Múlt, jelen és jövő találkozik
2009. december 25. 16:04
Írásunkban egy nagy múltú intézmény patinás karának szakmai körökben jól ismert és elismert tanszékéhez kapcsolódó, azaz a Budapest Műszaki és Gazdaságtudományi Egyetem (BME) Közlekedésmérnöki Karának Közlekedésüzemi Tanszékén folyó legújabb logisztikai témájú kutatásait mutatjuk be.
Az 1953-ban alapított tanszék több mint fél évszázados működésében mindig is komoly szerep jutott a logisztikának: oktatói nagyban hozzájárultak ahhoz, hogy Magyarországon a logisztika mint szakma és szemléletmód, elméletben és gyakorlatban egyaránt megjelenhessen, illetve hozzájárulhasson az ország fejlődéséhez. A fő kutatási (elemzési, fejlesztési és tervezési) területek, amelyeken a tanszék hosszú évek óta aktívan jelen van, véleményt formál és komoly eredményeket tud felmutatni: * közlekedési hálózatok és áramlatok * közlekedésinformatikai rendszerek * építőipari folyamatok * közlekedési és szállítási technológiai, valamint termelőüzemi folyamatok, illetve azok operatív irányítási rendszerei * logisztikai rendszerek és folyamatok * anyagmozgatási és raktározási folyamatok és rendszerek * logisztikai információs és irányítási rendszerek.
Látható tehát, hogy a tanszék profiljában a logisztika, illetve annak kapcsolódó tudományterületei igen jelentős szerepet játszanak. Ez adja az alapot azoknak a jelenlegi és jövőbeni logisztikai kutatási területeknek, amelyek az alábbi tématerületek köré csoportosulnak: * elektronikus fuvar- és raktárbörzék * több szempontú döntési algoritmusok a lehetőségelemzésben * számítógéppel támogatott raktár- és üzemi belső elrendezés tervezése * mesterséges intelligencia alkalmazása a logisztikai rendszerek tervezésében, valamint operatív irányításában * szállításirányítási rendszerek újszerű optimumkereső algoritmusai * szuper-számítástechnika, klaszter-, illetve gridrendszerek alkalmazása a számításigényes logisztikai optimumkeresési feladatok megoldásában * lean-logisztika. Az alábbiakban kiemelünk néhány aktuális, fontosnak tartott területet.
Elektronikus fuvar- és raktárbörzék
Az elektronikus kereskedelem elterjedésével egyre több olyan online logisztikai portál alakult, amelyek a logisztikai szolgáltatók és ezek szolgáltatásait igénybevevők összekapcsolását hivatottak biztosítani. A legtöbb ilyen portál a szabad járműkapacitások, valamint az elszállítandó rakományok meghirdetését biztosítja, ezeket nevezzük elektronikus fuvarbörzéknek. Jellemző, hogy tranzakciós megoldásaik általában kezdetlegesek, csupán a „hirdetések” közötti, bizonyos szempontok szerinti keresést biztosítják. Az online fuvarbörzék mintájára létrejött néhány, a fuvarbörzékhez képest sokkal kisebb számú elektronikus raktárbörze, amelyek a raktárkapacitások és a raktározási igények összerendelését biztosítják, szintén kiforratlan tranzakciós megoldások segítségével. Jelenleg nagy problémát jelent az is, hogy a hazai szakirodalom szinte egyáltalán nem, a külföldi is csak rövid leírások szintjén tárgyalja az elektronikus fuvar- és raktárbörzéket, így nem áll rendelkezésre korrekt, leíró anyag.
Látható tehát, hogy a tanszék profiljában a logisztika, illetve annak kapcsolódó tudományterületei igen jelentős szerepet játszanak. Ez adja az alapot azoknak a jelenlegi és jövőbeni logisztikai kutatási területeknek, amelyek az alábbi tématerületek köré csoportosulnak: * elektronikus fuvar- és raktárbörzék * több szempontú döntési algoritmusok a lehetőségelemzésben * számítógéppel támogatott raktár- és üzemi belső elrendezés tervezése * mesterséges intelligencia alkalmazása a logisztikai rendszerek tervezésében, valamint operatív irányításában * szállításirányítási rendszerek újszerű optimumkereső algoritmusai * szuper-számítástechnika, klaszter-, illetve gridrendszerek alkalmazása a számításigényes logisztikai optimumkeresési feladatok megoldásában * lean-logisztika. Az alábbiakban kiemelünk néhány aktuális, fontosnak tartott területet.
Elektronikus fuvar- és raktárbörzék
Az elektronikus kereskedelem elterjedésével egyre több olyan online logisztikai portál alakult, amelyek a logisztikai szolgáltatók és ezek szolgáltatásait igénybevevők összekapcsolását hivatottak biztosítani. A legtöbb ilyen portál a szabad járműkapacitások, valamint az elszállítandó rakományok meghirdetését biztosítja, ezeket nevezzük elektronikus fuvarbörzéknek. Jellemző, hogy tranzakciós megoldásaik általában kezdetlegesek, csupán a „hirdetések” közötti, bizonyos szempontok szerinti keresést biztosítják. Az online fuvarbörzék mintájára létrejött néhány, a fuvarbörzékhez képest sokkal kisebb számú elektronikus raktárbörze, amelyek a raktárkapacitások és a raktározási igények összerendelését biztosítják, szintén kiforratlan tranzakciós megoldások segítségével. Jelenleg nagy problémát jelent az is, hogy a hazai szakirodalom szinte egyáltalán nem, a külföldi is csak rövid leírások szintjén tárgyalja az elektronikus fuvar- és raktárbörzéket, így nem áll rendelkezésre korrekt, leíró anyag.
A tanszéken folyó, az elektronikus fuvar- és raktárbörzékhez kapcsolódó kutatás alapvető célja ennek megfelelően az ilyen jellegű elektronikus portálok logisztikai szempontú működési modelljének kidolgozása. Ennek keretén belül vizsgálják a lehetséges elektronikus kereskedelmi eszközök (e-katalógus, e-ajánlás, e-aukció, e-tender) fuvar- és raktárbörzékbe történő integrálásának módját. A kutatás legfőbb célja a tranzakciós megoldások (megfelelő logisztikai feladat, illetve kapacitás kiválasztása) létező megoldásainak fejlesztése és azok körének kibővítése. Mindezek mellett kialakítottak egy, az AHP (Analitic Hierarchy Process) módszertant alapul vevő multikritériumos döntéstámogató algoritmust, amelynek segítségével a börzén található ajánlatok közül kiválasztható a logisztikai szolgáltatást keresők számára leginkább megfelelő megoldás. A kutatás további célja a fuvar- és raktárbörze alkalmazási peremterületeinek, járulékos hasznainak feltárása. Ide tartozik az elektronikus fuvar- és raktárbörzék jótékony hatása a városi áruszállításra, a városellátási logisztikára, vagy éppen egy vállalat gyűjtő-elosztó járatainak optimalizálása.
Mesterséges intelligencia a logisztikában
Az e-kereskedelem megjelenése, a termékek életciklusának csökkenése és egyéb újszerű trendek miatt a kapcsolódó vállalati logisztikai folyamatok is érezhetően felgyorsulnak, mi több, egyre instabilabbá válnak, és ez fokozottan kihat a tervezhetőségre. E tendencia egyre nagyobb nyomást gyakorol a logisztikai szakemberekre, és szükségessé teszi olyan új módszerek kidolgozását, amelyek a tervezésben és rendszerüzemeltetésben segítik a gyors, pontos és az emberi gondolkozáshoz hasonló döntések meghozását. Ehhez nyújthatnak nagy segítséget a mesterséges intelligencia (MI) eljárások, amelyek segítségével többek között hatékonyan támogathatók a készletoptimalizálási, kereslet-előrejelzési, termelésütemezési és -kiszolgálási, valamint egyéb rendszertervezési problémák.
A tanszéki kutatások célja a mesterséges intelligenciára épülő megoldások implementálása a logisztikai rendszerek tervezése és üzemeltetése területén. A tanszéken kidolgoztak több olyan mintarendszert is, amelyek egyértelműen bizonyítják az MI úgynevezett logisztikai szabályozó rendszerekben való hatékony alkalmazhatóságát. Példaként említhetjük az automatikus, hibrid, genetikus algoritmussal támogatott SARIMA-TSA-GA (Seasonal Auto Regressive Integrated Moving Average-Time Series Analisys-with Genetic Algorithm) statisztikai idősorelemző eszközt, amelynek segítségével a jövőben pontosabb keresleti előrejelzések készíthetők, csökkentve ezzel a kereslet gyártórendszerekre gyakorolt statisztikai instabilitásának hatását. A kutatás jelenleg is folyik, az automatikus statisztikai rendszeridentifikáció neurális hálózatokkal való megvalósítása a cél. A neurális hálózatok nagy előnye – mivel az emberi agy modellezése alapján működnek –, hogy tanulásra képesek, ismereteinket, szokásainkat működés közben is átadhatjuk, továbbá bizonyos problémák megoldásakor olyan esetekben is jó választ adnak, amelyekről nincs előzetes ismeretük.
Az e-kereskedelem megjelenése, a termékek életciklusának csökkenése és egyéb újszerű trendek miatt a kapcsolódó vállalati logisztikai folyamatok is érezhetően felgyorsulnak, mi több, egyre instabilabbá válnak, és ez fokozottan kihat a tervezhetőségre. E tendencia egyre nagyobb nyomást gyakorol a logisztikai szakemberekre, és szükségessé teszi olyan új módszerek kidolgozását, amelyek a tervezésben és rendszerüzemeltetésben segítik a gyors, pontos és az emberi gondolkozáshoz hasonló döntések meghozását. Ehhez nyújthatnak nagy segítséget a mesterséges intelligencia (MI) eljárások, amelyek segítségével többek között hatékonyan támogathatók a készletoptimalizálási, kereslet-előrejelzési, termelésütemezési és -kiszolgálási, valamint egyéb rendszertervezési problémák.
A tanszéki kutatások célja a mesterséges intelligenciára épülő megoldások implementálása a logisztikai rendszerek tervezése és üzemeltetése területén. A tanszéken kidolgoztak több olyan mintarendszert is, amelyek egyértelműen bizonyítják az MI úgynevezett logisztikai szabályozó rendszerekben való hatékony alkalmazhatóságát. Példaként említhetjük az automatikus, hibrid, genetikus algoritmussal támogatott SARIMA-TSA-GA (Seasonal Auto Regressive Integrated Moving Average-Time Series Analisys-with Genetic Algorithm) statisztikai idősorelemző eszközt, amelynek segítségével a jövőben pontosabb keresleti előrejelzések készíthetők, csökkentve ezzel a kereslet gyártórendszerekre gyakorolt statisztikai instabilitásának hatását. A kutatás jelenleg is folyik, az automatikus statisztikai rendszeridentifikáció neurális hálózatokkal való megvalósítása a cél. A neurális hálózatok nagy előnye – mivel az emberi agy modellezése alapján működnek –, hogy tanulásra képesek, ismereteinket, szokásainkat működés közben is átadhatjuk, továbbá bizonyos problémák megoldásakor olyan esetekben is jó választ adnak, amelyekről nincs előzetes ismeretük.
Szuper-számítástechnika és a logisztika
Az informatika világában a sebesség növelésének legújabb módja a feldolgozóegységen belüli magok számának többszörözése lett. Emellett a közeljövőben megjelenő speciális gyorsítókártyák révén – például Nvidia Fermi, AMD FireStream – bizonyos területeken óriási sebességnövekedés várható. Ezek a gyorsítókártyák több tíz, sőt száz processzormagot tartalmaznak, így bizonyos matematikai, mérnöki feladatokat több nagyságrenddel is gyorsabban tudnak elvégezni, mint a hagyományos univerzális processzorok. A közelmúltban egy teszt során két ilyen kártyával felszerelt konfiguráció 1 teraflop sebességet ért el, amely megfelel egy néhány éves szuperszámítógép sebességének. Ezzel kijelenthető, hogy megszületett a „személyi szuper-számítástechnika”, és beköltözött az asztali számítógépünkbe.
A kínálkozó lehetőség kihasználása mégsem egyszerű feladat. A logisztikai rendszertervezésben és üzemeltetésben is általánosan használt hagyományos algoritmusok többsége jelenleg nem támogatja a többszálú, azaz párhuzamos végrehajtást, ezért olyan eljárások kidolgozására van szükség, amelyek a jövőben ki tudják használni ezt a feltárulkozó lehetőséget. Számos modern algoritmus könnyen implementálható egy ilyen környezetbe, mint például a genetikus algoritmusok, amelyek a jellegükből fakadóan belső párhuzamosságot hordoznak magában. A tanszéken teszt jelleggel már implementáltak egy olyan több szálon futó, párhuzamos, multipopulációs genetikus algoritmust, amelyet többek között készletezési, illetve telephely-megválasztási optimumkeresési problémák szimulációval támogatott megoldására használnak, de természetesen az eljárás alkalmas lehet más összetett logisztikai optimumkeresési probléma gyors megoldására is.
Út a jövőbe
A tanszék a közelmúltban pályázati úton egy, az Országos Tudományos Kutatási Alapprogram (OTKA) keretein belüli kutatás indítását kezdeményezte, amelyen keresztül lehetőség nyílhat Magyarország egyik legnagyobb személyi szuperszámítógépének megépítésére, valamint alkalmazhatóságának vizsgálatára és továbbfejlesztésére. Ez a fejlesztés tovább inspirálhatja a kutatókat, és újabb lehetőségekkel gazdagíthatja a már ez idáig is meglehetősen széles spektrumú kutatásokat.
A tanszék a közelmúltban pályázati úton egy, az Országos Tudományos Kutatási Alapprogram (OTKA) keretein belüli kutatás indítását kezdeményezte, amelyen keresztül lehetőség nyílhat Magyarország egyik legnagyobb személyi szuperszámítógépének megépítésére, valamint alkalmazhatóságának vizsgálatára és továbbfejlesztésére. Ez a fejlesztés tovább inspirálhatja a kutatókat, és újabb lehetőségekkel gazdagíthatja a már ez idáig is meglehetősen széles spektrumú kutatásokat.
Bóna Krisztián, Kovács Gábor, Lénárt Balázs
This e-mail address is being protected from spambots. You need JavaScript enabled to view it.
