Możliwości wspomagania decyzji w procesie zarządzania zaopatrzeniem

Abstract

Artykuł porusza problematykę zarządzania obszarem zaopatrzenia, które umożliwi utrzymywanie optymalnych zapasów. Zapasy zapewniają ciągłość produkcji oraz sprzedaży, ale również angażują i zamrażają kapitał finansowy, generują koszty związane z ich utrzymaniem, czy starzeniem się, stąd szczególnie istotne jest dla każdego przedsiębiorstwa, określenie optymalnej wielkości i czasu ich zakupu. W artykule zaproponowano synchronizację sprzedaży (bądź zużycia) z zaopatrzeniem w oparciu o dobrze opracowaną prognozę. Jako metodę prognostyczną zaproponowano wykorzystanie sztucznych sieci neuronowych. W artykule wskazano dziedziny i obszary problemowe, w których z powodzeniem wykorzystuje się sztuczne sieci neuronowe. Zalicza się do nich między innymi predykcję. Jak wskazuje literatura przedmiotu sztuczne sieci neuronowe mogą być z powodzeniem wykorzystywane jako narzędzie obliczeniowe w przypadku trudnych zadań, do których zalicza się niewątpliwie prognozę popytu. Ponadto w artykule przedstawiono ogólne informacje na temat sposobu opracowania, a w szczególności procesu uczenia sztucznych sieci neuronowych. W sposób bardziej dokładny omówiono sieci MLP, które posiadają duże możliwości prognostyczne. Następnie opracowano prognozę popytu z wykorzystaniem właśnie sztucznych sieci neuronowych typu MLP dla przykładowej pozycji zapasu w wybranym przedsiębiorstwie. Budowę prognozy oparto na szeregu czasowym reprezentującym historyczne zapotrzebowanie na wybraną pozycję zapasu. Wartości statystyk oceniających trafność prognozy uznano za zadawalające, w związku z czym wysunięto wniosek o dużej przydatności sztucznych sieci neuronowych w opracowywaniu prognoz popytu w praktyce. Słowa kluczowe: zaopatrzenie, prognoza, sztuczne sieci neuronowe, MLP.