KONCEPCJA HYBRYDOWEGO SYSTEMU WSPOMAGANIA

DECYZJI W ZAKRESIE ZAOPATRZENIA I TRANSPORTU W

SYSTEMACH LOGISTYCZNYCH

Lech BUKOWSKI, Jerzy FELIKS,

Marek KARKULA, Adam LICHOTA

Akademia Górniczo-Hutnicza

Wydział Zarządzania

Katedra Inżynierii Systemów

30-067 Kraków, ul. Gramatyka 10

e–mail: [e-mail]

STRESZCZENIE

Znane aktualnie systemy wspomagania decyzji w zakresie zaopatrzenia i transportu oparte są na

modelach klasycznych, zbudowanych przy założeniach dalece odbiegających od realiów panujących w
przedsiębiorstwach produkcyjnych, usługowych oraz na rynku. Istnieją wprawdzie rozwiązania, zwłaszcza w
zakresie transportu [6], które wychodzą poza ograniczenia determinizmu i liniowości, lecz są to rozwiązania
cząstkowe, a nie systemowe w ujęciu logistycznym. Jeszcze gorzej wygląda sytuacja w zakresie logistyki
zaopatrzenia (dostawy i zapasy), gdzie aktualnie stosowane modele słuszne są przy założeniu niezmienności
m. in. zapotrzebowania, popytu (liniowe rozchody z magazynów), cen zakupu, kosztów gospodarki
magazynowej i kosztów zamawiania. Dlatego w referacie zaproponowano koncepcję budowy narzędzia
wspomagającego decyzje logistyczne w zakresie transportu i zaopatrzenia w postaci otwartego hybrydowego
systemu ekspertowego, wykorzystującego najnowsze techniki modelowania złożonych nieliniowych procesów
dyskretno-ciągłych o dużej zmienności.

1. WSTĘP

W czasach gospodarki wolnorynkowej wszelkie procesy podejmowania decyzji

odgrywają kluczową rolę w kierowaniu i zarządzaniu przedsiębiorstwem czy organizacją.
Coraz wyższy poziom złożoności procesów produkcyjnych i logistycznych, zwiększająca się
konkurencja czy też ograniczenia budżetowe to niektóre z czynników zmuszających
kierownictwa przedsiębiorstw do ciągłego, dynamicznego i racjonalnego planowania.
Narzędziami pozwalającymi skutecznie wspomagać realizację tego celu są systemy
informatyczne, a w szczególności systemy wspomagania decyzji. Komputerowe systemy
wspomagania decyzji nie od dzisiaj wykorzystywane są w rozwiązywaniu problemów
związanych z planowaniem i sterowaniem złożonych systemów i procesów. Przykładem
systemu logistycznego o dużym stopniu złożoności zarówno strukturalnej (statycznej) jak i
dynamicznej jest elektrownia cieplna (EC). Zapotrzebowanie na energię elektryczną i cieplną

POLITECHNIKA WARSZAWSKA

Wydział Transportu

Polska Akademia Nauk

Komitet Transportu

zmienia się w czasie bardzo znacznie, przy czym oprócz zmian losowych obserwuje się
nieregularne zmiany periodyczne w cyklach dobowych, tygodniowych oraz rocznych.
Procesy technologiczne w EC są zatem ciągłe, lecz o bardzo skomplikowanym charakterze
zmienności. Natomiast procesy wspomagające produkcję energii elektrycznej i cieplnej
(w tym zaopatrzenie i transport) mają charakter dyskretno-ciągły, a trudność ich modelowania
wynika m. in. z konieczności dostosowania się do zmienności procesów technologicznych,
specyfiki rynku dostaw (paliwa) oraz wymagań środowiskowych (woda, powietrze, gleba,
organizmy żywe). Dodatkowo w ostatnich latach zwiększająca się konkurencja pomiędzy
producentami energii elektrycznej i cieplnej stawia nowe wymagania elektrowniom
i elektrociepłowniom w Polsce. Wymagania te dotyczą między innymi ograniczenia kosztów
działalności przedsiębiorstwa poprzez zwiększenie efektywności, dyspozycyjności, jak
również ograniczenie szkodliwego oddziaływania na środowisko naturalne. W sytuacji kiedy
możliwości redukcji bezpośrednich kosztów wytwarzania bez spadku jakości produktu
wydają się aktualnie wyczerpane dostrzega się, że o konkurencyjności może decydować
sprawność łańcuchów logistycznych przedsiębiorstwa.

2. OBSZAR BADAŃ

Elektrociepłownie zawodowe stanowią po elektrowniach systemowych drugi pod

względem mocy zainstalowanej i pod względem znaczenia dla długoterminowego
programowania element systemu wytwarzania energii elektrycznej w Polsce. Są to obiekty
należące do energetyki zawodowej wykorzystywane jednocześnie do produkcji w skojarzeniu
(tzw. kogeneracji) energii elektrycznej odprowadzanej do sieci elektroenergetyki zawodowej
i energii cieplnej dla odbiorców lokalnych (np. infrastruktura miejska i przemysł).

Specyfika działalności przedsiębiorstwa jakim jest elektrociepłownia zdeterminowana

jest cechami głównych produktów wytwarzanych przez zakład: energii elektrycznej i ciepła.
Dokonując analizy tych cech można między innymi stwierdzić, że:



w systemie elektroenergetycznym – będącym wielkim obwodem elektrycznym

złożonym ze źródeł (elektrowni, elektrociepłowni) i odbiorników energii
(przemysł, odbiorcy komunalni) – produkcja i zużycie energii elektrycznej
związane są nierozerwalnie ze sobą w czasie, czyli podaż w każdej chwili musi
równoważyć popyt,



zapotrzebowanie na energię i ciepło produkowane w zakładzie zmienia się w

czasie (w ciągu doby, w poszczególnych dniach tygodnia, w poszczególnych
sezonach) i zależy od wielu czynników, które są możliwe do prognozowania w
większym lub mniejszym stopniu,



energia elektryczna to najdogodniejsza postać tzw. energii użytkowej ze

względu na fakt, że w łatwy sposób można ją przesyłać na duże odległości,
jednak jej dużą wadą są trudności związane z magazynowaniem, a niedobór
energii w systemie elektroenergetycznym musi być natychmiast równoważony
przez zwiększenie produkcji elektrowni.

Z drugiej strony cechy energii elektrycznej jako nośnika energii oraz powszechność jej
wykorzystania w gospodarce decydują o strategicznym znaczeniu jakie dla kraju i lokalnych
społeczności ma funkcjonowanie elektroenergetyki. W skali lokalnej niebagatelną rolę
odgrywa także produkcja i sprzedaż ciepła.

Bardzo ważnym elementem działalności przedsiębiorstwa jakim jest elektrociepłownia,

jest odpowiedni system zarządzania dotyczący zamówień i dostaw paliwa energetycznego

(głównie węgla kamiennego) oraz jego przepływu wewnątrz zakładu. Okazuje się, ze koszty
związane z wszystkimi tymi procesami stanowią ponad 40 % kosztów działalności
przedsiębiorstwa. Kolejnym elementem, na który należy zwrócić uwagę, to problem
odprowadzania, składowania czy dystrybucji odpadów powstałych w wyniku procesu
produkcyjnego (głównie żużel i popiół). Część z tych odpadów trafia na własne składowiska,
część do firm dystrybucyjnych, których działalność związana jest ze sprzedażą odpadów i
eksploatacją składowiska. Popyt na odpady ma charakter sezonowy i nie jest skoordynowany
z podażą tego produktu. Wynika to z faktu, że w okresie szczytu jesienno-zimowego, w czasie
którego powstają duże ilości odpadów, zapotrzebowanie na nie jest dużo niższe niż w okresie
letnim (wtedy to w wyniku mniejszej produkcji mniej jest popiołu i żużla).

Zadania wynikające ze specyfiki działania przedsiębiorstwa są ściśle powiązane między

sobą oraz innymi podsystemami (np. produkcyjnym) za pomocą złożonych relacji. Podejście
systemowe do rozwiązywania zadań logistycznych daje możliwość kompleksowej analizy
rozpatrywanych procesów. Zasada podejścia systemowego w badaniu problemów
logistycznych opiera się na traktowaniu przedsiębiorstwa jako systemu złożonego z celowo
powiązanych części, dążącego do optymalnej realizacji celów globalnych. Ujęcie systemowe
koncentruje się na wiedzy o działalności koordynującej i może być traktowane jako inne
podejście do zarządzania przedsiębiorstwem, a mianowicie jako zarządzanie logistyczne.
System jest to pewna całość tworzona przez określony zbiór obiektów i powiązań między
nimi, rozpatrywana z określonego punktu widzenia, mający przy tym takie właściwości,
których nie posiadają jego elementy. Dla wyjaśnienia funkcjonowania całego systemu nie
wystarcza objaśnienie jego elementów składowych, lecz konieczne jest określenie charakteru
związków między tymi elementami. Potraktowanie organizacji gospodarczej jako celowego
systemu składającego się z wzajemnie powiązanych elementów, pozwala na wyodrębnienie
podsystemu realizującego zadania stawiane logistyce. Ponieważ ujęcie systemowe stawia na
pierwszym planie poznanie związków między poszczególnymi elementami systemu, to
decyzje dotyczące określonego elementu muszą uwzględniać jego wkład w poziom
efektywności całego systemu. Jeśli w jednym z podsystemów wystąpią zakłócenia, to
przyczyn nie należy szukać wyłącznie w tym podsystemie, lecz także w pozostałych
elementach systemu logistycznego.

Charakterystyka procesów logistycznych zachodzących w elektrociepłowni oraz ich

związki z innymi procesami przedsiębiorstwa (szczególnie z systemem produkcyjnym)
skłania do przyjęcia założenia o ich złożonym charakterze. Opisane powyżej problemy
mieszczą się w ramach procesów logistycznych oraz mogą i powinny być przedmiotem
zainteresowania zarządzania logistycznego. Modelowanie tak złożonych problemów wymaga
zastosowania metod i narzędzi z obszaru sztucznej inteligencji tzn. sztucznych sieci
neuronowych, modeli opartych na logice rozmytej oraz kombinację tych technik z systemami
ekspertowymi. Koncepcja systemu wspomagania decyzji w zakresie podejmowania decyzji
logistycznych opiera się o wykorzystanie zarówno metod statystycznych jak i metod z
obszaru sztucznej inteligencji, począwszy od prognozowania, poprzez modelowanie i
symulację procesów, aż do budowy hybrydowego systemu wspomagania decyzji złożonego z
kilku podsystemów (rys.1). Wśród najważniejszych podsystemów wyróżnić należy
podsystem służący do prognozowania zapotrzebowania na energię elektryczną (podsystem A)
oraz podsystem wykorzystywany do modelowania i symulacji odpowiednich procesów
technologicznych jak i systemów wspomagających produkcję energii (podsystem B). Na
rysunku 1 przedstawiono schemat blokowy ilustrujący koncepcję budowy hybrydowego
systemu wspomagania decyzji logistycznych.

Rys. 1. Koncepcja budowy hybrydowego systemu wspomagania decyzji logistycznych.

3. METODY PROGNOZOWANIA W SYSTEMACH LOGISTYCZNYCH

Prognozowanie polega na wnioskowaniu o zdarzeniach nie znanych na podstawie

zdarzeń znanych. Prognozowanie możemy podzielić na:

- racjonalne – gdy podane zostały przesłanki i został zachowany związek między

przesłankami a wynikiem,

- zdroworozsądkowe – gdy przesłanki i tok wnioskowania oparty jest na doświadczeniu,
- naukowe – gdy w procesie wnioskowania wykorzystuje się dorobek nauki,
- nieracjonalne – gdy przesłanki nie zostały podane i/lub nie zachowano związku

między przesłankami a konkluzją.

W prognozowanym zjawisku (np. poziomie sprzedaży w przedsiębiorstwie) mogą

zachodzić zmiany zarówno ilościowe jak i jakościowe. Zmiany ilościowe to zmiany
polegające na zmianach wartości zmiennej prognozowanej, zgodnie z zaobserwowanymi
prawidłowościami. Zmiany jakościowe polegają na zmianie dotychczasowych prawidłowości
np. zmianie czynników zewnętrznych oddziaływujących na zmienną prognozowaną. Ze
względu na okres którego prognoza dotyczy, prognozowanie dzielimy na krótkookresowe,
średniookresowe oraz długookresowe.

Prognoza krótkookresowa – to prognoza na taki odcinek czasu (horyzont), w trakcie

którego w prognozowanym zjawisku zachodzą tylko zmiany ilościowe. Prognoza
średniookresowa – prognoza budowana na taki odcinek czasu, podczas którego w
prognozowanym zjawisku występują nie tylko zmiany ilościowe, ale i niewielkie zmiany
jakościowe. Prognoza długookresowa – budowana jest na taki odcinek czasu, podczas którego
w prognozowanym zjawisku zachodzą zarówno zmiany ilościowe jak i jakościowe.

Najczęściej używane narzędzia do prognozowania zapotrzebowania na energię

elektryczną stosowane przez firmy zajmujące się produkcją i handlem, stanowią hybrydy
kilku elementarnych typów modeli statystycznych. Do podstawowych technik

OBIEKT

Decyzje

Podsystem A

Podsystem B

WE

WY

prognostycznych, zwłaszcza jeżeli chodzi o prognozy krótkoterminowe, należą modele Boxa-
Jenkinsa (ARIMA, SARIMA), wygładzanie wykładnicze, regresja wielokrotna,
dekompozycja sezonowa Census I, dekompozycja widmowa. Metody te opierają się na
analizie statystycznej badanego szeregu czasowego. Ostatnie lata zaowocowały bogactwem
opracowań całkowicie nowych niekonwencjonalnych technik bazujących na metodach
sztucznej inteligencji. Należą do nich sztuczne sieci neuronowe, logika rozmyta, algorytmy
genetyczne. Z każdym rokiem ukazuje się coraz więcej publikacji opisujących nowe
zastosowanie powyższych technik, jak i ich modeli hybrydowych czyli łączących z sobą co
najmniej dwóch powyższych metod. W procesie budowy hybrydowego systemu
wspomagania decyzji logistycznych planuje się zastosowanie kombinację wyżej
wymienionych metod, gdyż pozwalają one na wykorzystanie wiedzy ekspertów z danej
dziedziny poprzez zapisanie jej np. w stosownej bazie reguł systemu rozmytego.

4. METODY MODELOWANIA I SYMULACJI PROCESÓW

Złożoność procesów logistycznych elektrociepłowni wymusza stosowanie do analizy

ich dynamicznego zachowania efektywnych metod wspomagania komputerowego
wykorzystujących modelowanie i symulację. Ze względu na ich charakter procesy związane z
produkcją i systemami logistycznymi można podzielić na:



procesy ciągłe – głównie te, dotyczące systemu produkcyjnego,



procesy dyskretne (sterowane zdarzeniami) – związane z układem dostarczania

węgla i surowców pomocniczych oraz z dystrybucją odpadów paleniskowych.

Badanie dynamicznych zachowań w sferze logistycznej przedsiębiorstwa nie może być

dokonywane bez uwzględnienia wpływu na te zachowania systemu produkcyjnego. Z punktu
widzenia modelowania system produkcji energii elektrycznej i ciepła jest systemem bardzo
złożonym, w którym dochodzi do reakcji chemicznych oraz wielokrotnych przemian energii.
Wykorzystując tradycyjne metody analityczne dynamika takich procesów opisana była by
przy pomocy równań różniczkowych (zwykłych, liniowych, ale zazwyczaj nieliniowych i o
parametrach rozproszonych). Taki sposób modelowania i identyfikacji tak złożonych
systemów wydaje się być zbyt trudny do realizacji, a wyniki pracy modelu (zbudowanego
przy założeniu zbyt dużych uproszczeń) mogą być nieodpowiednie, uniemożliwiając ich
wykorzystanie w procesie podejmowania decyzji. Dlatego też planuje się budowę modelu
procesu produkcyjnego z wykorzystaniem sztucznych sieci neuronowych oraz logiki
rozmytej.

Procesy logistyczne związane z przepływem materiałów można przyjąć jako dyskretne

sterowane zdarzeniami (np. przywóz węgla, odbiór ze składowiska, pobranie do produkcji,
itp.). Procesy takie można modelować m.in. przy pomocy sieci Petriego, języków symulacji
dyskretnej czy specjalizowanych symulatorów wykorzystujących osiągnięcia nauki m.in. z
zakresu teorii sterowania, teorii automatów, procesów stochastycznych i wielu innych[1].

Z uwagi na ograniczenia panujące w przedsiębiorstwie, a konkretnie dostępność danych

o procesach (dla wybranych procesów dane te są rzetelne, jednak dla wielu z reguły niepełne i
niepewne) planuje się wykorzystanie zarówno metod analitycznych jak i metody opartych o
sztuczne sieci neuronowe czy logikę rozmytą. W wielu konkretnych zastosowaniach
kombinacja kilku określonych metod przynosi lepsze rezultaty niż wykorzystanie kilku metod
pojedynczo dla każdego przypadku. Dzięki takiemu podejściu można uwzględnić zjawiska
występujące w systemach logistycznych, zarówno te zdeterminowane jak i te, których natura
ma charakter stochastyczny oraz takie, na temat których wiedza i dane są niepełne i niepewne.

Budowa takich modeli umożliwi serię eksperymentów symulacyjnych typu what-if, których
wyniki mogą być zbiorem informacji użytecznych w procesie podejmowania decyzji.

5. WNIOSKI

Dążenie do budowania i wykorzystywania modeli hybrydowych w celu analizy zachowań

procesów czy systemów mieści się w ramach aktualnych tendencji i kierunków badań
naukowych. Obszar zastosowania proponowanego rozwiązania został wybrany ze względu na
bardzo duże znaczenia sektora energetycznego dla gospodarki krajowej oraz aktualność
problematyki spowodowaną wejściem Polski do Unii Europejskiej (konieczność sprostania
wymaganiom Dyrektywy UE nr 2003/54/EC i silnej konkurencji zagranicznej). Jak wynika ze
wstępnych badań przeprowadzonych w Elektrociepłowni Łagisza S.A., procesy logistyczne są
najmniej zbadanymi procesami w elektrowniach cieplnych w sensie ilościowym, a ich
optymalizacja pozwoli na znaczne obniżenie tzw. kosztów logistycznych w przedsiębiorstwie.
Ze względu na wymienione wyżej problemy tematyka referatu dotyczy ważnych i aktualnych
zagadnień związanych z procesem podejmowania decyzji w systemach zarządzania
przedsiębiorstwem energetycznym.

LITERATURA

[1] Bukowski L., Karkula M.: The simulation of Logistic Processes using DOSIMIS-3 Simulator,

Miezinarodni Konference Financni a Logisticke Rizeni, Srdce Beskyd, 25-26.6.2003,
str. 296-300.

[2] Kosko B.: Neural Networks and Fuzzy Systems, Prentice – Hall 1992.
[3] Korbicz J., Kościelny J. M., Kowalczuk Z., Cholewa W.: Diagnostyka procesów. Modele.

Metody sztucznej inteligencji. Zastosowania, WNT Warszawa 2002.

[4] Laudyn D., Pawlik M., Strzelczyk F.: Elektrownie, WNT Warszawa 2000.
[5] Mori H., Urano S.: Short-Term Load Forecasting with Chaos Time Series Analysis, IEEE 1996.
[6] Smalko Z.: Modelowanie eksploatacyjnych systemów transportowych, Radom 1996.
[7] Zieliński J.S.: Expert Systems in Electrical Power Systems, Inżynieria Wiedzy i Systemy

Ekspertowe, Wrocław 1997, Oficyna Wydawnicza Politechniki Wrocławskiej.

Praca naukowa finansowana ze środków Komitetu Badań Naukowych w latach 2005-2007 jako projekt badawczy.

THE CONCEPTION OF HYBRID SYSTEM OF DECISION MAKING IN RANGE OF SUPPLY AND

THE TRANSPORTATION IN LOGISTIC SYSTEMS

ABSTRACT

Many decision-making tasks are very complex, but the systems of aid of decision making which are build

currently are based on classical models, and the assumptions which was accepted during building of this systems
are running away from current realities. The solutions are exist in range of transportation which go out from
limitation of linearity, but they are only partially solutions, not system solution in logistic conception. In the
paper the conception of build a expert system, which is helping make logistic decisions in range of transportation
and supply, in character of open hybrid system was proposed. The system was build using the newest techniques
of modeling the complex and non - linear processes with use e.g. fuzzy logic. Fuzzy logic allows decision
making with estimated values under incomplete and uncertain information.