ZARZĄDZANIE RYZYKIEM ŁAŃCUCHA DOSTAW ZA POMOCĄ METODY MONTE CARLO
Tomasz Rymarczyk
tomasz@rymarczyk.comResearch and Development Center, Netrix S.A., Lublin; University of Economics and Innovation in Lublin, (Polska)
Grzegorz Kłosowski
Lublin University of Technology, Faculty of Management, Department of Organization of Enterprise (Polska)
Abstrakt
W artykule zaprezentowano przykład zastosowania hybrydowego systemu wspomagania decyzji w kontekście zarządzania ryzykiem w łańcuchu dostaw. Główny moduł sterownika bazuje na koncepcji symulacji Monte Carlo. Wektor danych wejściowych zawiera istotne informacje, których wyrażenie w postaci zmiennych ilościowych stanowi wyzwanie, w związku z czym zaproponowano użycie sztucznej inteligencji. W zależności od dostępności do danych historycznych, sterownik decyzyjny zastosuje sieci neuronowe lub logikę rozmytą. Zaprezentowane rozwiązanie może stanowić wsparcie dla menedżerów podczas podejmowania decyzji będących odpowiedzią na różnorodne ryzyka w obszarze zarządzania łańcuchem dostaw.
Słowa kluczowe:
zarządzanie projektami, systemy wspomagania decyzji, sieci neuronowe, logika rozmytaBibliografia
Ameyaw E.E., Chan A.PC: Evaluation and ranking of risk factors in public–private partnership water supply projects in developing countries using fuzzy synthetic evaluation approach. Expert Systems with Applications 42(12), 2015, 5102–5116 [doi: 10.1016/j.eswa.2015.02.041].
Google Scholar
Elfaki A., Alatawi O., Abushandi E.: Using intelligent techniques in construction project cost estimation: 10-Year Survey. Advances in Civil Engineering 2014, Article ID 107926 [doi: 10.1155/2014/107926].
Google Scholar
Fragiadakis N.G., Tsoukalas V.D., Papazoglou V.J.: An adaptive neuro-fuzzy inference system (ANFIS) model for assessing occupational risk in the shipbuilding industry. Safety Science 63/2014, 226–235.
Google Scholar
Hu J., Shen E., Gu Y.: Evaluation of Lighting Performance Risk Using Surrogate Model and EnergyPlus. Procedia Engineering 2015, 522–529.
Google Scholar
Idrus A., Nuruddin M.F., Rohman M.A.: Development of project cost contingency estimation model using risk analysis and fuzzy expert system. Expert Systems with Applications 2011, 1501–1508.
Google Scholar
Kłosowski G., Gola, A.: Risk-based estimation of manufacturing order costs with artificial intelligence. Computer Science and Information Systems (FedCSIS), Federated Conference on. IEEE, 2016, 729–732.
Google Scholar
Paul S.K., Sarker R., Essam D.: Managing risk and disruption in production-inventory and supply chain systems: A review. Journal of Industrial and Management Optimization 12.3/2016, 1009–1029.
Google Scholar
Radke A.M., et al.: A risk management-based evaluation of inventory allocations for make-to-order production. CIRP Annals-Manufacturing Technology 2013, 459–462.
Google Scholar
Rudnik K., Deptuła A.M.: System with probabilistic fuzzy knowledge base and parametric inference operators in risk assessment of innovative projects. Expert Systems with Applications 2015, 6365–6379.
Google Scholar
Rush C., Roy R.: Analysis of cost estimating processes used within a concurrent engineering environment throughout a product life cycle. 7th ISPE International Conference on Concurrent Engineering, Lyon, France, July 17th-20th, Technomic Inc., Pennsylvania USA, 2000 58–67.
Google Scholar
Schwarz I.J., Sandoval-Wong J.A., Sánchez P.M.: Implementation of artificial intelligence into risk management decision-making processes in construction projects, 2015, 361–362.
Google Scholar
Sentia P. D., Mukhtar M., Shukor S. A.: Supply chain information risk management model in Make-to-Order (MTO). Procedia Technology 2013, 403–410.
Google Scholar
Taroun A., Yang J. B., Lowe D.: Construction risk modelling and assessment: Insights from a literature review. The Built and Human Environment Review 2011, 93.
Google Scholar
Taylan O. et al.: Construction projects selection and risk assessment by fuzzy AHP and fuzzy TOPSIS methodologies. Applied Soft Computing 2014, 105–116.
Google Scholar
Autorzy
Tomasz Rymarczyktomasz@rymarczyk.com
Research and Development Center, Netrix S.A., Lublin; University of Economics and Innovation in Lublin, Polska
Autorzy
Grzegorz KłosowskiLublin University of Technology, Faculty of Management, Department of Organization of Enterprise Polska
Statystyki
Abstract views: 212PDF downloads: 78
Licencja
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Na tych samych warunkach 4.0 Miedzynarodowe.
Inne teksty tego samego autora
- Łukasz Maciura, Dariusz Wójcik, Tomasz Rymarczyk, Krzysztof Król, NOWY ALGORYTM HYBRYDOWY WYKORZYSTUJĄCY AUTOENKODER KONWOLUCYJNY Z SVM DLA ELEKTRYCZNEJ TOMOGRTAFII IMPEDANCYJNEJ I TOMOGRAFII ULTRADŹWIĘKOWEJ , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 13 Nr 2 (2023)
- Tomasz Rymarczyk, Grzegorz Kłosowski, Przemysław Adamkiewicz, Karol Duda, Jakub Szumowski, Paweł Tchórzewski, KONCEPCJA PARAMETRYCZNO-SEMANTYCZNEJ OTWARTEJ PLATFORMY INTELIGENTNYCH URZĄDZEŃ SENSOROWYCH , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 7 Nr 1 (2017)
- Tomasz Rymarczyk, Jan Sikora, O PRECYZYJNYM OBLICZANIU FAL AKUSTYCZNYCH W DZIEDZINIE CZĘSTOTLIWOŚCI , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 12 Nr 2 (2022)
- Tomasz Rymarczyk, Jan Sikora, JESZCZE O CAŁKOWANIU LOGARYTMICZNYCH OSOBLIWOŚCI W METODZIE ELEMENTÓW BRZEGOWYCH , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 14 Nr 1 (2024)
- Tomasz Rymarczyk, Jan Sikora, ROZPRASZANIE PRZEZ PUSTE PRZESTRZENIE KOŁOWE ZE SZTYWNĄ GRANICĄ: PROSTE I ODWROTNE ZAGADNIENIA DLA OBSZARÓW OTWARTYCH I ZAMKNIĘTYCH , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 12 Nr 4 (2022)
