Komputerowo wspomagany łańcuch logistyczny z zastosowaniem miękkich metod matematycznych

W artykule zaprezentowano trzy modele matematyczne za pomocą których można dokonać prognozowania stanów zapasów jak i sprzedaży w różnych współzależnych ogniwach łańcucha logistycznego. W celu opisu matematycznego zadania rozpoznawania wykorzystano zbiory rozmyte. Zostały one zastosowane do opisu nieprecyzyjnych związków między różnymi ogniwami łańcucha jak i do oceny niepewnej dziedziny sprzedaży. Modele zostały zweryfikowane w procesie eksperymentalnym i porównane ze znanymi z literatury algorytmami bazującymi na modelach bayesowskich jak i sieciach neuronowych oraz modelach markowskich.

The article presents three mathematical models which can be used to forecast the stock situation as well as sales in various interrelated links of the logistics chain. The fuzzy sets were used to describe the mathematical task of recognition. They were used to describe the imprecise relationships between the various links in the chain and to evaluate the uncertainty of the sales domain. The models were verified in the experimental process and compared with literature-based algorithms based on Bayesian models as well as the nerotic models and Markov models.