Система выбора поставщиков перерабатывающего предприятия в условиях неопределенности | Статья в журнале «Молодой ученый»

Отправьте статью сегодня! Журнал выйдет 11 мая, печатный экземпляр отправим 15 мая.

Опубликовать статью в журнале

Авторы: ,

Рубрика: Математика

Опубликовано в Молодой учёный №17 (76) октябрь-2 2014 г.

Дата публикации: 09.10.2014

Статья просмотрена: 245 раз

Библиографическое описание:

Бородин, А. В. Система выбора поставщиков перерабатывающего предприятия в условиях неопределенности / А. В. Бородин, И. А. Бычков. — Текст : непосредственный // Молодой ученый. — 2014. — № 17 (76). — С. 1-2. — URL: https://moluch.ru/archive/76/12937/ (дата обращения: 27.04.2024).

В условиях изобилия в стране количество поставщиков производственных ресурсов резко увеличилось. Перерабатывающие предприятия, зависящие во многом от поставщиков, стараются отыскать для себя наиболее оптимальный вариант, который полностью будет удовлетворять всем требованиям, как заказчика, так и исполнителя. С этой целью была разработана и предложена методология выбора поставщиков по качественному параметру с применением лингвистических переменных, подсистемы логического вывода в теории нечетких множеств. Данная методология позволяет пользователю принять адекватное решение о выборе необходимого исполнителя заказа по установленным параметрам в кротчайшие сроки.

Введение

Перерабатывающие предприятия во многом зависят от качества поставляемой продукции. При качественном и не дорогом сырье продукция, выпускаемая предприятием, будет во многом определять такие экономические показатели предприятия, как выручка, прибыль и рентабельность. Поэтому перед данными предприятиями особо остро встает вопрос выбора наиболее приемлемого поставщика ресурсов. Достаточно сложно количественно оценить и ранжировать поставщиков ресурсов по таким параметрам, как качество, цена, условия оплаты, кредитоспособность, дополнительные услуги, сроки и способ поставок, комплектность поставок, надежность поставок и т. д. В этом случае лицу, принимающему решение, гораздо удобнее оперировать не с количественными, а с качественными оценками. В реальных условиях задача состоит в выборе из множества поставщиков, оцениваемых по множеству параметров.

Выбор наиболее привлекательных поставщиков по качественному параметру

К примеру, будем считать, что база данных о поставщиках содержит информацию, систематизированную в таблице 1.

Таблица 1

База данных о поставщиках

Поставщик

Цена поставок

Условия оплаты

Качество

Контракт

Поставщик 1

Высокая

Кредитование в течение 30 дней

Средняя

Одноразовые поставки

Поставщик 2

Низкая

100 % предоплата

Низкая

В течение небольших периодов

Поставщик 3

Высокая

100 % предоплата

Низкая

Поставки на среднесрочной основе

Поставщик 4

Средняя

Кредитование в течение 30 дней

Высокая

Поставки на среднесрочной основе

------

------

------

------

------

Поставщик 20

значение

значение

значение

значение

Эти данные являются основой для построения базы знаний экспертной системы, основанной на использовании правил формата «Если-То». Будем использовать три вербальные оценки, характеризующие привлекательность поставщиков: отлично, хорошо и удовлетворительно. Пример написания правила формата «Если-То» представлен ниже:

Правило 1. Если: Цена поставок должна быть низкая

То: Поставщик 1 подходит удовлетворительно

Поставщик 2 подходит отлично

Поставщик 3 подходит удовлетворительно

Поставщик 4 подходит хорошо

После написания правил (п. 3.2.), имеется набор правил с неформализованными условиями и выводами, составляющими базу знаний и обеспечивающими работу подсистемы логического вывода [1].

Лингвистические переменные в теории нечетких множеств

Лингвистическая переменная отличается от числовой переменной тем, что ее значениями являются не числа, а слова или предложения в естественном или формальном языке. Поскольку слова в общем менее точны, чем числа, понятие лингвистической переменной дает возможность приближенно описывать явления, которые настолько сложны, что не поддаются описанию в общепринятых количественных терминах. Поэтому основой метода нечетких множествах является применение лингвистических переменных, их обработка для дальнейшей оценки поставщиков по качественному параметру.

В частности, нечеткое множество, представляющее собой ограничение, связанное со значениями лингвистической переменной, можно рассматривать как совокупную характеристику различных подклассов элементов универсального множества. В этом смысле роль нечетких множеств аналогична той роли, которую играют слова и предложения в естественном языке.

Важным аспектом понятия лингвистической переменной является то, что эта переменная более высокого порядка, чем нечеткая переменная, в том смысле, что значениями лингвистической переменной являются нечеткие переменные. Например, значениями лингвистической переменной Возраст могут быть: молодой, немолодой, старый, очень старый, немолодой и не старый, вполне старый и т. п. Каждое из этих значений является названием нечеткой переменной.

В нашем случае после написания правил для оценки поставщиков используем лингвистическую переменную X=привлекательность, определенную на универсальном подмножестве, представляющем интервал [0,1]. Терм-множество Х записывается в виде:

Т(Х) = {удовлетворительная, хорошая, отличная}

Функции совместимости значений удовлетворительная, хорошая, отличная упрощенно записываются как наборы упорядоченных пар:

М(удовлетворительная)={(0;1),(0,1;1),(0,2;0,85),(0,3;0,3),(0,4;0,1)}

М(хорошая)={(0,3;0,25),(0,4;0,7),(0,5;1),(0,6;0,7),(0,7;0,25)}

М(отличная)={(0,6;0,1),(0,7;0,3),(0,8;0,85),(0,9;1),(1;1)}

Для функций принадлежности термов используется либо треугольная форма, либо экспоненциальная. В данном случае используем экспоненциальные функции. В функциях совместимости значений первое число из набора упорядоченных пар является нечетким числом, второе — уровень значимости нечеткого числа [1].

Сумму весовых коэффициентов будем считать равным значением для каждого параметра:

При выборе мы стремимся к тому, чтобы оценка привлекательности была как можно ближе к 1. Эту цель можно изобразить с помощью нечеткого множества число, близкое к 1, которое определим следующим образом:

G= {(0,5;0,1),(0,6;0,2),(0,7;0,3),(0,8;0,6),(0,9;0,9),(1,1)}

Далее берем разницу уровней значимости нечетких чисел между числом, близким к 1, и поставщиками ресурсов. Разницу обозначим соответственно d. По критерию минимального расстояния Хемминга выбираем поставщика [1].

Считаем наиболее привлекательного того поставщика, у которого разница значимостей нечетких чисел d будет минимальной.

Заключение

На основании анализа проблемы выполнен проект выбора поставщиков в условиях неопределенности с применением теории нечетких множеств. В основе данной методологии явную роль при выборе поставщиков играют лингвистические переменные. Благодаря данному параметру и обобщенному расстоянию Хемминга удается ранжировать и выбирать поставщиков по качественному параметру наиболее эффективным способом.

Чтобы учитывать возможные объемы поставляемой продукции у поставщиков после качественной оценки есть возможность произвести количественную оценку с помощью методов кластерного анализа.

Следует развивать и автоматизировать данное направление деятельности предприятия с целью максимизации прибыли от качественного решения, и минимизации сбоев в работе предприятия, которые могут быть вызваны принятием не корректного решения.

Литература:

1.    Птускин А. С. Нечеткие модели и методы в менеджменте. Изд-во МГТУ им. Баумана, 2008, 216 c.

Основные термины (генерируются автоматически): поставщик, переменная, качественный параметр, База данных, логический вывод, написание правил, нечеткое множество, нечеткое число, среднесрочная основа, Цена поставок.


Похожие статьи

Нечеткая модель выбора поставщика | Статья в журнале...

В соответствии с методом многокритериального выбора альтернатив на основе правил нечеткого вывода [3], U — множество поставщиков, А — его нечеткое подмножество, степень принадлежности элементов к которому есть число из единичного интервала [0, 1]...

Формирование методов и задач компьютерного зрения...

Ключевые слова: система, нечеткие множества, нечеткая логика, изображения сегментации, контур, база знаний, база правил, компьютерное зрение.

где хє{0, 1, 2, …М-1}, yє{0, 1, 2, …, N-1}, М и N – соответственно число строк и столбцов изображений, U1, U2 изображения C, P, Y...

Разработка алгоритма для управляющих действий боковым...

нечеткое управление, автоматическое управление, нечеткий регулятор, логический вывод, нечеткое множество, заданная траектория, правило, пространство состояний, система, траекторное движение.

Алгоритмы технической диагностики технологического процесса...

(4). Классификация на основе нечеткого логического вывода происходит на основе созданной базы знаний в соответствии следующего логического заключения. (5).

ABC-анализ с использованием аппарата нечеткой логики

– возможностью обработки лингвистических (качественных) переменных; – наличием алгоритма логического вывода, прозрачного для анализа и его модификации за счет изменения системы правил нечеткой продукции (ПНП)

Гибкие нейро-нечеткие системы вывода и программная...

Нечеткая база правил состоит из набора N нечетких ЕСЛИ-ТО правил вида: , (2). где — нечеткие множества.

Нечеткий вывод определяется как отображение нечетких множеств входного пространства на нечеткое множество выходного пространства .

Применение теории нечетких множеств для диагностирования...

В статье представлены применения теории нечетких множеств, на основе Fuzzy Toolbox программы Matlab-Simulink для

Формирование базы правил деятельности алгоритма нечеткого вывода для диагностирования технического состояния коллекторно-щеточного узла...

Автоматизированные интеллектуальные системы и нечеткая логика

‒ естественно-языковой доступ к базам данных; оценки инвестиционных предложений

Нечеткие множества и нечеткая логика (середина 1960-х и далее)

Открытие и разработка экспертных систем (начало 1970-х — середина 1980-х)

Похожие статьи

Нечеткая модель выбора поставщика | Статья в журнале...

В соответствии с методом многокритериального выбора альтернатив на основе правил нечеткого вывода [3], U — множество поставщиков, А — его нечеткое подмножество, степень принадлежности элементов к которому есть число из единичного интервала [0, 1]...

Формирование методов и задач компьютерного зрения...

Ключевые слова: система, нечеткие множества, нечеткая логика, изображения сегментации, контур, база знаний, база правил, компьютерное зрение.

где хє{0, 1, 2, …М-1}, yє{0, 1, 2, …, N-1}, М и N – соответственно число строк и столбцов изображений, U1, U2 изображения C, P, Y...

Разработка алгоритма для управляющих действий боковым...

нечеткое управление, автоматическое управление, нечеткий регулятор, логический вывод, нечеткое множество, заданная траектория, правило, пространство состояний, система, траекторное движение.

Алгоритмы технической диагностики технологического процесса...

(4). Классификация на основе нечеткого логического вывода происходит на основе созданной базы знаний в соответствии следующего логического заключения. (5).

ABC-анализ с использованием аппарата нечеткой логики

– возможностью обработки лингвистических (качественных) переменных; – наличием алгоритма логического вывода, прозрачного для анализа и его модификации за счет изменения системы правил нечеткой продукции (ПНП)

Гибкие нейро-нечеткие системы вывода и программная...

Нечеткая база правил состоит из набора N нечетких ЕСЛИ-ТО правил вида: , (2). где — нечеткие множества.

Нечеткий вывод определяется как отображение нечетких множеств входного пространства на нечеткое множество выходного пространства .

Применение теории нечетких множеств для диагностирования...

В статье представлены применения теории нечетких множеств, на основе Fuzzy Toolbox программы Matlab-Simulink для

Формирование базы правил деятельности алгоритма нечеткого вывода для диагностирования технического состояния коллекторно-щеточного узла...

Автоматизированные интеллектуальные системы и нечеткая логика

‒ естественно-языковой доступ к базам данных; оценки инвестиционных предложений

Нечеткие множества и нечеткая логика (середина 1960-х и далее)

Открытие и разработка экспертных систем (начало 1970-х — середина 1980-х)

Задать вопрос