CC BY
52
УДК 65.011.56
ПРИМЕНЕНИЕ НЕЧЕТКОЙ ЛОГИКИ, КАК СРЕДСТВО ОПТИМИЗАЦИИ СНАБЖЕНИЯ
М. В. Воронова, М. В. Токмачева Научный руководитель - Д. В. Тихоненко
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
E-mail: tok-rimma@yandex.ru
Теория нечеткой логики позволяет описать наборы методов управления, которые несложно применить для реальной системы и позволяет учесть опыт операторов и технологов для динамического управления процессом.
Ключевые слова: оптимизация, нечеткая логика, нечеткие множества, управление запасами.
APPLICATION OF FUZZY LOGIC AS A MEANS OF OPTIMIZING SUPPLY
M. V. Voronova, M. V. Tokmacheva Supervisor Supervisor - D. V. Tihonenko
Reshetnev Siberian State Aerospace University 31, Krasnoyarskiy Rabochiy Av., Krasnoyarsk, 660037, Russian Federation E-mail: tok-rimma@yandex.ru
The theory offuzzy logic allows to describe sets of management techniques, which is easy to apply for a real system and allows you to take into account the experience of operators and engineers to dynamically manage the process.
Keywords: optimization, fuzzy logic, fuzzy sets, inventory management.
В настоящее время все большую роль играет снабжение в деятельности каждого производственного предприятия - совокупность способов и методов эффективного управления товарными закупками с обеспечением наименьших издержек и высокого уровня организации осуществления процессов снабжения, управления отпуска в производство и дальнейшее сотрудничество с поставщиками.
Автоматическое управление и контроль товарно-материальных ценностей в значительной степени позволяют оптимизировать работу отдела снабжения. Будь то просто файлы в Excel или самостоятельные системы управления снабжением, в любом случае это надежнее, чем записи на бумажных носителях или хранение информации в голове.
Отдел материально-технического снабжения на производственном предприятии берет во внимание то, что сырьевые запасы ограниченны, т.к. складские и производственные площади не позволяют держать весь ассортимент сырья и материалов. Планирование и прогнозирование должно исходить из реальных потребностей предприятия и с определенными издержками, на которые предприятие должно идти обдумано. Найденный баланс между выгодой текущей поставки по приемлемым ценам и партнерскими отношениями, позволяет получить преимущества в долгосрочной перспективе.
Учитывая большое количество факторов, и сопоставив отдельные характеристики, рассмотрена теория нечеткой логики для реализации оптимального управления снабжением.
Секция «Актуальнее проблемы в логистике и управлении цепями поставок»
Часто степень истинности утверждения характеризуются посредством таких выражений как: очень верно, совершенно верно, более или менее верно, ложно, абсолютно ложно, при этом истинность или ложность утверждения определены недостаточно хорошо, что может навести на трактовку истинности, для которой имеются только два первичных терма «истинно» и «ложно».
Трактовка истинности как лингвистической переменной приводит к нечеткой логике, которая совершенна, отлична от обычной двузначной или даже многозадачной логики [1].
Нечетка логика это - это раздел многозначной логики, который базируется на обобщении классической логики и теории нечётких множеств, предложенной американским математиком Лютфи (Лотфи) Заде (Ьо1й А. 2аёеИ) для формализации нечётких знаний, характеризуемых лингвистической неопределённостью.
Нечеткая логика, в основном, обеспечивает эффективные средства отображения неопределенностей и неточностей реального мира. Наличие математических средств отражения нечеткости исходной информации позволяет построить модель, адекватную реальности.[2]
На входе обработки данных имеются не четкие величины и цифры о потребности приобретения сырья и материалов, а размытые данные. После обработки данных, с учетом взаимодействия всех входных характеристик по некоторым правилам определяются четкое решение по конкретному заказу.
Практический опыт разработки систем на нечетких множествах свидетельствует о том, что сроки и стоимость их проектирования значительно ниже, чем при использовании традиционного математического аппарата, при этом обеспечиваются требуемые уровни качества. Лотфи Заде по этому поводу заметил, что «почти всегда можно сделать такой же продукт без нечеткой логики, но с нечеткой будет быстрее и дешевле» [3].
На рисунке 1 представлен механизм логического вывода, который включает четыре этапа введение нечеткости (фазификация); нечеткий вывод; композиция и приведение к четкости (де-фазификация); базис нечетких правил по которым анализируются входные данные и преобразуются в выводе.
Рис. 1. Системы нечеткого логического вывода
На входе имеются величины, которые характеризуют разную информацию о контрагенте и о материалах. Входящие множества (х) кодируют и приводят к нечеткости. При этом каждая закодированная величина обрабатывается посредством, имеющимся в системе нечеткими правилам. После обработки нечеткие множества (у) система приводит в четкое значение выхода.
Система нечеткого логического вывода имеет преимущества перед четкой логикой:
1. Систему, возможно, использовать в технических системах, так как система имеет реальные входные и выходные значения;
2. Есть возможность перехода от заключений к нечетким правилам Н-ТИеп.
3. Для решения конкретной задачи, можно подобрать наиболее подходящую систему нечеткой логики, с определенными правилами.
4. Различные алгоритмы настройки систем нечеткой логики, позволяют эффективно объединять численную и лингвистическую информацию.
Нечеткая система дает возможность формализовать величины, имеющиеся в отделе снабжения, которые имеют обоснованные варианты, выявлять причинно-следственные связи между регулируемыми параметрами в отделе и параметрами, зависящими от контрагентов, а так же формулировать четкий прогноз в условиях неопределенности.
Нечеткая логика принципиально упрощает решение ряда задач с точки зрения принятия решение, дает более точный ответ на совокупность неопределенных параметров.
Нечеткая логика использует некоторые численные параметры для того, чтобы оценивать ошибку, но точные значения этих величин обычно не требуется. Система закупа сырья для производства может использовать множество, значения которого высчитываются из управляющих правил для вычисления решения. Входные и выходные величины не должны быть симметричными и могут быть настроены для лучшего представления поведения при управлении системой.
В результате выполнения операций по заданным правилам нечеткой логики получается нечеткое множество, которое не эквивалентно ни одному изначально введенных величин на отдельный заказ. При этом системе необходимо среди нечетких значений истинности найти такое, которое соответствовало бы результату выполнения нечеткой логической операции в максимальной степени. Система после обработки полученных величин выдает максимально развернутый ответ в булевой форме понятной для специалиста.
Наибольшее практическое применение нашли так называемые системы нечеткого вывода, в которых сделаны некоторые дополнительные предположения о форме нечетких высказываний, используемых в качестве условий и заключений в правилах нечетких продукций.
Принципы нечеткой логики позволяют свести количество необходимых данных связанных со снабжением материальных ресурсов предприятия к минимуму, рационализирует использование средств и предметов труда, связанного с соблюдением установленных норм и с организацией складского хранения всех материальных ценностей.
Данный подход открывает обширные возможности для оптимизации различных снабженческих задач, может быть использован для повышения эффективности различных сфер деятельности предприятия.
Библиографические ссылки
1. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. 166 с.
2. Круглов В. В., Дли М. И., Голунов Р. Ю. Нечеткая логика и искусственные нейронные сети. М.: Физматлит, 2001. 221 с.
3. Ghiaus C. Fuzzy Model and Control of a Fan-coil // Journal of Energy and Buildings. 2001. Vol. 33. P. 545-551.
© Воронова М. В., Токмачева М. В., 2017
