна подати
2
2
конструкщями виду » (Т.) е Ц(Т1)), де Для отримання нечггких висновкiв будемо
г,,,гг\ ■ ■ ■■ використовувати правила перетворень нечгг-
R г(1г) - конкретне значення лiнгвiстично! ^ . . ^ ,
• ких висловлювань вiдповiдно кон юнктивно!,
змiнно!, якому вщповщае нечiтка множина , . . '
* диз юнктивно! та iмплiкативно! форми [4] на ушверсальнш множинi R .
(R1(Тг) е » (Т,) л R2(Тi) е ВД)) ^ ((R1(Тг), R2(Тг)) е (R1'(Тг) пВД))); (5) (R1(Тг) е Rl' (Т,) V R2(Тi) е ВД)) ^ ((ВД), R2(Тг)) е (Кх(Тг) иВД))); (6) (Rl (Тг) е Rl' (Тг) тобто R2(Тг) е R2(Т,)) ^ ((Rl (Т,), R2(Т,)) е (ВД) ^ R2 (Т,))) (7)
де »1 (Тг) • »2(Т,) - значення лшгвютичних змiнних (»^Т,), »2(Тг )), якi вiдповiдають вихiдному висловлюванню
(Rl (Т,) е R[(Тl) • R2(Т,) е R2(Т,)) й якому для лшгвютичних змшних »1(Т,) та R2(Тi) ставиться у вщповщнють нечiтка множина iз функцiею приналежностi
^(Т, ).»2(Т, )(). R2(Тг )) =
= 4 »^)()))( )).
Форму i характер функцi! приналежностi за-пропоновано встановити методом експерт-них ощнок.
Тодi за допомогою логiко-лiнгвiстичних методiв можлива формалiзацiя СППР щодо технологiчних варiантiв у ланцюгах доставки контейнерiв залiзницями. Вхiднi i вихiднi параметри СППР розглянемо як сукупнють лiнгвiстичних висловлювань виду (5)-(7), що дозволяе отримати нечiтку базу знань Л. Во-на вщображае функцiональний взаемозв'язок нечiтких змiнних i е основою для побудови узагальненого нечггкого висновку, який задано на ушверсальнш множит. Вщношення Л побудовано за композицшним правилом висновюв Заде [8]
ч )) =
= и т )» (Тг) пч» „ ЛК(Т,))
» (Т.) е »*(Т1)
(8)
Правило висновюв (8) задае закон функ-цiонування нечiтко! СППР ощнки ефектив-ностi технологiчних варiантiв у ланцюгах доставки контейнерiв залiзницями. Нечiткий висновок запропоновано здiйснити загально-
вiдомим чином у чотири етапи: фазифшащя, безпосереднiй нечiткий висновок, акумулящя результатiв i дефазифiкацiя методом «центру мас».
З метою перевiрки можливосп викорис-тання запропонованого пiдходу до побудови СППР в якосп вихщних даних було прийня-то реальш данi пiдприемства зi значними об-сягами переробки вантажiв у контейнерах. Середнш обсяг переробки вантажiв у контейнерах становить вщ 100 до 300 ТЕи на мюяць. Необхiдно, залежно вiд обсягiв переробки вантажiв у контейнерах та кшькосп готових маневрових локомотивiв у експлуа-тацi!, встановити рацiональну кшькють нава-нтажувальних засобiв (вагонiв або автомобь лiв) на добу.
У результат отримано нечiтку множину »1 (Т.) • »2 (Т.) = <Кшькють навантажуваль-них засобiв>, а нечiтка база знань Л СППР щодо технолопчних варiантiв у ланцюгах доставки контейнерiв залiзницями буде мати вигляд (для спрощення тривалiсть рiшення /-! задачi вважаеться незначною та умовно не враховуеться)
Л =
' В1:{ »ц л Л12) ^ (»11 л »12) В2:{»21 лЯ22) »21 л»22>
^Вз :(»31 л »32) ^ (»31 л »32 )
(9)
Приклад отримано! результуючо! функцi! виконання (8) на множит (9) при кшькосп готових локомотивiв 2 та обсязi роботи 100 ТЕи наведено на рис. 1, кумулятивне значення складае 3,83 одинищ навантажуваль-них засобiв на добу.
Кумулятивш значення результуючо! фун-кцi! нечiткого висновку для СППР при рiзних кiлькостях готових локомотивiв та обсягах роботи наведено на рис. 2.
Рис. 1. Результуюча функцiя нечпкого висновку для СППР при кшькосп готових локомотивiв 2 та обсязi роботи 100 ТЕи
4,6 4,4 4,2 4 3,8 3,6 3,4
3,88
3,93
4,42
2 локомотива 3 локомотива
100 ТЕи 200 ТЕи ■ 300 ТЕи
Рис. 2. Кумулятивш значення результуючо! функцп нечггкого висновку для СППР при рiзних кшькостях готових локомотивiв та обсягах роботи
Отриманий результат свщчить про мож-ливiсть створення нечигсо! бази СППР щодо технологiчних варiантiв у ланцюгах доставки контейнерiв залiзницями та про достатню ефективнiсть И використання ОПР на реаль-них контейнерних термшалах. Запропонова-ний пiдхiд е досить ушверсальним, мае мож-ливiсть розширення i уточнення шляхом введення нових термiв i висловлювань.
Висновки
Таким чином, запропонований шдхщ до виршення завдання формування систем тд-тримки прийняття рiшень з використанням когштивних технологiй у ланцюгах доставки контейнерiв залiзницями сприяе пiдвищенню ефективностi лопстичних технологiй за ра-
хунок максимiзацil отриманого ефекту вiд прийнятих оперативних ршень. Для пошуку ращонально! технологи роботи лопстичного ланцюга доставки контейнерних вантажiв вперше використано апарат нечигсо! логiки. Запропонований метод оцiнки та вщбору не-чп-ко! шформацп при формуванш СППР вперше для умов перевезень за участю залiз-ниць враховуе i оптимiзуе як сам процес створення експертно! групи, так i формалiза-цiю вiдбору шформацп та формування функ-цiй приналежносп нечiтких множин, якi ха-рактеризують технологiчнi показники контейнерних перевезень.
Для оцiнки ефективносп створено СППР, за допомогою яко! отримано оцiнку ращонально! кшькосп навантажувальних засобiв
(вагошв або автомобiлiв) на добу на ochobí нечигсо! бази знань. Приклад використання запропонованого тдходу показав можли-вють його практичного застосування в су-часних умовах транспортного ринку. На базi розглянуто! моделi з единих методологiчних позицiй можна створити вщповщну мережу СППР на залiзницях, автотранспортних тд-приемствах та контейнерних термшалах. В якостi джерел шформацп про транспортно-логiстичний процес доставки контейнерних вантажiв можливо використати даш, якi автоматично надаються у СППР за допомогою елеменив когнiтивних систем, наприклад, через систему датчиюв, RFID-мггок, позищ-онування за допомогою GPS-технологш.
Лiтература
1. Bart W. Wiegmans, Peter Nijkamp, Piet Rietveld, Container Terminals In Europe: Their Position in Marketing Channel Flows, IATSS Research, Volume 25, Issue 2, 2001, Pages 52-65 [Елект-рон. ресурс] / ISSN 0386-1112. - Режим доступу: http://dx.doi.org/10.1016/S0386-1112(14)60070-4.
2. Intelligent transport systems [Електрон. ресурс] / ISO 14813-1: 2015 (en). - Режим доступу: https://www.iso.org/obp/ui/ru/#iso:std:iso: 14813:-1
3. Directive 2010/40/EU of the European Parliament and of the Council of 7 July 2010 on the framework for the deployment of Intelligent Transport Systems in the field of road transport and for interfaces with other modes of transport Text with EEA relevance OJ L 207, 6.8.2010, p. 1-13.
4. Ломотько Д. В., Ковальов А. О., Ковальова О. В. Formation of fuzzy support system for decision-making on merchantability of rolling stock in its allocation [Електрон. pесурс] / Eastern-European Journal of Enterprise Technologies. - 2015. - Т. 6. - №. 3 (78).
- С. 11-17. - Режим доступу: http://dx.doi.org/10.15587/1729-4061.2015.54496.
5. Недосекин А.О. Простейшая оценка риска инвестиционного проекта // Современные аспекты экономики, №11, 2002.
6. Ван Хорн Дж. Основы управления финансами.
- М.: Финансы и статистика, 1996.
7. Sahakian C.E. The Delphi Method. - The Corporate Partnering Institute, 1997. (ISBN: 1891765051).
8. Ломотько Д.В. Формування нечггко! бази знань та системи тдтримки прийняття ршен-ня у шдроздшах зал1зниць // 1нформацшно-керуюч1 системи на зал1зничному транспорта
- 2006. - №2. - С. 52-58.
References
1. Bart W. Wiegman, Peter Nijkamp, Piet Rietveld, Container Terminals In Europe: Their Position in Marketing Channel Flows, IATSS Research, Volume 25, Issue 2, 2001, Pages 52-65 [Electronic resource] / ISSN 0386-1112. - Access mode: http://dx.doi.org/10.1016/S0386-1112(14)60070-4.
2. Intelligent transport systems [Electronic resource] /
ISO 14813-1: 2015 (en). Access mode: https ://www. iso.org/obp/ui/ru/#iso :std:iso:14813: -1.
3. Directive 2010/40 / EU of the European Parliament and of the Council of 7 July 2010 on a framework for the deployment of Intelligent Transport Systems in the field of road transport and for interfaces with other transport modes Text with EEA relevance OJ L 207, 6.8.2010, p. 1-13.
4. Lomotko D.V., Kovalev A.O., Kovaleva O.V. Formation of the fuzzy support system for decision-making on the merchantability of rolling stock in its allocation [Electronic resource] / Eastern European Journal of Enterprise Technologies. 2015 T. 6. No. 3 (78). P. 11-17. -Access mode: http://dx.doi.org/10.15587/1729-4061.2015.54496.
5. Nedosekin A.O. The simplest assessment of the risk of an investment project // Modern aspects of economics, No. 11, 2002 [in Russian].
6. Van Horn J. Fundamentals of Financial Management. - M.: Finance and Statistics, 1996 [in Russian].
7. Sahakian C.E. The Delphi Method. - The Corporate Partnering Institute, 1997. (ISBN: 1891765051).
8. Lomotko D.V. Formation of a fuzzy knowledge base and decision support system in railway departments // Information and control systems on railway transport № 2, 2006. 52-58 [in Ukrainian].
Lomotko D.V., Post-Graduate, Ukrainian State University of Railway Transport Arsenenko D.V., Post-Graduate, Ukrainian State University of Railway Transport Smorkis I.V., Post-Graduate, Ukrainian State University of Railway Transport
FORMATION OF SUPPORT SYSTEMS OF DECISION MAKING USING COGNITIVE
TECHNOLOGIES IN THE CHAINS OF CONTAINERS DELIVERY BY RAILWAY
Abstract. Problem. The article considers the main world trends is the development of international container transportation. Effects of intra-rail transport activities are aimed at modern information support systems for decision-making (DSS) in container transportation. Goal. For the purpose of
filling the knowledge base and building an efficient DSS in the containers delivery railways chains, expert assessment methods are most often used. Using cognitive technologies has been offered. Methodology. Container transportation allows saving on transport costs, but also there is a need to create technology based on intelligent information systems. EU countries set up rules for inclusion of all modes of transport in the delivery chain, in accordance with the directive on "intelligent" transport systems 2010/40/EU. The modern apparatus of information processing is a cognitive method, which is based on fuzzy sets. Results. The process of formation of the expert group during the formation of the knowledge base of the fuzzy DSS of the container transport logistics chain is considered. Data obtained using cognitive technologies is used as information sources on the transport-logistic process of container delivery. Originality. The method of evaluation and selection of fuzzy information in the formation of decision support systems in the container delivery chains is proposed. Rational logistics chain technology was searched for for the first time. The DSS has been improved and a rational number of load materials (cars) has been received. Data that is automatically provided for in the DSS with the elements of cognitive systems, via RFID tags, GPS positioning technology is offered to be used as the sources of information on the transport-logistic process. Practical value. The verification of DSS was tested on the real enterprise. An example has shown that rational value is 3.83 units of load equipment per day with two locomotives and the work volume of 100 TEU.
Key words: transport logistics, supply chain, cognitive logistic technologies, decision support, container transportation, railway.
Аннотация. Предложен метод оценки и отбора нечеткой информации при формировании систем поддержки принятия решений (СППР) в
цепях доставки контейнерных грузов. Для поиска рациональной технологии работы логистической цепи доставки контейнерных грузов впервые использован аппарат нечеткой логики. Для оценки эффективности создана СППР, с помощью которой получена оценка рационального количества погрузочных средств (вагонов или автомобилей) в сутки на основе нечеткой базы знаний. В качестве источников информации о транспорт-но-логистическом процессе доставки контейнерных грузов предложено использовать данные, которые автоматически предоставляются в СППР с помощью элементов когнитивных систем, через систему датчиков, RFlD-меток, позиционирования с помощью GPS-технологий.
Ключевые слова: транспортная логистика, цепь поставок, когнитивные логистические технологии, поддержка решений, контейнерные перевозки, железная дорога.
Ломотько Денис Вжторович, д.т.н, професор, Украшський державний ушверситет зал1зничного транспорту, кафедра транспортних систем та ло-пстики, Украша, м. Харшв, пл. Фейербаха, 7, +(38)057-7301955, TSL@kart.edu.ua
Арсененко Данила Володимирович,
астрант,
Украшський державний ушверситет зал1зничного транспорту, кафедра транспортних систем та ло-пстики, Украша, м. Харюв, пл. Фейербаха, 7, +(38)057-7301955, TSL@kart.edu.ua
Сморккь 1гор Васильович, астрант, Украшський державний ушверситет зал1зничного транспорту, кафедра транспортних систем та ло-пстики, Украша, м. Харюв, пл. Фейербаха, 7, +(38)057-7301955, TSL@kart.edu.ua
