Wybrane zagadnienia logistyki stosowanej · prognoza przewozów pasażerskich, szeregi czasowe, transport lotniczy, metoda trendów jednoimiennych okresów, szeregi czasowe. 1. WSTĘP

Wybrane zagadnienia

logistyki stosowanej

Tom 4 pod redakcja

Jerzego Feliksa

4

Wybrane zagadnienialogistyki stosowanej

Tom 4

Selected Aspects of Logistics Management

Volume 4

Monika BańduraJoanna Baran

Agnieszka BarczakKrzysztof Bartczak

Agnieszka BarańskaPaweł Buchwald

Andrzej BujakAndrzej CzapczukEwa DaniszewskaJacek DawidowiczMarcin Dąbrowski

Marcin DługoszJerzy Feliks

Marek GrzybowskiAdam Gubański

Jacek JakiełaKrzysztof Jurczyk

Jacek KaletaHanna Kochanek

Paweł KostyłaKarolina Kozłowska

Kamil KrawczykJolanta KrystekDaniel Kubek

Anna KwasiborskaKrzysztof Lewandowski

Mirosław LianaAdam Lichota

Paweł LitwinKatarzyna MajewskaMarcin Malinowski

Tomasz NowakowskiMarcin Olech

Agnieszka PilarskaTomasz Pisula

Leon ProchowskiDariusz PyzaJacek Rezmer

Tomasz RokickiPaweł SobczakMaciej Stajniak

Jarosław M. SzymańdaJustyna Świeboda

Katarzyna TopolskaMariusz TopolskiAgnieszka Tubis

Sylwia Werbińska-WojciechowskaPaweł Więcek

Natalia WyrobekWojciech Woźniak

Jacek ZabawaMateusz Zając

Maria Zych-LewandowskaAndrzej Żak

Justyna Żywiołek

Lista autorów:

biuro

Komentarz w tekście

uwaga do grafika: obcy font

Wydawnictwa Akademii Górniczo-Hutniczej im. Stanisława Staszica w Krakowie

Redaktor Naczelny Wydawnictw AGH: Jan Sas

Komitet Naukowy Wydawnictw AGH:

Zbigniew Kąkol (przewodniczący)

Marek Cała

Borys Mikułowski

Tadeusz Sawik

Mariusz Ziółko

Recenzenci: prof. dr hab. inż. Lech Bukowski

dr hab. inż. Marek Karkula

Redakcja naukowa: dr hab. inż. Jerzy Feliks, prof. AGH

Afiliacja redaktora naukowego monografii:

AGH Akademia Górniczo-Hutnicza

Projekt okładki i stron tytułowych:

Zofia Łucka

Druk wykonano ze składu komputerowego przygotowanego przez zespół redakcyjny monografii,

na podstawie materiałów dostarczonych przez autorów z uwzględnieniem uwag recenzentów.

© Wydawnictwa AGH, Kraków 2016

ISBN 978-83-7464-913-1

Wydawnictwa AGH

al. Mickiewicza 30, 30-059 Kraków

tel. 12 617 32 28, tel./fax 12 636 40 38

e-mail: [email protected]

http://www.wydawnictwa.agh.edu.pl

5

SPIS TREŚCI

SŁOWO WSTĘPNE ................................................................................................................. 9

Część 1. LOGISTYKA W TRANSPORCIE

Agnieszka BARCZAK

METODA TRENDÓW JEDNOIMIENNYCH OKRESÓW

JAKO NARZĘDZIE PROGNOZOWANIA RUCHU PASAŻERSKIEGO

NA PRZYKŁADZIE PORTU LOTNICZEGO GDAŃSK ..................................................... 13

Krzysztof BARTCZAK

WPŁYW SYSTEMÓW INFORMATYCZNYCH I TELEMATYCZNYCH

STOSOWANYCH W OBSZARZE TRANSPORTU

NA BEZPIECZEŃSTWO RUCHU DROGOWEGO ............................................................. 24

Ewa DANISZEWSKA

ZASTOSOWANIE LOGIKI ROZMYTEJ W PROBLEMACH TRANSPORTOWYCH ...... 38

Marek GRZYBOWSKI

KIERUNKI ZMIAN NA MORSKIM RYNKU TRANSPORTU KONTENERÓW .............. 50

Marek GRZYBOWSKI

TRANSPORT MORSKI. ANALIZA RYNKU ...................................................................... 58

Jacek KALETA, Paweł WIĘCEK

WPŁYW PROGNOZOWANIA POPYTU NA EFEKTYWNOŚĆ PLANOWANIA

DOSTAW W SIECI DYSTRYBUCJI PALIW ....................................................................... 65

Daniel KUBEK

CHARAKTERYSTYKA PROBLEMU WYZNACZANIA TRAS POJAZDÓW

Z OKNAMI CZASOWYMI W WARUNKACH NIEPEWNOŚCI ........................................ 77

Anna KWASIBORSKA

HEURYSTYKA POPULACYJNA JAKO NARZĘDZIE ZASTOSOWANE

W PROBLEMATYCE SZEREGOWANIA SAMOLOTÓW LĄDUJĄCYCH...................... 93

6

Anna KWASIBORSKA

PRZEGLĄD PROBLEMATYKI LĄDOWANIA SAMOLOTÓW

Z WYKORZYSTANIEM NARZĘDZI BADAŃ OPERACYJNYCH ................................. 104

Krzysztof LEWANDOWSKI

NOWE WSPÓŁCZYNNIKI WYKORZYSTANIA TRANSPORTU SZYNOWEGO ......... 114

Mirosław LIANA, Tomasz PISULA

PROBLEM OPTYMALIZACJI DOSTAW Z UWZGLĘDNIENIEM

WIELU OKRESÓW I RÓŻNORODNYCH ŚRODKÓW TRANSPORTU ......................... 123

Tomasz NOWAKOWSKI, Agnieszka TUBIS, Sylwia WERBIŃSKA-WOJCIECHOWSKA

ANALIZA PROCESU EKSPLOATACJI OBIEKTÓW TECHNICZNYCH

NA PRZYKŁADZIE WYBRANEGO OPERATORA TRANSPORTU DROGOWEGO ... 134

Leon PROCHOWSKI, Hanna KOCHANEK

PROGNOZA LICZBY KIEROWCÓW I ZMIAN W ICH STRUKTURZE WIEKOWEJ

W POLSCE DO 2025 ROKU ............................................................................................... 149

Dariusz PYZA

TRANSPORT INTERMODALNY – UWARUNKOWANIA

TECHNICZNO-TECHNOLOGICZNE, ORGANIZACYJNE I FUNKCJONALNE ........... 162

Tomasz ROKICKI

RYNEK KOLEJOWEGO TRANSPORTU TOWAROWEGO

W POLSCE W LATACH 2006-2014 ................................................................................... 174

Paweł SOBCZAK, Paweł BUCHWALD

ANALIZA FUNKCJONOWANIA TRANSPORTU ZBIOROWEGO

MIĘDZY WYBRANYMI MIASTAMI AGLOMERACJI ŚLĄSKIEJ

A MIASTEM TYCHY Z WYKORZYSTANIEM LINII MZK TYCHY NR 14 .................. 187

Maciej STAJNIAK

ZARZĄDZANIE CENAMI Z PERSPEKTYWY OPERATORA LOGISTYCZNEGO

W WARUNKACH ZAKŁÓCEŃ ......................................................................................... 196

Justyna ŚWIEBODA, Mateusz ZAJĄC

KLASYFIKACJA I IDENTYFIKACJA ZAKŁÓCEŃ W FUNKCJONOWANIU

SYSTEMU TRANSPORTU INTERMODALNEGO

NA TERMINALU KONTENEROWYM ............................................................................. 206

Katarzyna TOPOLSKA, Andrzej BUJAK, Marcin DŁUGOSZ

POPYT I PODAŻ JAKO CZYNNIKI KSZTAŁTUJĄCE

STAWKI FRACHTU MORSKIEGO W PRZEWOZACH KONTENEROWYCH

NA TRASIE DALEKI WSCHÓD – EUROPA PÓŁNOCNA .............................................. 217

Katarzyna TOPOLSKA, Mariusz TOPOLSKI, Marcin DŁUGOSZ

ZNACZENIE TRANSPORTU PASAŻERSKIEGO W FUNKCJONOWANIU MIASTA . 232

biuro


trzeba by przełamac tytuł, bo zmiesciła sie tylko jedna kropka

7

Agnieszka TUBIS, Natalia WYROBEK

POMIAR TERMINOWOŚCI PRZEWOZÓW KOMUNIKACJI MIEJSKIEJ

I JEJ WPŁYW NA ŻYCIE MIESZKAŃCÓW ..................................................................... 243

Maria ZYCH-LEWANDOWSKA, Joanna BARAN

EFEKTYWNOŚĆ PUBLICZNEGO TRANSPORTU ZBIOROWEGO

W WYBRANYCH MIASTACH POLSKI ........................................................................... 255

Andrzej ŻAK

WYZNACZANIE TRASY PRZEJŚCIA W ZADANIACH POSZUKIWAWCZYCH ........ 263

Część 2. INFORMATYKA W LOGISTYCE

Krzysztof BARTCZAK, Agnieszka BARAŃSKA

ANALIZA ZASTOSOWANIA SZTUCZNEJ INTELIGENCJI W POSTACI

SYSTEMÓW EKSPERTOWYCH W LOGISTYCE ............................................................ 277

Krzysztof BARTCZAK, Agnieszka BARAŃSKA

ZASTOSOWANIE I PRZYDATNOŚĆ SYMULACJI W LOGISTYCE ............................. 290

Andrzej CZAPCZUK, Jacek DAWIDOWICZ

DRZEWA KLASYFIKACYJNE I REGRESYJNE C&RT

DO ANALIZY PRZEPŁYWÓW W SIECIACH WODOCIĄGOWYCH ............................ 303

Marcin DĄBROWSKI

WYKORZYSTANIE NARZĘDZI GIS DO WSPOMAGANIA ZARZĄDZANIA

UTRZYMANIEM RUCHU INFRASTRUKTURY KRYTYCZNEJ NA TERENACH

WYSTĘPOWANIA SZKÓD GÓRNICZYCH ..................................................................... 312

Jerzy FELIKS, Adam LICHOTA, Katarzyna MAJEWSKA

ROZMYTA ANALIZA DRZEWA NIEZDATNOŚCI FFTA

DO OCENY NIEZAWODNOŚCI SYSTEMÓW LOGISTYCZNYCH ............................... 321

Adam GUBAŃSKI, Paweł KOSTYŁA, Jacek REZMER, Jarosław M. SZYMAŃDA

BADANIE WYBRANYCH PARAMETRÓW OCENY JAKOŚCI

ENERGII ELEKTRYCZNEJ W INSTALACJACH

Z UDZIAŁEM GENERACJI ROZPROSZONEJ ................................................................. 333

Jacek JAKIEŁA, Paweł LITWIN, Marcin OLECH

MODELOWANIE WIRTUALNYCH ORGANIZACJI

Z WYKORZYSTANIEM PARADYGMATU AGENTOWEGO......................................... 344

8

Krzysztof JURCZYK, Kamil KRAWCZYK, Wojciech WOŹNIAK

IMPLEMENTACJA STRATEGII UZUPEŁNIANIA POZIOMU ZAPASÓW

W SYSTEMIE PRZEGLĄDU CIĄGŁEGO W ŚRODOWISKU MATLAB ....................... 358

Karolina KOZŁOWSKA, Monika BAŃDURA

BADANIA EFEKTYWNOŚCI WYKORZYSTANIA SYSTEMU RFID UHF

DO USPRAWNIENIA ZARZĄDZANIA MAGAZYNEM ................................................. 377

Jolanta KRYSTEK

PLANOWANIE I HARMONOGRAMOWANIE PRODUKCJI POWTARZALNEJ

W MODUŁOWYM, DYDAKTYCZNYM MODELU

ELASTYCZNEGO SYSTEMU PRODUKCYJNEGO ......................................................... 383

Marcin MALINOWSKI

NIESPRZĘŻONY ZINTEGROWANY SYSTEM NAWIGACJI

W WARUNKACH ZANIKU SYGNAŁU SATELITARNEGO .......................................... 395

Agnieszka PILARSKA

LOGISTYKA A LOKALIZACJA PODMIOTÓW UDZIELAJĄCYCH

ŚWIADCZEŃ ZDROWOTNYCH NA PRZYKŁADZIE POWIATU ŚWIECKIEGO

W ŚWIETLE ANALIZY GIS ............................................................................................... 407

Paweł WIĘCEK

ROZMYTY MODEL STEROWANIA ZAOPATRZENIEM W LOGISTYCE

W WARUNKACH NIEPEWNOŚCI .................................................................................... 416

Jacek ZABAWA

PODEJŚCIE DISCRETE RATE MODELING W SYMULACJI

ŁAŃCUCHA DOSTAW ....................................................................................................... 425

Justyna ŻYWIOŁEK

ANALIZA RYZYKA ZASOBÓW INFORMACYJNYCH

SYSTEMU INFORMACJI LOGISTYCZNEJ W PRZEDSIĘBIORSTWIE ........................ 435

9

SŁOWO WSTĘPNE

Prezentowana monografia wieloautorska wydana przez Wydawnictwa AGH jest wy-

razem stale rosnącego zainteresowania ośrodków naukowo-badawczych problematyką lo-

gistyczna, a w szczególności jej aspektami aplikacyjnymi. Fundamenty nowoczesnej logi-

styki sięgają lat siedemdziesiątych ubiegłego stulecia, lecz jej dynamiczny rozwój ,

zarówno w obszarze teoretycznych rozważań, jak i praktycznych zastosowań w Polsce na-

stąpił w ostatnich dziesięciu latach. Na rynku wydawniczym odczuwalny jest brak w ję-

zyku polskim pozycji literaturowych z tego obszaru wiedzy. Mam nadzieję, że prezento-

wana pozycja spełni Państwa oczekiwania.

Publikacja Wybrane zagadnienia logistyki stosowanej. Tom IV została podzielona na

dwie części. Pierwsza część dotyczy szerokiego spektrum zagadnień związanych z logi-

styką w transporcie. Znajdziemy w tej części zagadnienia dotyczące wykorzystania metod

prognozowania ruchu pasażerskiego, wpływu wykorzystania modeli prognostycznych na

efektywność planowania dostaw, jak i zastosowanie metod prognostycznych do określenia

liczby kierowców potrzebnych do realizacji zadań transportowych do roku 2025. Opisane

także zostały kierunki zmian w transporcie morskim dotyczące przewozu kontenerów, oraz

zamieszczono różnego rodzaju wyniki analiz prowadzone dla transportu kolejowego i opi-

sano kierunki jego rozwoju. Obszerną część części pierwszej stanowią zagadnienia po-

święcone analizie transportu pasażerskiego, realizowanego jako transport drogowy oraz

realizowanego drogą powietrzną. Na uwagę zasługują również aspekty bezpieczeństwa

związane z logistyka stosowaną, takie jak np. wpływ wspomagania informatycznego na

obniżenie wypadkowości w ruchu drogowym oraz zarządzanie kolejnością lądowania sa-

molotów. W tej części znajdziemy także informacje dotyczące oceny procesu eksploatacji

obiektów na przykładzie firm transportowych jak i uwarunkowań rozwoju transportu mul-

timedialnego.

Część druga publikacji zatytułowano Informatyka w logistyce. Znalazły się w niej opra-

cowania dotyczące problemów związanych z zastosowaniem informatyki w systemach, łań-

cuchach i sieciach logistycznych. Obszerną jej część stanowią wyniki badań nad wykorzy-

staniem metod tzw. sztucznej inteligencji do rozwiązywania różnych problemów z obszaru

logistyki. W części drugiej znajdziemy wyniki badań prowadzonych z wykorzystaniem sy-

mulacji komputerowej. Wykazano dużą przydatność tego typu technik w wielu obszarach

logistyki stosowanej, zwłaszcza w sytuacjach obarczonych wysokim poziomem niepewności

oraz ryzyka strat materialnych. W sferze nowych technologii opisano możliwości wykorzy-

stanie systemów opartych na identyfikacji radiowej obiektów RFID w procesie zarządzania

magazynem oraz zastosowanie systemu informacji geograficznej GIS do wspomagania obli-

czeń dotyczących lokalizacji obiektów medycznych oraz lokalizacji potencjalnych

10

uszkodzeń wybranej infrastruktury sieci gazowej będących wynikiem odziaływań szkód gór-

niczych. Zaproponowano usprawnienia dotyczące wykorzystania systemu nawigacji sateli-

tarnej GPS w przypadku zaniku lub braku sygnału z satelitów.

Mam nadzieję, że prezentowana publikacja będzie dla Państwa inspiracją do dalszych

badań, które przyczynią się do rozwoju transdyscyplinarnej dziedziny, jaką jest logistyka.

Jerzy Feliks

Część 1

LOGISTYKA

W TRANSPORCIE

13

Agnieszka BARCZAK*

METODA

TRENDÓW JEDNOIMIENNYCH OKRESÓW

JAKO NARZĘDZIE PROGNOZOWANIA

RUCHU PASAŻERSKIEGO

NA PRZYKŁADZIE

PORTU LOTNICZEGO GDAŃSK

Streszczenie

Funkcjonowanie rynku usług transportu lotniczego jest zdeterminowane oddziaływaniem spe-

cyficznych cech, wśród których wskazuje się przede wszystkim na silne wahania czasowe po-

pytu. Niski poziom wskaźników wypełnienia miejsc w samolotach wskazuje na konieczność

szukania rozwiązań pozwalających na zwiększenie efektywności zdolności przewozowych.

W związku z tym, w opracowaniu przedstawiono prognozy przewozów pasażerskich transpor-

tem lotniczym w Porcie Lotniczym Gdańsk z wykorzystaniem metody prognozowania krót-

kookresowego, opartej na ekstrapolacji trendu z addytywnym składnikiem sezonowym.

Słowa kluczowe: prognoza przewozów pasażerskich, szeregi czasowe, transport lotniczy,

metoda trendów jednoimiennych okresów, szeregi czasowe

1. WSTĘP

W Polsce cywilny transport lotniczy jest najszybciej rozwijającą się gałęzią transportu.

Jest to wyrazem pozytywnych zjawisk gospodarczych ponieważ ruch lotniczy jest funkcją

wzrostu gospodarczego. Wynika z niego wzrost aktywności ludzi i przepływu towarów, jak

również wzrost ogólnej mobilności społeczeństwa. Do znaczącego wzrostu ruchu lotniczego

przyczynia się także poszerzanie oferty przewoźników niskobudżetowych [8, s. 20]. Jako

główne czynniki poprawy koniunktury i wzrostu tempa rozwoju przewozów lotniczych

można wskazać [10, s. 175]:

ogólny rozwój gospodarki światowej, którego miarą jest wzrost PKB,

obniżkę kosztów podróży lotniczych,

wyższe dochody, które pozostają w dyspozycji konsumentów,

* Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Ekonomiczny

14 A. Bartczak

procesy urbanizacji wielkomiejskiej,

wyższy poziom kwalifikacji społeczeństwa.

Funkcjonowanie rynku usług transportu lotniczego jest zdeterminowane oddziaływa-

niem specyficznych cech, wśród których wskazuje się przede wszystkim na silne wahania

czasowe popytu. Jego największe zróżnicowanie występuje w dwóch przedziałach czaso-

wych: miesięcznych i kwartalnych [9, s. 201]. W przypadku przewozów pasażerskich obser-

wuje się dużo większe natężenie wahań czasowych. Wynika z tego konieczność utrzymywa-

nia rezerw zdolności przewozowych przez linie lotnicze. Odnosi się to głównie do taboru

i zdolności przepustowej portów lotniczych, które mogą zostać wykorzystane w przypadku

ewentualnego bądź zakładanego wzrostu popytu na przewozy pasażerskie. Konsekwencją

takiego stanu rzeczy jest nieefektywne wykorzystywanie zdolności przewozowych i obsługi

w portach lotniczych [9, s. 201; 6, s. 108].

Jedną z najbardziej istotnych statystyk w branży lotniczej jest wskaźnik wypełnienia

miejsc w samolocie, tzw. load factor mający kluczowy wpływ na koszty i jakość oferowa-

nych usług transportu lotniczego. Wynika to z tego, że około 65% kosztów w transporcie

lotniczym jest bezpośrednio związana z eksploatacją samolotów i jest niezależna od liczby

pasażerów w samolocie. Jednakże, wysoki współczynnik load factor umożliwia alokację

tych kosztów na większą liczbę pasażerów, co powoduje ich obniżenie na pasażera i umoż-

liwia m.in. wprowadzenie tańszych biletów. W efekcie ulega zwiększeniu popyt na przeloty

pasażerskie [11, s. 207].

Na rysunku 1 przedstawiono wskaźniki wypełnienia miejsc w samolotach w Porcie Lot-

niczym Gdańsk. Najniższy wskaźnik odnotowano w roku 2004 – 66,35%, a najwyższy

w roku 2007 – 76,24%. Dowodzi to konieczności szukania rozwiązań pozwalających na

zwiększenie efektywności zdolności przewozowych.

Rys. 1. Wskaźniki wypełnienia miejsc w samolotach (load factor) w badanym okresie

Źródło: opracowanie na podstawie danych Portu Lotniczego Gdańsk

Prognozy są częścią systemu, który wspomaga podejmowanie decyzji menadżerskich.

Stosuje się je w większości przedsiębiorstw zachodnioeuropejskich i amerykańskich. Dlatego

też warto podjąć próbę wprowadzenia tego typu wspomagania w polskich portach lotniczych.

Metoda trendów jednoimiennych okresów jako narzędzie prognozowania… 15

W trakcie analizy wielu szeregów czasowych można zauważyć pojawiający się w nich

pewien cykl zmian, które powtarzają się w przybliżeniu w tych samych okresach i rozmia-

rach. Okresy, w których występują zmiany określane są mianem cykli bądź wahań sezono-

wych. Ze względu na cykliczny charakter transportu lotniczego (np. okres wakacji, świąt)

konieczne jest wyodrębnienie wpływu wahań sezonowych na kształtowanie się zmiennej

prognozowanej co jednocześnie podnosi precyzję przewidywań w procesie prognozowania

[3, s. 87]. Jedną z metod umożliwiających wyodrębnienie wahań i przeprowadzenie pro-

gnozy jest metoda modeli trendów jednoimiennych okresów.

W związku z tym, celem niniejszego opracowania jest sporządzenie prognozy przewo-

zów pasażerskich transportem lotniczym w Porcie Lotniczym Gdańsk im. Lecha Wałęsy

z wykorzystaniem metody prognozowania krótkookresowego, opartej na ekstrapolacji trendu

z addytywnym składnikiem sezonowym. Badaniem objęto ruch pasażerski ogółem w latach

2004–2014 w ujęciu miesięcznym i kwartalnym.

2. CHARAKTERYSTYKA ANALIZOWANYCH WIELKOŚCI

Celem lepszego zobrazowania ruchu pasażerskiego w Porcie Lotniczym Gdańsk prze-

prowadzono analizę dynamiki badanych wielkości z wykorzystaniem indeksów łańcucho-

wych. Pełna metodyka analizy dynamiki zjawisk ekonomicznych została przedstawiona

w pracy [1, s. 26–35].

Rys. 2. Indeksy łańcuchowe w ujęciu kwartalnym


Analiza wskaźników łańcuchowych dotyczących ruchu pasażerskiego wykazuje, że

w stosunku do kwartału poprzedniego zanotowano spadek liczby pasażerów w (rys. 2):

pierwszym kwartale w roku 2005 i w latach 2007–2014; największy spadek wystąpił w roku 2013

– 17,22%, a najmniejszy w roku 2010 – 0,91%;

trzecim kwartale 2012 roku – 0,19%;

czwartym kwartale w latach 2004–2014; największy spadek miał miejsce w roku 2014 – 30,06%,

natomiast najmniejszy w roku 2005 – 4,15%.

60%

80%

100%

120%

140%

160%

180%

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43

16 A. Bartczak

W stosunku do kwartału poprzedniego zauważono wzrost liczby pasażerów w (rys. 2):

pierwszym kwartale 2006 roku – 7,51%;

drugim kwartale w latach 2004–2014; największy wzrost miał miejsce w roku 2012 – 73,20%,

a najmniejszy w roku 2008 – 21,16%;

trzecim kwartale w latach 2004–2011 i w latach 2013–2014; największy wzrost zanotowano

w roku 2010 – 27,76%, natomiast najmniejszy równy 10,44% w roku 2008.

Rys. 3. Indeksy łańcuchowe w ujęciu miesięcznym


Analiza wskaźników łańcuchowych dotyczących ruchu pasażerskiego wykazuje, że

w stosunku do miesiąca poprzedniego zanotowano spadek liczby pasażerów w (rys. 3):

styczniu roku 2005, 2007 i w latach 2009–2014; największy spadek odnotowano

w roku 2013 – 12,64%, a najmniejszy równy 0,62% w roku 2014;

lutym w latach 2004–2009 i 2011–2014; największy spadek miał miejsce w roku

2004 – 13,71%, a najmniejszy w roku 2007 i wyniósł on 1,74%;

kwietniu 2010 roku – 15,51%;

czerwcu 2008 roku – 4,10%;

lipcu 2012 roku – 3,56%;

sierpniu w latach 2008–2014; największy spadek zanotowano w roku 2012 –

14,88%, natomiast najniższy w roku 2013 – 0,56%;

wrześniu w latach 2005–2014; najwyższy spadek równy 9,68% zaobserwowano

w roku 2010, najniższy zaś w roku 2005 – 0,83%;

październiku w latach 2004–2014; największy spadek miał miejsce w roku 2011 –

13,99%, a najmniejszy równy 0,73% w roku 2007;

listopadzie w roku 2004 i w latach 2006–2014; największy spadek odnotowano

w roku 2008, a najmniejszy w 2004 i wyniósł on odpowiednio 23,86% i 11,84%;

grudniu w latach 2004–2005, w roku 2007, 2010 oraz w okresie od 2012 do 2014 roku; naj-

wyższy spadek zaobserwowano w roku 2013 – 4,05%, a najniższy w roku 2004 – 0,27%.

60%

80%

100%

120%

140%

160%

1 71

31

92

53

13

74

34

95

56

16

77

37

98

59

19

71

03

10

91

15

12

11

27


W stosunku do miesiąca poprzedniego zauważono wzrost liczby pasażerów w (rys. 3):

styczniu w roku 2006 – 4,82%, 2008 – 5,76% i w 2011 – 0,92%;

lutym w roku 2010 – 0,68%;

marcu w latach 2004–2014; największy wzrost odnotowano w roku 2006, a naj-

mniejszy w roku 2009 i wyniósł on odpowiednio 30,61% i 8,83%;

kwietniu w latach 2004–2009 i 2011–2014; najwyższy wzrost miał miejsce w roku

2012 – 36,65%, a najniższy w roku 2008 – 1,61%;

maju w latach 2004–2014; największy wzrost zaobserwowano w roku 2010 i wy-

niósł on 40,40%, a najniższy równy 10,69% w roku 2006;

czerwcu w latach 2004–2007 i 2009–2014; największy wzrost zanotowano w roku

2012, a najniższy w roku 2007 i wyniósł on odpowiednio 18,02% i 1,73%;

lipcu w latach 2004–2011 i 2013–2014; najwyższy wzrost odnotowano w roku 2007

– 16,16%, natomiast najniższy równy 1,42% w roku 2005;

sierpniu w latach 2004–2007; największy wzrost miał miejsce w roku 2055 – 6,72%,

a najmniejszy w roku 2006 – 1,50%;

wrześniu w roku 2004 – 1,30%;

listopadzie 2005 roku – 1,77%;

grudniu w roku 2006 (największy wzrost równy 6,18%), w latach 2008–2009

i w roku 2011 (najniższy wzrost równy 1,78%).

Przeprowadzona analiza dynamiki ruchu pasażerskiego w Porcie Lotniczym Gdańsk wska-

zuje na wyraźną sezonowość w poszczególnych kwartałach i miesiącach badanego okresu.

3. ZASTOSOWANE METODY BADAWCZE

Metoda trendów jednoimiennych okresów opiera się na szacowaniu parametrów anali-

tycznej funkcji trendu z rozdzieleniem na poszczególne fazy cyklu. Prognoza otrzymywana

jest przez ekstrapolację oszacowanej funkcji trendu dla każdej fazy cyklu [13, s. 88].

Przed przystąpieniem do budowy prognozy zmiennej endogenicznej z wykorzystaniem

metody trendów jednoimiennych okresów, celem zachowania poprawności procesu predyk-

cji, należy przyjąć następujące założenia [5, s. 136]:

stabilność struktury modelu zostanie zachowana w okresie objętym prognozą,

w analizowanym procesie gospodarczym zachodzą wyłącznie zmiany regularne, nie ma zmian

wyraźnie skokowych o wielkości zdecydowanie przekraczającej rząd wielkości wahań losowych,

oszacowane podstawowe charakterystyki badanego procesu gospodarczego nie ule-

gną istotnej zmianie w okresie prognozowanym.

Każdy szereg czasowy, który odnosi się do określonej fazy cyklu opisuje się modelem

trendu dobieranym w zależności od analizowanych danych. Dobór właściwej postaci trendu

przeprowadzono za pomocą analizy graficznej i analizy przyrostów danych liczbowych. Na-

stępnie dokonano oszacowania postaci funkcji trendu z wykorzystaniem metody najmniejszych

kwadratów oraz przeprowadzono weryfikację otrzymanych modeli. Kolejno, wyznaczono

18 A. Bartczak

wartości prognoz punktowych w okresach prognozowanych. Weryfikacji otrzymanych pro-

gnoz dokonano poprzez wyznaczenie wartości błędu średniego predykcji według wzoru:

2

1

2

2

11

Sentt

tTS n

t

P

T

(1)

gdzie:

T – numer okresu, na który wyznaczana jest prognoza,

Se2 – wariancja składnika resztowego wyznaczana ze wzoru:

1

ˆ2

2

mn

yy

Se t

tt

(2)

gdzie:

n – liczba obserwacji,

m – liczba zmiennych objaśniających.

Błąd ten informuje o ile średnio rzeczywiście zaobserwowane wartości zmiennej obja-

śnianej w okresie prognozowanym będą się odchylać od wartości prognozy.

Dokładność przeprowadzonego prognozowania pozwala także ocenić względny błąd

prognozy ex ante, który wyznaczany jest ze wzoru:

%100P

T

P

T

t

y

S (3)

gdzie: P

Ty – jest wartością otrzymanej prognozy.

Błąd ten służy do określania dokładności prognozy. Im jego wartość jest niższa, tym

prognoza obarczona jest mniejszym błędem [2, s. 53].

Następnym etapem badania jest wyznaczenie przedziałów prognozy dla założonego wcze-

śniej poziomu wiarygodności prognozy α. W tym celu wykorzystane zostaną następujące wzory:

P

Tt

P

TgyydyP (4)

P

T

P

T

P

TSuydy

(5)

P

T

P

T

P

TSuygy

(6)

gdzie: P

Tdy – dolna granica przedziału,

P

Tgy – górna granica przedziału,

P

Ty – wartość zmiennej prognozowanej wyznaczona na podstawie prognozy punktowej,

u – współczynnik odczytywany z tablic dystrybuanty rozkładu normalnego dla założonej

wiarygodności prognozy [12, s. 121–122].


Trafność prognoz ilościowych można określać także za pomocą metod ex post, które pozwa-

lają na sformułowanie opinii o jakości prognozy po upływie czasu, do jakiego odnosi się pro-

gnoza. W tym celu możliwe jest wykorzystanie między innymi następujących miar [4, s. 43–44]:

1) Bezwzględnego błędu prognozy ex post:

P

TTtyyq (7)

2) Błędu procentowego prognozy ex post (błąd względny):

100

T

P

TT

t

y

yy (8)

4. WYNIKI BADAŃ

W oparciu o analizę graficzną i analizy przyrostów dla danych liczbowych dotyczących

natężenia ruchu pasażerskiego w Porcie Lotniczym Gdańsk stwierdzono, że najbardziej od-

powiednia będzie liniowa funkcja trendu postaci yt = α1t + α0 oraz funkcja potęgowa postaci

yt = α0tα1 gdzie t to zmienna czasowa. Podstawą przyjęcia modeli do dalszej analizy było speł-

nienie następujących warunków:

współczynnik determinacji zawierający się w przedziale (0,5625; 1),

współczynnik zmienności losowej nie powinien przekroczyć wartości 15%,

losowość reszt oszacowanych modeli.

Oszacowane modele trendów, wraz z podstawowymi miarami dopasowania, dla danych mie-

sięcznych przedstawia tabela 1, a dla danych kwartalnych tabela 3. Zbadano losowość reszt oszacowa-

nych modeli wykorzystując w tym celu test serii. Reszty wszystkich modeli mają charakter losowy.

Tab. 1. Trendy jednoimiennych okresów w ujęciu miesięcznym – modele

Miesiąc Postać trendu R2 Se Vs [%]

Styczeń yt = 16516,6909t + 23453,6727 0,9385 14 017,6511 11,44

Luty yt = 15832,6545t + 21340,6182 0,9319 14 196,4207 12,20

Marzec yt = 30013,1488t0,8546 0,9533 17 790,4581 13,08

Kwiecień yt = 34203,7632t0,8468 0,9426 20 692,9226 13,48

Maj yt = 39450,4912t0,8537 0,9577 20 690,5755 11,55

Czerwiec yt = 41847,5440t0,8666 0,9695 25 346,3821 12,98

Lipiec yt = 45610,1525t0,8717 0,9653 20 443,9236 9,56

Sierpień yt = 28613,7364t + 36154,0364 0,9623 18 786,0133 9,04

Wrzesień yt = 26156,8818t + 38282,8909 0,9694 15 411,4575 7,89

Październik yt = 45978,5676t0,7709 0,9614 16 141,2222 9,07

Listopad yt = 18139,1091t + 34962,6182 0,9642 11 594,1224 8,06

Grudzień yt = 42528,3391t0,6979 0,9744 10 656,1722 7,43

gdzie: R2 – współczynnik determinacji, Se – odchylenie standardowe składnika resztowego, Vs – współczynnik zmienności losowej.


20 A. Bartczak

Na podstawie oszacowanych modeli trendów liniowych w miesiącach: styczeń, luty,

sierpień, wrzesień i listopad można wnioskować, że we wszystkich przypadkach z miesiąca

na miesiąc rosła liczba przewozów pasażerskich. Największy wzrost odnotowano w sierpniu

– w przybliżeniu 28 614 osób, a najniższy w lutym – w przybliżeniu 15 833 osoby. W pozo-

stałych miesiącach największym dopasowaniem do danych rzeczywistych charakteryzował

się model trendu potęgowego. Również w tym przypadku liczba przewozów pasażerskich

rosła z miesiąca na miesiąc. Największy wzrost odnotowano w lipcu – 0,8717%, a najmniej-

szy w grudniu – 0,6979%.

Wykorzystując uzyskane modele przeprowadzono proces prognostyczny na każdy mie-

siąc 2015 roku. Prognozę punktową wraz z błędami przedstawia tabela 2. Efektywność prze-

prowadzonej predykcji określono wyznaczając miarę ex ante – błąd średni predykcji oraz

względny błąd prognozy ex ante.

Tab. 2. Trendy jednoimiennych okresów w ujęciu miesięcznym – prognoza

Miesiąc Prognoza Błąd średni

predykcji

Błąd względny

prognozy [%] Prognoza przedziałowa

Styczeń 221 654 1 788,7891 0,81 (217 669, 225 639)

Luty 211 332 16 906,1539 7,99 (173 665, 248 999)

Marzec 250 946 21 186,2010 8,44 (203 743, 298 149)

Kwiecień 280 494 24 642,6717 8,79 (225 590, 335 398)

Maj 329 116 24 639,8765 7,49 (274 218, 384 014)

Czerwiec 360 486 30 184,3574 8,37 (293 235, 427 737)

Lipiec 397 909 24 346,1451 6,12 (343 666, 452 152)

Sierpień 379 519 22 371,7822 5,89 (329 675, 429 363)

Wrzesień 352 165 18 353,1101 5,21 (311 274, 393 056)

Październik 312 246 19 222,1679 6,16 (269 419, 355 073)

Listopad 252 632 13 807,1434 5,47 (221 870, 283 394)

Grudzień 240 901 12 690,1625 5,27 (212 627, 269 175)


Analiza błędu średniego predykcji oraz błędu względnego predykcji wykazuje, że osza-

cowane prognozy charakteryzują się niewielkimi odchyleniami od rzeczywiście zaobserwowa-

nej liczby przewozów pasażerskich w Porcie Lotniczym Gdańsk. Najniższy względny błąd pre-

dykcji równy 0,81% otrzymano w styczniu, a najwyższy wynoszący 8,79% w kwietniu.

Tab. 3. Trendy jednoimiennych okresów w ujęciu kwartalnym – modele

Kwartał Postać trendu R2 Se Vs [%]

I yt = 83444,0244t0,8498 0,9588 435 653,7123 11,62

II yt = 115533,8825t0,8568 0,9622 62 003,4120 11,74

III yt = 85612,5545t + 103330,2182 0,9671 52 324,4014 8,48

IV yt = 130450,2078t0,7275 0,9730 36 182,4004 7,78



Na podstawie oszacowanych modeli trendów potęgowych dla kwartału pierwszego, dru-

giego i czwartego można wnioskować, że z kwartału na kwartał liczba przewozów pasażer-

skich rosła kolejno średnio w przybliżeniu o 0,8498%, 0,8568% i 0,7275%. W kwartale trze-

cim, liniowa postać trendu pozwala wnioskować, że z kwartału na kwartał liczba przewozów

pasażerskich rosła średnio w przybliżeniu o 85 613 osób.

W oparciu o modele zaprezentowane w tabeli 3 przeprowadzono proces progno-

styczny na każdy kwartał 2015 roku. Prognozę punktową wraz z błędami przedstawia

tabela 4.

Tab. 4. Trendy jednoimiennych okresów w ujęciu kwartalnym – prognoza

Kwartał Prognoza Błąd średni

predykcji

Błąd względny

prognozy [%] Prognoza przedziałowa

I 689 419 51 881,2912 7,53 (573 827, 805 011)

II 971 297 73 838,2756 7,60 (806 785, 1 135 809)

III 1 130 681 62 311,7898 5,51 (991 850, 1 269 512)

IV 795 333 43 088,6941 5,42 (699 331, 891 335)


Analiza błędu średniego predykcji oraz błędu względnego predykcji wykazuje, że rów-

nież w przypadku danych kwartalnych oszacowane prognozy charakteryzują się niewielkimi

odchyleniami od rzeczywiście zaobserwowanej liczby przewozów pasażerskich w badanym

Porcie Lotniczym. Najniższy względny błąd predykcji równy 5,42% otrzymano w czwartym

kwartale, a najwyższy wynoszący 7,60% w kwartale drugim.

Zarówno dla trendów oszacowanych na podstawie danych miesięcznych, jak i danych

kwartalnych (tab. 1 i 3), z prawdopodobieństwem 0,95 można stwierdzić, że liczba przewo-

zów pasażerskich w Porcie Lotniczym Gdańsk będzie kształtowała się w granicach przedzia-

łów wyznaczonych za pomocą prognozy przedziałowej (tab. 2 i 4).

Dane rzeczywiste dotyczące roku 2015 pozwoliły na wyznaczenie błędów prognozy

ex post. Bezwzględny błąd prognozy ex post, który informuje o odchyleniu prognoz od war-

tości rzeczywistych zmiennej prognozowanej dotyczący natężenia ruchu pasażerskiego

w Porcie Lotniczym Gdańsk oraz względny błąd prognozy ex post informujący o odchyleniu

prognoz od wartości rzeczywistych zmiennej prognozowanej liczone w procentach wartości

rzeczywistej dla danych kwartalnych i miesięcznych przedstawiają tabele 5–6.

Tab. 5. Błędy ex post w ujęciu kwartalnym

Kwartał Błąd bezwzględny Błąd względny [%]

I 18 202 2,57

II –8 942 –0,93

III 77 213 6,39

IV 32 977 3,98


22 A. Bartczak

Tab. 6. Błędy ex post w ujęciu miesięcznym

Miesiąc Błąd bezwzględny Błąd względny [%]

Styczeń 3 307 1,47

Luty 12 674 5,66

Marzec 7 708 2,98

Kwiecień 9 982 3,44

Maj –6 011 –1,86

Czerwiec –11 712 –3,36

Lipiec 30 594 7,14

Sierpień 33 636 8,14

Wrzesień 14 071 3,95

Październik 955 0,30

Listopad 8 839 3,38

Grudzień 12 737 5,02


Prognoza daje najmniej miarodajne wartości w przypadku miesięcy wakacyjnych (li-

piec, sierpień), czyli w trzecim kwartale. Należy jednak zaznaczyć, że wszystkie wartości

rzeczywiste mieszczą się w wyznaczonych metodą trendów jednoimiennych okresów prze-

działach, a uzyskane błędy prognoz są stosunkowo niskie.

5. WNIOSKI

Prognozowanie ruchu pasażerskiego w Porcie Lotniczym Gdańsk metodą trendów jed-

noimiennych okresów pozwoliło uzyskać prognozy charakteryzujące się stosunkowo nie-

wielkimi błędami. Błąd względny prognozy w przypadku zarówno danych miesięcznych, jak

i kwartalnych kształtuje się na poziomie nie przekraczającym 10%. Uzupełnienie uzyska-

nych prognoz punktowych o prognozy przedziałowe pozwala na bardziej efektywne wyko-

rzystanie zdolności przewozowych i obsługi w badanym Porcie. Należy jednak zaznaczyć,

że wysokość błędu prognozy może być uzależniona od doboru metody prognozowania oraz

od bezpiecznego pułapu tej wartości przyjętej przez Port Lotniczy.

Uzyskane wyniki mogą być także pomocne w optymalizacji wskaźnika wykorzystania

miejsc w samolocie i poprawy wskaźników ekonomicznych. W tym celu można oprzeć się

na przykładzie przewoźników europejskich – British Airways i Lufthansa, którzy zmodyfi-

kowali wykorzystanie maszyn na różnych trasach. Linie British Airways zastąpiły Boeingi

737 mniejszymi regionalnymi samolotami odrzutowymi na niektórych trasach. Częstotli-

wość połączeń pozostała na podobnym lub trochę wyższym poziomie, ale zmniejszyła się

liczba oferowanych miejsc na danej trasie w skali dnia [7, s. 61].


LITERATURA

[1] Barczak A., Wykorzystanie wybranych metod ilościowych w analizie pasażerskiego ruchu

lotniczego w Polsce. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, Ekonomia,

Nr 401, Wrocław 2015.

[2] Cieślak M., Organizacja procesu prognostycznego. Cieślak M. (red.), Prognozowanie gospodar-

cze. Metody i zastosowania. PWN, Warszawa 1997.

[3] Dittmann P., Prognozowanie na podstawie szeregów czasowych. Cieślak M. (red.), Prognozowanie

gospodarcze. Metody i zastosowania. PWN, Warszawa 1997.

[4] Dittmann P., Prognozowanie w przedsiębiorstwie, Oficyna Ekonomiczna, Kraków 2003.

[5] Jędrzejczyk Z., Predykcja na podstawie modeli jednorównaniowych. Kukuła K. (red.), Wprowadzenie

do ekonometrii w przykładach i zadaniach. PWN, Warszawa 2004.

[6] Marketing na rynku usług lotniczych. Rucińska D., Ruciński A. (red.), Wydawnictwo Uniwersytetu

Gdańskiego, Gdańsk 2000.

[7] Pijet-Migoń E., Zmiany rynku lotniczych przewozów pasażerskich w Polsce po akcesji do Unii

Europejskiej. Rozprawy Naukowe Instytutu Geografii i Rozwoju Regionalnego Uniwersytetu

Wrocławskiego 25, Wrocław 2012.

[8] Polityka Transportowa Państwa na lata 2006–2025. Ministerstwo Infrastruktury, Warszawa,

27 czerwca 2005.

[9] Polski rynek usług transportowych. Funkcjonowanie – przemiany – rozwój. Rucińska D. (red.),

PWE, Warszawa 2012.

[10] Transport. Rydzykowski W., Wojewódzka-Król K. (red.), PWN, Warszawa 2002.

[11] Wensveen J. G., Air Transportation: a Management Perspective. TJ International Ltd, Padstow,

Cornwall 2011.

[12] Wprowadzenie do ekonometrii w przykładach i zadaniach. Kukuła K. (red.), PWN, Warszawa

2004.

[13] Zeliaś A., Pawełek B., Wanat S., Prognozowanie ekonomiczne. Teoria, przykłady, zadania. PWN,

Warszawa 2003.

HOMOLOGOUS PERIOD TREND ESTIMATION METHOD

AS FORECASTING TOOL FOR PASSENGER TRAFFIC

USING THE CASE OF GDAŃSK AIRPORT

Abstract

Operations of the aviation services market is determined by specific factors, among which

strong time-related fluctuations of demand are considered of primary importance. Low passen-

ger load factors on airplanes demonstrates that it is necessary to seek solutions to maximize

transport capacity utilization. Therefore, in the study forecast of passenger operations at the

Gdańsk Airport was presented using the short-range forecasting method based on trend extrap-

olation with additive seasonality.

Keywords: homologous period trend estimation, forecast of passenger operations, time series,

air transport

24

Krzysztof BARTCZAK*

WPŁYW SYSTEMÓW

INFORMATYCZNYCH i TELEMATYCZNYCH

STOSOWANYCH W OBSZARZE TRANSPORTU

NA BEZPIECZEŃSTWO RUCHU DROGOWEGO

Streszczenie

W pracy omówiono zagadnienia odnoszące się do wpływu, jaki mają różnorodne systemy in-

formatyczne i telematyczne na stan bezpieczeństwa ruchu drogowego. Skupiono się przy tym

na analizie tego, jakie systemy związane z koniecznością zapewnienia bezpieczeństwa ruchu

drogowego są najczęściej stosowane w transporcie drogowym, czy systemy te przyczyniają się

do poprawy bezpieczeństwa ruchu na drogach, a także jaki jest ich wpływ na poprawę BRD.

Praca została podzielona na trzy rozdziały. W pierwszym omówiono najważniejsze definicje,

a więc te odnoszące się do bezpieczeństwa ruchu drogowego oraz systemu informatycznego

i telematycznego. W drugim rozdziale opisano najważniejsze rodzaje tych technologii i syste-

mów wykorzystywanych w ramach transportu drogowego, które odgrywają istotną rolę w za-

pewnianiu bezpieczeństwa w ruchu drogowym. W trzeciej części pracy przenalizowano ob-

szary zastosowań tych systemów w ramach BRD, jak również opisano ich wpływ na poprawę

stanu tego bezpieczeństwa.

Słowa kluczowe: ruch drogowy, system informatyczny, system telekomunikacyjny, system

telematyczny, sterowanie ruchem, bezpieczeństwo

1. WSTĘP

Konieczność zapewnienia bezpieczeństwa w ruchu drogowym (BRD) jest niewątpliwie

jednym z najważniejszych wyzwań, które wiąże się z obszarem transportu. To bowiem od

stopnia tego bezpieczeństwa zależy, czy poszczególni użytkownicy dróg będą mogli swo-

bodnie i bez żadnych przeszkód, a więc w szczególności bez powstawania częstych i licz-

nych zagrożeń dla ich zdrowia i życia, poruszać się po drogach publicznych.

Obecnie na stan bezpieczeństwa ruchu drogowego wpływ ma szereg różnych czynników. Poza na

przykład stanem poszczególnych dróg, stanem technicznym pojazdów, zachowaniami innych uczestni-

ków ruchu drogowego czy warunkami atmosferycznymi, duże znaczenie w tym względzie mogą mieć

różnego rodzaju systemy informatyczne i telematyczne stosowane w ramach transportu drogowego.

* Politechnika Warszawska, Wydział Elektryczny; Szkoła Główna Handlowa

Wpływ systemów informatycznych i telematycznych stosowanych… 25

W prezentowanej pracy podjęte zostaną zagadnienia dotyczące wpływu, jaki mogą mieć

wspomniane systemy na bezpieczeństwo ruchu drogowego. Podczas analizy uwaga zostanie

skupiona na próbie odpowiedzi na następujące pytania:

jakie systemy, związane z koniecznością zapewnienia bezpieczeństwa ruchu drogo-

wego, są najczęściej stosowane w obszarze transportu drogowego?

czy systemy te przyczyniają się do poprawy bezpieczeństwa ruchu na drogach?

w jaki sposób wybrane systemy informatyczne i telematyczne mają wpływ na poprawę BRD?

By możliwe stało się odpowiedzenie na te pytania zdecydowano się wykorzystać już

opublikowane analizy, dokumenty i publikacje, w których na szeroką skalę jest mowa o sys-

temach informatycznych i telematycznych oraz o znaczeniu, jakie mają one dla poprawy bez-

pieczeństwa ruchu drogowego. W ten sposób w pracy posłużono się metodą analizy danych

zastanych, dzięki której możliwe staje się gromadzenie interesujących badacza informacji,

a następnie ich analizowanie i opracowywanie w celu odpowiedzenia na pytania badawcze,

przy czym informacje te mają charakter wtórny [9, s. 9–20].

2. ANALIZA NAJWAŻNIEJSZYCH POJĘĆ

2.1. BEZPIECZEŃSTWO RUCHU DROGOWEGO

By móc omawiać zagadnienia dotyczące wpływu, jaki mają systemy informatyczne

i telematyczne stosowane w transporcie na bezpieczeństwo ruchu drogowego, warto po-

krótce omówić podstawowe pojęcia pojawiające się w pracy. Pierwsze z nich to BRD.

Ogólnie należy stwierdzić, że jak dotąd nie została sformułowana wyczerpująca i do-

kładna definicja tego pojęcia. Co więcej, zarówno w literaturze przedmiotu, jak i po-

szczególnych aktach prawnych raczej unika się formułowania takiej definicji, a zamiast

tego wyjaśnia się szereg innych pojęć powiązanych z BRD, takich jak na przykład ocena

wpływu na bezpieczeństwo ruchu drogowego, audyt bezpieczeństwa ruchu drogowego

i kontrola bezpieczeństwa (pojęcia te zostały wyjaśnione w Dyrektywie Parlamentu Eu-

ropejskiego i Rady 2008/96/WE z dnia 19 listopada 2008 r. W sprawie zarządzania bez-

pieczeństwem infrastruktury drogowej) [4, art. 2] czy zagrożenie wypadkowe, kolizja

oraz wypadek drogowy [13, s. 34–35].

Pomimo tego warto podjąć próbę zdefiniowania BRD. W raporcie Najwyższej Izby

Kontroli pt. „Bezpieczeństwo ruchu drogowego” podkreślono, że na kwestie związane

z BRD składa się „szereg złożonych zagadnień, począwszy od stanu infrastruktury drogowej,

organizacji ruchu, po zagadnienia związane z kontrolą przestrzegania przez kierujących prze-

pisów, prewencji i edukacji” [2, s. 4]. BRD jest więc niewątpliwie pojęciem szerokim, obej-

mującym szereg różnych aspektów związanych z ruchem drogowym. Poza wspomnianymi

w raporcie NIK zaliczyć do nich należy niewątpliwie:

sprawowanie nadzoru nad ruchem drogowym przez uprawnione do tego organy, ta-

kie jak na przykład Krajowa Rada Bezpieczeństwa Ruchu Drogowego czy Policja,

sposoby i metody szkolenia oraz egzaminowania kierowców,

realizacja działań z zakresu ratownictwa medycznego,

26 K. Bartczak

promowanie pożądanych zachowań wśród wszystkich uczestników ruchu drogowego,

wykorzystywanie elementów psychologii transportu.

Opierając się na definicji samego bezpieczeństwa, które, zdaniem J. Wichra, dotyczy

„metodologicznej i systematycznej analizy ryzyka w systemie człowiek – technika – środo-

wisko prowadzonej w celu eliminacji, sterowania lub obniżenia – do żądanego poziomu –

częstości występowania zdarzeń niepożądanych” [13, s. 28], można stwierdzić, że BRD jest

związane z dokonywaniem tej analizy w celu zmniejszenia liczby takich zdarzeń niepożąda-

nych, jak kolizje i wypadki drogowe.

2.2. SYSTEMY INFORMATYCZNE I TELEMATYCZNE

Poza BRD należy w tym miejscu należy wyjaśnić pojęcia dotyczące systemów infor-

matycznych i telematycznych. Te pierwsze są zespołami współpracujących ze sobą procedur,

programów i urządzeń, które służą do przetwarzania różnego rodzaju informacji oraz danych

[6, s. 3]. Z kolei systemy telematyczne to rodzaje instalacji bądź rozwiązań z zakresu infor-

macji czy telekomunikacji, a także narzędzia automatycznego sterowania, które są przezna-

czone do zadań, potrzeb i infrastruktury obsługiwanych przez nie systemów fizycznych

i które są z tymi ostatnimi całkowicie zintegrowane [14, s. 117]. Należy dodać, że cechami

charakterystycznymi systemów informatycznych i telematycznych stosowanych w transpor-

cie jest między innymi możliwość ich wykorzystywania do obsługi rozproszonych i posia-

dających dużą liczbę elementów systemów fizycznych, integrowanie w ich ramach szeregu

technik elektronicznych, pełnienie integralnej roli w systemie nadrzędnym, a także możli-

wość ich ciągłej rozbudowy poprzez wprowadzanie do nich nowych elementów i funk-

cji [14, s. 117].

3. RODZAJE SYSTEMÓW INFORMATYCZNYCH

I TELEMATYCZNYCH WYKORZYSTYWANYCH

W TRANSPORCIE DROGOWYM

W obszarze transportu drogowego zastosowanie znajduje szereg różnych systemów in-

formatycznych i telematycznych, które wpływają na stan bezpieczeństwa ruchu drogowego.

Ogólnie systemy te są zaliczane do dwóch rodzajów technologii, a więc informacyjnych (in-

formatycznych) oraz telematycznych. Technologie informacyjne obejmują wiele rodzajów

usług telekomunikacyjnych oraz informatycznych, a także systemy wymiany danych, z kolei

technologie telematyczne dotyczą w dużej mierze inteligentnych systemów transportowych

oraz GPS [7, s. 4].

3.1. TECHNOLOGIE INFORMACYJNE (INFORMATYCZNE)

Wśród technologii informacyjnych, w ramach działań prowadzonych w odniesieniu do

BRD, zastosowanie znajdują zarówno systemy telekomunikacyjne, jak i informatyczne. Te

pierwsze dzielą się na przewodowe i bezprzewodowe. Ich lista została zawarta w tabeli 1.


Tab. 1. Systemy telekomunikacyjne stosowane w transporcie

Rodzaj systemu Nazwa systemu

Systemy bezprzewodowe

Sieci telefonii komórkowej

GSM (Global System for Mobile Communication)

– Globalny System Komunikacji Ruchomej

GPRS (General Packet Radio Service)

– Ogólny Pakiet Serwisów Radiowych

Systemy komórkowe trzeciej generacji,

zapewniające szybką transmisję danych

UMTS (Universal Mobile Telephone System)

– Uniwersalny System Telekomunikacji Ruchomej

Systemy umożliwiające cyfrową komuni-

kację na obszarach, na których występuje

duże natężenie ruchu, a więc na przykład

w miastach

DECT (Digital Ehnanced Cordless Telecommunication) –

system cyfrowej łączności bezprzewodowej na

niewielkich odległościach

TETRA (Terrestrial Trunked Radio) – otwarty standard

cyfrowej radiotelefonicznej łączności dyspozytorskiej

CALM (Communications Access For Land Mobiles)

– standard komunikacji przeznaczony dla telefonów

komórkowych

Systemy zapewniające łączność na duże

odległości

EGNOS (European Geostationary Navigation Overlay

System) – europejski system satelitarny wspomagający

systemy GPS i GLONASS

GLONNASS (Global Navigation Satellite System)

– rosyjski system nawigacyjny

Systemy zapewniające łączność na

niewielkie odległości DSRC (Dedicated Short Range Communication)

Systemy przewodowe

Tradycyjna telefonia, umożliwiająca

przekaz analogowy POTS (Plain Old Telephone Service)

Sieci internetowe Internet

LAN (Local Area Network), czyli sieć lokalna

Cyfrowe linie łączności satelitarnej DSL (Digital Subsriber Line) – cyfrowe technologie

abonenckie, umożliwiające dostęp do Internetu

Systemy ISDN (Integrated Service

Digital Network) – Sieć Cyfrowa

z Integracją Usług

COLP (Connected Line identification Presentation), czyli usługa prezentacji numeru abonenta

Źródło: [1, s. 17]

Poza systemami telekomunikacyjnymi w skład technologii informacyjnych wykorzy-

stywanych w ramach transportu zalicza się także systemy informatyczne oraz systemy wy-

miany danych. Te pierwsze obejmują wszelkie technologie komputerowe umożliwiające

przesyłanie informacji na odległość, jak również ich gromadzenie i przetwarzanie. Tech-

nologie te to na przykład platformy elektroniczne, pamięci masowe, karty elektroniczne

oraz specjalistyczne oprogramowanie [1, s. 17]. Systemy wymiany danych (Electronic

28 K. Bartczak

Data Interchange – EDI) umożliwiają natomiast odbywającą się w zautomatyzowany spo-

sób wymianę informacji pomiędzy systemami komputerowymi różnych organizacji i in-

stytucji. Wymiana ta odbywa się w sposób elektroniczny i w następstwie stosowania ze-

standaryzowanych dokumentów oraz specjalnych komunikatów. Należy dodać, że do

szczególnego rodzaju systemów EDI zalicza się AutoID (Automatic Identification), czyli

systemy automatycznej identyfikacji obiektów za pomocą specjalnych czytników, baz da-

nych i systemów komputerowych [10, s. 82].

3.2. TECHNOLOGIE TELEMATYCZNE

Poza technologiami informacyjnymi (informatycznymi) w ramach transportu drogo-

wego na szeroką skalę wykorzystuje się technologie telematyczne. Wśród nich najważniejsze

znaczenie dla BRD mają niewątpliwie inteligentne systemy transportowe (Intelligent Trans-

portation Systems – ITS). Dzięki nim możliwe staje się efektywne zarządzanie infrastrukturą

transportową. Odbywa się to w następstwie połączenia technologii informatycznych z komu-

nikacją bezprzewodową oraz urządzeniami elektronicznymi umieszczonymi w poszczegól-

nych pojazdach, takimi jak sensory czy czujniki [7, s. 1]. Spis elementów, które składają się

na systemy telematyczne, znajduje się w tabeli 2.

Tab. 2. Elementy systemu telematycznego

Element systemu Narzędzia

Komunikacja elektroniczna systemy łączności satelitarnej

sieć LAN

Systemy pozyskiwania

informacji

czujniki pomiarowe

kamery wideo

Systemy prezentowania

informacji

System Informacji Geograficznej

(Geographic Information System – GIS)

Znaki o Zmiennej Treści (Variable Message Signs – VMS)

Protokół Komunikacji Bezprzewodowej

(Wireless Application Protocol – WAP)

Źródło: [1, s. 17]

W obszarze transportu drogowego wśród technologii telematycznych stosowane są

głównie systemy:

zarządzania ruchem drogowym,

zarządzania zdarzeniami drogowymi,

pomiaru ruchu,

pogodowe,

informacyjne, przeznaczone dla podróżnych [15, s. 27].

Niezwykle ważne miejsce wśród systemów telematycznych stosowanych w ramach za-

pewniania bezpieczeństwa ruchu drogowego odgrywa także system GPS (Global Positioning

System), czyli Globalny System Określania Położenia.


4. WYKORZYSTYWANIE SYSTEMÓW

INFORMATYCZNYCH I TELEMATYCZNYCH

NA POTRZEBY DZIAŁAŃ

Z ZAKRESU BEZPIECZEŃSTWA RUCHU DROGOWEGO

4.1. OBSZARY ZASTOSOWAŃ

SYSTEMÓW INFORMATYCZNYCH I TELEMATYCZNYCH

W ZWIĄZKU Z REALIZACJĄ DZIAŁAŃ

NA RZECZ BEZPIECZEŃSTWA RUCHU DROGOWEGO

Opisane powyżej systemy i technologie informacyjne (informatyczne) oraz telema-

tyczne mogą być na szeroką skalę wykorzystywane podczas realizacji działań z zakresu za-

pewniania bezpieczeństwa ruchu drogowego. Ogólnie do obszarów tych zaliczono:

pozyskiwanie i dystrybuowanie informacji dotyczących na przykład aktualnych warun-

ków panujących na drodze, ewentualnych przeszkód uniemożliwiających sprawne poru-

szanie się pojazdów czy miejsc, w których doszło do określonych zdarzeń drogowych;

sterowanie ruchem drogowym, które obejmuje na przykład adaptacyjne kierowanie ruchem,

odbywa się za pośrednictwem sygnalizacji świetlnej, monitorowanie ruchu drogowego, sygna-

lizowanie wszelkich zdarzeń, do których dochodzi na drodze, a także umożliwianie i organizo-

wanie pojazdom uprzywilejowanym swobodnego przejazdu podczas wyjazdu na akcje;

nawigację, a więc na przykład śledzenie ruchu pojazdów i wyznaczanie najbardziej

optymalnych tras ich poruszania się;

wspomaganie funkcjonowania systemu zarządzania infrastrukturą drogową, a także

jej rozbudowywania, modernizowania i utrzymania;

wyposażanie pojazdów transportowych w inteligentne systemy informatyczne i te-

lematyczne [5, s. 276].

Na temat obszarów transportu drogowego, w ramach których mogą być wykorzysty-

wane systemy informatyczne i telematyczne, w dość szeroki sposób odniesiono się w normie

ISO 14813-1:2007. Opis tych obszarów, uwzględniający głównie te spośród nich, które są

związane w bezpośredni sposób z kwestiami odnoszącymi się do bezpieczeństwa ruchu dro-

gowego, został zawarty w tabeli 3.

Według normy ISO 14813-1:2007 systemy informatyczne i telematyczne mogą być na sze-

roką skalę wykorzystywane podczas działań z zakresu bezpieczeństwa ruchu drogowego. Wśród

tych obszarów, w których stosowanie omawianych systemów ma najważniejsze znaczenie, znaj-

duje się między innymi zarządzanie ruchem oraz zarządzanie reakcją w przypadku wystąpienia

katastrof, pozyskiwanie i przekazywanie informacji na temat warunków drogowych oraz pogo-

dowych, a także zapewnianie bezpieczeństwa pieszym oraz niepełnosprawnym.

W tym miejscu warto omówić jeszcze kwestię odnoszącą się do obszarów zastosowań

systemów telematycznych, gdyż w wielu wypadkach obszary te mają znacznie szerszy za-

kres niż w przypadku systemów telekomunikacyjnych czy informatycznych. Obszary te zo-

stały opisane w tabeli 4.

30 K. Bartczak

Tab. 3. Zastosowanie systemów informatycznych i telematycznych w ramach działań z zakresu BRD

według normy ISO 14813-1:2007

Obszar zastosowania Realizacja zadań z zakresu BRD

Bezpieczeństwo narodowe

(National Security)

monitoring pojazdów stwarzających zagrożenie dla

bezpieczeństwa narodowego, a tym samym również dla BRD

sterowanie pojazdami stwarzającymi zagrożenie dla bezpieczeństwa

Informacja dla podróżujących

(Travel Information)

dostarczanie informacji na temat warunków, jakie panują na drodze, a także sieci transportowych

umożliwianie korzystania z nawigacji podczas poruszania się po drogach

Monitoring warunków pogodowych

i środowiskowych

(Weather and Environmental

Conditions)

pozyskiwanie danych i informacji na temat warunków pogodowych i zagrożeń środowiskowych

przekazywanie tych informacji uczestnikom ruchu

drogowego

Osobiste bezpieczeństwo uczestników

ruchu drogowego

(Transport Related Personal Safety)

zarządzanie bezpieczeństwem pieszych

zarządzanie bezpieczeństwem osób niepełnosprawnych

Pojazdy (Vehicles) zarządzanie bezpieczeństwem wszystkich pojazdów

poprawa warunków na drodze

Pojazdy komercyjne (Freight Transport)

zarządzanie bezpieczeństwem tego typu pojazdów

zarządzanie infrastrukturą transportu wielomodalnego

Ratownictwo (Emergency)

powiadamianie o wypadkach, zdarzeniach i incydentach

drogowych

poszukiwanie kradzionych pojazdów

prowadzenie i koordynowanie przebiegu akcji

ratunkowych

Zarządzanie reakcją i koordynacja

w przypadku katastrof

(Disaster Response Management and Coordination)

gromadzenie i analizowanie wszelkich informacji na te-

mat katastrof naturalnych i katastrof w ruchu lądowym

organizacja i koordynowanie działań podejmowanych

przez służby ratownicze

Zarządzanie ruchem i działania operacyjne

(Traffic Management and Operation)

zarządzanie ruchem drogowym

zarządzanie wypadkami

zarządzanie infrastrukturą drogową

zarządzanie popytem

Źródło: [3, s. 33–36]


Tab. 4. Obszary zastosowań systemów telematycznych

Obszar zastosowania Realizacja zadań z zakresu BRD

Operacje pojazdami transportu ładunków

(pojazdami komercyjnymi)

automatyczna inspekcja bezpieczeństwa na drodze

pokładowy monitoring bezpieczeństwa

kontrola przewozu materiałów niebezpiecznych

zarządzanie taborem pojazdów

Sterowanie informacją wykorzystywanie danych zarchiwizowanych

Systemy bezpieczeństwa

zarządzanie bezpieczeństwem podróży publicznych,

w tym pieszych

zarządzanie bezpieczeństwem niepełnosprawnych

użytkowników dróg

inteligentne skrzyżowania

Zaawansowane systemy bezpieczeństwa

pojazdów

zapobieganie kolizjom wzdłużnym i bocznym oraz tym

występującym na skrzyżowaniach

instalowanie wizyjnych systemów przeciwzderzeniowych

automatyczne operowanie pojazdami

instalowanie przeciwzderzeniowych instalacji

odpornościowych

instalowanie zabezpieczeń przeciw zgnieceniom

pogotowie bezpieczeństwa

Zarządzanie konstrukcją i utrzymaniem

infrastruktury drogowej

realizacja operacji konstrukcyjnych i remontowych

realizacja operacji utrzymania, w tym szczególnie

w okresie zimowym

Zarządzanie ruchem i podróżą

pozyskiwanie i przekazywanie kierowcom informacji na

temat warunków drogowych, natężenia ruchu itp.

kontrola skrzyżowań dróg i kolei

prowadzenie i nawigacja

kontrola poziomu emisji spalin i realizacja działań w celu

jego redukcji

Zarządzanie wypadkowe

notyfikacja wypadkowa, a więc system powiadamiania

o wypadku właściwych instytucji, organów i służb

bezpieczeństwo osób podczas akcji ratowniczych

notyfikacja transportu ładunków niebezpiecznych

zarządzanie pojazdami służb ratowniczych

Źródło: [15, s. 25–26]

32 K. Bartczak

Systemy telematyczne znajdują więc niezwykle szerokie zastosowanie w działaniach słu-

żących zapewnianiu bezpieczeństwa ruchu drogowego. Co ważne, obszary tego zastosowania

są w wielu wypadkach szersze niż w przypadku systemów telekomunikacyjnych i informatycz-

nych, co wynika z tego, że często systemy telematyczne pełnią nadrzędną rolę wobec pozosta-

łych systemów, scalając w sobie szereg narzędzi i funkcjonalności innych technologii.

4.2. WPŁYW WYKORZYSTYWANIA

SYSTEMÓW INFORMATYCZNYCH I TELEMATYCZNYCH

NA ZAPEWNIANIE BEZPIECZEŃSTWA RUCHU DROGOWEGO

Wszystkie opisane w poprzednich częściach pracy systemy mają wydatny wpływ na

skuteczność działań służących zapewnianiu bezpieczeństwa ruchu drogowego. W pierwszej

kolejności warto opisać systemy telekomunikacyjne i informatyczne.

Dzięki nim przede wszystkim możliwa staje się sprawna komunikacja pomiędzy służ-

bami ratowniczymi, które biorą udział na przykład w działaniach zmierzających do zapew-

nienia szybkiej pomocy ofiarom wypadków drogowych. Posługiwanie się przez te służby

telefonią komórkową, jak również różnorodnymi systemami łączności satelitarnej oraz na-

rzędziami internetowymi umożliwia szybkie przesyłanie informacji na temat danego zdarze-

nia drogowego do odpowiednich służb i instytucji, co z kolei w sposób wydatny wpływa na

skuteczność akcji ratowniczych i na to, że pomoc może szybciej dotrzeć do osób poszkodo-

wanych. Systemy telekomunikacyjne bardzo często decydują więc o powodzeniu akcji ra-

towniczych, tym samym ratując nierzadko ludzkie życie. Wprawdzie wpływ na to ma szereg

innych czynników, takich jak na przykład fachowość zespołów ratowniczych, jednak nie-

wątpliwie systemy telekomunikacyjne mają duży wpływ na skuteczność akcji ratowniczych

prowadzonych w następstwie wypadków i zdarzeń drogowych [15, s. 25–26].

Wykorzystywanie systemów telekomunikacyjnych i informatycznych jest bardzo ważne

również w odniesieniu do zarządzania transportem, w tym również transportem pojazdów nie-

bezpiecznych oraz transportem wielomodalnym, prowadzonym za pomocą środków transportu

należących do więcej niż jednej gałęzi, a więc na przykład samochodami ciężarowymi i koleją.

Omawiane systemy umożliwiają szybki kontakt pomiędzy służbami, które zajmują się na przy-

kład nadzorowaniem tego typu transportów, a także sprawdzanie wszelkich danych i informacji

odnoszących się do tego, czy określony ładunek jest przewożony zgodnie z wszelkimi przepi-

sami i z zachowaniem podstawowych zasad bezpieczeństwa. Zasady te mogą dotyczyć, w od-

niesieniu do przewozu materiałów niebezpiecznych za pomocą cystern, na przykład odpowied-

niego stopnia napełnienia cysterny (co najmniej 80% lub mniej niż 20% napełnienia), ograni-

czania prędkości przed wjeżdżaniem w zakręty, co jest związane z przemieszczaniem się

ładunku, a także właściwego zabezpieczenia ładunku (wszystkie zawory powinny zostać za-

mknięte) [12]. Dzięki stosowaniu tych zasad nie powstają zagrożenia dla bezpieczeństwa ruchu

drogowego, związane na przykład z możliwością przewrócenia się cysterny czy wycieku z niej

substancji trujących, a realizacja tych zasad jest możliwa dzięki wykorzystywaniu systemów

telekomunikacyjnych i informatycznych.

Na skutek korzystania z tych systemów znacznie poprawia się funkcjonowanie systemu

związanego z pozyskiwaniem i dystrybuowaniem wszelkich informacji odnoszących się do


ruchu drogowego, w tym tych, które dotyczą na przykład aktualnych przeszkód na drodze

(wypadków, kolizji), warunków panujących na drodze oraz prognoz pogodowych. Informacje

te mają bardzo często wydatny wpływ na poprawę bezpieczeństwa ruchu drogowego, bowiem

dzięki informacjom odnoszącym się do kolizji i wypadków poszczególni kierowcy wiedzą,

w którym miejscu należy zwolnić, by nadmierną prędkością pojazdu nie spowodować dodat-

kowego zagrożenia na przykład dla osób postronnych próbujących udzielać pomocy osobom

poszkodowanym w wypadku. Informacje takie w dużej części przypadków są przekazywane

za pomocą CB radia. Z kolei dystrybuowanie informacji na temat trudnych warunków pogo-

dowych może spowodować, że kierowcy będą starali się bardziej uważać podczas jazdy i do-

stosowywać prędkość pojazdów do tych warunków. W przypadku uzyskania informacji

o tym, że w określonym rejonie w ciągu kilku następnych godzin mogą wystąpić szczególnie

złe warunki pogodowe i drogowe, część kierowców może rezygnować z jazdy w ten rejon,

nie wywołując tym samym dodatkowych, potencjalnych zagrożeń dla BRD.

Jak już wspomniano, systemy telematyczne mają znacznie większy niż systemy infor-

matyczne i telekomunikacyjne obszar zastosowania. Przekłada się to na fakt, że również ich

wpływ na bezpieczeństwo ruchu drogowego jest znacznie szerszy. Stąd to właśnie w odnie-

sieniu do tych systemów warto prześledzić wskaźniki dotyczące poziomu korzyści, jakie

mogą być uzyskiwane w następstwie ich wykorzystywania w związku z zapewnianiem

BRD. Analiza tych wskaźników, dotycząca najważniejszych systemów telematycznych sto-

sowanych w transporcie drogowym, a więc ITS, znajduje się w tabeli 5.

Wykorzystywanie systemów telematycznych wpływa więc wydatnie na poprawę bez-

pieczeństwa ruchu drogowego, przy czym należy podkreślić, że wpływ ten ma charakter

zarówno bezpośredni, jak i pośredni. Bezpośredni wpływ uwidacznia się w zmniejszeniu

liczby wypadków, co jest osiągane dzięki funkcjonowaniu systemów sterowania ruchem,

zarządzania zdarzeniami drogowymi czy nadzorowania prędkości, jak również w poprawie

skuteczności działania służb ratowniczych, co jest możliwe na skutek wykorzystywania sys-

temów zarządzania zdarzeniami drogowymi i służbami ratowniczymi oraz systemów auto-

matycznej lokalizacji pojazdów służb ratowniczych, powodujących skrócenie czasu do-

jazdu pojazdów służb ratowniczych do miejsca zdarzenia. Wpływ bezpośredni uwidacznia

się także w wykorzystywaniu w poszczególnych pojazdach różnych zaawansowanych sys-

temów bezpieczeństwa, takich jak ABS, poduszki powietrzne czy system monitorowania

martwego pola.

Pośrednio natomiast na polepszenie się stanu bezpieczeństwa ruchu drogowego wpły-

wają te systemy telematyczne, które prowadzą do wzrostu przepustowości ulic i zmniejsze-

nia strat czasowych w sieci ulic. Wynika to z tego, że wzrost płynności ruchu prowadzi do

zwiększenia szybkości, z jaką poruszają się pojazdy pomiędzy różnymi lokalizacjami, co

z kolei powoduje mniejsze zmęczenie kierowców, a warto podkreślić, że duże zmęczenie jest

przyczyną wielu kolizji i wypadków drogowych, wpływających negatywnie na stan BRD.

Tak na przykład w 2014 r. na polskich drogach z powodu zmęczenia bądź zaśnięcia kierow-

ców doszło do 555 wypadków, w których zginęło 77 osób, a 846 zostało rannych [16, s. 26].

Stąd tak duże znaczenie ma neutralizowanie zagrożeń związanych z możliwością zasypiania

kierowców, co jest osiągane między innymi dzięki systemom telematycznym, umożliwiają-

cym zwiększanie płynności ruchu i ograniczanie czasu potrzebnego na poruszanie się samo-

chodami po drogach. Wpływ pośredni ma również wykorzystywanie systemów

34 K. Bartczak

usprawniających zarządzanie infrastrukturą transportową, które prowadzą do polepszania

warunków panujących na drogach i zwiększają komfort jazdy.

Tab. 5. Poziom korzyści, które są uzyskiwane w następstwie wykorzystywania ITS

do poprawy stanu BRD

Obszar zastosowania Rodzaj działania związanego ze stosowaniem ITS Poziom ko-

rzyści [%]

Poprawa bezpieczeństwa

ruchu drogowego (spadek

liczby wypadków)

stosowanie kamer nadzorujących prędkość do 80

użytkowanie zaawansowanych systemów sterowania

ruchem do 80

sterowanie ruchem na wjazdach na drogi szybkiego

ruchu do 50

użytkowanie systemów zarządzania zdarzeniami

drogowymi do 50

Poprawa skuteczności działa-

nia służb ratowniczych

w następstwie wykorzystywa-

nia systemów zarządzania

zdarzeniami drogowymi

i służbami ratowniczymi

skrócenie czasu wykrycia zdarzenia do 66

skrócenie czasu dojazdu pojazdów służb ratowniczych

do miejsca wypadku do 43

Poprawa skuteczności

działania służb ratowniczych

w następstwie wykorzystywa-

nia systemów automatycznej

lokalizacji pojazdów służb

ratowniczych

skrócenie czasu dojazdu do miejsca zdarzenia do 40

Wpływ na środowisko

naturalne

redukcja emisji spalin w następstwie stosowania

systemów zarządzania popytem do 50

redukcja emisji spalin poprzez stosowanie systemów

zarządzania ruchem na drogach szybkiego ruchu do 42

redukcja emisji spalin poprzez stosowanie systemów

zarządzania ruchem miejskim do 30

Wzrost przepustowości sieci

ulic

elektroniczne systemy poboru opłat do

200–300

system zarządzania ruchem na drogach szybkiego ruchu do 25

system kierowania pojazdów na alternatywne trasy do 22

Zmniejszenie strat czasowych

w sieci ulic

zastosowanie elektronicznych systemów poboru opłat do 71

priorytet sygnalizacji świetlnej dla pojazdów transportu

zbiorowego do 54

zastosowanie sygnalizacji świetlnej do 48

sterowanie ruchem na wjazdach na drogi szybkiego

ruchu do 48

systemy zarządzania zdarzeniami drogowymi do 45

Źródło: [8, s. 4]


Na koniec warto wspomnieć o systemie GPS. Schemat jego funkcjonowania został za-

prezentowany na rysunku 1.

Rys. 1. Schemat funkcjonowania systemu GPS

Źródło: [11, s. 15]

Funkcjonowanie systemu GPS polega na tym, że odbiorniki, znajdujące się na przykład

w samochodach osobowych, odbierają sygnały wysyłane przez satelity i porównują je z wła-

snymi sygnałami. Następnie dokonują one obliczeń trasy i mnożą jej długość przez prędkość

fal radiowych. Na tej podstawie wyliczana jest pozycja określonego pojazdu na ziemi, przy

czym wystarczą sygnały z trzech satelitów, by możliwe było dokładne określenie pozycji

odbiornika. Co ważne, korzystanie z urządzeń GPS jest możliwe w każdych warunkach, bez

względu na porę roku, miejsce czy czas. Dzięki temu stają się one niezwykle przydatne rów-

nież w ramach działań prowadzonych z zakresu BRD. Umożliwiają bowiem skuteczne ko-

ordynowanie akcji ratowniczych poprzez na przykład kierowanie do wypadków drogowych

tych pojazdów, które aktualnie znajdują się najbliżej miejsca danego zdarzenia. W ten sposób

akcje te stają się skuteczniejsze, a sama technologia GPS prowadzi do tego, że w wielu sytu-

acjach możliwe staje się uratowanie ludzkiego życia.

5. WNIOSKI

Zapewnienie bezpieczeństwa ruchu drogowego jest sprawą niezwykle ważną, bowiem

może decydować o zdrowiu, a nawet życiu wielu ludzi. Na stan tego bezpieczeństwa wpływ

ma wiele czynników i wśród nich znajdują się także różnego rodzaju systemy telekomunika-

cyjne, informatyczne oraz telematyczne.

Ich wpływ na BRD jest wieloaspektowy i uwidacznia się w odniesieniu do wielu obsza-

rów. Ogólnie obszarów tych jest bardzo duża liczba i dotykają one szeregu różnych aspektów

36 K. Bartczak

związanych z bezpieczeństwem ruchu drogowego Wśród najważniejszych spośród tych ob-

szarów należy wspomnieć o zarządzaniu i sterowaniu ruchem, pozyskiwaniu i dystrybuowa-

niu informacji dotyczących warunków panujących na drodze, zarządzaniu infrastrukturą

transportową, ratownictwie, zarządzaniu reakcjami w przypadku zdarzeń i wypadków dro-

gowych oraz katastrof, a także stosowaniu różnorodnych systemów bezpieczeństwa.

Należy podkreślić, że wykorzystywanie systemów informatycznych i telematycznych

przyczynia się do znacznej poprawy stanu bezpieczeństwa ruchu drogowego. Dzięki ich sto-

sowaniu zmniejsza się bowiem liczba wypadków drogowych, służby ratownicze są w stanie

szybciej dojechać na miejsce zdarzenia, poprawia się skuteczność zarządzania ruchem i in-

frastrukturą transportową, a także neutralizuje się zagrożenia związane na przykład z prze-

wozem materiałów niebezpiecznych. Z uwagi na to, że opisywane w pracy systemy generują

szereg korzyści związanych z zapewnianiem BRD, ich wykorzystywanie w ramach trans-

portu drogowego będzie niewątpliwie coraz powszechniejsze.

LITERATURA

[1] Bartczak K., Technologie informatyczne i telekomunikacyjne jako podstawa tworzenia systemów

telematycznych w transporcie. [w:] Współczesne procesy i zjawiska w transporcie. red. E. Załoga,

Uniwersytet Szczeciński. Wydział Zarządzania i Ekonomiki Usług, Szczecin 2006.

[2] Bezpieczeństwo ruchu drogowego. NIK, Warszawa 2013.

[3] Chojnacki B., Kowalewski M., Pękalski A., Znaczenie krajowej architektury ITS. Prace Naukowe

Politechniki Warszawskiej, 2013, z. 93.

[4] Dyrektywa Parlamentu Europejskiego i Rady 2008/96/WE z dnia 19 listopada 2008 r. W sprawie

zarządzania bezpieczeństwem infrastruktury drogowej.

[5] Gaca S., Suchorzewski W., Tracz M., Inżynieria ruchu drogowego. Teoria i praktyka.

Wydawnictwa Komunikacji i Łączności, Warszawa 2008.

[6] Koliński A., Znaczenie systemów informatycznych w logistyce. https://wyszukiwarka.efs.

men.gov.pl/product/znaczenie-systemow-informatycznych-w-logistyce/attachment/759, dostęp:

14 września 2015 r.

[7] Koźlak A., Innowacyjność w podaży usług jako czynnik konkurencyjności przedsiębiorstw

sektora TSL. Referat z konf. Eurotrans 2008, Warszawa 17–18.10.2008. http://www.acade-

mia.edu/9284630/8d622be003f247ef818110887880f34d, dostęp: 14 września 2015 r.

[8] Koźlak A., Inteligentne systemy transportowe jako instrument poprawy efektywności transportu.

„Logistyka” 2008, nr 2.

[9] Makowska M., Boguszewski R., Analiza danych zastanych – zagadnienia wstępne. [w:] M. Ma-

kowska (red.), Analiza danych zastanych. Przewodnik dla studentów. Wydawnictwo Naukowe

Scholar, Warszawa 2013.

[10] Nadolna B., Wpływ elektronicznej wymiany danych (EDI) na funkcjonowanie kontroli zarządczej

w jednostkach sektora finansów publicznych. Zeszyty Naukowe Uniwersytetu szczecińskiego,

2012, nr 53.

[11] Romanow P., Nowe technologie w branży logistyczno-spedycyjnej. Wydanictwo Ecorys,

Warszawa 2013.

[12] Sposób przewozu towarów niebezpiecznych, http://archiwum.ciop.pl/14084.html, dostęp:

16 września 2015 r.

[13] Wicher J., Bezpieczeństwo samochodów i ruchu drogowego. Wydawnictwa Komunikacji i Łączności,

Warszawa 2004.

[14] Wydro K. B., Telematyka – znaczenie i definicja terminu. Telekomunikacja i Techniki informacyjne,

2005, nr 1–2.


[15] Wydro K. B., Usługi i systemy telematyczne w transporcie. Telekomunikacja i Techniki Informacyjne,

2008, nr 3–4.

[16] Wypadki drogowe w Polsce w 2014 roku. Komenda Główna Policji, Warszawa 2015.

THE EFFECT OF COMPUTER AND TELEMATIC SYSTEMS

APPLIED IN TRANSPORT OF TRAFFIC SAFETY

Abstract

This paper discusses issues relating to the impact that they have a variety of systems and

telematics for road safety. The focus on the analysis of what systems related to the need to

ensure road safety are most often used in the field of road transport, whether these systems

contribute to improving road traffic safety, as well as how they impact on improving road

safety. The study was divided into 3 sections. The first discusses the most important definitions,

and therefore those relating to road safety and information system and telematics. In the second

chapter describes the main types of these technologies and systems used in road transport,

which play a vital role in ensuring road safety. In the third part of the work while analysed

areas of application of these systems in the framework of BRD, as well as describes their im-

pact on the improvement of the security.

Keywords: safety, traffic, information system, telecommunication system, traffic control,

a telematics system

38

Ewa DANISZEWSKA*

ZASTOSOWANIE LOGIKI ROZMYTEJ

W PROBLEMACH TRANSPORTOWYCH

Streszczenie

W ciągu ostatnich lat, powstało wiele modeli, które były stosowane do rozwiązywania

skomplikowanych problemów transportowych i komunikacyjnych. Logika rozmyta to bar-

dzo obiecujące podejście matematyczne służące modelowaniu procesów komunikacyjnych

i transportowych, charakteryzujących się wieloma subiektywnymi odczuciami, niepełnymi

lub niedokładnymi informacjami. W rzeczywistości podejmowanie decyzji w większości

spraw dotyczących kontroli sygnalizacją świetlną, metod i technik planowania utrzymania

i remontu nawierzchni dróg i ulic czy planowania logistycznego obarczona jest niepewno-

ściami. Niejasne oraz nieprecyzyjne informacje są trudne do odwzorowania za pomocą

liczb, „wartości ostrych”. Z tego względu coraz częściej kładzie się nacisk na znaczenie roz-

mytych systemów logicznych jako uniwersalnej optymalizacji służącej rozwiązywaniu pro-

blemów ruchu drogowego i problemów transportowych.

Słowa kluczowe: logika rozmyta, sterownik rozmyty, problemy transportowe

1. WPROWADZENIE

Badania zagadnień transportowych stanowią bardzo szeroki i ciekawy obszar, ze

względu na zróżnicowane i trudne problemy czekające wciąż na nowsze i lepsze rozwiąza-

nia. W ciągu ostatnich kilkudziesięciu lat opracowano wiele modeli deterministycznych

i stochastycznych rozwiązujących złożone problemy komunikacyjne czy inżynierii trans-

portu. Podczas swojej edukacji i szkoleń, inżynierowie są najczęściej nakłaniani do stosowa-

nia wyłącznie obiektywnej wiedzy (wzorów i równań). W modelowaniu ruchu drogowego

korzysta się z równania Naviera-Stokesa, równania Boltzmana, równania ciągłości

Maxwella, równania dynamiki Newtona. Strumienie pojazdów porównywane są do strumieni

cząstek, znane nam z fizyki, korzystając z modeli zbudowanych przy użyciu cząstkowych

równań różniczkowych, które w pewnym stopniu uśredniają wartości działań [48]. Korzysta

* Uniwersytet Warmińsko-Mazurski w Olsztynie, Wydział Geodezji, Inżynierii Przestrzennej

i Budownictwa

Zastosowanie logiki rozmytej w problemach transportowych 39

się również z modeli zapisanych przy użyciu równań opisujących kinetykę gazów [47] – mo-

del Lighthilla, Whithama i Richardsa, model Payne – Whithmana. Patrząc jednak na dane

pochodzące z rzeczywistych pomiarów i liczne publikacje wprowadzające poprawki do mo-

deli [13, 49] należy zastanowić się nad błędami, które wynikają z używania modeli uprosz-

czonych. Niekiedy, brak połączenia czynników rzeczywistych ze współczynnikami równań

powoduje, że modele cząstkowe są mało odporne na błędy i trudno jest dopasować je do

rzeczywistych danych [13]. Co więcej, klasyczne modele obliczeniowe nie zawsze skutecz-

nie radzą sobie z niejasnościami i niepewnościami występującymi w zarządzaniu transpor-

tem. Większość decyzji transportowych odbywa się na podstawie braku precyzji, niepewno-

ści oraz niepełnych informacji, które są trudne a niekiedy nawet niemożliwe do zmierzenia,

odwzorowania i opisania przez wartości „ostre”, wartości liczbowe. Tradycyjne techniki ana-

lityczne, mogą być niec ałkiem skuteczne przy rozpatrywaniu problemów, w których zależ-

ności między zmiennymi są skomplikowane, źle zdefiniowane, z wewnętrznymi sprzeczno-

ściami. Aby uniknąć jednostronnych, bądź nawet błędnych wniosków, obok równań klasycz-

nych warto zwrócić uwagę na wykorzystanie logiki rozumowania rozmytego, umożliwiającą

opisywanie nieliniowej zależności pomiędzy wieloma parametrami.

Podstawowym celem niniejszej pracy jest opis obszarów, w których zastosowanie logiki

rozmytej w ruchu i inżynierii transportowej jest możliwe oraz wskazanie głównych kierun-

ków badań w tej dziedzinie.

2. TEORIA LOGIKI ROZMYTEJ

„W miarę jak zwiększa się złożoność systemu, coraz trudniejsze, aż w końcu niemoż-

liwe staje się dokładne przewidzenie jego zachowania”. Autorem powyższego stwierdzenia

jest amerykański matematyk irańskiego pochodzenia – Lotfi A. Zadeh, który po raz pierwszy

przedstawił logikę rozmytą jako formalizację niepewności, zjawiska występowania obiektów

wobec których pewne określenia stosują się tylko w jakimś stopniu. W roku 1965 w czaso-

piśmie „Information and Control” ukazała się słynna praca Zadeha pt. „Fuzzy sets”, co w ję-

zyku polskim tłumaczone jest jako zbiory rozmyte [45]. Zawarł tu opis proponowanej teorii

zbiorów rozmytych oraz logiki rozmytej. Przesłanki do jej powstania i rozwoju wynikły z po-

trzeby opisania złożonych zjawisk, słabo zdefiniowanych pojęć, trudnych do opisania przy

pomocy klasycznego modelu matematycznego [11]. Wcześniej znane metody matema-

tyczne, wykorzystujące klasyczną teorię zbiorów i logikę dwuwartościową, napotykały trud-

ności w rozwiązywaniu tego typu problemów [31]. Teoria zbiorów rozmytych jest w szcze-

gólny sposób przydatna w systemach, w których czynnik ludzki odgrywa zasadniczą rolę:

tam, gdzie podstawą są koncepcje określone nieprecyzyjnie oraz tam, gdzie zastosowanie

ilościowych technik objawia swe słabości, czyli przy opisie złożonych systemów – wielowy-

miarowych, hierarchicznych, z wewnętrznymi sprzężeniami zwrotnymi.

2.1. ZBIÓR ROZMYTY

Klasyczna logika dwuwartościowa bazuje na dwóch wartościach reprezentowanych naj-

częściej przez 0 i 1 lub „prawdę” i „fałsz”. Granica między nimi jest jednoznacznie określona

i niezmienna. Zbiór rozmyty różni się od klasycznego zbioru logiki dwuwartościowej tym,

40 E. Daniszewska

że nie ma ostrej, dobrze określonej granicy, przynależność elementu do zbioru może być

częściowa. W logice rozmytej element zbioru rozmytego tylko w pewnym stopniu należy do

zbioru, tzn. ma określoną, przyporządkowaną wartość przynależności do zbioru. To przypo-

rządkowanie w teorii zbiorów rozmytych nosi nazwę funkcji przynależności. Funkcja ta

określona jest dla danego zbioru, a jej argumentem jest element przestrzeni zawierającej

zbiór. Jeśli więc X reprezentuje i-elementowy zbiór rozmyty, to funkcja przynależności przy-

porządkowuje każdemu elementowi zbioru x-stopień, w jakim zachodzi jego przejście od

jednego stanu do następnego. Stopień ten wyrażony jest liczbą z przedziału [0,1], w którym

0 oznacza brak przynależności elementu do danego zbioru, a wartość 1 całkowitą przynależ-

ność do danego zbioru, wartości pośrednie – częściową przynależność do zbioru rozmy-

tego X [5].

Teoria zbiorów rozmytych jest więc rozszerzeniem klasycznej teorii zbiorów, gdzie

można mówić o częściowej przynależności elementu do zbioru. Zbiór rozmyty a określony

w szerszym zbiorze X to zbiór par:

A = {(μA(x),x)} (1)

gdzie:

μA: X → [0, 1] (2)

Funkcja przynależności μA każdemu elementowi x X przyporządkowuje stopień jego

przynależności do danego zbioru rozmytego A. Można wyróżnić trzy przypadki przynależ-

ności elementu do zbioru:

– μA(x) = 1 oznacza całkowitą przynależność elementu x do zbioru rozmytego A, x X,

– μA(x) = 0 oznacza brak przynależności elementu x do zbioru rozmytego A, x X,

– 0 < μA(x) < 1 oznacza częściową przynależność elementu x do zbioru rozmytego A.

Jeśli zbiór X jest przestrzenią o skończonej liczbie elementów X = {x1, x2, …, xn},

to zbiór rozmyty zapiszemy:

𝐴 = ∑𝜇𝐴(𝑥𝑖)

𝑥𝑖

𝑛

𝑖=1

(3)

𝐴 =𝜇𝐴(𝑥1)

𝑥1+𝜇𝐴(𝑥2)

𝑥2 +…+ 𝜇𝐴(𝑥𝑛)

𝑥𝑛

(4)

Dla przestrzeni o nieskończonej liczbie elementów X = {x}:

𝐴 = ∑𝜇𝐴𝑥∈𝑋

(𝑥)/𝑥

(5)

Kreska ułamkowa oznacza przyporządkowanie elementów zbioru x1,…, xn stopni przy-

należności 𝜇𝐴(𝑥1), …, 𝜇𝐴(𝑥𝑛). Nie oznacza dzielenia. Inaczej: 𝜇𝐴(𝑥𝑖)

𝑥𝑖 𝑖 = 1, … 𝑛

(6)

oznacza parę:

𝑥𝑖 , 𝜇𝐴(𝑥𝑖) 𝑖 = 1, … 𝑛 (7)


„Teoria zbiorów rozmytych jest więc teorią klas, w której przejście od przynależności

do nieprzynależności nie ma charakteru skokowego jak w zbiorze konwencjonalnym, a jest

stopniowe” [15]. Zatem logika rozmyta jest naturalnym sposobem opisu pojęć i zjawisk nie-

precyzyjnych i nieostrych.

2.2. ZMIENNA LINGWISTYCZNA

Tam, gdzie złożoność zjawiska jest duża, coraz trudniej jest go precyzyjnie opisać. Zda-

rza się tak, że tam, gdzie nie jesteśmy w stanie zastosować dokładnych środków matema-

tycznych, człowiek potrafi znaleźć względnie dobre rozwiązanie. Przyczyną takiego stanu

rzeczy jest to, że rozumowanie człowieka jest rozumowaniem przybliżonym, „nieostrym”,

nie jest rządzone przez logikę dwuwartościową. Człowiek potrafi na podstawie przybliżo-

nych reguł i nieścisłych przesłanek wyciągać przybliżone wnioski. Nie musi posiadać do-

kładnego modelu, by dopasować go do złożonej sytuacji posiadając wyłącznie własne umie-

jętności przetwarzania i percepcji. Człowiek zachowuje kompromis między prostotą

i adekwatnością dlatego, że przetwarza informacje nie takie, które oparte są na zmiennych

liczbowych, ale na zmiennych lingwistycznych.

Zmienna lingwistyczna została określona przez Zadeha [46] w następujący sposób:

„Przez zmienną lingwistyczną rozumiemy zmienną, której wartościami są słowa lub zdania

w języku naturalnym lub sztucznym. Dla przykładu ‘wiek’ jest zmienną lingwistyczną, jeśli

jej wartości są wyrażone słowami a nie liczbami, to znaczy ‘młody’, ‘niemłody’, ‘bardzo

młody’, ‘całkiem młody’, ’stary’, ‘nie bardzo stary’ i ‘nie bardzo młody’ itd. Zamiast 20, 21,

23, …” Zmienna lingwistyczna jest podstawową jednostką reprezentacji we wnioskowaniu

przybliżonym. Wartościami zmiennych lingwistycznych są słowa, ich modyfikacje, jak i całe

zdania. Zbiory i operatory w logice rozmytej pełnią rolę odpowiednio podmiotu i orzeczenia

zdań. Konstruując algorytmy rozmyte wykorzystujemy zdania warunkowe typu „jeżeli…,

to…”. W najprostszym przypadku przyjmuje ono formę: „jeżeli x jest A, to y jest B”. A i B

to wartości lingwistyczne określone zbiorami rozmytymi w przestrzeni X i Y, do których

należą elementy x i y. Zadanie, które następuje po „jeżeli”, nazywane jest przesłanką, nato-

miast konkluzją (następnikiem) nazywane jest zdanie, które występuje po „to”.

Podejście lingwistyczne jest bardzo istotnym udogodnieniem w analizie systemowej,

także w opracowaniu oprogramowania i języka komputerowego, np. W programie Matlab,

gdzie duży nacisk kładzie się na możliwość przetwarzania danych lingwistycznych.

2.3. STEROWNIKI ROZMYTE

Najistotniejsza różnica w sterowaniu klasycznym a rozmytym tkwi w modelowaniu.

Sterowanie klasyczne oparte jest na modelach analitycznych, z wykorzystaniem równań al-

gebraicznych, różniczkowych. Sterowanie rozmyte bazuje na heurystyce, na umiejętnym od-

krywaniu nowych faktów i korelacji między nimi. Wykorzystuje zarówno wiedzę, jak i do-

świadczenie człowieka, które wyrażone jest poprzez reguły postępowania sformułowane

w formie zdań bazujących na zmiennych lingwistycznych.

Model lingwistyczny, inaczej nazywany bazą reguł, jest zbiorem instrukcji warunko-

wych, tzw. przesłanek. Tworzone są one na bazie doświadczenia eksperta, jego wiedzy

biuro

Podświetlony

42 E. Daniszewska

o wartościach zmiennych zjawiska czy też danego procesu. Przyjmuje się, że zarówno prze-

słanka, jak i wniosek są koniunkcjami nieskomplikowanych zdarzeń rozmytych.

Bazę reguł stanowi zatem zespół rozmytych warunków:

Jeżeli xi jest Ai i ... i xn jest An to yj jest Bj i ... i ym jest Bm (8)

gdzie:

xi, xn – dane wejściowe,

yj, ym – zmienne wyjściowe modelu lingwistycznego takie, że:

x1, x2, …, xn = x X1 · X2 · … · Xn (9)

y1, y2, …, yn = y Y1 · Y2 · … · Yn (10)

gdzie:

Ai, An, Bj, Bm – zbiory rozmyte, przy czym:

𝐴𝑖 ⊆ 𝑋𝑖 ⊂ 𝑅, i = 1, …, n (11)

𝐵𝑗 ⊆ 𝑋𝑗 ⊂ 𝑅, j = 1, …, m (12)

Ważną kwestią przy projektowaniu sterowników rozmytych jest dobór odpowiedniej

liczby reguł oraz uwzględnienie interakcji między poszczególnymi regułami. Liczba reguł

powinna być wystarczająca, by reguły nie pozostawały w sprzeczności ze sobą.

Systemy rozmyte to narzędzie pozwalające na odwzorowanie zależności pomiędzy wej-

ściami systemu ‘input’ a wartością końcową ‘output’ (rys. 1). Na wejście dostarczany jest

dany wektor [x1,x2,…,xn]. Podczas procesu fuzyfikacji wartości wejściowe są rozmywane. Do

modułu inferencji docierają wartości rozmyte, gdzie wyliczane są stopnie spełnienia przesła-

nek reguł ze zbioru reguł dla rozmytych wartości.

Rys. 1. Schemat rozmytego systemu opartego na logice rozmytej

Blok rozmywania jest to pierwszy blok, na jaki natrafią wprowadzone dane. Tutaj do-

chodzi do odwzorowania wprowadzonej na wejściu wartości liczbowej przypisanej do odpo-

wiedniej zmiennej lingwistycznej w zbiór rozmyty. Dane wejściowe zostaną rozmyte, zosta-

nie ustalona wielkość stopienia przynależności do określonych zbiorów rozmytych. Operacja

fuzyfikacji sprowadza się do obliczenia funkcji przynależności danej wielkości wejściowej

występującej w konkluzji do zbioru rozmytego. Wartości obliczone w wyniku rozmywania

trafiają na blok wnioskowania.


W bloku wnioskowania wykonywane są obliczenia zawarte w regułach na bazie danych

wejściowych. Następuje uruchomienie tych reguł, których przesłanki zostały spełnione,

czego wynikiem są stopnie spełnienia przesłanek. Obliczona zostaje wynikowa wartość funk-

cji przynależności. Dochodzi do tego na drodze łączenia zbiorów wyjściowych (ze wszyst-

kich reguł) w jeden zbiór rozmyty. Wnioskowanie jest to udzielenie odpowiedzi na pytanie:

„Jakie jest x, jeżeli y jest bardzo duże?”, gdzie zależności między x i y są rozmytym zdaniem

warunkowym typu: „Jeżeli y jest duże, to x jest małe albo x jest niezbyt małe” Udzielenie

odpowiedzi rozstrzyga o możliwym wykorzystaniu rozmytych zdań warunkowych do opisu

złożonych systemów.

Blok wyostrzenia jest ostatnim blokiem układu sterowania rozmytego. W bloku defu-

zyfikacji następuje wyznaczenie konkretnej wielkości liczbowej dla każdej z wartości wyj-

ściowej zbioru rozmytego.

Wraz z rozwojem logiki rozmytej wzrasta ilość nowych modeli rozmytych, by uzyski-

wać coraz większą dokładność wymiarową i uproszczoną strukturę. Celem tworzenia

nowych modeli jest również konieczność radzenia sobie z różną ilością i formą dostępnych

danych oraz różnorodnością systemów rzeczywistych. Głównym założeniem modelowania

rozmytego jest uproszczenie struktur i przy tym uzyskiwanie coraz większej dokładności wy-

ników. Model systemu z zastosowaniem teorii zbiorów rozmytych pozwala na wyszczegól-

nienie najistotniejszych cech wyrażonych w jakościowym opisie stanowiącym zestaw odpo-

wiednich zmiennych lingwistycznych typu „Jeżeli…, to…”.

3. ZASTOSOWANIE LOGIKI ROZMYTEJ

W PROBLEMACH TRANSPORTOWYCH

Od czasu wprowadzenia przez Zadeha teorii logiki rozmytej, była ona z powodzeniem

stosowana w szerokim zakresie w różnych dziedzinach. Dalszy jej rozwój w latach siedem-

dziesiątych XX wieku przyniosły jej intensywny rozwój i dowody, że nawet niejasne oświad-

czenie logiczne, umożliwia tworzenie algorytmów, a niejasne dane można wykorzystać

w celu uzyskania trafnych wniosków. Logika rozmyta okazuje się być również użyteczną

techniką w rozwiązywaniu praktycznych problemów transportowych. W 1977 roku Pappis

i Mamdani [27] opublikowali pierwszy artykuł, w którym zaproponowali wykorzystanie lo-

giki rozmytej do sterowania skrzyżowaniem dwóch ulic jednokierunkowych. Pod koniec lat

osiemdziesiątych minionego wieku, grupa Japońskich naukowców: Nakatsuyama i in. [23],

Sugeno i Nishida [34], a w szczególności Sasaki i Akiyama [32], powiększyła wkład do teo-

rii mnogości i zastosowań rozmytych w ruchu drogowym i transporcie. Ten ostatni zespół

badaczy wykazał, jak duży potencjał ma wykorzystanie teorii zbiorów rozmytych w rozwią-

zywaniu złożonych problemów ruchu drogowego. Wraz z początkiem lat dziewięćdziesią-

tych XX wieku, teoria zbiorów rozmytych w transporcie stała się szeroko stosowana na uni-

wersytetach amerykańskich. Na szczególną uwagę zasługują pionierskie prace zespołu ba-

dawczego University of Delaware pod kierownictwem Shinya Kikuchi [7, 16, 17, 28, 38].

W niedługim czasie zainteresowanie zastosowaniem logiki rozmytej w transporcie wzrosło

i w innych uczelniach na świecie. Ciekawe rozwiązania z zastosowaniem teorii rozmytości

znajdziemy w licznych pracach: Tzeng i in. [41], Lotan i Koutsopoulos [19], Xu i Chan [44],

44 E. Daniszewska

Akiyama i Shao [3], Akiyama i Yamanishi [4], Perkinson [29], Teodorovic i Kalic [37], Mi-

losavljevic i in. [21], Teodorovic i Pavkovic [39]. Warty polecenia jest artykuł Teodorovica

[36], w którym autor wskazuje główne obszary, gdzie w transporcie można stosować logikę

rozmytą ze względu na naturalny sposób opisu nieprecyzyjnych i niepełnych informacji.

Dlaczego rozmyte systemy logiczne zostały opracowane dla inżynierii transportu?

Wiele problemów w zakresie planowania transportu i kontroli ruchu jest często niejedno-

znacznie, niejasno, bądź źle zdefiniowanych. Trudno pominąć fakt, że to właśnie subiek-

tywna ocena uczestnika ruchu jest decydująca przy wyborze trasy, rodzaju transportu czy

przewoźnika. Należy również podkreślić, że zarówno deterministyczne, jak i stochastyczne

modele, które zostały opracowane aby rozwiązać wiele skomplikowanych problemów ruchu

i transportu wykorzystują matematykę opartą na logice binarnej. Nie negując znaczenia lo-

giki binarnej jako podstawy dla rozwoju wielu dziedzin nauki i technologii, należy pamiętać,

że podejście dwuwartościowe nie jest w stanie odwzorować odczuć i reakcji kierowców, ich

niepewności, niejasności i niejednoznaczności przy podejmowaniu decyzji, przy wykonywa-

niu usług czy określania alternatywnych planów transportowych. Poniżej zostaną omówione

przykłady zastosowania logiki rozmytej w inżynierii ruchu i planowaniu transportu.

3.1. STEROWANIE SYGNALIZACJĄ ŚWIETLNĄ

W obszarze starowania ruchem drogowym najbardziej obszerna gama rozwiązań doty-

czy sterowania skrzyżowaniem drogowym. Kontrola sygnału jest niezbędna do zachowania

bezpieczeństwa i jakości warunków ruchu. Odpowiednie zarządzanie tym procesem prze-

kłada się na płynność przejazdu i ruchu pieszych, a tym samym wpływa na zminimalizowa-

nie czasu i kosztu transportu, zmniejszenie czasu oczekiwania na pojedynczych przejściach

dla pieszych, zmniejszenie zanieczyszczenia powietrza (minimalizacja stężenia CO2) [20]

i optymalizację poziomu hałasu [33].

W literaturze istnieje wiele prac poświęconych określaniu czasu trwania świateł drogo-

wych przy użyciu logiki rozmytej. W pracy Chiu i Chand [10] opisują skrzyżowanie, w któ-

rym światła ruchu ulicznego niezależnie dostosowują czas cyklu, podział faz oraz jego prze-

sunięcie, dysponując lokalnymi danymi zbieranymi na bieżąco z ruchu na skrzyżowaniu.

Niittymäki i Turunen [26] zastosowali logikę rozmytą do sterowania sygnalizacją świetlną

z sygnalizowanymi przejściami dla pieszych, wielofazową kontrolą sygnału i wyborem od-

powiedniej fazy. Naukowcy często opisują konstrukcję sterowników opartych na logice roz-

mytej [24, 25, 40]. W publikacjach wykazywane jest również inne wykorzystanie logiki roz-

mytej, np. w połączeniu z systemem wieloagentowym [18] jako sterownik rozmyty stano-

wiący rdzeń pojedynczego światła drogowego, tj. pojedynczy agent. W metodzie Royaniego

i in. [30], służącej optymalizacji kroków czasowych do każdej fazy, użyto rozmytych sieci

neuronowych w celu zminimalizowania liczby zatrzymań, długości kolejek i opóźnień prze-

jazdu. W tym rozwiązaniu zmiennymi wejścia, zaprojektowanego sterownika rozmytego,

były: liczba pojazdów przyjeżdżających w trakcie trwania fazy zielonej; liczba pojazdów

w kolejce w trakcie trwania fazy zielonej; liczba pojazdów w kolejce w trakcie trwania fazy

czerwonej. Zmienną wyjściową była natomiast długość czasu rozszerzenia aktualnej fazy

zielonej. Do uczenia systemu wykorzystano próbki rzeczywiste uzyskane z sekwencji wideo

ruchu. Baza reguł została zbudowana w oparciu o 48 reguły. Przykładowa reguła brzmiała:


„Jeżeli kolejka fazy zielonej jest krótka i kolejka fazy czerwonej jest krótka i liczba nadjeż-

dżających pojazdów w fazie zielonej jest mała, to długość czasu rozszerzenia fazy zielonej

jest krótka”. Uzyskano w ten sposób większą przepustowość oraz zmniejszono opóźnienia

przy optymalnym sterowaniu zmiennym natężeniem ruchu.

3.2. GENERATOR ZDARZEŃ DROGOWYCH

Wartym uwagi problemem jest wpływ transportu komunikacji miejskiej na ruch poprzez

zatrzymanie pojazdu w miejscach oznaczonych oraz pierwszeństwo podczas ponownego

włączania się pojazdu do ruchu. Poprzez nagłe zatrzymanie autobusu przy przystanku może

dojść do częściowego lub całkowitego zablokowania ruchu, co niekiedy prowadzi do niewy-

dajnego wykorzystania czasu trwania światła zielonego. Przyznanie natomiast pierwszeń-

stwa przejazdu pojazdowi uprzywilejowanemu następuje bez rozważenia wpływu nagłej

zmiany sygnałów na ruch pozostałych pojazdów. W celu rozwiązania powyższych problemów

Conrad, Dion i Yager [6] zaproponowali zastosowanie modelu SPPORT (Signal Priority Pro-

cedure for Optimization in Real-Time), czyli procedurę optymalizacji przez nadawanie priory-

tetów sygnałom w czasie rzeczywistym. Metoda NFCRL (Neural-Fuzzy Actor-Critic Reinfor-

cement Learning) opracowana przez Xie [43] stanowi przykład zastosowania logiki rozmytej

w połączeniu z sieciami neuronowymi (system neuronowo-rozmyty). Symulacje sterownika

NFACRL wykonano dla dwóch schematów implementacji: optymalizacji sekwencji faz

w czasie rzeczywistym oraz dla stałej sekwencji ruchu ze zmienną długością cyklu. Wyniki

potwierdzają wzrost średniej prędkości i zmniejszenie opóźnienia w porównaniu z wynikami

symulacji przeprowadzonymi z użyciem sterownika stałoczasowego i zmiennoczasowego.

W pracy doktorskiej [12] zaproponowany zaawansowany sterownik rozmyty okazał się lep-

szy niż porównywane sterowniki stałoczasowe. Analizując długości kolejek pojazdów, za-

proponowane rozwiązanie lepiej określało interwały splitów dla modelowanego skrzyżowa-

nia. Chang i Shyu [8] opracowali FES (Fuzzy Expert System) – system ekspercki z wykorzy-

staniem teorii zbiorów rozmytych. System ten może obsługiwać niepewne i niejasne dane

wprowadzane na wejściu modelu, np. nagłą zmianę natężenia ruchu i zagrożenie bezpieczeń-

stwa pieszych, podczas gdy inne systemy eksperckie, budowane przy użyciu tradycyjnej lo-

giki, tego nie potrafią. Klasyfikacja zdarzeń drogowych to kolejne zadanie, w którym wyko-

rzystywana jest wiedza ekspercka do budowy algorytmów opartych na sztucznej inteligencji

[2], np. SVM (Support Vector Machine). Budowa udanego rozmytego systemu eksperckiego

jest procesem trudnym, który wymaga znacznej wiedzy z zakresu inżynierii rozmytej.

Na dzień dzisiejszy nie jest możliwe, aby zautomatyzować cały proces tak, aby system

ekspercki automatycznie się dostosowywał i przestrajał do warunków jakie napotka w no-

wym środowisku pracy. Chociaż, bez wątpienia pozwalają na zautomatyzowanie wielu eta-

pów, np. takie programy jak: EvoNF [1] czy ANFIS. Całkowite zautomatyzowanie inteli-

gentnych adaptacyjnych systemów rozmytych to nadal aktualny problem badawczy. Kilka

technik adaptacyjnych zostało zbadanych w celu optymalizacji rozmytych systemów wnio-

skowania, algorytmy uczenia sieci neuronowej zostały wykorzystane do określenia parame-

trów systemu wnioskowania rozmytego w postaci zintegrowanych modeli neuronowo-roz-

mytych. Nadal jednak, obszar optymalizacji systemów wnioskowania rozmytego czeka na

udoskonalenia za pomocą meta-heurystycznego podejścia łączącego uczenie sieci neurono-

wej czy algorytmów genetycznych z rozumowaniem rozmytym.

46 E. Daniszewska

3.3. UTRZYMANIE JAKOŚCI NAWIERZCHNI DRÓG

Bezpieczeństwo i wygoda ruchu uzależnione są w dużej mierze od jakości drogi. Dobry

stan nawierzchni będzie zachowany na dłużej, gwarantując bezpieczny i sprawny przejazd

pojazdów, jeżeli we właściwym czasie zostaną podjęte odpowiednie zabiegi. Przez wczesną

diagnostykę i naprawę usterek w fazie początkowej, można zapobiec szybkiemu pogorszeniu

nawierzchni. W artykule [35] przedstawiono system podejmowania decyzji z wykorzysta-

niem logiki rozmytej przy wyborze odcinka, który wymaga remontu w pierwszej kolejności.

Autorzy posługiwali się wielkością indeksu stanu nawierzchni PCI, na którego wartość wpły-

wało wiele czynników: rodzaj, typ i ilość zniszczeń nawierzchni (kolein, dziur i spękań) oraz

wiek nawierzchni. W rezultacie PCI pozwoliło na określenie właściwego i ekonomicznego

planu konserwacji dróg i chodników. Chen i Flintsch [9] posługiwali się logiką rozmytą przy

tworzeniu harmonogramu naprawy nawierzchni dróg na podstawie „analizy kosztów cyklu

życia” – wskaźnika LCCA. Moazami i in. [22] wykorzystali podejście rozmyte przy podej-

mowaniu wielokryterialnej decyzji co do zabiegów utrzymaniowych, uwzględniając dodat-

kowo stan i zasięg uszkodzenia nawierzchni. Model oparty na systemie wnioskowania roz-

mytego służy planowaniu naprawy nawierzchni drogi. Wyniki badań procedury systemu roz-

mytego wskazują, że opracowany model może stanowić przydatne narzędzie przy wyborze

zabiegów podtrzymujących, gdy brane pod uwagę parametry są niepewne i zmienne.

4. PODSUMOWANIE

Można by pomyśleć, że metody teorii zbiorów rozmytych nie powinny znajdować za-

stosowania w dyscyplinach naukowych związanych z techniką. W rzeczywistości jednak

właśnie w tej przestrzeni mamy często do czynienia z zagadnieniami określonymi nie do

końca bądź nieprecyzyjnie. Sterowniki rozmyte (fuzzy controllers) podejmują decyzje inwe-

stycyjne, kierują pociągiem w metrze w Japonii, wyszukują informacje w bazach danych. In-

stalacja oczyszczająca spaliny kierowana na podstawie logiki rozmytej jest procesem dużo

efektywniejszym, niż gdy instalacja jest kierowana przez sterownik dyskretny. Wiele syste-

mów kontroli sygnału ruchu TSC są powszechnie stosowane na całym świecie jako główny

składnik inteligentnego systemu transportowego ITS. Algorytmy TSC ewoluowały szybko,

zwłaszcza w ciągu ostatnich kilku dekad i spośród wszystkich rozwiązań są powszechnie

uważane za najskuteczniejsze. Logika rozmyta, jak widać po ilości przedstawionych przy-

kładów w niniejszym opracowaniu, jest bardzo przydatna w praktycznych zastosowaniach

i doskonale wpisuje się w problemy procesów komunikacyjnych i transportowych.

Rozwój sieci komputerowych wykorzystujących systemy inteligencji obliczeniowej,

w tym logikę rozmytą, ale również sztuczne sieci neuronowe i algorytmy genetyczne, ma za-

sadniczy wpływ na proces modernizacyjny standardowych systemów zawiadywania usługami

transportowymi. Natomiast rozpoznanie idei logiki rozmytej jako logiki wielowartościowej jest

konieczne, aby podnieść efektywność wykorzystania techniki obliczeń rozmytych oraz umoż-

liwiać i udoskonalać integrację technik obliczeń zarówno nowych, jak i konwencjonalnych

w celu sformułowania nowych technik obliczeń rozmytych. Pozwoli to na tworzenie nowej,

kompletnej technologii obliczeń inteligentnych, która oparta byłaby na poglądzie dobierania

nieznanych przyczyn do znanych skutków.


LITERATURA

[1] Abraham A., EvoNF: a framework for optimization of fuzzy inference systems using neural network

learning and evolutionary computation. Intelligent Control, Proceedings of the 2002 IEEE

International Symposium on Intelligent Control 2002, s. 327–332.

[2] Adamski A., Habdank-Wojewódzki S., Incident Detection by Fuzzy Logic Approach, Transaction

on transport system Telematics – Emerging Technologies. Wydawnictwo Politechniki Śląskiej,

Gliwice, 2004, s. 103–113.

[3] Akiyama T., Shao C.-F., Fuzzy mathematical programming for traffic safety planning on an

urban expressway. Transportation Planning and Technology 1993, Vol. 17, s. 179–190.

[4] Akiyama T., Yamanishi H., Travel time information service device based on fuzzy sets theory.

W: Ayyub, B.M. (Ed.), Proceedings of ISUMA 1993, The Second International Symposium on

Uncertainty Modeling and Analysis. IEEE Computer Press, College Park, Maryland, s. 238–245.

[5] Bolc L., Fries B., Okseniuk A. Bolc L., Fries B., Okseniuk A., Wprowadzenie do języka

programowania fuzzy. Analiza i synteza informacji. Wydawnictwo Uniwersytetu Warszawskiego,

Warszawa 1983.

[6] Conrad M., Dion F., Yager S., Real-Time Traffic Signal Optimization with Transit Priority: Re-

cent Advances in the Signal Priority Procedure for Optimization in Real-Time Model. Transpor-

tation Research Record Journal of the Transportation Research Board 1998, Vol. 1, s. 100–109.

[7] Chakroborthy P., Kikuchi S., Application of fuzzy set theory to the analysis of capacity and level

of service of highways. W: Ayyub, B.M. (Ed.), Proceedings of ISUMA '90, The First International

Symposium on Uncertainty Modeling and Analysis. IEEE Computer Press, College Park,

Maryland 1990, s. 146–150.

[8] Chang Y.H., Shyu T.H., Traffic signal installation by the expert system using fuzzy set theory for

inexact reasoning. Transportation Planning and Technology 1993, Vol. 17, s. 191–202.

[9] Chen C., Flintsch G., Calibrating Fuzzy-Logic-based Rehabilitation Decision Models Using the

LTPP Databese. 7th International Conference on Managing Pavement Assets, June 23–28, 2008.

[10] Chiu S., Chand S., Self-Orgnizing Traffic Control via Fuzzy Logic. Proc. 32nd IEEE Conf. on

Decision & Control, San Antonio, Texas – December 1993, s. 1897–1902.

[11] Czogoła E., Pedrycz W., Elementy i metody teorii zbiorów rozmytych. PWN, Warszawa 1985.

[12] Habdank S., Zaawansowany regulator rozmyty w zastosowaniach do ruchu drogowego. Praca

doktorska, Kraków 2007.

[13] Heidemann D., Some critical remerks on class of traffic flow models. Transporation Research

Part B 1998, Vol. 33, Nr 3, s. 153–155.

[14] Jiang R., Wu Q.S., Study on propagation Speer of small disturbance from a car-following

approach. Transporation Research Part B 2003, Vol. 37, Nr 1, s. 85–99.

[15] Kacprzyk J., Zbiory rozmyte w analizie systemowej. PWN, Warszawa 1986.

[16] Kikuchi S., Scheduling demand-responsive transportation vehicles using fuzzy-set theory. Journal

of Transportation Engineering 1992, Vol. 118, s. 391–409.

[17] Kikuchi S., Perincherry V., Chakroborthy P., Takahashi H., Modeling of driver ankiety during

signal change intervals. Transportation Research Record 1993, Vol. 1399, s. 27–35.

[18] Kosonen I., Multi-agent fuzzy signal control based on real-time simulation. Transportation

Research Part C 2003, Vol. 11, s. 389–403.

[19] Lotan T., Koutsopoulos H., Models for route choice behaviour in the presence of information

using concepts from fuzzy set theory and approximate reasoning. Transportation 1993, Vol. 20,

s. 129–155.

[20] Midenet S., Boillot F., Pierrelée J.-C., Signalized intersection with real-time adaptive control:

on-field assessment of CO2 and pollutant emission reduction. Transportation Research Part D:

Transport and Environment 2004, Volume 9, Issue 1, s. 29–47.

http://ieeexplore.ieee.org/search/searchresult.jsp?searchWithin=%22Authors%22:.QT.Abraham,%20A..QT.&newsearch=true

http://ieeexplore.ieee.org/xpl/mostRecentIssue.jsp?punumber=8228

http://ieeexplore.ieee.org/xpl/mostRecentIssue.jsp?punumber=8228

http://www.researchgate.net/journal/0361-1981_Transportation_Research_Record_Journal_of_the_Transportation_Research_Board

http://www.researchgate.net/journal/0361-1981_Transportation_Research_Record_Journal_of_the_Transportation_Research_Board

http://www.sciencedirect.com/science/journal/13619209


http://www.sciencedirect.com/science/journal/13619209/9/1

48 E. Daniszewska

[21] Milosavljevic N., Teodorovic D., Papic V., Pavkovic G., A fuzzy approach to the vehicle assignment

problem. Transportation Planning and Technology 1996, Vol. 20, s. 33–47.

[22] Moazami D., Muniandy R., Hamid H., Yusof Z., The use of analytical hierarchy process in

priority rating of pavement maintenance. Scientific Research and Essays 2011, Vol. 6(12),

s. 2447–2456.

[23] Nakatsuyama M., Nagahashi N., Nishizuka N., Fuzzy logic phase controller for traffic functions

in the one-way arterial road. Proceedings IFAC 9th Triennial World Congress. Pergamon Press,

Oxford 1983, s. 2865–2870.

[24] Niittymäki J., Traffis Signac control on similarity logic reasoning. Fuzy sets and Systems 2003,

Vol.133, s.109–131.

[25] Niittymäki J., Pursula M., Signal control Rusing fuzzy logic. Fuzy sets and Systems 2000,

Vol.116, s.11–22.

[26] Niittymäki J., Turunen E., Traffic signal control on similarity logic reasoning. Fuzzy Sets and

Systems 2003, vol. 133, no. 1, s. 109–131.

[27] Pappis C., Mamdani E., A fuzzy controller for a traffic function. IEEE Transactions on Systems,

Man and Cybernetics SMC-7, 1977, s. 707–717.

[28] Perincherry V., Kikuchi S., A fuzzy approach to the transshipment problem. W: Ayyub, B.M.

(Ed.), Proceedings of ISUMA '90, The First International Symposium on Uncertainty Modeling

and Analysis. IEEE Computer Press, College Park, Maryland 1990, s. 330–335.

[29] Perkinson D., Using automated vehicle location data to monitor congestion. Fuzzy set theory.

ITE Journal 1994, s. 35–40.

[30] Royani T., Haddadnia J., Alipoor M., Traffic Signal Control for Isolated Intersections Based on

Fuzzy Neural Network and Genetic Algorithm. Proceedings of the 10th WSEAS international

conference on Signal processing, computational geometry and artificial vision, Wisconsin, USA,

2010, s. 87–91.

[31] Rutkowska D., Piliński M., Rutkowski L., Sieci neuronowe, algorytmy genetyczne i systemy

rozmyte. PWN, Warszawa-Łódź 1997.

[32] Sasaki T., Akiyama T., Development of fuzzy traffic control system on urban expressway.

Preprints 5th IFAC/IFIP/IFORS International Conference in Transportation Systems 1986,

s. 333–338.

[33] Stollova K., Stollov T., Traffic noise and traffic light control. Transportation Research Part D:

Transport and Environment 1998, Volume 3, Issue 6, s, 399–417.

[34] Sugeno M., Nishida M., Fuzzy control of model car. Fuzzy Sets and Systems 1985, Vol. 16,

s. 103–113.

[35] Suman K., Sinha. S., Pavement Maintenance Treatment Selection Using Fuzzy Logic Inference

Systems. International Journal of Engineering and Innovative Technology 2012, Vol. 2, Issue 6.

[36] Teodorovic D., Fuzzy logic systems for transportation engineering: the state of the art.

Transportation Research Part C 1999, Vol. 3, s. 353–367.

[37] Teodorovic D., Kalic M., A fuzzy route choice model for air transportation networks. Transportation

Planning and Technology 1995, Vol. 19, s. 109–119.

[38] Teodorovic D., Kikuchi S., Application of fuzzy sets theory to the saving based vehicle routing

algorithm. Civil Engineering Systems 1991, Vol. 8, s. 87–93.

[39] Teodorovic D., Pavkovic G., The fuzzy set theory approach to the vehicle routing problem when

demand at nodes is uncertain. Fuzzy Sets and Systems 1996, Vol. 82, s. 307–317.

[40] Trabia M.B., Kaseko M.S., Ande M., A two-stage fuzzy logic kontroler for traffic signals.

Transportation Research Part C: Emerging Technologies 1999, Volume 7, Issue 6, s. 353–367.

[41] Tzeng G.-H., Teodorovic D., Hwang M.-J., Fuzzy bicriteria multi-index transportation

problems for coal allocation planning of Taipower. European Journal of Operational Research

1996, Vol. 95, s. 62–72.



http://www.sciencedirect.com/science/journal/13619209/3/6

http://www.sciencedirect.com/science/journal/0968090X

http://www.sciencedirect.com/science/journal/0968090X/7/6


[42] Wang L.-X., Mendel J., Back-propagation of fuzzy systems as nonlinear dynamic system

identifiers. Proceedings IEEE International Conference on Fuzzy Systems, San Diego, CA 1992,

s. 807–813.

[43] Xie Y., Development and Evaluation of an Arterial Adaptive Traffic Signal Control System Using

Reinforcement Learning. Ph.D. dissertation, Texas A&M University 2007.

[44] Xu W., Chan Y., Estimating an origin-destination matrix with fuzzy weights. Transportation

Planning and Technology 1993, Part 2: Case studies. Vol. 17, s. 145–164.

[45] Zadeh L. A., Fuzzy sets. Information and Control 1965, Vol.8, s. 338–35.

[46] Zafeh L. A., The concept of a linguistic variable and its application to aproximate reasoning.

Informtion Science 1975, Part I: 8, s.199–249, Part II: 8, s. 301–357, Part III: 9, s. 43–80.

[47] Zhang H. M., A non-equlibrium traffic model devoid of gas-like behavior. Transportation

Research Part B: Methodological 2002, 36(3), s. 275–290.

[48] Zhang H. M., A theory of nonequilibrium traffic flow. Transportation Research Part B:

Methodological 1998, Vol. 32, Nr 7, s. 485–498.

[49] Zhang H. M., Driver memory, traffic viscositu and a viscous vehicular traffic flow model.

Transportation Research Part B 2003, Vol. 37, s. 27–41.

THE EFFECT OF COMPUTER AND TELEMATIC SYSTEMS

APPLIED IN TRANSPORT OF TRAFFIC SAFETY

Abstract

This paper discusses issues relating to the impact that they have a variety of systems and

telematics for road safety. The focus on the analysis of what systems related to the need to

ensure road safety are most often used in the field of road transport, whether these systems

contribute to improving road traffic safety, as well as how they impact on improving road

safety. The study was divided into 3 sections. The first discusses the most important definitions,

and therefore those relating to road safety and information system and telematics. In the second

chapter describes the main types of these technologies and systems used in road transport,

which play a vital role in ensuring road safety. In the third part of the work while analyzed

areas of application of these systems in the framework of BRD, as well as describes their im-

pact on the improvement of the security.

Keywords: traffic, information system, telecommunication system, a telematics system, traffic

control, safety

50

Marek GRZYBOWSKI*

KIERUNKI ZMIAN NA MORSKIM RYNKU

TRANSPORTU KONTENERÓW

Streszczenie

W pracy przedstawiono wyniki badań zmian na rynku transport morskiego. Zaprezentowano

wybrane alianse strategiczne. Szczegółowo omówiono alianse G6 oraz 2M i Ocean Tree. Za-

prezentowano również inne formy działań konsolidacyjnych, jak przejęcia i akwizycje. Z ba-

dań wynika, że alianse, przejęcia i akwizycje (M&A) stały się podstawowym działaniem stra-

tegicznym na konkurencyjnym rynku liniowego transportu morskiego. Działania te podejmują

zarówno armatorzy liniowi jak operatorzy logistyczni.

Słowa kluczowe: transport morski, konsolidacja, alians

1. WPROWADZENIE

Przekształcenia organizacyjne na rynku kontenerowym w ostatnim okresie przyjęły

nowy charakter i dynamikę. Po okresie recesji w latach 2008–2009, a szczególnie w ostat-

nich pięciu latach nastąpiła konsolidacja morskiego rynku transportu kontenerów. Odbywa

się to poprzez alianse strategiczne, przejęcia, narzucanie stawek frachtowych i wydłużanie

podróży na szlakach morskich (slow steeming). Umacnia się pozycja coraz większych arma-

torów, którzy do swoich flot włączają duże grupy statków w czarterze, którzy dyktują zasady

gry rynkowej stoczniom, gestorom ładunków i terminalom przeładunkowym.

Działania armatorów wpisują się w ogólny trend tworzenia globalnych porozumień

i dyktatu korporacji międzynarodowych. Porozumienia korporacyjne stały się w gospodarce

globalnej istotną częścią strategii firm międzynarodowych.

2. GENEZA KONSOLIDACJI W SHIPPINGU

Konsolidacja w shippingu uzasadniona jest wysokimi kosztami eksploatacji i zwiększa-

niem podaży przestrzeni ładunkowej w wyniku budowy coraz większych statków do prze-

wozu kontenerów [9]. Armatorzy przyjęli więc strategię powszechnie przyjętą przez korpo-

racje działające na rynku globalnym. Przed kilku laty powstał alians G6, założony przez sze-

ściu armatorów z Europy i Azji (APL, Hapag-Lloyd, Hyundai Merchant Marine, Mitsui

* Akademia Morska w Gdyni, Wydział Przedsiębiorczości i Towaroznawstwa

Kierunki zmian na morskim rynku transportu kontenerów 51

O.S.K. Lines, Nippon Yusen Kaisha and Orient Overseas Container Line). Nowe porozumie-

nie zapowiedziano w grudniu 2011 r. Utworzyli je armatorzy, którzy już wcześniej współ-

pracowali w ramach mniejszych grup. Grand Alliance utworzyły: Hapag-Lloyd (w chwili

powołania dysponował flotą 147 statków, 648 tys. TEU pojemności), Nippon Yusen Kaisha

(NYK – 104, 414 tys. TEU) oraz Orient Overseas Container Line (OOCL – 85,404 tys. TEU),

a New World Alliance operatorzy liniowi APL (141, 606 tys. TEU), Hyundai Merchant Ma-

rine (HMM – 61, 313 tys. TEU), Mitsui O.S.K Lines (MOL – 106, 466 tys. TEU) [10]. Nowa

grupa skoncentrowała się na współdziałaniu na rynku obsługującym połączenia między Eu-

ropą a Azją nazwała się G6 Alliance. Powstało one po zapowiedzi o powołaniu aliansu przez

dwóch prywatnych armatorów, zarządzanego przez rodzinę Aponte MSC Mediterranean

Shipping Company z siedzibą w Genewie (494 statki, 2232 tys. TEU) oraz CMA CGM

Group z siedzibą w Marsylii (390, 1334 tys. TEU), którego właścicielem jest rodzina Saadé.

Ten alians z kolei miał wzmocnić armatorów w starciu z aktywnym marketingiem Maerska

(650, 2541 tys. TEU), który pozycjonował na rynku nową usługę pod nazwą „Daily Maersk”.

Powstawanie kolejnych aliansów paryska firma analityczna Alphaliner określiła jako zapo-

wiedź „bezlitosnej” wojny serwisów [8].

W odpowiedzi podjęto próbę konsolidacji na rynku globalnym poprzez zbudowanie sil-

nego powiązania trzech armatorów. W połowie 2013 r. Maersk Line, MSC oraz CMA CGM

zapowiedziały utworzenie P3 Network. Alians miał dysponować 255 statkami o łącznej po-

jemności 2,6 mln TEU. 29 połączeń miało obsługiwać od maja 2014 r. trzy rynki: Azja –

Europa, rynek Pacyfiku oraz połączenia Transatlantyckie [6]. Powołano nawet zarząd z sie-

dzibą w Londynie oraz oddział w Singapurze. Menedżerem centrum zarządzania serwisami

(P3 Network Center) został Lars Michael Jensen, który wcześniej pełnił funkcję dyrektora

handlowego Maersk Line. Konsolidacja nie powiodła się ze względu na opór urzędów anty-

monopolowych w Chinach i Stanach Zjednoczonych. W jej miejsce powstało w połowie

2014 r. porozumienie 2M, uruchomione przez Maersk Line (liniowa część konsorcjum

A.P. Møller – Mærsk A/S) i Mediterranean Shipping Co.

W odpowiedzi trzech armatorów kontenerowych skonsolidowało swoje działania, two-

rząc porozumienie Ocean Three. Wspólne działania na rynku przewozów kontenerowych

podjęły: CMA CGM Group z siedzibą w Marsylii, państwowy armator China Shipping Con-

tainer Lines Co. oraz liczący się armator z Bliskiego Wschodu – United Arab Shipping Co.

W wyniku globalnej alokacji produkcji drogą morską przewozi się 95% towarów prze-

mysłowych (komponentów i wyrobów gotowych) wytworzonych w różnych częściach

globu. Celem konsolidacji jest poprawienie rentowności inwestycji tonażowych. Najnowsze

jednostki do przewozu kontenerów o nośności około 20 tys. TEU i większej kosztują około

160 mln dolarów, a kontrakty opiewają na serie od 4 do 10 statków. To dążenie do optyma-

lizacji serwisów sprawiło, że globalna flota kontenerowców rośnie w tempie przewyższają-

cym popyt na przestrzeń ładunkową. Na koniec trzeciego kwartału 2015 r. do dyspozycji

kontrahentów w żegludze liniowej było 6 083 statków o łącznej pojemności 20 192 743 TEU

(nośności 252 392 479 ton). Większość z nich stanowiły kontenerowce – 5 152 jednostek

o pojemności 19 749 165 TEU. Co ciekawe, według obliczeń ekspertów Alphaliner mimo

wysokiej podaży bez zatrudnienia pozostaje w ostatnim okresie jedynie około 1,6% floty

kontenerowców [5]. Ranking operatorów kontenerowych zamieszczono w tabeli 1.

52 M. Grzybowski

Ta

b. 1. R

ankin

g o

per

ato

rów

flo

t k

on

ten

ero

wych

Zam

ów

ion

e

Ud

zia

ł

ogó

łem

[%

]

14,3

24,9

16,1

41,5

5,7

38,9

15,6

3,7

5,7

23,9

25

26

–

26,5

35,1

Źró

dło

: [2

1]

Sta

tki

34

50

26

41

5

22

8

5

4

7

8

10

–

10

10

TE

U

435

,12

2

662

,85

9

292

,52

1

394

52,5

337

,94

3

108

24,2

3

36,1

2

135

,48

8

140

,92

140

,4

–

140

169

,43

8

Cza

rte

r

Ud

zia

ł

czarte

ró

w [

%]

42,7

60,4

66,8

42.3

46.0

46.5

29,6

55,1

56,1

38,6

73,2

63,7

25,7

47,1

35,2

Sta

tki

332

306

379

93

106

79

68

93

67

56

76

57

35

61

23

TE

U

1,2

96

,39

7

1,6

06

,04

0

1,2

16

,98

7

400

,93

2

425

,41

6

403

,50

9

204

,83

5

358

,91

1

355

,53

7

218

,97

8

412

,89

6

344

,49

9

138

,66

6

248

,38

6

169

,74

8

Wła

ścic

iel

Sta

tki

262

190

88

106

68

85

65

44

38

49

22

42

51

48

33

TE

U

1,7

38

,51

0

1,0

52

,54

7

603

,82

547

,99

1

498

,99

1

464

,41

2

486

,80

2

292

,31

1

278

,10

2

349

,01

9

151

,31

6

196

,48

1

399

,89

5

279

,29

4

312

,86

9

Og

ółe

m Sta

tki

594

496

467

199

174

164

133

137

105

105

98

99

86

109

56

TE

U

3,0

34

,90

7

2,6

58

,58

7

1,8

20

,80

7

948

,92

3

924

,40

7

867

,92

1

691

,63

7

651

,22

2

633

,63

9

567

,99

7

564

,21

2

540

,98

538

,56

1

527

,68

482

,61

7

Op

era

tor

AP

M-M

aers

k

Med

iter

ran

ean S

hg

Co

CM

A C

GM

Gro

up

Ev

erg

reen

Lin

e

Hap

ag-L

loyd

CO

SC

O C

on

tain

er L

.

CS

CL

Ham

bu

rg S

üd

Gro

up

Han

jin

Ship

pin

g

OO

CL

MO

L

Yan

g M

ing M

arin

e T

ran

spo

rt C

orp

.

AP

L

NY

K L

ine

UA

SC

Lp

.

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15


Niewątpliwie nadpodaż spowodowała spadek frachtów. Spadają równie time chartery.

Taka sytuacja utrudnia utrzymanie pozycji konkurencyjnej i rentowności flot, które wciąż

inwestują w nowoczesny i ekologiczny tonaż. Operatorzy tworzący alians Ocean Three,

dzięki konsolidacji działań rynkowych będą kontrolować 20% rynku między Azją i Europą

oraz 14% transportu kontenerów między portami Pacyfiku. Rocznie zaoszczędzą około 1 mi-

liarda dolarów [9]. Konsolidacji rynku sprzyjają również przejęcia. W celu wzmocnienia po-

zycji rynkowej CMA CGM kupiło niemieckiego armatora Oldenburg-Portugiesische

Dampfschiffs-Rhederei GmbH. Celem przejęcia jest kontrola żeglugi bliskiego zasięgu

i wzmocnienie usług feederowych [9].

3. ISTOTA KONSOLIDACJI

Alianse stały się w gospodarce globalnej istotną częścią strategii korporacji międzyna-

rodowych. Według badań BCG w wyniku strategicznej współpracy w ciągu ostatnich dwóch

dekad XX wieku 35% obrotów globalnych generowały firmy działające w aliansach strate-

gicznych, podczas gdy w latach 80. Wartość obrotów takich podmiotów szacowano na około

2% [4, s. 6]. Potwierdzają to badania konsolidacji w poszczególnych branżach prowadzone

w pierwszej dekadzie XXI wieku przez A.T. Kearney. W latach 80. koncentracja występo-

wała między innymi w przemyśle stalowym, chemicznym i papierniczym, w latach 90. –

w samochodowym, gumowym, przetwórstwa ropy i gazu, wyrobów spirytusowych i tytonio-

wych, a w pierwszej dekadzie XXI wieku – w przemysłach ICT [7, s. 9]. Część z tych alian-

sów, a potem przejęć zaczęła się, gdy pękła bańka firm internetowych na początku lat 90.

Obecnie alianse wybierane są przez menedżerów częściej niż przejęcia konkurentów.

W przedsiębiorstwa transportowych i logistycznych jest to coraz powszechniejszy sposób

zachowania pozycji konkurencyjnej na globalnym rynku wynika z sondażu diagnostycznego

PWC dokonanego na próbie 1344 menedżerów oraz wywiadów pogłębionych z 34 CEO

z 68 państw w czwartym kwartale 2013 r. Około 42% menedżerów z branży transportowej

i logistycznej planuje w najbliższym roku alianse strategiczne lub joint venture, natomiast

jedynie 21% prognozuje w ciągu najbliższych 12 miesięcy fuzje lub przejęcia [1].

Alians definiuje się jako celowy związek firm funkcjonujących na tym samym rynku

docelowym. Często są to konkurenci działający w jednej branży. Najczęściej alians ma cha-

rakter długookresowy i względnie trwały. Zasada trwałości aliansu jest równowaga korzyści

[2, s. 1]. W ramach aliansu dokonuje się transferu wiedzy organizacyjnej i rynkowej, do dys-

pozycji partnerów stawiane są zasoby, co z jednej strony pozwala na oszczędności, a z dru-

giej na uzyskanie efektu synergii.

Na podstawie analizy 103 aliansów w Stanach Zjednoczonych i Europie analitycy BCG

wyróżnili się cztery rodzaje aliansów [4, s. 15]:

Alianse eksperckie – pomiędzy organizacjami niekonkurującymi. Zidentyfikowano je

między innymi w branży farmaceutycznej oraz firmach, które korzystały z outsour-

cingu usług informatycznych. Zjawisko to aktualnie występuje w formie usług świad-

czonych w postaci cloud computing [11].

Nowe przedsięwzięcia – alianse podejmowane przez firmy niekonkurencyjne, o wy-

sokim poziomie technologicznym, zajmujące się biznesem komplementarnym.

54 M. Grzybowski

Integracja nowych technologii, którymi dysponują uczestnicy aliansu ma na celu

wprowadzenie na rynek nowej technologii. Jako przykład podaje się alians między

Microsoftem i Ericssonem skoncentrowanych na rozwoju nowych funkcji telefonów

komórkowych. Aktualnie taka formę przyjął Open Handset Alliance. OHA został on

zawiązany przez 84 podmioty w celu pozycjonowania na rynku standardów dla urzą-

dzeń mobilnych [12].

Alianse kooperacyjne – zawierane są między konkurentami w celu uzyskania efektu

skali. Stały się powszechne w sektorze ICT oraz przemyśle motoryzacyjnym. Za

przykład może posłużyć porozumienie PSA and GM w celu konsolidacji działań na

rynku w segmencie B oraz B-MPV [13].

Alianse typu M&A – polegają na głęboko zaawansowanej współpracy polegającej

na daleko idącej standaryzacji działań. Tego typu alianse powszechne są w przemy-

śle lotniczym. Często przyjmują one obecnie formę klastrów, takich jak np. Dolina

Lotnicza w Polsce [14].

4. KONSOLIDACJA NA RYNKU EUROPEJSKIM

Konsolidacja jest jedynym rozwiązaniem pozwalającym na działanie na rynku transport

kontenerów uważa Mahesh Sivaswamy, dyrektor Transworld Group, uzasadniając to presją

rynku na obniżanie frachtów i nadpodażą przestrzeni ładunkowej na statkach przewożących

kontenery. Chodzi przede wszystkim o maksymalizację wykorzystania slotów na statkach

powyżej 14 tys. TEU [15]. Dzięki temu DCT Gdańsk znalazł się w sieci serwisów dwóch

aliansów strategicznych: 2M oraz G6. Oba alianse w sposób agresywny podporządkowują

sobie rynki w Europie [3, s. 1].

Europa – Daleki Wschód. Serwisy te obsługuje między innymi alians G6 (APL, Ha-

pag-Lloyd, Hyundai Merchant Marine, Mitsui O.S.K. Lines, Nippon Yusen Kaisha and

Orient Overseas Container Line). Na początku 2015 r. postanowiono zwiększyć aktywność

przedłużając połączenie Baltic Sea-Far East Loop 7 do Göteborga i Antwerpii na Morzu Bał-

tyckim. W drugiej połowie 2015 roku statki G6 zaczęły zawijać do Gdańska. Na wspomnia-

nej linii zredukowano przestrzeń ładunkową w serwisie Europa – Daleki Wschód, oferując

potencjał w wysokości 13,2 tys. TEU tygodniowo [15]. Cała trasa aliansu obejmuje następu-

jące porty: Rotterdam, Hamburg, Gdańsk, Göteborg, Antwerpia, Southampton, Singapur,

Shenzhen (Yantian), Qingdao, Szanghaj, Hongkong, Shenzhen (Yantian), Singapur [16].

Duński Maersk Line i MSC z siedzibą w Szwajcarii skierowały do Gdańska statki o pojem-

ności ponad 18,3 tys. TEU. Obsługują one DCT Gdańsk w ramach serwisu AE10/SILK. Ter-

minal w Gdańsku rozpoczął współpracę z Maersk Line w 2011 roku. Wtedy armator ten skie-

rował bezpośrednie połączenie oceaniczne – serwis AE10 z Azją. Od początku na Bałtyk

wprowadzono duże jednostki, najpierw kontenerowce o pojemności ponad 15,5 tys. TEU,

a od sierpnia 2013 r. statki 18,3 tys. TEU. Od początku 2015 r. serwis Daleki Wschód-

Gdańsk obsługiwany jest przez statki porozumienia 2M, czyli Maersk Line i Mediterranean

Shipping Company [17]. Należy zauważyć, że w tym samym czasie 2M zmniejszyło ofertę

na Morzu Śródziemnym (AE9/Condor Service), przeznaczając do obsługi serwisów z Dale-

kiego Wschodu statki o pojemności 6,5 tys. TEU zamiast wcześniej używanych 9,5 tys. TEU.


Na początku października 2015 r. 2M uruchomił serwis AE12\TP2, który zaczyna się w ko-

reańskim Busan i poprzez Szanghaj, Ningbo, Chiwan oraz Singapur dociera do Port Saidu

oraz Hajfy. Z portu w Hajfie udaje się do portów Adriatyku: Koper (Słowenia), Triest (Wło-

chy) oraz Rijeka (Chorwacja) [18].

Morze Śródziemne – Afryka. W celu wzmocnienia pozycji na rynku i połączeń por-

tów Północnej Europy z Afryką Zachodnią Hapag-Lloyd nabył przestrzeń ładunkową w ser-

wisie EGEX (Equatorial Guinea Express) działającym jako alians Arkas Line, Marguisa oraz

ZIM. Porozumienie ograniczono do portów Tanger, Algeciras oraz Lagos (Tin Can). Po-

dobne połączenie z portów Morza Śródziemnego uruchomił marsylski armator CMA

CGM [19].

Ameryka Północna – Ameryka Łacińska. W połowie sierpnia 2015 r. Hapag-Lloyd,

MSC oraz NYK uruchomiły serwis GS1 z Rio de Janeiro (Sepetiba) do portów Zatoki Mek-

sykańskiej. Hapag-Lloyd skierował do obsługi linii sześć statków, a MSC oraz NYK po jed-

nej jednostce. Łącznie serwis oferuje sześć kontenerowców 6 tys. TEU [20].

5. KONSOLIDACJA RYNKU ATLANTYCKIEGO

Federalna Komisja Morska FMC (US Federal Maritime Commission) chroniąca inte-

resy armatorów amerykańskich wydała zezwolenie aliansowi 2M (Maersk Line i MSC) na

połączenie portów amerykańskich z Izraelem, Rosją i Arabią Saudyjską. Połączenia do Hajfy

obsługiwać będzie serwis AE12/TP2. Połączenie zainicjował kontenerowiec Gustav Maersk

o pojemności 10 tys. TEU, największa jednostka, jaka może wejść do tego portu i cumować

w terminalu kontenerowym. Nowy serwis zwiększy podaż ładunków w porcie. Prognozuje

się, że dzięki statkom 2M przeładunki w Hajfie mogą przekroczyć dotychczasowe

200 tys. TEU. Zakłada się, że zwiększą się również przewozy intermodalne – stwierdził

Mendi Zaltzman, dyrektor Haifa Port w czasie inauguracji połączenia. Wejście tak dużych

statków do portu to również wyzwanie dla terminali przeładunkowych. W porcie osiągano

już takie rekordy jak: przeładunek burtowy 318,8 kontenerów w ciągu godziny między stat-

kiem a nabrzeżem, a także średni przeładunek suwnicą 74,7 kontenerów na godzinę [18].

6. AKTYWIZACJA RYNKU BLISKIEGO WSCHODU

Po zniesieniu sankcji w stosunku do Iranu zaktywizował się również rynek Bliskiego

Wschodu. Najaktywniejsi armatorzy dodali do regularnych połączeń port Shahid Rajaee usy-

tuowany obok Bandar Abbas. Hanjin Shipping Co. Ltd dołączył do serwisu Far East-Middle

East Express (FMX) porty z Dalekiego Wschodu prowadzące do położonego u wejścia do

Zatoki Perskiej portu Suhar (Oman). Serwis jest elementem połączenia obsługiwanego przez

„K” Line, KMTC oraz X-Press Feeders i obejmującego porty: Szanghaj, Gwangyang, Busan,

Ningbo, Xiamen, Shenzhen (Shekou), Singapore, Port Kelang, Dubai, Abu Dhabi, Bandar

Abbas, Suhar, Singapur, Shenzhen (Chiwan) i z powrotem do Szanghaju. Również CMA

CGM włączyło Bandar Abbas do serwisu China India Middle East Express (CIMEX).

Obsługiwany jest on przez alians China Shipping (trzy jednostki) oraz UASC (również

trzy statki). Ten serwis obejmuje również Dubaj, port położony po drugiej stronie Zatoki

56 M. Grzybowski

Perskiej. Na połączenie Far East-Middle East/Gulf armator skierował jedne z większych jed-

nostek – siedem kontenerowców 13,1 tys. TEU. Serwis zpaewnia wejścia do następujących

portów: Tiencin, Dalian, Busan, Szanghaj, Ningbo, Shenzhen (Shekou), Port Klang, Chur

Fakkan, Dubaj, Abu Dhabi, Port Klang, Guangzhou (Nansha) oraz Tiencin.

7. PODSUMOWANIE

Po okresie recesji w latach 2008–2009 na rynku przewozów kontenerowych dał się za-

uważyć proces intensywnej konsolidacji rynku. Armatorzy realizują to zadanie poprzez

alianse strategiczne, przejęcia, narzucanie stawek frachtowych i wydłużanie podróży na szla-

kach morskich (slow steeming). Dzięki wzmocnieniu pozycji, więksi armatorzy rozbudowują

swoje floty, włączają do serwisów duże grupy statków w czarterze oraz dyktują zasady gry

rynkowej stoczniom, gestorom ładunków i terminalom przeładunkowym. Konsolidacja

zmniejsza siłę przetargową spedytorów i portów.

LITERATURA

[1] 17th Annual Global CEO Survey – Key findings in the transportation & logistics industry, PWC,

February 2014.

[2] Alianse strategiczne – współpraca czy rywalizacja?, Ernst&Young, Warszawa 2004.

[3] Container Trades, DynaLiners Weekly, 26th year of issue, 31/15, 31 July 2015.

[4] Cools K., A. Roos, The Role of Alliances in Corporate Strategy, BCG Report, Boston, November

2005.

[5] Low idle fleet in 2015 hides widespread over-supply problem, Alphaliner Weekly Newsletter,

Volume 2015 Issue 38, 16.09.2015 to 22.09.2015.

[6] P3 Network Vessel Sharing Agreement, FMC Agreement No. 012230, 24 October 2013.

[7] Rothenbuecher J. i inni, The Merger Endgame, AT Kearney, Munich 2013.

[8] Total capacity deployed by Carrier/Alliance: FE-Europe route (2012 Forecast), Alphaliner

Newsletter no 52 Volume 2011.

[9] Costas Paris, Shipping Industry Consolidation Set to Continue, Says CMA CGM Executive,

http://www.wsj.com/articles/shipping-industry-consolidation-set-to-continue-says-cma-cgm-ex-

ecutive, 2015.09.10.

[10] New G6 Alliance – Far East to Europe Trade, http://www.hapag-

lloyd.com/en/news/news_page_23104.html, 2011.12.20.

[11] William B., The Economics of Cloud Computing: An Overview for Decision Makers, CISCO,

http://www.ciscopress.com/articles/article.asp?p=1925617, 2012.07.30.

[12] Open Handset Alliance (OHA),

http://www.techopedia.com/definition/16273/open-handset-alliance-oha, 2014.02.10.

[13] PSA and GM report progress on Strategic Alliance implementation,

http://www.psa-peugeot-citroen.com/en/media/press-releases/psa-and-gm-report-progress-on-

strategic-alliance-implementation, 2014.02.10.

[14] Dolina Lotnicza, http://www.dolinalotnicza.pl/en/1/1/, 2014.02.02.

[15] Lee Hong Liang, Consolidation the 'only way forward' for container shipping,

http://www.seatrade-maritime.com/news/asia/consolidation-the-only-way-forward-for-con-

tainer-shipping.html, 2014.03.19.

[16] G6 Alliance announces Asia – Europe Schedule Update,

http://www.oocl.com/eng/pressandmedia/pressreleases/2015/Pages/27jul15.aspx, 2015.10.10.


[17] Poland beating the Asia-Europe blues,

http://ciw.drewry.co.uk/release-week/2015-27/, 2015.10.11.

[18] Charlie Bartlett, Maersk and MSC add 2M call in Israel, http://www.seatrade-mari-

time.com/news/middle-east-africa/maersk-and-msc-add-2m-call-in-israel.html, 2015.09.17.

[19] Launch of new CMA CGM service, Equatorial Guinea Express, https://www.cma-

cgm.com/news/353/launch-of-new-cma-cgm-service-equatorial-guinea-express, 2014.10.11.

[20] US Gulf – South America East Coast Loop 1 (GS1 Service) – Port Change, https://www.hapag-

lloyd.com/en/news/news_page_42456.html, 2014.09.18

[21] Alphaliner – TOP 100, Operated fleets as per 18 October 2015,

http://www.alphaliner.com/top100/, 2015.10.18.

CHANGES ON THE SEA MARKET

OF THE TRANSPORT OF CONTAINERS

Abstract

This article presents the results of the research carried out on maritime transport market. Se-

lected strategic alliances on global market were presented. Alliances G6 and 2M and Ocean

Tree are described widely. It was confirmed that on the maritime transport line market coop-

erative alliances are the most common type. Examples of the alliances type M&A are also

described. The shipowners make them with the selected operator terminals and logistics oper-

ators.

Keywords: maritime transport, consolidation, alliance

http://www.alphaliner.com/top100/

58

Marek GRZYBOWSKI*

TRANSPORT MORSKI. ANALIZA RYNKU

Streszczenie

W pracy omówiono wyniki badań przewozów transportem morskim w ujęciu globalnym. Wy-

nika z nich, że przewozy drogą morska wzrosły o 3,4% w 2013 r. oraz tyle samo w 2014 r.

osiągając wielkość 9,84 mld t. Przewozy ładunków masowych suchych wzrosły przy tym o 5%

w 2014 r., podczas gdy ładunków płynnych jedynie o 1,6%. Podaż innych ładunków suchych

(w tym drobnica oraz towary w kontenerach) wzrosła o 4,9% (osiągając wielkość 2,47 mld t).

Przewozy ładunków w kontenerach w wymiarze globalnym i w serwisach regionalnych wzro-

sły o 5,6%) do 1,63 mld t w 2014 r. Przewozy ropy naftowej wzrosły jedynie o 1,6%, produk-

tów petrochemicznych o 1,7%, natomiast gazu płynnego o 3,9%. Podaż łączna gazu oraz ropy

naftowej przewożonych zbiornikowcami wzrosła do ponad 2,826 mld t.

Słowa kluczowe: transport morski, handel drogą morską

1. WPROWADZENIE

W wyniku alokacji produkcji do krajów rozwijających się oraz rosnącej konsumpcji

w krajach Ameryki Północnej i Unii Europejskiej rośnie systematycznie podaż ładunków

w transporcie morskim. W roku 2006 na statki załadowano pond 7 700 mln t, w szczytowym

okresie recesji, tj. W roku 2009 było to 7 858 mln t, w roku 2012 przekroczono 9 196 mln t,

a w roku 2014 w ładowniach kontenerach przewieziono morzem 9 842 mln t. W roku 2014

przewieziono o około 330 mln t ładunków więcej niż przed rokiem.

Szlakami morskimi przewozi się głównie ropę naftową – 17% ładunków oraz kontenery

– 15% i inne masowe suche (cukier, cement, wyroby stalowe i inne – 15%). Ruda żelaza

stanowi 13% ładunków, a węgiel zapełnia ładownie około 13% statków. Oszacowano, że

statki z ropą naftową pokonały w 2014 r. prawie 12 bln tonomil, a w 2015 r. wykonają pracę

przewozową – ponad 12,3 bln tonomil. Dla kontenerowców te liczby wyniosły odpowiednio

ponad 8,5 oraz ponad 9 bln tonomil [14]. Szczegółowe zestawienie dotyczące rodzaju prze-

wożonego ładunku transportem morskim zawiera tabela 1.

W czasie ostatniej dekady przyrosty przewozów droga morską zdominowane zostały

przez ładunki masowe suche oraz towary w kontenerach. Dzięki dynamicznemu rozwojowi

gospodarki Chin, i popytowi na surowce inwestycyjne, przewozy morskie ładunków maso-

wych suchych w latach 2005–2014 wzrastały 5,6% rocznie. Ich udział w całościowym wzro-

ście przewozów morskich był najdynamiczniejszy w badanym okresie przekroczył 61%.

* Akademia Morska w Gdyni, Wydział Przedsiębiorczości i Towaroznawstwa

Transport morski. Analiza rynku 59

Jednak w 2015 r. ten udział zmaleje do 11%. Na wyniki 2015 r. wpływ będzie miał ponad

30% spadek popytu gospodarki chińskiej na węgiel [16] oraz wolno rosnący popyt na rudę

żelaza [19]. Przewozy kontenerów nie rosły tak dynamicznie jak ładunki masowe suche. Ich

udział w przyroście ładunków w transporcie morskim szacuje się na 22% w latach 2005–

2014. Zakłada się, że w 2015 r. ten udział wzrośnie do 30%. Przewozy ropy naftowej miały

przez wspomniany okres niewielki, bo 1% wpływ na przyrost przewozów. Przewiduje się,

że ze względu na niskie ceny ropy naftowej, w 2015 r. jej import wzrośnie w Chinach o 4%,

a w Europie o 8%. To powinno sprawić, że przewozy ropy naftowej będą decydowały o dy-

namice przewozów szlakami morskimi [14].

2. TRANSPORT MORSKI W KONTENERACH

Popyt globalny na przewozy morskie ładunków w kontenerach wzrósł w 2014 r. o około

5,3% (według Danish Ship Finance – 4,2% [11. s. 37]), osiągając wielkość 171 mln TEU

[9, s. 19–22]. Dzięki wysokiej dynamice podaży ładunków, przewozy morskie w kontene-

rach między Azją i Europą oraz między portami Pacyfiku zbliżyły się do takiego samego

poziomu (odpowiednio – 23 oraz 22 mln TEU w 2014 r.). W 2010 r. przeważały przewozy

między portami Pacyfiku (11 mln TEU) nad podażą towarów w kontenerach przewożonych

na szlakach Azja–Europa–Azja (7 mln TEU). W 2008 r. ten poziom wyrównał się do

19 mln TEU, w 2009 r. wyniósł po 17 mln TEU, a w 2010 r. po 19 mln TEU [24]. W 2014 r.

najsilniejszą pozycję miał rynek azjatycki z popytem na przewozy kontenerów około 50 mln

TEU i dynamiką w stosunku do 2013 r. w wysokości 3%. Największy przyrost na połącze-

niach liniowych w latach 2013–2014 (o 8,3%) zanotowano pomiędzy Europą i Ameryką Pół-

nocną z 3,6 do 3,9 mln TEU. Wysoki 7,5% zanotowano w serwisach między Azją a Europą

z 14,3 mln TEU do 15,4 mln TEU.

Tab. 1. Międzynarodowy handel morski [mln ton]

Rodzaj ładunku 2000 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014

Kontenery 598 969 1 076 1 193 1 249 1 127 1 275 1 421 1 445 1 524 1631

Ładunki suche 1 928 2 009 2 112 2 141 2 173 2 004 2 027 2 084 2 169 2 260 2 272

Ładunki masowe 1 295 1 709 1 814 1 953 2 065 2 085 2 335 2 486 2 742 2 920 3 112

Przewozy

zbiornikowcami 2 163 2 422 2 698 2 747 2 742 2 642 2 772 2 794 2 841 2 844 2 826

Źródło: [9]

Dla porównania w pierwszej połowie 2015 r. podaż kontenerów na globalnym rynku trans-

portu morskiego wzrosła jedynie o 1,1%. Po pierwszym słabym kwartale, następne 3 miesiące

tego roku owocowały wzrostem podaży kontenerów, głównie między portami Pacyfiku. W por-

tach Zachodniego Wybrzeża Stanów Zjednoczonych odnotowano w pierwszym kwartale 2015 r.

aż 17% wzrost dostaw kontenerów w imporcie z Azji. W eksporcie w tych samych portach od-

notowano w pierwszej połowie roku spadek o 2% kontenerów załadowanych towarem. W tym

samym okresie przewozy kontenerów w serwisach między Azją a Europą zmniejszyły się o 4,2%

do 7,4 mln TEU. Import towarów w kontenerach poprzez porty północnej Europy zmalał o 3,6%,

a przez porty mórz Śródziemnego i Czarnego – o 4,8% [17].

60 M. Grzybowski

3. PRZEWOZY ROPY I ROPOPOCHODNYCH

Niskie ceny ropy naftowej w 2014 r. nie spowodowały gwałtownego spożycia ani przy-

rostu przewozu ropy naftowej drogą morską, choć wzrósł popyt na zbiornikowce, które zo-

stały wykorzystane jako pływające magazyny. International Energy Agency (EIA) oszaco-

wała, że w 2014 r. globalne zużycie ropy naftowej wzrosło o 0,9 (o około 490,000 b/d), osią-

gając w ciągu roku średnie zużycie 92,4 mln b/d (baryłek dziennie). W tym czasie morzem

przetransportowano 1,7 mld t ropy naftowej, o 1,7% więcej niż w 2013 r. EIA prognozuje,

że globalna konsumpcja ropy naftowej będzie rosła, o 1,3 mln b/d w 2015 oraz o około

1,4 mln b/d w 2016 r. [1, s. 4]. Można więc założyć, że z tego powodu zbiornikowce będę

przewozić w najbliższych latach odpowiednio więcej (1,5% do 2%) ropy naftowej. Mimo

spowolnienia dynamiki rozwoju gospodarczego można założyć, że utrzyma się również trend

przyrostu importu tego produktu przez gospodarkę chińską i Indii (9,8%, zużycie 5,8 mln b/d

w 2014 r.), a maleć będzie import drogą morską do Stanów Zjednoczonych (w 2014 r. spadek

o 12%, zużycie 4,5 mln b/d) [13].

Po stronie podażowej mimo OPEC (Organization of the Petroleum Exporting Countries)

straciło pozycję grupy kontrolującej podaż ropy i regulatora cen. Mimo problemów z pro-

dukcją na polach roponośnych Angoli, Nigerii oraz dostawami z Libii, wciąż utrzymuje się

nadpodaż ropy na rynku transportu morskiego. Zwiększona podaż taniej ropy na rynku trans-

portu morskiego wywołana jest zwiększeniem dostaw m.in. Państwa Islamskiego i Iranu. Po-

pyt konsumowany jest w wyniku potencjału produkcyjnego rafinerii (o 1,4% w 2014 r.)

w Brazylii, Chinach, Singapurze i innych krajach azjatyckich. Dlatego łącznie podaż produk-

tów petrochemicznych i gazu przewożonego zbiornikowcami wzrosła 2,3% w 2014 r. do

1,11 mld t [12, s. 21].

Po stronie podażowej największy przyrost eksportu notuje się w Azji (6,3% w 2014 r.)

oraz ze Stanów Zjednoczonych (4%), a także państw rozwijających się (3,6%). Wzrost im-

portu zanotowano w Ameryce Łacińskiej (11,8%) oraz krajach azjatyckich (bez Chin)

o około 6,3%. Bowiem import ropy naftowej drogą morską do Chin zmalał o 25%, do Sta-

nów Zjednoczonych o 12%, a Europy o 1,5% [13].

4. RYNEK LNG

Przewozy gazu płynnego (LNG – Liquefied natural gas) wzorsły w 2014 r. o 2,5% do

333,3 mld m3. Przyczynił się do tego istotny wzrost popytu w największych gospodarkach

w Azji (Chiny, Indie) i w Ameryce Łacińskiej (Brazylia, Meksyk), a w Europie w Wielkiej

Brytanii. Japonia, największy importer LNG w świecie (import – 88,9 mln t w 2014 r.),

zwiększyła import o 1,1%, podczas gdy Korea Płd. (38 mln t) drugi importer w świecie

zmniejszyła zapotrzebowanie w ciągu roku o 2,8% [5, s. 39]. W 2014 r. kraje europejskie

importowały około 41 mln m3 LNG, podczas gdy w latach 2011–2011 było to ponad

80 mln m3 rocznie [3, s. 2]. Dominującymi importerami są Wielka Brytania (26%) oraz Hisz-

pania (25%), a po nich Turcja (17%), Francja (14%) i Włochy (10%). Główni dostawcy do

Europy to Katar (45%) i Algieria (27%). Jednymi z największych reeksporterów LNG (po-

nad 3 MPTA w 2014 r.) są Hiszpania oraz Belgia (ponad 1 MPTA w ubiegłym roku). Ten

ostatni kraj jest liczącym się graczem na rynku od 2008 r.


Globalny handel LNG w 2014 r. osiągnął 241,1 mln t i był większy o 4,3 mln t niż

w 2013 r. (237,7 mln t w 2012 r.) Liczba krajów eksporterów wzrosła z 17 do 19. Katar

z eksportem rocznym w wysokości 76,8 mln t stał się liderem rynku. Drugim co do wielkości

eksporterem jest Malezja (25,1 mln t), a następnie: Australia (23,3), Nigeria (19,4), Indonezja

(16), Trynidad i Tobago (14,4), Algieria (12,8) oraz Rosja (10,6). Stany Zjednoczone wyeks-

portowały jedynie 0,3 mln t LNG – podaje najnowszy International Gas Union World LNG

Report 2015. Czołowymi importerami LNG są Japonia (89 mln t) i Korea Płd. (38 mln t),

a po nich dwa kolejna kraje azjatyckie: ChRl (20 mln t) oraz Indie (15 mln t) [21].

Po morzach i oceanach pływa obecnie 413 specjalistycznych jednostek do przewożenia

gazu płynnego o łącznej pojemności zbiorników 61 mln m3 – informuje najnowszy Lloyd's

List Intelligence [15]. W 2015 r. stocznie ma opuścić około 40 statków o przeciętnej pojem-

ności około 150 tys. m3. Portfel zamówień na 2016 r. opiewa na około 50, a na 2017 ponad

30 zbiornikowców do transportu LNG. Łącznie w dokach buduje się 144 jednostki ze zbior-

nikami o pojemności 2,2 mln m3. Rośnie również popyt na jednostki z napędem LNG. Obec-

nie eksploatowanych jest ponad 50 takich jednostek. Ale zamówiono już ponad 110 statków

z takim napędem, a 17 nowych konstrukcji znajduje się w portfelach biur projekto-

wych [2, s. 2].

5. ŁADUNKI SUCHE MASOWE

Popyt na rynku morskich przewozów ładunków suchych w dużym stopniu kreowany

był w 2014 r. przez popyt rynku chińskiego (68% światowego importu rudy, 20% węgla).

Przewozy ładunków suchych masowych i w kontenerach wzrosły o 5%, osiągając wielkość

około 4,55 mld t. Pięć głównych ładunków masowych suchych (ruda żelaza, węgiel, zboża,

boksyty, fosforyty oraz inne masowe (produkty rolnicze, minerały itp.) stanowiły w 2014 r.

odpowiednio 3112 mln t oraz 2272 mln t. Rok wcześniej statkami przewieziono 2 923 mln t

pięciu głównych ładunków suchych oraz 2 218 mln t innych masowych.

Wzrost podaży na rynku przewozów morskich spowodowany został znacznym przyro-

stem popytu na rudę żelaza (o 12,4%), która stanowi około 30% przewozów ładunków su-

chych masowych, osiągając wielkość około 1,34 mld t. Popyt na węgiel wzrósł jedynie

o 2,8%. Oba rodzaje ładunków do 2014 r. utrzymały się na wysokim poziomie jedynie dzięki

popytowi Chin. Chiny importowały 933 mln t rudy żelaza w 2014 r. Wraz ze spowolnieniem

gospodarki chińskiej spadł popyt na oba rodzaje ładunków oraz ich ceny. W ciągu 8 miesięcy

2015 r. import węgla zmniejszył się o 31,3%, a cena spadła o 22,9% do 63,6 dolarów za tonę

węgla energetycznego [22].

Spadek popytu na ładunki masowe, a szczególnie węgiel i rudę żelaza odbił się nega-

tywnie na eksporterach. W 2014 r. eksport rudy żelaza z Australii (54% rynku) wzrósł

o 12,4% do 1,34 mld t. Dwaj najważniejsi producenci prognozują, że mimo niższych cen

będą eksportować rudę żelaza. Australia przewiduje, że eksport tego surowca z kopalń od-

krywkowych powinien wzrosnąć z 717 mln t w 2014 r. do 762 mln t w 2015 r., w 2016 wy-

niesie 824 mln t, oraz 886 mln t w 2017 r. Brazylia (25% udziału w rynku) zamierza zwięk-

szyć podaż rudy żelaza na rynku światowym z 363 mln t w 2014 r. do 390 mln t w 2015,

62 M. Grzybowski

412 mln t w 2016 oraz 435 mln t w 2017 r. [20]. Popyt na węgiel i rudę żelaza spadnie rów-

nież w 2015 r., bowiem przewiduje się, że po 4% spadku produkcji stali o 4% w 2014 r.,

w 2015 r. będzie ona niższa o kolejny 1%, osiągając wielkość około 740 mln t [7, s. 20].

Przewozy zbóż (pszenica, ryż, soja, śruta itd.) między portami w 2014 r. wzrosły

o 11,1%, osiągając wielkość 430 mln t. Ich załadunek odbywał się głównie w portach Stanów

Zjednoczonych (26% udziału w rynku) i Kanady (9%) oraz Unii Europejskiej (14%) i Ukra-

iny (10%). Czołowym importerem jest natomiast Japonia, Chiny i inne kraje azjatyckie (łącz-

nie 33%) oraz kraje afrykańskie (21%), głównie Algieria, Iran, Maroko, Tunezja. Kraje Ame-

ryki Płd. mają 20-procentowy udział w imporcie zbóż [4, s. 3].

Popyt na boksyty, aluminium i fosforyty wzrósł w 2014 r. o 24,5%, w związku z czym

przewozy morzem osiągnęły wielkość 105 mln t. Około połowy popytu generowane jest

przez gospodarkę Chin. Prognozuje się, że popyt tego kraju na boksyty wzrośnie do 2019 r.

o 50,9%. Beneficjentami wzrostu popytu na ten surowiec będą armatorzy przewożący bok-

syty między portami Chin oraz Malezji i Australii [18]. Przewozy fosforytów wzrosły

w 2014 r. o 7,2% do 30 mln t. Czołowymi producentami są Chiny (100 mln t w 2014) oraz

Stany Zjednoczone (27,1 mln t) i Maroko (30 mln t) [6, s. 118].

Przewozy innych masowych wzrosły w 2014 r. o około 1,8%, co sprawiło że statkami

przetransportowano około 1,43 mln t różnego rodzaju ładunków masowych. Wyroby stalowe

i produkty przemysłu drzewnego stanowiły 41,9% przewożonych towarów, 35,4% to pro-

dukty stalowe oraz mineralne, a 22,8% zajęły wyroby pochodzenie rolnego. Znacznie, bo aż

o 30% spadł popyt na morskie przewozy rudy niklu, a o 25% boksytów [11, s. 49].

6. TRANSPORT MORSKI W TONOMILACH

Wielkości przewozów wyrażone w tonomilach informują o faktycznym funkcjonowa-

nia prawa przewagi komparatywnej i jego skutkach w postaci globalnej alokacji produkcji

i usług. Jego działanie jest wzmocnione lub osłabiane koniunkturą na poszczególnych ryn-

kach. Ten zintegrowany efekt wyraźnie przejawia się w transporcie morskim, a znakomicie

ilustrują to przewozy towarów w tonomilach.

Od 2000 r. wzrasta praca przewozowa statków w tonomilach, a także systematycznie

rośnie liczba przewozów między kontynentami, z wyjątkiem załamania w 2009 r. W latach

2010 i 2011 r. rynek szybko się odbudował [23]. W efekcie w 2012 wykonana przez statki

praca przewozowa przekroczyła 45 000 mld tonomil, w 2013 r. była wyższa o 3,1%,

a w 2014 r. o 4,4% w stosunku do roku poprzedniego. Istotny wpływ na rynek mają prze-

wozy ładunków masowych suchych wywołane popytem inwestycyjnym wybranych rynków,

szczególnie azjatyckich z Chinami na czele [8, s. 18].

Połowę pracy przewozowej wynoszącej w 2014 r. ponad 52 572 mld tonomil wykonują

statki transportujące w serwisach międzykontynentalnych rudę żelaza, węgiel, zboża, boksyty

i aluminium oraz fosforaty i inne masowe. Popyt na pracę przewozową pięciu podstawowych ła-

dunków masowych wzrósł o około 6,4%, a pozostałych masowych o 5,2%, a na transport (głów-

nie drobnicy) w kontenerach o 5,4%. Na tą dynamikę wpływ maja przyrosty popytu w serwisach

Azja-Europa oraz między portami Pacyfiku. Na ładunki masowe rósł głównie popyt w krajach

azjatyckich, na drobnicę w kontenerach w Europie i Stanach Zjednoczonych [14].


7. PODSUMOWANIE

Rynek transportu morskiego systematycznie się rozwija. Okres załamania podaży ła-

dunków nastąpił jedynie w czasie recesji 2008–2009. Spowolnienie rynku przewozów ładun-

ków masowych i kontenerowych dało się zauważyć w 2015 r. To wynik spowolnienia

gospodarczego w krajach azjatyckich, a szczególnie w Chinach. Ale analizy makroekono-

miczne zakładają, że w wyniku alokacji produkcji i wzrostu konsumpcji w krajach azjatyc-

kich popyt na przewozy morskie w długiej perspektywie będzie rósł.

LITERATURA

[1] Global Petroleum and Other Liquids Consumption, [w:] Short-Term Energy and Winter Fuels

Outlook, International Energy Agency, October 6, 2015.

[2] Bull D., The LNG market is anticipating a new export boom, Ocean Shipping Consultants, Egham

2015.

[3] Global LNG Market Outlook 2014/15, BG Group, Berkshire 2015.

[4] Grain: World Markets and Trade, United States Department of Agriculture, October 2015.

[5] IGU World LNG Report 2015, International Gas Union, Fornebu 2015.

[6] Jasinski S. M., Phosphate Rock, U.S. Geological Survey, Mineral Commodity Summaries,

January 2015.

[7] Resources and Energy Quarterly, Department of Industry, Innovation and Science,

Commonwealth of Australia, Canberra, September Quarter 2015.

[8] Platou Report 2015, RS Platou Group, Oslo 2015.

[9] Review Of Maritime Transport 2015. UNCTAD, Nowy Jork, Genewa 2015.

[10] Short-Term Energy and Winter Fuels Outlook, International Energy Agency, October 6, 2015.

[11] Shipping Market Review, Danish Ship Finance, Danmarks Skibskredit A/S, – May 2015.

[12] Statistical Review of World Energy 2015, British Petroleum, June 2015.

[13] Barnwell S., Ordering In The Tanker Sector: a Well-Oiled Trend? https://sin.clarksons.net/

features/Details, 2015.10.21.

[14] Bosamia D., World Seaborne Trade: Entering Into a Role Reversal? https://sin.clarksons.net/

features/Details/37335, 2015.09.14.

[15] Brown H., Nor-Shipping 2015: Owners are haemorrhaging money on idle LNG ships,

http://www.lloydslist.com/ll/sector/tankers/article462689.ece, 2015.10.09.

[16] China August coal imports drop nearly 18 pct on month, http://www.reuters.com

/article/2015/09/08/china-economy-trade-coal, 2015.10.12.

[17] Container Shipping: Low demand on high-volume trades weighs down as supply rises,

https://www.bimco.org/en/Reports/Market_Analysis/2015/1008_ContainerSMOO2015-4.aspx,

2015.10.20.

[18] Ling W., Bauxite shortages in 2016 and beyond present opportunities for producers,

http://www.crugroup.com/about-cru/cruinsight/chinese_demand_for_3rd_party_bauxite_to_in-

crease, 2015.10.29.

[19] Ng J., Shrinking Iron Ore Imports Yet Another Sign of China Slowing, http://www.bloom-

berg.com

/news/articles/2015-09-08/shrinking-iron-ore-imports-yet-another-sign-of-china-slowing,

2015.10.10.

[20] Russell C., Australia takes cautious, maybe premature, bullish iron ore view, http://www.reu-

ters.com/article/2015/10/01/us-column-russell-ironore-idUSKCN0RV3EM20151001,

2015.10.30.

http://www.reuters.com/

http://www.bloomberg.com/

http://www.bloomberg.com/

64 M. Grzybowski

[21] Shiryaevskaya A., Almeida I., Shale Set to Pummel Another Market as U.S. LNG Plants Arrive,

http://www.bloomberg.com/news/articles/2015-05-18/shale-poised-to-pummel-another-market-

as-u-s-lng-plants-arrive, 2015.10.01.

[22] Stanway D., UPDATE 1-China August coal imports drop nearly 18 pct on month,

http://www.reuters.com/article/2015/09/08/china-economy-trade-coal-

idUSL4N11E1P920150908, 2015.10.02.

[23] Stopford M., Another 50 Years Of Sea Trade, But Where’s The Magic? https://sin.clarksons.net

/features/Details/36899, 2015.10.30

[24] Dane z raportów miesięcznych Clarksons Research.

SEABORNE TRADE. MARKET ANALYSIS

Abstract

This article presents the results of the maritime transport research. Global seaborne shipments

development is presented in the article. They have increased by 3.4% in 2013 and 2014 and

the total seaborne shipments increased to 9.84 billion tons. Dry cargo shipments increased by

5.0% and tanker trade by 1.6%. “Other dry cargo” (general cargo, break bulk and container-

ized) is estimated to have increased by 4.9% (reach 2.47 billion tons). Containerized trade

(5.6%) was estimated to 1.63 billion tons. Crude oil shipments decreased 1.6%, petroleum

products 1.7% but gas trades increased 3.9%. Oil and gas shipments increased to 2.826 billion

tons.

Keywords: maritime transport, seaborne trade

https://sin.clarksons.net/

65

Jacek KALETA*, Paweł WIĘCEK*

WPŁYW PROGNOZOWANIA POPYTU

NA EFEKTYWNOŚĆ PLANOWANIA DOSTAW

W SIECI DYSTRYBUCJI PALIW

Streszczenie

Praca podejmuje tematykę problemu planowania dostaw paliw dla zadanej liczby punktów

węzłowych w sieci dystrybucji, w warunkach silnej zmienności zapotrzebowania na produkt.

Celem opracowania jest próba określenia wpływu dokładności prognozowania popytu na wy-

dajność i efektywność procesu planowania i optymalizacji dostaw paliw do punktów dystry-

bucji końcowej. Specyfika rozważanego zagadnienia sprawia, iż dokładność w rozpoznawaniu

wzorców popytu i predykcja ich przyszłych wartości istotnie wpływa na zapewnienie ciągłej

dostępności wybranego typu paliwa na stacji oraz na wielkość ponoszonych kosztów trans-

portu związanych z dostawami. W pracy zaproponowano wykorzystanie modelu analizy spek-

tralnej w prognozowaniu przyszłych wartości zapotrzebowania na wybrany typ paliwa. Jakość

sporządzonych prognoz na podstawie danych rzeczywistych poddano ocenie i weryfikacji.

Otrzymane rezultaty wykorzystano jako parametry wejściowe w symulacji rozwiązania pro-

blemu dostaw. Uzyskane wyniki porównano z klasycznie stosowanymi podejściami w rozwa-

żanym obszarze.

Słowa kluczowe: dystrybucja paliw, trasy pojazdów, planowanie dostaw, prognozowanie

popytu

1. WPROWADZENIE

Dostawy paliw płynnych do stacji paliw prowadzone są w praktyce przez wyspecja-

lizowane przedsiębiorstwa transportowe spełniające wymogi ADR (transport materiałów

niebezpiecznych), dysponujące specjalistycznymi ciągnikami z cysternami bądź/i autocy-

sternami z przyczepami oraz zatrudniające wykwalifikowanych i doświadczonych kie-

rowców spełniających szczegółowe wymogi prawne. Planowanie dostaw odbywa się

w sposób scentralizowany na podstawie analiz sprzedaży na poszczególnych stacjach

wchodzących w skład sieci stacji. Taka organizacja dystrybucji pozwala na zastosowanie

zaawansowanego podejścia do planowania dystrybucji jak na przykład koncepcja VMI

(ang. Vendor Managed Inventory) czyli zarządzanie zapasami sterowane przez dostawcę,

* Politechnika Krakowska, Wydział Inżynierii Lądowej

66 J. Kaleta, P. Więcek

która została opracowana pod koniec lat 80. przez Wal-Mart i Procter & Gamble [4]. VMI

polega na zarządzaniu zapasami odbiorcy przez dostawcę, który sam decyduje o czasie

i wielkości dostawy tak aby zagwarantować nieprzerwaną dostępność produktów dla

klientów finalnych. W takim modelu dostawca nie tylko planuje i realizuje dostawę, ale

także przejmuje odpowiedzialność za zapewnienie ciągłości sprzedaży reagując na bie-

żąco na podstawie informacji o produkcji, popycie i poziomach zapasów, które są mu

udostępniane przez odbiorcę. Umiejętnie wdrożone VMI umożliwia zwiększenie

efektywności działania zarówno po stronie odbiorcy (zmniejszenie kosztów sterowania

zapasami, zmniejszenie ilości błędów w procesie zamawiania dzięki automatyzacji, pod-

niesienie poziomu obsługi klienta), jak i po stronie dostawcy (zmniejszenie kosztów dys-

trybucji dzięki mniejszej liczbie ograniczeń w trakcie jej planowania, optymalizacja pro-

cesów dostaw, ujednolicona komunikacja, szybszy dostęp do informacji oraz możliwość

dynamicznego reagowania na zmiany). W praktyce dystrybucji paliw płynnych do sieci

stacji spotyka się zazwyczaj systemy zamknięte, gdzie wyodrębniona komórka plani-

styczna decyduje o dostawach najczęściej na podstawie wskazań telemetrii (zbiornik na

stacji wyposażony jest w urządzenie pozwalające na zdalny odczyt poziomu wypełnienia

– zazwyczaj mierzony w procentach). Mamy tu w istocie do czynienia ze specyficzną re-

alizacją strategii VMI polegającą na wyodrębnieniu komórki planistycznej do zarządzania

zapasami na stacjach. Forma ta bywa zwykle pierwszym krokiem do pełnego wdrożenia

VMI poprzez pełny outsourcing dostaw paliw i zarządzania zapasami na stacjach. Praca

planisty polega na ułożeniu tras dystrybucyjnych na kolejny dzień dla każdego pojazdu

osobno i przekazaniu ich do realizacji przez poszczególne pojazdy we flocie. Ważnym

czynnikiem, który należy brać pod uwagę w dystrybucji paliw jest stosunkowo duża

zmienność sprzedaży na stacjach w odniesieniu do wielkości średniej dobowej sprzedaży,

co znacznie utrudnia proces planowania dostaw.

Koncepcja logistyczna VMI doprowadziła do powstania wielu modeli na gruncie ba-

dań operacyjnych i wielu metod ich rozwiązywania. Tematyka ta określana jest jako IRP

(Inventory Routing Problem), czyli problem wyznaczania tras przepływu zapasów. Pro-

blematyka IRP dotyczy powtarzającej się dystrybucji produktów z magazynów przy uży-

ciu zdefiniowanej floty pojazdów do wielu odbiorców VMI w zadanym horyzoncie pla-

nowania. Przyjmuje się, że każdy odbiorca dysponuje pewnym magazynem o znanej po-

jemności do przechowywania dystrybuowanego produktu i znane jest dobowe zużycie

u każdego odbiorcy. Celem jest minimalizacja kosztów dystrybucji w okresie planowania

przy spełnieniu pewnych warunków ograniczających w taki sposób, aby nie wystąpiły

braki u żadnego z odbiorców, a flota realizująca dostawy przejechała jak najmniejszą

liczbę kilometrów.

W pracy zaproponowano sposób prognozowania popytu na wybrany typ paliwa. Ja-

kość sporządzonych prognoz na podstawie danych rzeczywistych poddano ocenie i wery-

fikacji. Otrzymane rezultaty wykorzystano jako parametry wejściowe w symulacji rozwią-

zania problemu dostaw. Uzyskane wyniki porównano z klasycznie stosowanymi podej-

ściami w rozważanym obszarze. Zastosowanie podejść znanych z literatury, z uwagi na

dodatkowe warunki takie jak różne lokalizacje rozpoczęcia trasy i załadunku, nie było

możliwe. Ponadto przedstawiono problemy spotykane na etapie walidacji poprawności

i jakości generowanych rozwiązań.

Wpływ prognozowania popytu na efektywność planowania dostaw… 67

2. PLANOWANIE DOSTAW PALIW

2.1. CHARAKTERYSTYKA RYNKU DETALICZNEGO PALIW CIEKŁYCH

W POLSCE

Sprzedaż detaliczna paliw w Polsce prowadzona jest przez sieć stacji paliw, których

łączna liczba na koniec 2014 roku wynosiła 6479 stacji. Około 34% udział w rynku mają

stacje koncernów krajowych, ale dominują na rynku stacje niezależne, których udział stanowi

około 42% rynku. Koncerny krajowe operują w czterech brandach: ORLEN i BLISKA na-

leżą do lidera rynku PKN ORLEN (27% rynku), LOTOS i OPTIMA należą do Grupy LO-

TOS (7% rynku). Liderem na rynku krajowym wśród koncernów międzynarodowych jest BP

(7%), a następnie Shell (6%) i Statoil (5%). Na uwagę zasługuje także udział w rynku tzw.

stacji przymarketowych w liczbie 171 wynosi ok. 3%. Krajowy rynek detaliczny paliw cie-

kłych charakteryzuje się utrzymującym się od lat wysokim udziałem stacji niezależnych

(42%), które realizują ok. 30% całkowitej sprzedaży detalicznej paliw. Niemniej można

stwierdzić, że wymienione wcześniej stacje koncernowe (zarówno krajowe jak i międzyna-

rodowe) ustalają standardy i wymogi dla pozostałych firm paliwowych operujących na tere-

nie kraju. Reguła ta dotyczy między innymi sposobu organizacji dystrybucji, w tym plano-

wania dostaw na stacje [7].

Rys. 1. Dynamika sprzedaży detalicznej na stacjach paliw w roku 2014 [m-c/m-c w %]

Źródło: [7]

Sprzedaż detaliczna stacji wykazuje znaczną zmienność wynikającą z wielu czynników

w tym zarówno z sezonowości, jak również wahań cen i zmienności popytu na stacjach. Na

rysunku 1 przedstawiono dynamikę sprzedaży detalicznej paliw na stacjach paliw w Polsce

w roku 2014 w ujęciu procentowym miesiąc do miesiąca. Ogółem zanotowano dla całego

roku 2014 średni wzrost dynamiki sprzedaży paliw na stacjach na poziomie ok. 2%, przy

czym dla oleju napędowego wzrost o 2% i dla benzyn o 1%. Niemniej analizując wahania

popytu w poszczególnych okresach miesięcznych, można zaobserwować różnice docho-

dzące do 11%. Na podstawie doświadczeń z praktyki dystrybucji paliw wiadomo, że przy


bardziej szczegółowych analizach dynamiki popytu na stacjach paliw można mówić o waha-

niach dobowych sięgających ponad 50% różnic między wartościami popytu uśrednionego

a danymi o rzeczywistej sprzedaży.

Należy zwrócić uwagę, że powyższy wykres przedstawia wahania sprzedaży krajowych

stacji paliw ogółem a nie indywidualnych stacji. Biorąc pod uwagę silną zależność popytu

na paliwa od cen detalicznych (które same podlegają częstym wahaniom wynikającym na

przykład z promocji albo reakcji na działania konkurencji), można stwierdzić, że spotykane

w praktyce wahania popytu znacznie odbiegają od wartości uśrednionych. Fakt ten ma

istotny wpływ na proces planowania dostaw paliw do sieci stacji.

2.2. PLANOWANIE DOSTAW PALIW DO SIECI STACJI

Planowanie dostaw paliw bazuje na wskazaniach telemetrii (zazwyczaj zbiorniki stacji

są wyposażone w urządzenia pozwalające na zdalny odczyt poziomu wypełnienia). Planista

rozliczany jest zwykle z realizacji trzech celów:

liczba przerw w sprzedaży dowolnego gatunku paliwa powstałych na dowolnej

stacji (cel = 0),

utrzymanie założonego wskaźnika kosztu transportu 1 m3 paliw na stacje,

utrzymanie założonego wskaźnika rotacji zapasów (stosunek zapasu do sprzedaży)

poszczególnych gatunków paliw na stacjach (tak aby zapewnić racjonalne gospoda-

rowanie kapitałem „zamrożonym” w zapasach).

Praca planisty polega na ułożeniu tras dystrybucyjnych dla każdego pojazdu osobno

i przekazaniu ich kierowcom realizującym poszczególne trasy. Przekazanie planu trasy może

się odbywać na kilka sposobów: telefonicznie, SMS-em, papierowo (plan pisemny) albo za

pomocą urządzeń mobilnych (np. aplikacji systemowych połączonych zdalnie z terminalami

mobilnymi). Pierwsza metoda wydaje się pozornie najwygodniejsza, ale korzystanie z niej

bywa uciążliwe z uwagi na przykład na ograniczenia w używaniu telefonów komórkowych na

terminalach paliwowych oraz podczas kierowania pojazdem. Dodatkową uciążliwością mogą

być nieporozumienia przy przekazywaniu nazw odbiorców i wielkości zaplanowanych dostaw,

które mogą negatywnie wpłynąć na jakość realizacji planów. Wprawdzie korzystanie z komu-

nikacji drogą sms zdaje się eliminować ryzyko pomyłek, ale ograniczenia w korzystaniu z apa-

ratów GSM wciąż pozostają aktualne. Poza tym wprowadzenie całej trasy dystrybucyjnej do

jednego SMS-a może okazać się niemożliwe z uwagi na jej rozmiar a podział wiadomości na

mniejsze części powoduje ryzyko rozmaitych pomyłek. Papierowa wersja planu mogłaby bu-

dzić najmniej obaw co do wiarygodności i zupełności, ale trzeba się liczyć z trudnością jej prze-

kazaniu kierowcy – terminale paliwowe znajdują się na obszarze całej Polski i nie zawsze kie-

rowca może mieć dostęp do faksu. Poza tym nowoczesna dystrybucja wymaga sprawnej dwu-

kierunkowej komunikacji, której niestety nie można zapewnić w tym przypadku. Optymalnym

sposobem komunikacji wydają się zatem interaktywne urządzenia mobilne powiązane z syste-

mem planowania, ale ich zakup wiąże się ze stosunkowo dużymi wydatkami co powoduje, że

niewielu uczestników rynku może sobie na to rozwiązanie pozwolić.

Ważnym czynnikiem, który należy brać pod uwagę w dystrybucji paliw płynnych, jest

stosunkowo duża pojemność zbiorników na stacjach w odniesieniu do wielkości dobowej


sprzedaży – zazwyczaj duże podziemne zbiorniki magazynowe paliw oleju napędowego czy

benzyn pozwalają na zgromadzenie na stacji zapasów zapewniających prowadzenie w spo-

sób nieprzerwany sprzedaży zgodnie z popytem przez kilka lub kilkanaście dni. Specyfika ta

ma bardzo istotne znaczenie dla procesu planowania dostaw. Powoduje ona także, że zbior-

nik podziemny dla danego gatunku paliwa w wielu lokalizacjach może stanowić swoisty bu-

for do zgromadzenia dodatkowego zapasu chroniącego przed powstaniem przerw w sprze-

daży w razie wystąpienia silnych wahań popytu. Wtedy jednak planista najprawdopodobniej

może nie zrealizować przynajmniej jednego z zakładanych trzech celów do osiągnięcia.

3. ZNACZENIE PROGNOZOWANIA POPYTU W PROCESIE

PLANOWANIA DOSTAW PALIW DO SIECI STACJI

Jeden z modeli planowania dostaw paliw cysternami do stacji został zaproponowany

przez P. Hanczara w pracy [5]. Problem polega na zminimalizowaniu funkcji celu:

pknjni

kjijixw

,...,1;,...,1;,...,0

,,, (1)

przy spełnieniu warunków ograniczających:

ki

nj

kjixZx

,,0

,...,1

,,)1(

pkni ,...,1,,...,1 (2)

Qzznj

kikji

,...,1

,,0,,

pkni ,...,1,,...,1 (3)

kjikjiMxz

,,,,

pknjni ,...,1,,...,1,,...,1 (4)

0,...,0

1,,,,

nj

kiikijkiydzy

1,...,1,,...,1 pkni (5)

0,...,1

1,,,,

mj

iikjikiydzy

pkni ,,...,1 (6)

1,...,1

,,

nj

kjix

pkni ,...,1,,...,1 (7)

Vxnj

kj

,...,1

,,0

pk ,...,1 (8)

iiIy

0, ni ,...,1 (9)

ikiUy

,0 pkni ,...,1,,...,1 (10)

1,0,,

kjix pknjni ,...,1,,...,1,,...,1 (11)

0,,

kjiz pknjni ,...,1,,...,1,,...,1 (12)


gdzie:

i – klienci (i = 1,…, n),

j – trasy (j = 1,…, n),

k – okresy (k = 1,…, p),

di – popyt klienta i,

wi,j – parametr dotyczący danego łuku,

xi,j,k – zmienna binarną równa 1, gdy klient j jest obsługiwany jako dodatkowy, a klient

i jako główny w ramach tej samej trasy w okresie k; inaczej = 0;

yi,k – poziom zapasu u klienta i w okresie k,

zi,j,k – ilość produktu dostarczaną do klienta i na trasie j w okresie k,

Z – maksymalna liczba klientów w jednej trasie,

Q – pojemność pojazdu,

M – parametr techniczny oznaczający dużą liczbę (większą niż suma popytu wszystkich

klientów w danym horyzoncie planowania),

Ui – maksymalny poziom zapasu u klienta i,

Ii – poziom wypełnienia magazynu klienta i w okresie 0,

V – parametr oznaczający maksymalną liczbę pojazdów w jednym okresie.

Funkcja celu (1) minimalizuje przybliżoną łączną długość wyznaczonej trasy. Ograni-

czenie (2) zapewnia ułożenie trasy tak, aby najpierw zrealizowana została dostawa do stacji

głównej, a następnie do stacji dodatkowych. Warunek (3) odpowiada za zachowanie maksy-

malnej ładowności pojazdu. Ograniczenie (4) zostało wprowadzone w celu powiązania war-

tości zmiennych decyzyjnych zi,j,k i xi,j,k. Ma ono zagwarantować, że dostawy będą prowa-

dzone tylko w okresach, w których będzie wykonywana trasa uwzględniająca danego od-

biorcę. Wzorami (5) i (6) zapisane zostały ograniczenia gwarantujące ciągłość polityki

magazynowania: ograniczenie (5) gwarantuje ciągłość w okresach od 1 do p–1 natomiast

ograniczenie (6) łączy stany z okresu p ze stanami z okresu 1, gdyż przyjęte zostało założenie

o cykliczności dystrybucji. Warunek (7) wyklucza dostawy łączone a ograniczenie (8) gwa-

rantuje, że w dystrybucji zostanie użyta odpowiednia liczba pojazdów. Ograniczenie (9) do-

tyczy początkowych stanów zapasów u każdego z klientów. Ograniczenia (10), (11) i (12) to

ograniczenia brzegowe zmiennych decyzyjnych x, y i z.

Celem uzyskania rozwiązania przedstawionego zadania optymalizacyjnego niezbędne jest

określenie wielkości popytu poszczególnych stacji oraz związanych z nimi poziomów zapasów

na poszczególnych stacjach w nadchodzących okresach. W przypadku popytu stochastycznie

zmiennego zadanie to wymaga stosowania zaawansowanych metod prognostycznych.

4. WYKORZYSTANIE TECHNIK ANALIZY SPEKTRALNEJ

W PROGNOZOWANIU POPYTU NA DOSTAWY PALIW

W sytuacji postępującej globalizacji oraz gwałtownych zmianach na rynku wiele proce-

sów z obszaru logistyki dystrybucji w sieciach dostaw posiada naturę niedeterministyczną


i obarczonych jest dużym stopniem niepewności. Nie inaczej jest w przypadku sieci dystry-

bucji paliw. W celu zapewnienia wymaganego poziomu efektywności ekonomicznej przed-

siębiorstwa oraz obsługi klienta istnieje potrzeba wykorzystania precyzyjnych informacji

o przyszłych wartościach zapotrzebowania na produkt. Do identyfikacji wzorców popyto-

wych klientów oraz późniejszej predykcji powszechnie stosowanym podejściem jest analiza

danych historycznych, ujętych w szeregi czasowe. Szeregi czasowe reprezentujące dane zja-

wiska w czasie (np. popyt) w wielu przypadkach mogą pozornie przybierać chaotyczny prze-

bieg. Oprócz składowych szeregu takich jak trend, stały poziom zmiennej występuje również

składowa cykliczna oraz składnik losowy. Nałożenie się wielu składowych cyklicznych

o różnych częstotliwościach w połączeniu z wahaniami przypadkowymi powoduje, iż po-

wszechnie stosowane metody prognozowania (modele trendu, modele wygładzania wykład-

niczego itp.) są często mało dokładne. Podstawowym celem analizy spektralnej jest zwróce-

nie uwagi na cykliczność procesów. Zakłada ona falową strukturę przebiegów zmiennych

procesów stochastycznych, pozwalając analizować szereg w dziedzinie częstotliwości. Jest

to możliwe dzięki zastosowaniu funkcji trygonometrycznych w postaci funkcji sinus i cosi-

nus, które często nazywa się harmonikami. Ilość harmonik dla n obserwacji wynosi n/2.

Pierwsza harmonika posiada okres równy n, druga n/2, kolejna n/3 etc. Warunkiem stosowa-

nia takiego podejścia jest stacjonarność szeregu czasowego. W przeciwnym wypadku z sze-

regu należy usunąć trend lub sprowadzić do stacjonarności poprzez operację różnicowania

[6]. W ten sposób przebieg danego procesu można przedstawić w następujący sposób:

𝑦𝑡 = 𝑓(𝑡) +∑[𝑎𝑖 𝑠𝑖𝑛 (2𝜋

𝑛𝑖𝑡) + 𝑏𝑖 𝑐𝑜𝑠 (

2𝜋

𝑛𝑖𝑡)]

𝑛/2

𝑖=1

(13)

gdzie:

i – numer harmoniki,

a1, b1, a2, b2,… – wartości stałe,

f(t) – funkcja opisująca występujący w szeregu trend.

Wartości parametrów a1, b1, a2, b2, … są otrzymywane metodą najmniejszych kwadra-

tów, z wykorzystaniem następujących wzorów:

𝑎𝑖 =2

𝑛∑[𝑦𝑡 sin (

2𝜋

𝑛𝑖𝑡)] 𝑑𝑙𝑎 𝑖 = 1…

𝑛

2− 1

𝑛

𝑖=1

(14)

𝑏𝑖 =2

𝑛∑[𝑦𝑡 cos (

2𝜋

𝑛𝑖𝑡)] 𝑑𝑙𝑎 𝑖 = 1…

𝑛

2− 1

𝑛

𝑖=1

(15)

Dla ostatniej harmoniki należy przyjąć, iż:

𝑎𝑛/2 = 0 (16)

𝑏𝑛/2 =1

𝑛∑[𝑦𝑡 cos(𝜋𝑡)]

𝑛

𝑖=1

(17)

biuro


wciągnąć do poprzedniego wiersza albo tu dodać sylabe lub dwie


Wykorzystując dyskretną transformatę Fouriera rozważanego szeregu czasowego,

otrzymuje się widmo, które jest funkcją częstotliwości. Wyznaczone widmo badanego pro-

cesu pozwala określić, które z częstotliwości są w stanie wyjaśnić zmienność szeregu w naj-

większym stopniu, czyli takie, które mają największy wpływ na wariancję prognozowanej

zmiennej [10]. Część całkowitej wariancji zmiennej wyjaśnianej przez i-tą harmonikę przed-

stawiają poniższe wzory:

𝜔𝑖 =𝑎𝑖2 + 𝑏𝑖

2

2𝜎2 𝑑𝑙𝑎 𝑖 = 1…

𝑛

2− 1

(18)

𝜔𝑖 =𝑎𝑖2 + 𝑏𝑖

2

𝜎2 𝑑𝑙𝑎 𝑖 =

𝑛

2

(19)

gdzie σ2 – wariancja prognozowanej zmiennej po uprzednim odjęciu trendu.

5. PRZYKŁAD OBLICZENIOWY

W celu weryfikacji proponowanego podejścia do prognozowania sporządzono modele

predykcji przyszłych wartości popytu dla dwóch rodzajów paliwa w trzech punktach dystry-

bucji końcowej. Do estymacji parametrów modelu wykorzystano dzienne dane historyczne

obejmujące jeden rok. W modelu uwzględniono jedynie te składowe harmoniczne, dla któ-

rych stopień wyjaśnienia wariancji szeregu był większy od 2%. Następnie wyznaczano ko-

lejne prognozy dla okresu dwóch dni, przesuwając odpowiednio okno danych, ponownie es-

tymując parametry modelu. Powyższą analizę i weryfikację przeprowadzono dla horyzontu

czasowego równego miesiąc. Przykładowy historyczny profil zapotrzebowania na produkt

przedstawia rysunek 2.

Rys. 2. Historyczny profil zapotrzebowania na produkt w ciągu jednego roku Źródło: opracowanie własne

Przedstawiony wykres ukazuje jak dużą zmiennością i dynamiką w czasie cechują się

wzorce zapotrzebowania na produkt. Dlatego też dla rozwiązania problemu dostaw w wa-

runkach niepewności popytu istotne jest dążenie do określenia przyszłych wartości progno-

zowanych popytu z pewną dokładnością. Otrzymane prognozy porównano z wartościami

rzeczywistymi wyznaczając miary dokładności w postaci średniego absolutnego błędu

0

5000

10000

15000

20000

25000

1 8

15

22

29

36

43

50

57

64

71

78

85

92

99

10

6

11

3

12

0

12

7

13

4

14

1

14

8

15

5

16

2

16

9

17

6

18

3

19

0

19

7

20

4

21

1

21

8

22

5

23

2

23

9

24

6

25

3

26

0

26

7

27

4

28

1

28

8

29

5

30

2

30

9

31

6

32

3

33

0

33

7

34

4

35

1

35

8

36

5

Po

py

t w

lit

rach

Kolejne dni w roku

Dane rzeczywiste


procentowego (MAPE) oraz pierwiastka błędu średniokwadratowego (RMSE). Otrzymane

rezultaty przedstawia tabela 1.

Tab. 1. Weryfikacja prognoz dwudniowych w okresie jednego miesiąca

Data

Zestaw danych 2 –

ON

Zestaw danych 2

– Pb 95

Zestaw danych 3

– ON

Zestaw danych 3

– Pb 95

Zestaw danych 4

– Pb 95

Błąd

MAPE

[%]

Błąd

RMSE

Błąd

MAPE

[%]

Błąd

RMSE

Błąd

MAPE

[%]

Błąd

RMSE

Błąd

MAPE

[%]

Błąd

RMSE

Błąd

MAPE

[%]

Błąd

RMSE

2013-01-03 41 8136 43 1490 56 2770 15 284 31 970

2013-01-04

2013-01-05 49 8852 121 1310 73 3439 89 428 40 384

2013-01-06

2013-01-07 31 2483 34 1692 18 1246 125 459 14 169

2013-01-08

2013-01-09 17 1627 10 156 31 2990 61 352 48 1450

2013-01-10

2013-01-11 23 1877 83 831 95 3575 63 302 20 349

2013-01-12

2013-01-13 20 1765 57 1020 15 1103 96 332 10 118

2013-01-14

2013-01-15 38 2900 63 717 8 648 39 212 26 747

2013-01-16

2013-01-17 14 1812 97 579 36 1901 45 219 35 812

2013-01-18

2013-01-19 42 2813 70 801 147 4036 21 120 22 204

2013-01-20

2013-01-21 75 4538 85 1090 22 2605 117 279 11 91

2013-01-22

2013-01-23 5 486 20 232 9 839 18 224 5 98

2013-01-24

2013-01-25 22 2590 53 451 64 2796 28 201 28 215

2013-01-26

2013-01-27 19 1621 48 689 19 1496 25 120 30 266

2013-01-28

2013-01-29 16 1358 27 713 18 2277 27 359 26 182

2013-01-30

Źródło: opracowanie własne

Analizując rozkład otrzymanych błędów procentowych pomimo stosunkowo dużego

zróżnicowania ich wartości można dojść do wniosku, iż dominują wartości mieszczące się

w przedziale 20–40%. Dopasowanie modelu do danych rzeczywistych dla wybranych zesta-

wów danych przedstawia rysunek 3.


Rys. 3. Przykładowe dopasowanie modelu analizy spektralnej do wartości rzeczywistych

dla wybranych zestawów danych


W celu weryfikacji proponowanej metody prognozowania zapotrzebowania na paliwo

otrzymane rezultaty oraz miary jakości prognoz porównano z wynikami uzyskanymi przez

model średniej ruchomej (metodę tą wybrano jako referencyjną ze względu na jej częste sto-

sowanie przez firmy w praktyce biznesowej) oraz model wygładzania wykładniczego Win-

tersa (ze względu na wahania cykliczne i obserwowany trend w szeregu czasowym). Para-

metry wygładzania modelu zostały zoptymalizowane jako kryterium przy założeniu mini-

mum błędu średniokwadratowego. Proces doboru wag przeprowadzono dla każdego zestawu

danych. Obliczone miary dokładności dla weryfikacji prognoz dwudniowych w okresie jed-

nego miesiąca uśredniono. Porównanie wyników w odniesie do wymienionych metod przed-

stawia tabela 2.

Tab. 2. Porównanie jakości prognoz dla wybranych metod

Metoda Rodzaj błędu

Zestaw da-

nych 2

ON

Zestaw da-

nych 2

Pb95

Zestaw

danych 3

ON

Zestaw

danych 3

Pb95

Zestaw

danych 4

ON

Zestaw

danych 4

Pb95

Średnia

ruchoma

Błąd MAPE [%] 28 77 47 60 78 95

Błąd RMSE 2570 1080 2649 313 14449 987

Analiza

spek-

tralna

Błąd MAPE [%] 29 58 44 55 43 25

Błąd RMSE 3061 841 2266 278 10843 432

Model

Wintersa

Błąd MAPE [%] 30 68 44 56 57 45

Błąd RMSE 3057 980 2272 280 11800 680


0

500

1000

1500

2000

2500

3000

3500

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28

Zap

otr

zeb

ow

anie

w [

l

Dni

0

10000

20000

30000

40000

50000

60000

1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728

Zap

otr

zeb

ow

anie

w [

l]

Dni

Dane rzeczywiste Wartości z modelu

0

1000

2000

3000

4000

5000

6000

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28

Zap

otr

zeb

ow

anie

w [

l]

Dni


Analizując przedstawione wyniki w powyższej tabeli, jednoznacznie można wskazać

przewagę oraz lepszą efektywność prognozowania w przypadku modelu analizy spektralnej.

Na podstawie przeprowadzonych badań można również stwierdzić, przewaga rekomendo-

wanego podejścia nad pozostałymi porównywanymi metodami jest tym większa im większy

jest współczynnik zmienności wyznaczony dla każdego z zestawu danych.

6. ZAKOŃCZENIE

Rozważana w niniejszej pracy problematyka stanowi w dalszym ciągu aktualny obszar

badań nad optymalizacją systemów logistycznych. Dokonana analiza historycznych profili

popytowych dla wybranych stacji paliw pokazuje, iż wzorce zapotrzebowania na dostawy

paliw cechują się dużą zmiennością, niemniej jednak przy zastosowaniu odpowiednich me-

tod analizy szeregów czasowych można wyodrębnić pewną cykliczność danych. Wiedza na

temat spodziewanych przyszłych wartości popytu z pewną dokładnością jest niezwykle

istotna w dalszym procesie wyznaczania planów dostaw. Niewłaściwe rozpoznanie przy-

szłego popytu, obarczone zbyt dużym błędem może poważnie obniżyć efektywność procesu

dostaw do stacji wewnątrz całej sieci. Konsekwencją tego są wyższe koszty ekonomiczne

w skutek wystąpienia braku produktu, wykonywania dodatkowych dostaw lub utrzymywania

zbyt wysokiego poziomu zapasów. Wobec powyższego do analizy popytowej i sporządzenia

prognoz zasadne było użycie metody analizy spektralnej, która w dość dobrym stopniu wy-

jaśnia zmienność analizowanych zestawów danych. Jakość sporządzonych prognoz w okre-

sie weryfikacji spektralnego modelu predykcji została skonfrontowana z rezultatami innych

wybranych metod, które ze względu na swoją prostotę są znacznie chętniej stosowane

w praktyce. Efekt analizy porównawczej jednoznacznie wskazuje na przewagę modelu ana-

lizy częstotliwościowej. Dalsze kierunki badań będą koncentrowały się na testowaniu mo-

delu predykcji w oparciu o jeszcze większy zestaw przypadków jak również na zapropono-

waniu rozwiązania, które w modelu optymalizacyjnym dostaw uwzględniałoby pewien

stopień niedokładności otrzymywanych prognoz popytowych.

LITERATURA

[1] Ahmed M. M., Kutty S. R. M., Shariff A. M., Khamidi M. F., New and improved safety and risk

assessment model for petrol fuel station, National Postgraduate Conference, s. 1–10, 2011.

[2] Avella P., Boccia M., Sforza A., Solving a fuel delivery problem by heuristic and exact

approaches, 152/1, s. 170–179, European Journal of Operational Research, 2004.

[3] Cornillier F., Boctor F. F., Laporte G., Renaud J., A heuristic for the multi-period petrol station

replenishment problem, 191/2, s. 295–305, European Journal of Operational Research, 2008.

[4] Davis T., Waller M., Johnson M. E., Vendor-Managed Inventory In The Retail Supply Chain,

Vol. 20, Iss. 1, Journal of Business Logistics, Oak Brook 1999.

[5] Hanczar P., A Fuel Distribution Problem – Application of New Multi-item Inventory Routing

Formulation, 54, s. 726–735, Procedia - Social and Behavioral Sciences, 2012.

[6] Osińska M., Ekonometria Finansowa, PWE, Warszawa 2006.

[7] Raport roczny, s. 21–29, POPiHN, 2014.

[8] Popović D., Vidović M., Radivojević G., Variable Neighborhood Search heuristic for the

Inventory Routing Problem in fuel delivery, 39/18, s. 13390–13398 Expert Systems with

Applications, 2012.


[9] Vidović M., Popović D., Ratković B., Mixed integer and heuristics model for the inventory

routing problem in fuel delivery. 147(PART C), s. 593–604, International Journal of Production

Economics, 2014.

[10] Zeliaś A., Pawełek B., Wanat S., Prognozowanie Ekonomiczne, PWN, Warszawa 2003.

DEMAND PREDICTION IMPACT

ON EFFICIENCY OF DELIVERY PLANNING PROCESS

IN FUEL DISTRIBUTION NETWORK

Abstract

The paper presents a real fuel distribution network problem concerning a number of nodes with

high demand variability. The aim is to determine the impact of demand prediction accuracy on

performance of planning process of deliveries to service stations. Due to problem specificity,

the accuracy of demand model identification and demand prediction have significant impact

on stock-outs at service stations as well as on transportation costs. Model of spectral analysis

for demand prediction was proposed for different fuel types. Predicted values of demand were

verified with real-life data and applied for simulation of vehicle routing. The results of this

approach were compared with classical delivery planning approach.

Keywords: fuels distribution, vehicle routing, supply planning, demand prediction

77

Daniel KUBEK*

CHARAKTERYSTYKA PROBLEMU

WYZNACZANIA TRAS POJAZDÓW

Z OKNAMI CZASOWYMI

W WARUNKACH NIEPEWNOŚCI

Streszczenie

W rzeczywistym systemie transportowym miasta występowanie niepewności danych np.

o czasie przejazdu jest zjawiskiem powszechnym i naturalnym. Czynniki behawioralne użyt-

kowników, warunki pogodowe, występowanie incydentów drogowych, błąd metody pomiaru,

czy też metody prognozy, to jedne z wielu czynników powodujących, że estymowane czasy

przejazdu mogą odbiegać od rzeczywistych wartości. Planowanie tras dla pojazdów wykony-

wujących obsługę transportową miasta w oparciu o te dane może powodować, że realizacja

transportu będzie bardziej kosztowna. Założenie, że dysponowane dane o ruchu miejskim są

w stu procentach pewne jest założeniem błędnym i niemającym żadnego uzasadnienia w rze-

czywistości. W niniejszej pracy przedstawiono sposób podejścia uwzględniającego niepew-

ność danych na przykładzie problemu wyznaczania tras pojazdom z uwzględnieniem okien

czasowych u klientów. Autor proponuje integrację odpornego modelu najkrótszej ścieżki

z problemem wyznaczania tras pojazdom. Analiza metody oraz jej charakterystyka została

przedstawiona na rzeczywistej sieci drogowej miasta Krakowa. Efektem zastosowania takiego

podejścia jest redukcja kosztów w postaci całkowitego czasu trwania trasy oraz zwiększenia

poziomu obsługi klienta wyrażonej poprzez trafianie w okna czasowe. Dane ruchowe zostały

wygenerowane w symulatorze ruchu drogowego AIMSUN 8.0, a optymalizacja została wyko-

nana w środowisku CPLEX 12.5.

Słowa kluczowe: optymalizacja odporna, problem wyznaczania tras pojazdom, niepewność

danych, odporny problem najkrótszej ścieżki,

1. WPROWADZENIE

Funkcjonowanie współczesnych miast jest nierozerwalnie związane z funkcjonowa-

niem transportu. Transport w systemie miejskim jest głównym motorem rozwoju miasta i od

jego efektywności zależy sukces miast, który może być wyrażony poprzez aspekty: zrówno-


78 D. Kubek

ważonego, ekonomicznego i ekologicznego rozwoju miasta, jakości życia mieszkańców, do-

stępności i atrakcyjności transportu, a nawet wizerunku turystycznego przestrzeni miasta.

Jednym z głównych elementów systemu transportowego miasta jest podsystem dystrybucji

towarów, który przez dynamiczny i często niekontrolowany rozwój negatywnie wpływa na

otoczenie [10].

Ostatnie lata pokazują duże zainteresowanie aspektami poprawy efektywności dystry-

bucji towarów w miastach, szczególnie przez władze miast, państw, a nawet odpowiednich

jednostek administracji Unii Europejskiej. Przykładem takich działań są liczne projekty ba-

dawcze, których celem zazwyczaj jest zbadanie problemu, określenie miar efektywności,

stworzenie zbioru dobrych praktyk w zarządzaniu towarowym transportem na obszarach

miejskich oraz wskazanie rekomendacji. Zbiór dobrych praktyk jest tworzony w odniesieniu

do przedsięwzięć różnych miast z całego świata, gdzie odbyły się lub są wdrażane obecnie

pomysły na lepsze i efektywniejsze zarządzanie przepływami towarów w miastach [9, 10].

W raportach Europejskiego Wydziału Mobilności i Transportu oraz amerykańskiego odpo-

wiednika – Transportation Research Board, można odnaleźć zbiór wytycznych oraz syntezę

dotychczasowych dobrych praktyk odnoszących się do zarządzania logistyką towarową mia-

sta [14, 19]. Jednym z rekomendowanych rozwiązań w obu raportach jest wprowadzanie do

polityk planowania podmiotów realizujących transport w mieście, narzędzi zawierających

metody optymalizujące trasy pojazdów. Propozycja zastosowania optymalizacji tras pojaz-

dom w logistyce miejskiej, może znaleźć swoje uzasadnienie we względnie niskich kosztach

wdrożenia i implementacji oraz w znaczącej poprawie funkcjonowania i jakości transportu

towarów w mieście. W przytaczanym raporcie Wydziału Mobilności i Transportu UE zesta-

wiono kilkanaście rekomendacji i ocenione je pod względem wpływu ekonomicznego, śro-

dowiskowego, na zdrowie człowieka, określono stosunek jakości efektów rozwiązania do

poniesionych nakładów wdrożenia oraz dla jakich wielkości miast dane rozwiązanie jest od-

powiednie. Metody wyznaczania tras pojazdom zostały określone, jako rozwiązanie o niskim

wpływie na koszty operacyjne dystrybucji transportu oraz na poziom zatłoczenia ulic. Roz-

wiązania tego typu mogą dać dobre efekty poprawy jakości powietrza, zmniejszenia emisji

gazów cieplarnianych oraz zmniejszenia emisji hałasu. Możliwe jest uzyskanie bardzo do-

brych skutków oddziaływania dystrybucji towarów na zdrowie i bezpieczeństwo człowieka.

Zaleca się, aby planowanie transportu w oparciu o optymalizację marszrut pojazdów było

stosowane w metropoliach europejskich (powyżej 3 mln mieszkańców) oraz w dużych mia-

stach (pow. 0,5 mln mieszkańców). Dodatkowo stosunek jakości efektów rozwiązania do

kosztów implementacji został określony jako dobry [14].

Przedstawione zalety stosowania tej klasy metod są dość oczywiste, czego egzemplifi-

kacją jest duże zainteresowanie środowisk naukowych wyrażające się kilkoma tysiącami prac

naukowych o tej tematyce. Jednakże jak wynika z analizy literatury przedmiotu, w większo-

ści przeprowadzanych badań naukowych brakuje podstawowego założenia o opisywanym

obiekcie, jakim jest miasto i ruch drogowy, tj. nieokreśloność i niepewność zjawisk [17].

Przyjęcie założenia, że system transportowy miasta jest przewidywalny w stu procentach

oraz występujące w nim mechanizmy i zjawiska można określić (lub estymować) precyzyj-

nie przed ich rzeczywistą realizacją, nosi znamiona aberracji. System transportowy miasta

oraz jego główny element, jakim jest ruch drogowy charakteryzuje się dynamizmem, loso-

wością, niepewnością, strukturalną niestabilnością oraz występują w nim skomplikowane

Charakterystyka problemu wyznaczania tras pojazdów z oknami czasowymi… 79

interakcje wewnętrzne i zewnętrzne, których realizacja zależy od warunków zewnętrznych

(np. atmosferycznych), zasobów technicznych oraz zachowań poszczególnych uczestników

systemu [2].

Metodyka zawarta w niniejszym opracowaniu jest próbą podjęcia uwzględnienia loso-

wości i nieokreśloności ruchu drogowego w celu uzyskania poprawnego (bliższego) opisu

rzeczywistości poprzez matematyczny model problematyki wyznaczania tras pojazdom. Jed-

nym ze sposobów radzenia sobie z niepewnością danych może być teoria optymalizacji od-

pornej (Robust Optimization). Poniższa praca przedstawia ogólną charakterystykę tej dzie-

dziny wiedzy oraz jej zastosowanie w problematyce wyznaczania tras pojazdom z uwzględ-

nieniem okien czasowych (Vehicle Routing Problem with Time Windows – dalej VRPTW).

2. ŹRÓDŁA NIEPEWNOŚCI DANYCH O RUCHU MIEJSKIM

Implementacja matematycznych modeli w rzeczywistych procesach decyzyjnych musi

być oparta na odpowiednich założeniach, które powinny być odzwierciedleniem realnych

procesów. Podstawowym elementem modeli matematycznych jest rodzaj wykorzystywa-

nych danych. Ze względu na łatwość implementacji, najbardziej popularny typ danych to

dane deterministyczne. Przyjęcie danych deterministycznych w modelu matematycznym

tworzy model deterministyczny. Oznacza to, że posiadane informacje o parametrach danego

procesu są dokładnie znane z góry, przed realizacją procesu decyzyjnego. W odniesieniu do

charakterystyki procesu transportowego występującego w warunkach miejskich oraz do jego

otoczenia, założenie to jest niezbyt realistyczne.

W problematyce wyznaczania tras podstawowymi danymi są informacje o czasach prze-

jazdu na poszczególnych odcinkach sieci drogowej, które są w bardzo wysokim poziomie

wrażliwe na zmiany swoich wartości. Podatność tych danych na zmianę wartości wynika

z podstawowych cech i własności systemów transportowych miasta, które przedstawiono

w tabeli 1.

Tab. 1. Cechy charakterystyczne systemu transportowego miasta

Cecha Charakterystyka

Niejednorodność Składa się z elementów naturalnych, sztucznych oraz socjotechnicznych

Złożone zjawiska

ruchowe

Występuje losowość i nieokreśloność zjawisk; istnieje wiele klas

użytkowników oddziaływujących wzajemnie na siebie; struktura systemu

transportowego miasta jest niestabilna

Szerokie spektrum

procesów

decyzyjnych

Możliwość zarządzania, sterowania, harmonogramowania, pełnienia nadzoru;

Wielokryterialność decyzji; występowanie behawioralnych sprzężeń zwrotnych

Hierarchia Każdy z podsystemów jest powiązany hierarchicznie z pozostałymi

podsystemami

Nierównomierność Infrastruktury drogowej; przestrzenna; obszarowa skutkująca występowaniem

na przykład kongestii

Adaptacyjność Możliwość do samoorganizacji oraz uczenia się

Celowość Każdy proces jest ukierunkowany na wypełnienie określonych zadań

Dynamiczność System jest podatny na interakcje zewnętrzne (np. warunki pogodowe)

i wewnętrzne (np. zachowanie użytkowników)

Źródło: opracowanie własne na podstawie [2, 23]

80 D. Kubek

W celu właściwego planowania tras pojazdom, które wykonują obsługę towarową da-

nego obszaru miasta, konieczne jest uwzględnienie wspomnianych własności w tymże pro-

cesie decyzyjnym. Przytoczone powyżej czynniki mogą wpływać m.in. na zmianę parame-

trów ruchu drogowego, co w konsekwencji tworzy niepewność wartości tych danych.

Niepewność danych wynika z natury i charakterystyki opisywanego zjawiska i oznacza nie-

możliwość ustalenia dokładnych, przyszłych wartości danych w trakcie realizacji procesu

decyzyjnego [17].

W systemie transportowym miasta dokładne rzeczywiste wartości danych o tym syste-

mie zawsze są uzyskiwane po fakcie (automatycznie stają się historycznymi danymi). Stoso-

wanie danych historycznych do planowania przyszłych procesów rzeczywistych zawsze bę-

dzie obarczone pewnym stopniem niepewności lub nieokreśloności. Jest to związane m.in.

Z błędem prognozy, jak również charakterem losowości opisywanego procesu. Każda me-

toda prognostyczna charakteryzuje się błędem estymacji metody prognostycznej [18]. Mając

na uwadze osobliwość ruchu drogowego, jakimi są wysoki dynamizm zmienności, należy

zauważyć, że złożoność występujących zjawisk i struktury systemu transportowego, warto-

ści prognozy mogą być obarczone dużymi błędami estymacji.

Przy obecnym postępie technologicznym rozwoju urządzeń pomiarowych, pozyskanie

informacji o parametrach ruchu drogowego nie stanowi większego problemu. Jednakże, nie-

zależnie od sposobu wykonania pomiaru oraz zastosowanej technologii, każdy pozyskany

zbiór danych o ruchu drogowym będzie obarczony błędem pomiaru. Błąd ten jest źródłem

niepewności posiadanych danych, ponieważ nie można określić ze stu procentową dokład-

nością rzeczywistych wartości.

Kolejnym źródłem niepewności podczas planowania tras przejazdu jest sama imple-

mentacja uzyskanego rozwiązania [5]. Dla przykładu, w wyniku optymalizacji problemu

marszrutyzacji otrzymano harmonogram odjazdów poszczególnych pojazdów z magazynu

głównego, gdzie dokładność rozwiązania jest, co do jednej minuty. W rzeczywistości pojazd

może wyruszyć z bazy kilka minut wcześniej bądź kilka minut później, czego powodem

może być np. zawodność środków technicznych, stan psychofizyczny kierowcy, czy też wa-

runki pogodowe. Stąd wpływ rzeczywistości na realizację otrzymanego rozwiązania zawsze

będzie tworzyć niepewność poprawnej implementacji tego rozwiązania.

Przedstawiona powyżej krótka charakterystyka prowadzi do wniosku, że stosowanie

metod modelowania matematycznego bez uwzględnienia niepewności danych w problemach

rzeczywistych nie ma większego uzasadnienia.

3. ZASTOSOWANIE OPTYMALIZACJI ODPORNEJ

DO WYZNACZANIA TRAS

Zadanie wyznaczania tras pojazdom po raz pierwszy zostało sformułowane w 1959 roku

przez Dantziga i Ramsera [11] jako problem rozdziału pojazdów (truck dispatching pro-

blem), a pierwszy matematyczny model tego problemu sformułowany przy pomocy progra-

mowania liniowego został przedstawiony w 1964 roku [4]. Problem VRP rozumiany jest jako

świadczenie usług transportowych klientom poprzez rozwożenie towarów zgodnie z ich

zgłoszonym zapotrzebowaniem – tak zwanym popytem na towary. Usługi transportowe są


prowadzone przez flotę pojazdów, które poruszają się po sieci drogowej oraz rozpoczynają

i kończą swoje trasy w bazie zwanej magazynem. Sieć drogowa, po której poruszają się po-

jazdy, zazwyczaj jest definiowana w postaci grafu, którego punkty reprezentują skrzyżowa-

nia, a połączenia pomiędzy punktami grafu są zdefiniowane przez zbiór skierowanych łu-

ków. Każdy łuk grafu może mieć przypisane koszty: zazwyczaj długość oraz czas przejazdu,

który może być różny dla danego typu pojazdu, czy też danego okresu czasu, np. W zależ-

ności od pory dnia. W klasycznej odmianie problemu VRP, klienci są przypisywani do punk-

tów grafu, a każdy klient charakteryzuje się popytem na towary. W zależności od specyfiki

analizowanego problemu klientom można przypisać różne cechy, np. interwał czasowy,

który oznacza czas, w jakim dany klient preferuje, aby usługa transportowa została zrealizo-

wana, czy też średni czas obsługi klienta (czas obsługi może być również funkcją wagi prze-

wożonego towaru). Interwał czasowy obsługi klienta w literaturze przedmiotu nosi nazwę

okien czasowych (Time Windows).

Problem wyznaczania tras pojazdów z oknami czasowymi – VRPTW, polega na znale-

zieniu najmniejszej liczby tras dla pojazdów wykonujących usługi transportowe dla wszyst-

kich klientów z uwzględnieniem funkcji celu – minimalizacji kosztu (np. czasu realizacji

tras) bez naruszenia warunków pojemnościowych pojazdów, ograniczeń długości podróży

(trasy) wynikających z czasu pracy kierowców oraz ograniczeń okien czasowych obsługi

klientów. Zazwyczaj problem ten jest rozważany z jednym centralnym magazynem (centrum

dystrybucji), którego zadaniem jest optymalne obsłużenie wszystkich klientów, położonych

w różnych lokalizacjach, z różnymi popytami oraz specyficznymi dla siebie oknami czaso-

wymi. Całkowite koszty tras zawierają nie tylko koszty podróży, ale również koszty wyni-

kające ze zbyt wczesnego przyjazdu pojazdów do klientów bądź zbyt późnego przyjazdu

(opóźnienia do pewnego stopnia są dozwolone, ale są jednocześnie bardzo kosztowne) [20].

3.1. RODZAJE DANYCH W MODELACH VRPTW

Dotychczasowe badania i analizy problemów VRPTW najczęściej ograniczały się do

dwóch kwestii: rodzaju danych w modelu oraz założenia odnośnie sposobu poruszania się

pojazdu w sieci drogowej [17]. Kwestie dotyczące pierwszego założenia mogą przyjmować

cztery formy: deterministyczną, stochastyczną, dynamiczną oraz niepewną. Zastosowanie

deterministycznych danych w problematyce VRP w obszarach miejskich może dawać nie-

właściwe rozwiązania. Wspomniane w poprzedniej części pracy aspekty ruchu drogowego

w mieście, tj. wysoka dynamika, losowość oraz występowanie incydentów rekurencyjnych

oraz nieposiadających cech powtarzalności [3], powodują, że tego typu modele są nieade-

kwatne. Metodologia stochastyczna zakłada, że dane mogą być losowe, których zmienność

opisana jest z góry znanym rozkładem prawdopodobieństwa. W odniesieniu do ruchu drogo-

wego, założenie to jest niewłaściwe i wynika to z dwóch kwestii. Po pierwsze w ruchu dro-

gowym występują zjawiska losowe, incydentalne i nieprzewidywalne, których efekty może

nie uwzględniać dany rozkład. Druga kwestia, to w celu opisania dowolnego losowego zja-

wiska rzeczywistego poprzez odpowiedni wielowymiarowy rozkład prawdopodobieństwa

jest potrzebna bardzo duża (często nierzeczywista) liczba obserwacji obiektu [16]. Przyjęcie

niepoprawnego rozkładu prawdopodobieństwa dla czasu przejazdu może powodować, że

zmiany nie rekurencyjne w ruchu nie będą uwzględnione. Natomiast implementacja modeli

biuro

Podświetlony

82 D. Kubek

dynamicznych w problemach klasy VRP w rzeczywistej dystrybucji towarów może być dość

kosztowne z punktu widzenia firmy. Zapewnienie ciągłej informacji o ruchu drogowym

w mieście firmom transportowym wymaga wysoko rozwiniętej infrastruktury technicznej

i informatycznej. Dodatkowo charakterystyką dynamicznego problemu VRP jest możliwość

zmiany przebiegu trasy w trakcie realizacji tej trasy, co w konsekwencji powinno zmniejszać

koszty, np. czas przejazdu pojazdu, czy zużycie paliwa. Jednakże, jeżeli dany odcinek (część

sieci) podlega rekurencyjnym zmianą czasu przejazdu, model dynamiczny może tego nie

uwzględniać, bo będzie reagował na bieżąco. Wobec czego modele dynamiczne będą wyka-

zywały pozytywne aspekty tylko przy zjawiskach nie rekurencyjnych.

Ostatnim typem danych są dane, których reprezentacja jest w formie zbiorów niepew-

ności (uncertainty sets). Zbiór niepewności, w prostych formach, może być definiowany, po-

przez zakres zmienności danych niepewnych, lub w zaawansowanych formach poprzez war-

tość oczekiwaną, dewiację, czy też kowariancję danych modelu [7, 15, 16]. Dane niepewne

to takie dane, których rzeczywista realizacja wartości jest nieznana w momencie podejmo-

wania decyzji i ich wartość może być określona przez potencjalny przedział wartości. Takie

określenie danych umożliwia opisanie zjawisk rekurencyjnych oraz tych, których nie posia-

dają cech powtarzalności. Jak wynika z przeprowadzonego przeglądu literatury przedmiotu,

tego typu założenie w modelach typu VRP jest nowym trendem w badaniach naukow-

ców [17].

Model matematyczny, w którym występują dane niepewne to niepewny model matema-

tyczny (uncertain model/formulation). Zazwyczaj modele niepewne są obliczeniowo niedo-

stępne, co oznacza, że czas rozwiązania takiego modelu jest bardzo duży, nie akceptowalny.

Zgodnie z teorią optymalizacji odpornej, modele niepewne są przeformułowane do ekwiwa-

lentnych modeli odpornych lub tzw. odpornych odpowiedników (robust counterpart). Spo-

sób transformacji jest uzależniony od specyfiki problemu nominalnego (więcej szczegółów

można odnaleźć w [5]). Rozwiązaniem modelu odpornego jest tzw. rozwiązaniem odpornym

(ang. robust solution), które charakteryzuje się poziomem konserwatyzmu (conservatism

level). Poziom konserwatyzmu rozwiązania oznacza, w jakim stopniu dane rozwiązanie jest

odporne na wahania parametrów modelu. Dla przykładu, jeśli w modelu problemu VRP

przyjmiemy, że czas przejazdu jest parametrem niepewnym i przyjmuje wartości z zakresu

[100%, 150%] wartości przeciętnej, to uzyskane odporne rozwiązanie takiego zadania będzie

uodpornione na fluktuacje tego parametru w zakresie, jaki został założony w modelu, czyli

[100%, 150%]. Dodatkową zaletą takiego rozwiązania jest informacja o tym, kiedy powinno

się uruchomić procedurę ponownego przeliczenia trasy lub re-marszrutyzacji (Re-routing ve-

hicle problem).

3.2. OPTYMALIZACJA ODPORNA – KRÓTKA CHARAKTERYSTYKA

Zgodnie z klasyczną teorią optymalizacji odpornej w procesie decyzyjnym, w którym

podjęto próbę rozwiązania niepewnego modelu, należy przyjąć następujące paradyg-

maty [6, 13]:

wszystkie zmienne problemu decyzyjnego są decyzjami typu „tu i teraz” (here and

now variables) – wartość tych zmiennych w drodze optymalizacji musi być okre-

ślona przed realizacją danych niepewnych,


zbiór niepewności danych modelu jest znany np. zbiór ograniczony,

ograniczenia modelu odpornego są ograniczeniami silnymi, tzn. decydent procesu decy-

zyjnego nie będzie akceptować jakiegokolwiek niezachowania ograniczeń funkcji celu.

Pierwsze założenie wprost definiuje „uodpornienie na niepewność danych”. Drugi wa-

runek zakłada, że niepewne dane modelu są opisane przy pomocy zbiorów niepewności. Ina-

czej niż w optymalizacji stochastycznej, gdzie zakłada się, że dane można opisać przy po-

mocy rozkładów prawdopodobieństwa. W optymalizacji odpornej nie zakłada się znajomo-

ści rozkładu prawdopodobieństwa, przyjmuje się, zgodnie z paradygmatem 2, że rzeczywisty

rozkład zmienności danych zawiera się w znanym zbiorze niepewności.

Wprowadzenie powyższych paradygmatów w procesie modelowania matematycznego

ma na celu uzyskania rozwiązania, które będzie uodpornione na wszystkie możliwe scena-

riusze wynikające ze zbiorów niepewności (np. wahania parametrów modelu). Konsekwen-

cją takiego założenia jest ponoszenie dodatkowych kosztów związanych z uodpornieniem

rozwiązania na zmienność danych. Koszt ten w literaturze przedmiotu został zdefiniowany,

jako „cena uodpornienia” (Price of Robustness) [7]. Jest to związane z faktem, że obszar

dopuszczalny problemu nominalnego (deterministycznego) jest większy niż obszar dopusz-

czalny problemu uwzględniającego niepewność danych (obszar dopuszczalny odporny). Dla

przykładu: w przypadku minimalizacji problemu wartość funkcji celu dla nominalnego pro-

blemu będzie mniejsza niż wartość funkcji celu problemu odpornego.

Problematyka wyznaczania tras pojazdom bardzo często jest formułowana jako problem

programowania całkowitoliczbowego mieszanego. Jeśli zakłada się, że dane w modelu pro-

gramowania całkowitoliczbowego mieszanego są niepewne, to powstaje nowy typ zagadnie-

nia niepewny problem całkowitoliczbowy mieszany (Uncertain Mixed Integer Programming

– dalej U-MIP). Jedną z metod rozwiązywania modeli U-MIP jest wykorzystanie teorii du-

alności programowania liniowego. Silne twierdzenie o dualności problemu programowania

liniowego mówi, że: jeżeli jedno zadań pierwotne lub dualne ma rozwiązanie, to drugie też

ma rozwiązanie i wartość funkcji celu są równe. Metodologia ta została zaprezentowana

w pracach [5, 7, 8] i w dalszej części niniejszego opracowania została zastosowana w pro-

blematyce wyznaczania tras.

3.3. METODYKA WPROWADZANIA NIEPEWNOŚCI

W MODELACH TYPU VRP

Większość sformułowań zagadnień typu VRP zakłada, że macierz incydencji (połączeń)

pomiędzy punktami grafu jest pełna. W związku z tym, że rzeczywista sieć drogowa jest nie

spełnia tego warunku (nie każde skrzyżowanie jest połączone z pozostałymi), w pracy zasto-

sowano podejście uproszczenia oryginalnej rzeczywistej sieci drogowej do zastępczego

sztucznego grafu, który reprezentuje najkrótsze połączenia pomiędzy wszystkimi klientami

[1, 12, 22]. Własnością każdej rzeczywistej sieci drogowej miasta jest fakt, że z każdego

miejsca w sieci można dojechać do pozostałych miejsc. Cechę tę można wykorzystać do ob-

liczenia parami wszystkich możliwych kombinacji połączeń pomiędzy klientami, przez co

uzyska się pełną macierz połączeń.

84 D. Kubek

Mając na uwadze kombinatoryczny charakter zagadnienia wyznaczania tras pojazdom,

można stwierdzić, że takie podejście może mieć również dodatkowe zalety. Próba wprowa-

dzenia parametrów niepewnych wprost w tego typu modelach może spowodować zwiększe-

nie poziomu niedostępności modelu, co w konsekwencji może prowadzić do nieosiągnięcia

rozwiązania w ogóle. Wykorzystując metodykę uproszczania sieci, uodpornianie modelu

można „przesunąć” do procesu przygotowywania informacji o najkrótszych ścieżkach po-

między klientami. Ścieżki te zostaną wyznaczone w oparciu o odporny problem najkrótszej

ścieżki (Robust Shortest Path Problem – dalej R-SPP). W pracy [7] udowodniono, że ekwi-

walentny dualny model niepewnego problemu najkrótszej ścieżki posiada cechę dostępności

algorytmicznej. Dzięki takiemu podejściu rozwiązanie modelu problemu klasy VRP będzie

posiadało cechy uodpornienia na fluktuacje wartości danych. Dodatkową zaletą jest możli-

wość uwzględnienia zbiorów niepewności indywidualnie do każdego odcinka sieci

drogowej.

Przytoczoną metodę można przedstawić w postaci trzech kroków (na podstawie [18]):

Obliczenie najkrótszych ścieżek w sieci rzeczywistej pomiędzy wszystkimi kombi-

nacjami klientów z uwzględnieniem niepewności czasów przejazdów pomiędzy

klientami wymagającymi obsługi transportowej (R-SPP).

Wykonanie optymalizacji modelu VRP z wykorzystaniem zredukowanego grafu

z etapu pierwszego, składającego się z odpornych najkrótszych ścieżek oraz zwią-

zanymi z nimi kosztami.

Połączenie sekwencji odwiedzania klientów z najkrótszymi ścieżkami, w celu wy-

znaczenia trasy przejazdu pojazdów.

Powyższe podejście zostało użyte do wykonania analizy porównawczej z klasycznymi de-

terministycznymi metodami wyznaczania tras pojazdom. Wady oraz zalety obu podejść zostały

przedstawione na reprezentatywnym przykładzie rzeczywistej sieci drogowej miasta Krakowa.

4. PROBLEM WYZNACZANIA TRAS POJAZDOM

Z UWZGLĘDNIENIEM OKIEN CZASOWYCH

ORAZ NIEPEWNOŚCI DANYCH

4.1. ZAŁOŻENIA MODELU MATEMATYCZNEGO R-SPP

Odporny problem najkrótszej ścieżki można zdefiniować następująco (na podstawie

[1,8]). Dany jest skierowany graf G = (V, A), gdzie V = {1, 2,…, n} oznacza zbiór wierzchoł-

ków, a A = {(i, j): i, j V, i ≠ j} oznacza zbiór skierowanych łuków (połączeń pomiędzy

i-tym, a j-tym wierzchołkiem). Każdy łuk (i, j) ze zbioru a charakteryzuje się kosztem

ijijijij

TTTT ˆ, , który w dalszej części pracy oznacza czas przejazdu pomiędzy poszczegól-

nymi punktami. Wartość ijT oznacza wartość oczekiwaną czasu przejazdu na łuku ),( ji ,

a ASjiTij

),(, oznacza maksymalną dewiację. Zbiór S jest zbiorem łuków, na któ-

rych może wystąpić potencjalna dewiacja wartości czasu przejazdu od wartości oczekiwanej.


Problem sprowadza się do znalezienia optymalnego połączenia pomiędzy dwoma punktami

sieci Vdesorg , , pod względem przyjętego kryterium z uwzględnieniem pewnego stop-

nia nieokreśloności danych. Zmienne problemu można zdefiniować, jako:

AjiXij

),(},1,0{ – zmienna określająca czy dany łuk ),( ji jest w rozwiązaniu;

Ajizij

),(,10 – zmienna oznaczająca poziom niepewności na łuku ),( ji .

Problem RSPP minimalizuje oczekiwane wartości czasów przejazdów pomiędzy dwoma

dowolnymi punktami Vdesorg , przy jednoczesnym maksymalizowaniu wartości odchy-

leń dla niektórych łuków. Ilość łuków, na których wystąpi odchylenie determinuje parametr Γ,

który odpowiada za kontrolę stopnia konserwatyzmu osiągniętego rozwiązani [1], a w praktyce

oznacza on, dla jakiej liczby współczynników wektora ij

T występują odchylenia

ijT od wartości

przeciętnejij

T . Jeśli przez J oznaczymy długość wektora ij

T , to parametr Γ będzie przyjmował

wartości z zakresu J,0 . Dla Γ = 0 model sprowadzi się do deterministycznej wersji, jeśli

z kolei J model sprowadzi się do modelu Soystera, czyli do wyboru scenariusza najlep-

szego z najgorszych [2]. Odporny model matematyczny problemu SPP można przedstawić:

(1)

...0

1

1

),(:),(:

ppw

desidla

orgidla

XXAjij

ji

Ajij

ij (2)

(3)

(4)

Ajizij

),(,10 (5)

Zależność (1) oznacza funkcję kryterialną problemu RSPP, która minimalizuje nomi-

nalne czasy przejazdu z uwzględnieniem, co najwyżej Γ odcinków sieci, w których wystę-

pują wahania w czasach przejazdów na odcinkach sieci drogowej. Ograniczenie (2) gwaran-

tuje poprawny przepływ w grafie. Ograniczenie (3) definiuje zbiór niepewności dla wystą-

pienia dewiacji na łukach sieci drogowej. Ostatnie ograniczenia (4) oraz (5) definiują naturę

zmiennych.

4.2. ZAŁOŻENIA MODELU MATEMATYCZNEGO PROBLEM VRPTW

Problem wyznaczania tras na potrzeby rozwożenia towarów wraz z oknami czasowymi

VRPTW można sformułować następująco (model matematyczny na podstawie [1, 21]). Dany

jest skierowany graf G = (V, A), gdzie V = {0, 1,…, n} oznacza zbiór wierzchołków,

Vi Vj

ijijijWz

Vi Vj

ijij zXTXT maxmin

AjizzzW ijij ),(,,:

1

AjiX ij ),(,}1,0{

86 D. Kubek

a A = {(i, j): i, j V, i ≠ j} oznacza zbiór skierowanych łuków. Każdy łuk ),( ji ze zbioru

a charakteryzuje się kosztem przejazdu AjiTij

),(, , który w dalszej części pracy ozna-

cza czas przejazdu pomiędzy poszczególnymi wierzchołkami. Zgodnie z przyjętą metodyką

czas ten został wyznaczony w oparciu o model R-SPP. Punkt V{0} oznacza magazyn, z któ-

rego mają wyruszyć i powrócić pojazdy, obsługujące klientów określonych zbiorem

C = V\{0}. Każdy klient cechuje się popytem 0,,0 dVid

i oraz oknem czasowym

[ai, bi], w którym usługa ma zostać zrealizowana. Dodatkowo każdy klient jest obsługiwany

w czasie realizacji obsługi oznaczonej przez si. Magazyn dysponuje homogeniczną flotą po-

jazdów K = {1, 2,…, m} których ładowność jest oznaczona, jako Q. Zmienne problemu to:

AjiDij

),(, – zmienna określająca przepływ towarów popytu,

AjiXij

),(},1,0{ – zmienna określająca, czy dany łuk ),( ji znajduje się w rozwiązaniu,

ViYi

, – czas odjazdu pojazdu od i-tego klienta,

Problem VRPTW sprowadza się do minimalizacji łącznych czasów przejazdów

z uwzględnieniem wszystkich użytych pojazdów, wyrażonej przez (6):

(6)

CiXVj

ij

,1 (7)

CiXVj

ji

,1 (8)

(9)

CidDDi

Vj

ji

Vj

ij

, (10)

(11)

AjiabXasTbYYjiijjiijiji

),(,0;max (12)

VibYaiii

, (13)

ViYi

,0 (14)

AjiDij

),(,0 (15)

AjiXij

),(,1,0 (16)

Ograniczenia (7) oraz (8) przyporządkowują tylko jeden pojazd do jednego klienta. W pro-

blemie możliwe jest wykorzystanie, co najwyżej m pojazdów (9). Ograniczenie (10) gwarantuje

zachowanie równowagi pomiędzy przepływami wchodzącymi i wychodzącymi z danego

punktu dla popytu. Łączna ilość towarów rozwożonych przez pojazd nie może przekroczyć

dopuszczalnej pojemności pojazdu – ograniczenie (11). Warunek trafienia przez pojazd w okno

Vi Vj

ijij XTmin

Cj

j mX 0

AjiXQD ijij ),(

biuro


rozgęścić interlinię, wyrównąc kolumny na stronach 86 i 87


czasowe klienta definiują ograniczenia (12) oraz (13). Ostatnie ograniczenia (14–16) określają

naturę zmiennych wykorzystanych w modelu.

4.3. STUDIUM PRZYPADKU

Przedstawiona w poprzednich częściach metodyka rozwiązywania modeli VRPTW

z niepewnymi parametrami została zaimplementowana do wyznaczenia optymalnej trasy

w rzeczywistej sieci drogowej miasta Krakowa z uwzględnieniem rzeczywistych natężeń ru-

chu na tej sieci. W związku z tym, że obecnie w Krakowie nie ma dostępu do pełnej infor-

macji o ruchu drogowym, charakterystykę zmienności czasów przejazdów uzyskano przy

użyciu symulatora ruchu Aimsun 8.1. Oprogramowanie to umożliwia wykonanie m.in. mi-

kro-symulacji ruchu drogowego.

Kalibracja modelu została wykonana w oparciu o dane uzyskane z 56 pętli indukcyj-

nych zlokalizowanych na wlotach wybranych skrzyżowań analizowanego obszaru. Pomiar,

z którego wyniki wykorzystano został wykonany 4 grudnia 2014 roku (czwartek) w godzi-

nach od 07:00 do 21:00 z interwałem godzinnym. Analizowaną sieć przedstawia rysunek 1.

Poziom zgodności modelu sieci z rzeczywistymi pomiarami został wyznaczony w oparciu

o statystykę GEH. Współczynnik GEH dla 85,36% punktów pomiarowych był mniejszy

niż 5, co oznacza, że model symulacyjny jest zgodny. Dzięki badaniom ruchu oraz funkcjo-

nalnością symulatora możliwe jest uzyskanie charakterystyki zmienności czasu przejazdu na

poszczególnych odcinkach dla danej sieci. W sieci występują odcinki, na których zróżnico-

wanie czasu przejazdu jest nieduże, ale występują również odcinki, na których zmienność

czasu przejazdu jest duża. Świadczą o tym wysoka wariancja oraz odchylenie standardowe

czasu przejazdu. Dla tych odcinków niepewność czasu przejazdu w modelu będzie większa.

Zbiór niepewności czasu przejazdu dla każdego odcinka sieci został wyznaczony w oparciu

o średni czas przejazdu oraz odpowiadające mu odchylenie standardowe.

Rys. 1. Analizowana sieć drogowa miasta Krakowa


88 D. Kubek

Reprezentacja grafowa powyższego modelu sieci drogowej składa się z 251 punktów

oraz 548 skierowanych łuków. Założono, że lokalizacja klientów jest przypisana do łuków

grafu poprzez utworzenie dodatkowych wirtualnych punktów grafu. Analizę wykonano dla

losowo wybranego zbioru klientów w liczbie n = 60 oraz 80. Okna czasowe dla klientów

wybrano losowo z przedziału [7:00, 21:00] z maksymalną szerokością przedziału 2 godziny.

Czas obsługi klienta również przyjęto losowo z zakresu [5, 15] minut. Popyt klientów przy-

jęto losowo z zakresu [10, 30] kg, a ładowność pojazdu równą Q = 1500 kg. Taka charakte-

rystyka klientów ma na celu wykonania symulacji dystrybucji towarów paczkowych w mie-

ście lub usług kurierskich.

Obliczenia wykonano przy użyciu solvera CPLEX 12.5 metodą optymalizacji Braunch

and Bound. W celu porównawczym, symulacje wykonano dla klasycznego modelu determi-

nistycznego oraz modelu odpornego uwzględniającego niepewność. Z uwagi na fakt, że ruch

drogowy jest dynamiczny i losowy, po uzyskaniu rozwiązania z obu metod sprawdzono ja-

kość rozwiązania. Dla każdego zestawu danych klientów sprawdzono cztery warianty zmien-

ności wartości czasu przejazdu po sto scenariuszy losowych w każdym. Przyjęto następujące

założenia:

wartość średnia czasu przejazdu plus 0% zmienności,

wartość średnia czasu przejazdu plus losowo wybrane z zakresu 10–50% wartości

odchylenia standardowego czasu przejazdu – 100 scenariuszy,

wartość średnia czasu przejazdu plus losowo wybrane z zakresu 10–100% wartości

odchylenia standardowego czasu przejazdu – 100 scenariuszy,

wartość średnia plus czasu przejazdu losowo wybrane z zakresu 10–150% wartości

odchylenia standardowego czasu przejazdu – 100 scenariuszy.

Jakość rozwiązania oceniono ze względu na: łączny czas operacyjny, łączny czas trwa-

nia tras, łączny dystans, łączny czas oczekiwania oraz łączny czas opóźnienia, średnia liczba

oczekiwań oraz opóźnień. Łączny czas operacyjny jest to tylko i wyłącznie łączny czas po-

ruszania się pojazdów w sieci; łączny czas trwania tras – jest to łączny czas pracy pojazdów

(od wyjazdu do powrotu z magazynu). Łączny czas oczekiwania jest to czas zbyt wczesnego

przyjazdu pojazdów do klientów w odniesieniu do okna obsługi. Analogicznie jest rozu-

miany łączny czas opóźnienia, czyli czas, kiedy rozpoczęcie usługi zostało wykonane po za-

łożonym oknie czasowym. Liczba oczekiwań/opóźnień oznacza u jakiej liczby klientów

odnotowano zbyt wczesny/późny przyjazd pojazdu. Wszystkie parametry są wartościami

średnimi dla wszystkich tras w rozwiązaniu ze stu losowo wybranych scenariuszy zdefinio-

wanych zgodnie z powyższymi założeniami. Wyniki symulacji przedstawiają tabele 2 i 3.

Pierwszy wariant zakłada, że rzeczywista realizacja czasów przejazdu była dokładnie

taka jak założone średnie wartości – nie wystąpiły żadne wahania. Oczywiście prawdopodo-

bieństwo wystąpienia takiej sytuacji jest bardzo niskie, jednak ukazuje ono bardzo dobrze

istotny aspekt stosowania optymalizacji odpornej. Mianowicie widoczna jest tutaj tzw. cena

uodpornienia, uzyskana przez zwiększenie łącznej długości tras oraz czasu przejazdu w roz-

wiązaniu odpornym. Rezultat ten jest dość logiczny, ponieważ unikanie przez pojazdy od-

cinków, na których możliwe jest wystąpienie dużych wahań w czasie przejazdu (np. ulice

bardziej zatłoczone), odbywa się kosztem pokonanego dystansu.


Tab. 2. Wyniki analizy problemu VRPTW dla 60 klientów

Przypadek n = 60 Zakres losowej zmiany dewiacji

0% 10–50% 10–100% 10–150%

Wa

ria

nt

dete

rm

inis

tyczn

y

czas operacyjny tras [min] 157,7 205,9 244,6 280,4

łączny czas trwania tras [min] 777,7 825,9 864,6 900,4

łączny czas oczekiwania [min] 2,8 0,0 0,0 0,0

łączny czas opóźnienia [min] 0,0 6,6 16,7 51,3

średnia liczba oczekiwań [–] 1,0 0,0 0,0 0,0

średnia liczba opóźnień[–] 0,0 1,0 2,8 5,1

łączny dystans [km] 75,95

liczba tras [–] 4

Wa

ria

nt

od

po

rn

y






średnia liczba opóźnień[–] 0,0 0,0 1,0 2,8


liczba tras [–] 4


Tab. 3. Wyniki analizy problemu VRPTW dla 80 klientów

Przypadek n = 80 Zakres losowej zmiany dewiacji

0% 10–50% 10–100% 10–150%

Wa

ria

nt

dete

rm

inis

tyczn

y czas operacyjny tras [min] 218,5 277,2 325,3 372,4





średnia liczba opóźnień [–] 0,0 5,0 9,0 15,3


liczba tras [–] 5

Wa

ria

nt

od

po

rn

y






średnia liczba opóźnień [–] 0,0 1,0 2,6 7,3


liczba tras [–] 5


90 D. Kubek

Zalety stosowania podejścia odpornego widoczne są w kolejnych wariantach, gdzie wy-

stępują losowe dewiacje od założonych (deterministycznych) wartości. Ostatni wariant to

wariant pesymistyczny, w którym rzeczywista realizacja przekroczyła założenia zbioru nie-

pewności. W rzeczywistości można odnieść to do sytuacji, gdy w sieci drogowej występują

losowe incydenty lub wystąpiła nieoczekiwana zmiana warunków pogodowych, która

w oczywisty i istotny sposób wpływa na parametry ruchu drogowego. Odnosząc się do roz-

ważań z poprzednich części pracy, można stwierdzić, że są to warianty bardziej realistyczne.

Rozwiązanie odporne charakteryzuje się zmniejszeniem czasu operacyjnego, średniego łącz-

nego czasu opóźnienia oraz w przeliczeniu na jednego klienta oraz zmniejszenia liczby opóź-

nień w ogóle. Im większa jest dewiacja od wartości założonych tym rozwiązanie odporne

daje lepsze rezultaty. Analogiczna sytuacja występuje w przypadku liczby obsługiwanych

klientów. Dla przykładu w przypadku 80 klientów długość trasy zwiększyła się tylko

o 2,09% w stosunku do deterministycznego rozwiązania. Średni czas operacyjny tras skrócił

się o ponad 20 min, a redukcja opóźnień wyniosła 73,30% (różnica równa 218,8 minutom).

Czas optymalizacji wyniósł dla 60 klientów w wersji deterministycznej 129,41 s oraz

0,08 s dla odpowiednio: obliczenia najkrótszych ścieżek pomiędzy klientami oraz optymali-

zacji problemu VRPTW. W przypadku wariantu odpornego czasy te wyniosły 132,82 s oraz

0,08 s. Dla przypadku 80 klientów czasy optymalizacji wyniosły: wersja deterministyczna –

222,27 s oraz 0,08 s; wersja odporna 220,68 s oraz 0,08 s. Jak można zauważyć największy

nakład obliczeniowy jest na etapie obliczania najkrótszych ścieżek. Jest to związane z ko-

niecznością obliczania ścieżek pomiędzy wszystkimi klientami oraz zastosowania programo-

wania liniowego. Jednak jako wniosek można przyjąć, że czas rozwiązywania problemu od-

pornego nie różni się istotnie od czasu w wersji deterministycznej.

5. PODSUMOWANIE ORAZ KIERUNKI DALSZYCH BADAŃ

Przedstawiona problematyka porusza ważną kwestię, jaką jest obsługa towarowa mia-

sta. Aspekt ten jest istotny dla całego systemu transportowego miasta, a przede wszystkim

dla mieszkańców miasta oraz firm transportowych. Zaprezentowany model zagadnienia wy-

znaczania tras pojazdom w warunkach niepewnych z uwzględnieniem okien czasowych oraz

metodyka jego rozwiązywania wskazuje na liczne pozytywne efekty możliwe do uzyskania.

Rozwiązanie odporne charakteryzuje się odpornością na fluktuację danych co w przypadku

problematyki wyznaczania tras pojazdom przekłada się na jakość obsługi oraz zmniejszenie

potencjalnych kosztów związanych z procesem transportu towarów. Podejście umożliwia

dokładniejsze opisanie rzeczywistego obiektu, jakim jest ruch miejski.

Dalsze kierunki badań wymagają: rozwinięcia teoretycznego modelu, wprowadzenia

efektywniejszych metod optymalizacyjnych oraz przeprowadzenia testów w rzeczywistym

procesie transportu. Pierwszy kierunek badań powinien być skupiony na: wprowadzeniu do

modelu matematycznego możliwości uwzględnienia zmiany wartości danych od czasu (pory

dnia), uwzględnienia przepływów rewersyjnych i/lub zwrotnych towarów oraz wprowadze-

nia tzw. elastycznych okien czasowych. Drugi kierunek badań powinien dotyczyć możliwo-

ści uzyskania rozwiązania o dobrej jakości w stosunkowo krótkim czasie, np. dzięki zastoso-

waniu heurystyk. Ostatnia kwestia to weryfikacja przyjętych założeń polegająca na przepro-

wadzeniu testów w rzeczywistym procesie dystrybucji towarów.


LITERATURA

[1] Adamski A., Kubek D.: VRP-R: Robust routing problems solutions based on the HILS platform.

Logistyka. nr 6, 2014.

[2] Adamski, A.: Inteligentne systemy transportowe: sterowanie, nadzór i zarządzanie. Wydawnictwa

AGH, Kraków 2003.

[3] Anbaroglu B., Heydecker B.: Spatio-temporal clustering for non-recurrent traffic congestion

detection on urban road networks. Transportation Research Part C (48), s. 47–65, 2014.

[4] Balinski M., Quandt R.: On an integer program for a delivery problem. Operations Research.

Nr 12, 1964, s. 300–304.

[5] Ben-Tal A., El Ghaoui L., Nemirovski A.: Robust optimization. Princeton University Press, New

Jersey 2009.

[6] Bertsimas D., Brown D.B., Caramanis C.: Theory and Applications of Robust Optimization.

SIAM Review. Tom 53(3), 2008.

[7] Bertsimas D., Sim M.: Price of Robustness. Operations Research. Tom 54(1), 2004.

[8] Bertsimas D., Sim M.: Robust discrete optimization and network flows. Mathematical

Programming. Tom 98, 2003, s. 49–71.

[9] BESTUFS II. Best Urban Freight Solutions II: Quantification of Urban Freight Transport Effects

I. 2006.

[10] BESTUFS. Przewodnik po dobrych praktykach w towarowym transporcie miejskim. 2006.

[11] Dantzig G., Ramser J.: The truck dispatching problem. Management Science. Nr 6, 1959,

s. 80–91.

[12] Donati A.V., i inni. : Time dependent vehicle routing problem with a multi ant colony system.

European Journal of Operational Research. nr 185, 2008, s. 1174–1191.

[13] El Ghaoui L.: Robust Optimization and Applications. Uniwersytet w Berkeley [Online]

[Zacytowano: 17 styczeń 2015.]

[14] Giuliano G., i inni.: NCFRP REPORT 23: Synthesis of Freight Research in Urban Transportation

Planning. Waszyngton: Transportation Research Board, 2013.

[15] Goh J., Sim M.: Robust Optimization Made Easy with ROME. Operations Research. Tom 59(4),

2011.

[16] Goh J., Sim M.: Distributionally Robust Optimization and Its Tractable Approximations.

Operations Research. Tom 58, 4, 2010, s. 902–917.

[17] Kubek D.: Zastosowanie optymalizacji odpornej w problematyce wyznaczania tras pojazdom –

charakterystyka oraz kierunki badań. Logistyka [CD] nr 3, 2015.

[18] Kubek D.: Integration of robust shortest path with pickup and delivery vehicle routing problem.

Proceedings of the Second International Conference on Traffic and Transport Engineering

ICTTE. 2014.

[19] MDS Transmodal Limited: Study on urban freight transport - final report. s. l.: European

Commission – Mobility and Transport DG, 2012.

[20] Solomon M.: Algorithms for the Vehicle Routing and Scheduling Problems with Time Windows

Constrains. Operation Research, Vol. 35, I. 2, Informs 1987, s. 254–265.

[21] Subramanian A., Uchoa E., Ochi L.S.: New Lower Bounds for the Vehicle Routing Problem with

Simultaneous Pickup and Delivery. Experimental Algorithms, Lecture Notes in Computer

Science, Vol. 6049, 2010, s. 276–287.

[22] Toth P., Vigo D.: The Vehicle Routing Problem. Philadelphia: Monographs on Discrete

Mathematics and Applications. SIAM, 2002.

[23] Tundys B.: Logistyka miejska. Koncepcje, systemy, rozwiązania. Difin, Warszawa 2008.

92 D. Kubek

THE CHARACTERISTIC OF VEHICLE ROUTING PROBLEM

WITH TIME WINDOWS UNDER UNCERTAINTY

Abstract

The uncertainty of data e.g. travel times is a common and natural phenomenon in real urban

transportation systems. The user behavioral factors, weather conditions, traffic incidents, error

of measurement methods or methods of predictions are small number of factors which make

the estimated travel times may differ from the actual values. Plan routes for vehicles carrying

city transport services based on this data may lead to increase the costs of realization of this

plan. The assumption that the available traffic data are hundred percent certain is an erroneous

assumption and have not justification in reality. The article presents an approach for the vehicle

routing problem with time windows under data uncertainty. Author propose the integration of

robust shortest path problem with vehicle routing problem with time windows. Through the

integration of both models, it is possible to achieve exact solutions for robust vehicle routing

problems in reasonable time. Additionally, obtained solution is conservative to potential

changes in the travel times on sections of road network. The analysis and the characteristics of

the robust model are presented on a real road network of Cracow. Data and characteristics of

traffic were obtained from road traffic simulator Aimsun 8.0 and the optimization was per-

formed using CPLEX 12.5 environment.

Keywords: robust optimization, vehicle routing problem, robust shortest path problem, data

uncertainty

93

Anna KWASIBORSKA*

HEURYSTYKA POPULACYJNA

JAKO NARZĘDZIE

ZASTOSOWANE W PROBLEMATYCE

SZEREGOWANIA SAMOLOTÓW

LĄDUJĄCYCH

Streszczenie

Zwiększający się ruch lotniczy wymusza efektywniejsze wykorzystanie przestrzeni powietrz-

nej oraz wcześniejsze planowanie strumieni samolotów lądujących. Konieczne jest prowadze-

nie badań nad zastosowaniem narzędzi wspomagających pracę kontrolera. Jedną z metod może

być zastosowanie algorytmu heurystycznego (heurystyka populacyjna). W publikacji opisano

badania przeprowadzone przez National Air Traffic Services w Wielkiej Brytanii, mające na

celu poprawę wykorzystania dróg startowych na lotnisku Heathrow w Londynie.

Słowa kluczowe: szeregowanie samolotów, kontrola ruchu lotniczego, heurystyka populacyjna

1. WPROWADZENIE

Zwiększający się ruch lotniczy wymusza efektywniejsze wykorzystanie przestrzeni po-

wietrznej oraz wcześniejsze planowanie strumieni samolotów lądujących. Wraz ze wzrostem

ruchu wzrasta także zapotrzebowanie na narzędzia wspierania decyzji, które pozwalają na wy-

dajne wykorzystanie ograniczonych zasobów (przestrzeni powietrznej, dróg startowych itp.).

Jedną z metod może być zastosowanie algorytmu heurystycznego (heurystyka populacyjna).

W bieżącej publikacji opisano badania przeprowadzone przez National Air Traffic Services

w Wielkiej Brytanii, mające na celu poprawę wykorzystania dróg startowych na lotnisku He-

athrow w Londynie. Badanie przeprowadzono na podstawie opracowanego algorytmu heury-

stycznego (heurystyka populacyjna) [7]. To badanie skupiło się na opracowaniu algorytmu

poprawy planowania samolotów oczekujących na lądowanie. W krótkiej perspektywie po-

prawa planowania oznacza mniejsze opóźnienia dla pasażerów, ponieważ samoloty mogą lą-

dować szybciej niż normalnie. W długiej perspektywie poprawa planowania mogłaby stano-

wić potencjał zwiększenia liczby planowanych lotów przychodzących i wychodzących.

Metody i techniki heurystyczne definiowane są jako ogół sposobów i reguł postępowa-

nia służących podejmowaniu najwłaściwszych decyzji w skomplikowanych sytuacjach, wy-

magających analizy dostępnych informacji, a także przewidzenia zjawisk przyszłych; oparte

na twórczym myśleniu i kombinacjach logicznych [9].

* Politechnika Warszawska, Wydział Transportu

94 A. Kwasiborska

Metody heurystyczne wywodzą się w pewnym sensie z algorytmu pełnego przeglądu.

Algorytm taki ma zastosowanie w zadaniach optymalizacyjnych o skończonym zbiorze roz-

wiązań i polega po prostu na sprawdzeniu wszystkich możliwych przypadków. Heurystyki

przeszukiwania można klasyfikować na różne sposoby. Jeden z podziałów opiera się na li-

czebności podzbioru rozwiązań bieżących. Heurystyki z jednym rozwiązaniem bieżącym na-

zywa się heurystykami samotnego poszukiwacza, natomiast heurystyki z wieloma rozwiąza-

niami bieżącymi – heurystykami populacyjnymi.

Pojęcie populacji nie jest tożsame z teoriomnogościowym pojęciem zbioru i oznacza

„zbiór z powtórzeniami”, tj. kolekcję, której elementy mogą się powtarzać (występować wie-

lokrotnie). Nie zakłada się przy tym, że elementy populacji są uporządkowane, jak w przy-

padku ciągu. W większości heurystyk populacyjnych wielkość populacji pozostaje stała (choć

liczebność odpowiadających im podzbiorów może się zmieniać). Podział ten jest istotny, gdyż

w heurystykach populacyjnych istnieje możliwość użycia dodatkowych mechanizmów gene-

rowania rozwiązań, które nie są dostępne w przypadku heurystyk samotnego poszukiwacza.

2. PROBLEM DECYZYJNY

Na najłatwiejszym poziomie koncepcyjnym można sobie wyobrazić zbiór samolotów krą-

żących nad lotniskiem i oczekujących na lądowanie oraz jednego kontrolera ruchu lotniczego.

Kontroler ruchu lotniczego ma do rozwiązania prosty problem decyzyjny: „który samolot po-

winien lądować jako następny?”. Ten problem decyzyjny należy rozwiązywać, powtarzając

podejmowanie decyzji przez cały czas trwania ruchu lotniczego. Uzyskanie bardziej wydajnego

ruchu lotniczego na drodze startowej mogłoby pomóc ewentualne opracowanie narzędzia, które

wspomagałoby kontrolera ruchu lotniczego (nie zastępowało) w podejmowaniu decyzji.

W rzeczywistości kontroler ma więcej zadań niż tylko wybranie samolotu, który ma

lądować jako następny. Musi myśleć z wyprzedzeniem i utworzyć (mniej lub bardziej for-

malnie) sekwencję lądowania z oczekujących samolotów, a więc zdecydować o kolejności,

w jakiej będą lądować. Lecz samo określenie sekwencji lądowania samolotów nie jest wy-

starczające. Kontroler musi posunąć się dalej i (mniej lub bardziej formalnie) utworzyć plan,

a więc określić czas lądowania dla każdego samolotu. Ten plan czasowy jest konieczny, po-

nieważ kontroler musi zapewnić wszystkie poniższe warunki.

1) samolot ma wystarczający czas na przelot od aktualnej pozycji do drogi startowej,

aby wykonać operację lądowania we właściwym położeniu w sekwencji,

2) w samolocie nie może wyczerpać się paliwo podczas oczekiwania na lądowanie,

3) samoloty nie mogą lądować zbyt blisko siebie – należy uwzględnić zachowanie ko-

niecznych separacji (pionowych i poziomych).

Warunki (1) i (2) oznaczają, że dla każdego samolotu istnieje okno czasowe, w którym

musi wylądować, a warunek (3) oznacza, że pomiędzy kolejnymi lądowaniami musi upłynąć

odpowiedni czas. Należy zauważyć, że z punktu widzenia operacyjnego ruchu lotniczego,

wyrażenie „planowany czas lądowania” określa czas przydzielony samolotowi do lądowania

przez kontrolera, a nie czas planowanego lądowania zgodnie z rozkładem lotów podawanym

przez linie lotnicze.

Heurystyka populacyjna jako narzędzie zastosowane w problematyce… 95

2.1. OGRANICZENIA

W problemie lądowania samolotów ograniczeniem jest konieczność lądowania każdego

samolotu we wcześniej wyznaczonym oknie czasowym, a także przekroczenie określonego

minimalnego czasu do lądowania kolejnego samolotu, który zależy od rodzaju samolotu

(czas separacji). Do celów wyznaczania separacji na omawianym lotnisku, statki powietrzne

zostały sklasyfikowane na pięć typów: ciężkie, wyższe-średnie, niższe-średnie, małe i lekkie.

Te typy zależą głównie od wielkości statku powietrznego (mierzonej według maksymalnej

masy startowej). Odległości separacyjne przy lądowaniu zdefiniowano następująco (tab. 1):

Tab. 1. Klasyfikacja statków powietrznych i określenie separacji

Samolot poprzedzający Samolot kolejny Odległość separacji

(w milach morskich)

ciężki

ciężki

średni (wyższy lub niższy)

mały

lekki

4

5

6

7

wyższy-średni niższy-średni lub mały

lekki

4

6

niższy-średni lekki 5


Wszystkie odległości, które muszą być zachowane między lądującymi samolotami

w celu zachowania separacji, które nie zostały zdefiniowane powyżej (np. samolot poprze-

dzający niższy-średni, samolot kolejny ciężki) wynoszą 3 NM.

Separacja została zdefiniowana jako odległość. Zwykle podejście przekształcania tych

odległości separacji na czasy separacji polega na przyjęciu standardowej szybkości lądowa-

nia dla każdej klasy statków powietrznych. Dla celów opisania modelu można przyjąć stan-

dardową prędkość lądowania, która wynosi wynosi 160 kts dla wszystkich typów statków

powietrznych. To oznacza, że czas pomiędzy kolejnymi lądowaniami np. dwóch ciężkich

samolotów musi wynosić co najmniej 3600 (4/160) = 90 s.

Przy założeniu, że minimalna odległość separacji wynosi 3 NM, czas separacji równy

jest 3600(3/160) = 67,5 s., wskazując, że w ciągu godziny na drodze startowej może wylą-

dować najwyżej 3600/67,5 = 53,3 samolotu. Pomijając ograniczenia przestrzeni powietrznej,

należy stwierdzić, że przepustowość drogi startowej jest bardzo wąskim gardłem. Odległości

separacji są różne dla różnych klas samolotów, w przypadku zbiorów samolotów z różnych

klas istnieje możliwość podejmowania decyzji o większej wydajności.

Zakładając, że w zbiorze są trzy samoloty: dwa ciężkie (C) i jeden wyższy-średni (WS),

można określić istnienie trzech możliwości różnych sekwencji lądowania: C-C-WS,

C-WS-C oraz WS-C-C. Wówczas odległości separacji wynoszą odpowiednio 4 + 5 = 9,

5 + 3 = 8 i 3 + 4 = 7. Oczywiste jest, że ostatnia z tych sekwencji (WS-C-C) wymaga naj-

mniejszej odległości separacji i najmniej czasu, więc przyjęcie tej sekwencji pozwoliłoby na

lądowanie tego zbioru samolotów w najkrótszym możliwym czasie.

Zakładając małą liczbę samolotów można łatwo wypunktować wszystkie możliwe se-

kwencje, jednak liczba różnych sekwencji lądowania wzrasta kombinatorycznie wraz ze

96 A. Kwasiborska

wzrostem liczby samolotów oczekujących na lądowanie. Z tego powodu podejście wylicze-

niowe nie byłoby praktyczne w rozwiązywaniu większych problemów.

2.2. FUNKCJA CELU

W podanym wcześniej przykładzie z trzema samolotami została wybrana sekwencja

umożliwiająca lądowanie całego zbioru samolotów w najkrótszym możliwym czasie. We

wcześniejszych pracach na temat problematyki lądowania wzięto pod uwagę docelowy czas

lądowania każdego samolotu i uznano odchylenie od czasu docelowego za istotny czynnik

[1]. We wszystkich tych pracach zastosowano liniowe (lub sprowadzalne do liniowych) funk-

cje celu [6].

Podejmując próbę znalezienia właściwej funkcji celu, należy rozważyć dwa problemy:

1) Jakie czynniki należy uwzględnić w funkcji celu?

2) Jak w sposób matematyczny należy połączyć ze sobą uwzględnione czynniki?

Odnośnie do pierwszego z tych pytań, uwzględniono takie czynniki jak odchylenie od

czasu docelowego (jak wspomniano wcześniej) oraz pochodzenie lotu (Europa lub spoza Eu-

ropy) [5]. Wydaje się naturalne uwzględnienie także liczby pasażerów w każdym samolocie,

aby na przykład przyspieszyć lądowanie samolotu z wieloma pasażerami i opóźnić lądowa-

nie samolotu z niewielką ich liczbą. Istnieje jednak wiele problemów z uwzględnieniem tego

czynnika w funkcji celu:

1) Dane opisujące odległości separacji przy lądowaniu wskazują, że z punktu widzenia

wykorzystania drogi startowej „naturalna kolejność” wymaga, aby najpierw lądowały

mniejsze samoloty (tak jak w przytoczonym wcześniej przykładzie, najkrótsza se-

kwencja lądowania wszystkich samolotów to WS-C-C). W takim przypadku należy

być przygotowanym na konieczność opóźnienia większego samolotu (niezależnie od

liczby pasażerów), aby zyskać wydajność drogi startowej.

2) Linie lotnicze podają liczbę pasażerów na pokładzie samolot, jednak w przypadku ich

braku należałoby używać danych o pojemności samolotu (maksymalnej liczby pasa-

żerów).

3) W przypadku uwzględnienia liczby pasażerów przy wyznaczaniu sekwencji lądowa-

nia samolotów, prawdopodobnie trzeba będzie skłaniać się ku rozwiązaniom fawory-

zującym linie lotnicze, które mają większe samoloty, co nie sprzyja konkurencyjności.

3. HEURYSTYKI POPULACYJNE

3.1. ROZWAŻANIA TEORETYCZNE

Heurystyki populacyjne zaczęły się pojawiać od opracowania algorytmów genetycz-

nych przez Hollanda [8]. Heurystykę populacyjną (HP) można opisać jako „inteligentny”

algorytm wyszukiwania probabilistycznego, jest ona oparta na procesach ewolucyjnych or-

ganizmów biologicznych w naturze. Podczas ewolucji naturalna populacja ewoluuje zgodnie

z zasadami naturalnej selekcji i przetrwania najlepiej dostosowanych osobników. Osobniki


lepiej przystosowujące się do swojego środowiska będą miały większe szanse przetrwania

i reprodukcji, a te mniej dostosowane zostaną wyeliminowane. To oznacza, że geny dobrze

dostosowanych osobników będą się rozprzestrzeniać w większej liczbie osobników z każ-

dego kolejnego pokolenia. Połączenie dobrych cech dobrze dostosowanych rodziców może

dać jeszcze lepiej przystosowane potomstwo. W ten sposób gatunki ewoluują i stają się coraz

lepiej przystosowane do swojego środowiska.

Heurystyka populacyjna symuluje te procesy na komputerze. Na początkowej populacji

osobników są stosowane genetyczne operatory w każdym cyklu reprodukcyjnym. Z punktu

widzenia optymalizacji, każdy osobnik w populacji jest zakodowany jako ciąg lub chromo-

som, który przedstawia możliwe rozwiązanie danego problemu. Oceniane jest dopasowanie

osobnika pod kątem danej funkcji celu. Dobrze dopasowane osobniki, lub rozwiązania, do-

stają możliwość reprodukcji przez wymianę części swojej informacji genetycznej w procesie

krzyżowania z innymi wysoko dostosowanymi osobnikami. W ten sposób tworzone są roz-

wiązania potomne (dzieci), które mają pewne właściwości obu rodziców. Po krzyżowaniu

często stosowana jest mutacja, w której zmieniane są niektóre geny w ciągach. Potomstwo

może zająć całą populację (podejście generacyjne) lub zastąpić mniej dopasowane osobniki

(podejście stacjonarne). Ten cykl oceny, doboru i reprodukcji jest powtarzany aż do znale-

zienia satysfakcjonującego rozwiązania [1].

Podstawowe kroki heurystyki populacyjnej są następujące:

1) Utworzenie wstępnej populacji.

2) Ocena dostosowania osobników w populacji.

Powtarzać:

Dobór osobników z populacji do roli rodziców.

Połączenie (parowanie) rodziców, aby uzyskać potomstwo.

Mutowanie potomstwa.

Ocena dostosowania potomstwa.

Zamiana niektórych osobników lub całej populacji rodziców na dzieci.

Dopóki:

Decyzja o zatrzymaniu i przedstawienie najlepszego napotkanego rozwiązania.

Praca z heurystykami populacyjnymi jest trudna, gdyż istnieje wiele wzorców wykony-

wania podstawowych, wymaganych operacji:

dobór rodziców: turniej binarny, turniej K, ranking, proporcjonalność dostosowania itd.;

potomstwo: jednorodne, jednopunktowe, ograniczone jednopunktowe, fuzja, dwupunktowe;

mutacja: stała, adaptacyjna;

zastąpienie populacji: stacjonarne, generacyjne (z elitaryzmem lub bez), modele wyspowe.

Zastosowanie heurystyki populacyjnej może stanowić rozwiązanie problemu decyzyj-

nego. To znaczy, że pozwala na rozwiązanie problemu decyzji o czasie lądowania, który

mieści się w oknie czasowym przydzielonym dla samolotu i spełnia kryteria separacji przy

jednoczesnej optymalizacji właściwego celu. Ten problem decyzyjny pomija powiązany pro-

blem kontroli, czyli kwestię, czy samolot można przeprowadzić (kontrolować) w taki sposób,

98 A. Kwasiborska

aby umożliwić bezpieczne zastosowanie rozwiązania problemu decyzyjnego (np. separację

należy utrzymywać nie tylko przy lądowaniu, ale przez cały czas podejścia samolotu do drogi

startowej). Problem decyzyjny i problem kontroli są wyraźnie połączone, jednak rozdzielenie

tych aspektów, może przynieść korzyści. Modele mające na celu planowanie lądowania sa-

molotów są problemem decyzyjnym, do którego dołączenie kontroli nie stanowi już pro-

blemu lub może być analizowany w późniejszym terminie.

3.2. HEURYSTYKA POPULACYJNA W LĄDOWANIU SAMOLOTÓW

W tym podrozdziale opisano heurystykę populacyjną, zastosowaną do problemu lądo-

wania samolotów. Przyjęto następującą notację:

P – liczba samolotów,

Ei – najwcześniejszy czas lądowania samolotu i (i = 1,..., P)

Li – najpóźniejszy czas lądowania samolotu i (i = 1,..., P)

Ti – docelowy (preferowany) czas lądowania samolotu i (i = 1,..., P)

Sij – wymagany czas separacji (≥0) między lądowaniem samolotu i oraz j (gdzie samolot

i ląduje przed samolotem j), i = 1,..., P; j = 1,..., P; i ≠ j.

Wszystkie z powyższych pozycji mają znane wartości w każdej danej sytuacji i zwykle

wszystkie czasy są wyrażone w sekundach. Zmienna decyzyjne to xi jako zaplanowany czas

lądowania samolotu i. Problemem jest, więc zdecydowanie o wartościach xi które leżą w ok-

nach czasowych [Ei, Lj] i spełniają kryteria separacyjne przy jednoczesnych próbach zapew-

nienia, że samoloty będą lądować w swoim czasie docelowym (lub wcześniej).

Elementy heurystyki populacyjnej to:

reprezentacja, czyli to, jak przedstawiane jest rozwiązanie problemu w heurystyce populacyjnej;

dostosowanie, ocena wartości rozwiązania;

dobór rodziców, wybranie osobników, które powinny mieć potomstwo;

krzyżowanie, proces uzyskiwania potomka od rodziców;

postępowanie z ograniczeniami separacyjnymi;

zastąpienie populacji, umieszczanie potomstwa w populacji.

3.2.1. Reprezentacja

Pierwszą decyzją w dowolnej heurystyce populacyjnej jest sposób przedstawienia roz-

wiązania problemu. Dla problemu planowania lądowań samolotów można użyć reprezentacji

w liczbach rzeczywistych składającej się z P liczb rzeczywistych, które nazywać można yi

przy spełnionym warunku 0 ≤ yi ≤ 1. Wartość yi dla samolotu i opisuje odstęp czasowy do

lądowania samolotu i proporcjonalnie według odstępu czasowego [Ei, Li]. To znaczy, że za-

planowany czas lądowania xi jest zdefiniowany równaniem xi = Ei + yi(Li – Ei). Jeśli na przy-

kład [Ei, Li] to [100, 300] (wyrażone w sekundach od danego czasu podstawowego),

a yi = 0,45, to xi = 100 + 0,45(300 – 100) = 190. W ten sposób każdy osobnik w naszym

świecie heurystyki populacyjnej planowania lądowania samolotów ma reprezentację [y1, y2,..., yP].


Taka reprezentacja ma tę właściwość, że automatycznie zapewnia, że obliczony zapla-

nowany czas lądowania xi leży w wymaganym oknie czasowym [Ei, Li].

Zakładając, że P = 3, a okna czasowe dla samolotów 1, 2 i 3 to odpowiednio [100, 300],

[200, 1700] i [50, 200]. Jeśli osobnik z heurystyki populacyjnej to [0,45; 0,21; 0,71], to ob-

liczone czasy lądowania wynoszą:

x1 = 100 + 0,45(300 – 100) = 190;

x2 = 200 + 0,21(1700 – 200) = 515;

x3 = 50 + 0,71(200 – 50) = 156,5 (zaokrąglone do 157).

3.2.2. Dostosowanie

Dostosowanie w heurystyce populacyjnej odnosi się do oceny wartości osobnika. Ten

problem dotyczy celu ogólnego, czyli tego, co chcemy osiągnąć przy planowaniu lądowania

samolotów ze zbioru. W badaniach prowadzonych przez NATS wyznaczono wiele różnych

funkcji dostosowania. Wszystkie te funkcje były oparte na różnicy między zaplanowanym

czasem lądowania a docelowym czasem lądowania.

Niech Di = (xi – Ti) będzie różnicą (odchyleniem) między zaplanowanym czasem lądo-

wania xi a docelowym (preferowanym) czasem lądowania Ti dla samolotu i. W szczególności

należy zauważyć, że w przypadku Di < 0 samolot ląduje przed swoim docelowym (prefero-

wanym) czasem, a w przypadku Di > 0 samolot ląduje po swoim czasie docelowym (prefe-

rowanym), jest więc opóźniony. Funkcja dostosowania ma wtedy postać:

dostosowanie = ∑ 𝑧𝑖𝑃𝑖=1 , gdzie 𝑧𝑖 = {

– (𝐷𝑖)2, jeśli 𝐷𝑖 ≥ 0

+(𝐷𝑖)2 w innych przypadkach

(1)

Funkcja dostosowania jest nieliniowa: duże odchylenia mają nieproporcjonalnie więk-

szą wagę. Ponieważ celem było uzyskanie maksymalnego dostosowania, więc ta funkcja

określa preferencję, aby samolot wylądował przed swoim czasem docelowym i odrzucone są

możliwości wylądowania po czasie docelowym.

3.2.3. Dobór rodziców

W zaprezentowanej w NATS heurystyce populacyjnej określono dwóch rodziców,

z których pochodzi jedno dziecko. Aby określić, które osobniki mogą być rodzicami, wyko-

rzystano dobór na podstawie turnieju binarnego. Działa w następujący sposób.

1) Z populacji należy losowo wybrać dwa osobniki. Z dwóch wybranych pierwszym

rodzicem będzie osobnik o lepszym (maksymalnym) dostosowaniu.

2) Proces opisany w punkcie (1) należy powtórzyć, aby uzyskać drugiego rodzica.

W tym procesie może się zdarzyć, że dwoma rodzicami będzie ten sam osobnik, ale jeśli

populacja jest duża, zdarza się to rzadko.

100 A. Kwasiborska

3.2.4. Krzyżowanie

Wykorzystano krzyżowanie jednorodne, w którym dwóch rodziców ma jedno dziecko.

W heurystyce populacyjnej każda z P wartości u potomka jest pobrana losowo z jednego lub

drugiego rodzica. Założono na przykład P = 3, to jeśli rodzice są opisani przez:

[0,45; 0,21; 0,71]

i [0,93; 0,31; 0,75]

i losowy dobór rodziców dla 3 wartości (samolotów) to

samolot 1 – rodzic 1,



to potomkiem jest

[0,45; 0,31; 0,75].

3.2.5. Postępowanie z ograniczeniami separacyjnymi

Prawdopodobnie podstawową trudnością w stosowaniu heurystyk populacyjnych do

rozwiązywania problemu planowania lądowań samolotów jest zapewnienie, że heurystyka

wygeneruje realne rozwiązania (które spełniają warunki ograniczeń). Przyjęta reprezentacja

jest realna automatycznie, co oznacza, że ograniczenia okna czasowego są spełnione. To cią-

gle pozostawia ograniczenia separacyjne. W naszej heurystyce populacyjnej planowania

lądowań samolotów rozwiązaliśmy problem zapewnienia spełnianych ograniczeń separacyj-

nych przez rozdzielenie oceny dostosowania i nierealności. Z każdym osobnikiem w heury-

styce populacyjnej planowania lądowań samolotów łączono dwie liczby (niedostosowanie,

dostosowanie), gdzie dostosowanie to wartość przyjętej funkcji celu (która ma być maksy-

malizowana), a niedostosowanie jest miarą naruszenia ograniczeń.

W planowaniu lądowań samolotów ograniczenia separacyjne można wygodnie wyrazić

matematycznie jako:

xj – xi ≥ Sij jeśli xi ≤ xj, i = 1,..., P; j = 1,..., P; j ≠ i (2)

To oznacza, że różnica między zaplanowanymi czasami lądowania wynosi co najmniej

Sij, jeśli i wyląduje przed j (xi ≤ xj). Mając dane rozwiązanie heurystyki populacyjnej

[y1, y2,..., yP], można obliczyć zaplanowane czasy lądowania xi(i = 1,..., P) jak wskazano

wcześniej. To rozwiązanie może spełniać lub nie spełniać ograniczeń separacyjnych. Wiel-

kość:

P

i

P

jxixij ijijxxS

1 ,,0max (3)

będzie zerowa, jeśli zaplanowane czasy lądowania spełniają ograniczenia separacyjne

i niezerowa (a dokładnie dodatnia), jeśli zaplanowane czasy lądowania nie spełniają ograni-

czeń separacyjnych. Ta wielkość określa niedostosowanie opisujące każde rozwiązanie heu-

rystyki populacyjnej i jest miarą nierealności ograniczeń. Nieformalnie im większa wartość

niedostosowania, tym bardziej nierealne rozwiązanie.


Na przykład załóżmy, że P = 3 i rozwiązanie heurystyki populacyjnej ma przypisane

czasy lądowania x1 = 10, x2 = 200 i x3 = 250. Jeśli wymagane czasy separacji to S12 = 180,

S13 = 200 i S23 = 80, to wyraźnie widać, że:

a) czas upływający między lądowaniem pierwszego i drugiego samolotu (x2 – x1 = 190)

spełnia wymagany czas separacji (S12 = 180) i

b) czas upływający między lądowaniem pierwszego i trzeciego samolotu (x3 – x1 = 240)

spełnia wymagany czas separacji (S13 = 200), lecz

c) czas upływający między lądowaniem drugiego i trzeciego samolotu (x3 – x2 = 50) nie

spełnia wymaganego czasu separacji (S23 = 80).

Dla tego rozwiązania heurystycznego niedostosowanie wynosi:

∑ 𝑃𝑖=1 ∑ 𝑃

𝑗≠𝑖,𝑥𝑖 ≤ 𝑥𝑗max [0, 𝑆𝑖𝑗 − (𝑥𝑗 − 𝑥𝑖)] =

= max[0, S12 – (x2 – x1)] + max[0, S13 – (x3 – x1)] + max[0, S23 – (x3 – x2)]=

= max[0, 180 – (200 – 10)] + max[0, 200 – (250 – 10)] + max[0, 80 – (250 – 200)]=

= max[0, –10] + max[0, –40] + max[0, 30]=

= 0 + 0 + 30 = 30 (4)

gdzie pierwsze dwa zera w sumowaniu oznaczają, że wymagania separacji były spełnione

dla samolotów 1 i 2 oraz samolotów 1 i 3, lecz 30 wskazuje, że wymagania separacyjne zo-

stały naruszone (o 30 jednostek czasu) dla samolotów 2 i 3. Z powyższego przykładu wyraź-

nie widać, że dowolne rozwiązanie heurystyczne o wartości niedostosowania równej zeru

jest realne.

Badanie były prowadzone na rzeczywistych danych i porównane z wynikami otrzyma-

nymi z wykorzystaniem heurystyki populacyjnej. Zastosowanie minimalnego możliwego

czasu separacji pozwoliło na porównanie decyzji kolejkowania podejmowanych przez kon-

trolera oraz podejmowanych przez heurystykę populacyjną. Otrzymane wyniki wskazują na

konieczność prowadzenia badań z wykorzystaniem tego rodzaju rozwiązań (tab. 2).

Tab. 2. Uzyskane wyniki

Parametr Rzeczywista

sekwencja

Sekwencja

lądowania

w heurystyce

Sekwencja

lądowania

w heurystyce:

z wagą

pochodzenia

Sekwencja

lądowania

w heurystyce:

minimalizacja

średniego

opóźnienia

Przedział czasowy [s] 1 894 1 853 1 853 1 796

Średnie opóźnienie [s] 26 –14 –21 –40

Maksymalne

opóźnienie [s] 77 264 632 241

Wartość dostosowania –28 555 329 686 123 520 120 489

Wartość dostosowania

z wagą pochodzenia eu-

ropejskiego

–167 587 3 683 454 5 385 048 1 516 337

Źródło: opracowanie na podstawie [4]

102 A. Kwasiborska

Najlepsze rozwiązanie uzyskane przez heurystykę miało wartość dostosowania tylko

59% z ostatecznej wartości dostosowania osiągniętej przez heurystykę populacyjną. To wy-

raźnie wskazuje, że pewna złożoność zastosowana w heurystyce populacyjnej, dodatkowa

w porównaniu z klasyczną heurystyką, ma znaczny wpływ na ostatecznie uzyskane

rozwiązanie.

4. WNIOSKI

Opracowany przez NATS model i zastosowanie heurystyki populacyjne pozwala na

stwierdzenie: opracowana heurystyka populacyjna pozwala na szybkie (w ciągu kilku se-

kund) i wydajne planowanie lądowań samolotów przy stosowaniu zróżnicowanych funkcji

celu. Szybkość uzyskiwania decyzji o planowanych czasach lądowania, na jaką pozwala heu-

rystyka populacyjna (kilka sekund) oznacza, że możliwe jest jej zastosowanie w narzędziu

wspierania decyzji, które pomagałoby kontrolerom lotów w zadaniach planowania lądowań

samolotów na lotnisku Heathrow w Londynie. Heurystyka populacyjna może służyć do ge-

nerowania zaleceń, dzięki którym kontroler mógłby otrzymywać sekwencje dynamicznie

i w czasie rzeczywistym. Heurystyka populacyjna może generować kilka różnych rozwiązań

przy różnych parametrach (różnych funkcjach celu) i przedstawiać wyniki kontrolerowi. To

pozwala na zachowanie człowieka „w pętli” i uwzględnianie jego ocen, dzieląc zadanie mię-

dzy niego a komputer.

Ruch lotniczy charakteryzuje się dynamizmem, w związku z tym wymagane są dyna-

miczne aktualizacje w miarę upływającego czasu (lądowanie samolotów i pojawianie się ko-

lejnych). Zmartwieniem naukowców jest, że heurystyka populacyjna mogłaby się okazać

niezdolna do utworzenia realnych rozwiązań (tzn. nie znajdowałaby rozwiązań, które speł-

niałyby ograniczenia separacyjne i okien czasowych). Jednak doświadczenia analityków

z NATS pokazują, że realne rozwiązania są tworzone bardzo szybko. Dzieje się tak dzięki

wykorzystywanym oknom czasowym o wystarczającej elastyczności, co zapewnia łatwość

w znajdowaniu realnych rozwiązań. Pod pewnymi względami to dokładnie odpowiada sytu-

acji z życia: gdyby przy danych oknach czasowych znalezienie realnych planów lądowania

było trudne, regularnie zdarzałyby się lądowania samolotów z naruszeniem ograniczeń sepa-

racyjnych.

Kluczową zaletą przyjęcia zautomatyzowanego podejścia (takiego jak heurystyka po-

pulacyjna) do problemu planowania lądowań samolotów może być możliwość osiągnięcia

jednorodności sposobu pracy. Ujmując prościej, algorytmy nigdy się nie męczą i zwykle pro-

wadzą do dość spójnych wyników. Natomiast osoby przebywające na stanowisku kontrolera

cechyją się różnym zachowaniem podczas pracy nad zadaniem takim jak planowanie lądo-

wań – zmienność zauważalna jest zarówno w czasie jak i pomiędzy kontrolerami.

Sekwencjonowanie samolotów lądujących z zastosowaniem heurystyki populacyjnej

może być zastosowane do badania strategicznych problemów. Takie podejście może posłu-

żyć do rozwiązywania innych zadań, np. do sprawdzenia, jak zmiany w kryteriach separa-

cyjnych wpłynęłyby na przepustowość drogi startowej.

Opracowana heurystyka populacyjna pokazuje, że narzędzie wspierania decyzji plano-

wania lądowań samolotów powinno pozwolić na wydajniejsze wykorzystanie ograniczonej


przepustowości pasów lądowania w Wielkiej Brytanii. Badania prowadzone przez Agencję

NATS, wskazują na konieczność uwzględnienia dodatkowych czynników w ostatecznej kon-

strukcji dowolnego narzędzia wspierania decyzji wdrażanego w środowisku operacyjnym.

LITERATURA

[1] Antoszkiewicz J.: Metody heurystyczne. Twórcze rozwiązywanie problemów, PWE, wyd. II,

Warszawa 1990.

[2] Arabas J.: Wykłady z algorytmów ewolucyjnych, WNT, Warszawa 2001.

[3] Beasley JE., Krishnamoorthy M., Sharaiha YM. and Abramson D.: Scheduling aircraft landings

the static case. Transport 2000.

[4] Beasley JE., Sonander J., Havelock P.: Scheduling aircraft landings at London Heathrow using

a population heuristic, Journal of the Operational Research Society, London 2001.

[5] Beasley JE.: a population heuristic for constrained two dimensional non-guillotine cutting.

Working paper available from the author at The Management School, Imperial College, London,

UK 2000.

[6] Bianco L., Dell'Olmo P. and Giordani S.: Minimizing total completion time subject to release

dates and sequence-dependent processing times. In: Sharaiha YM and Beasley JE.: Advances in

Combinatorial Optimization. Ann Oper Res 1999.

[7] Ernst AT., Krishnamoorthy M. and Storer RH.: Heuristic and exact algorithms for scheduling

aircraft landings, 1999.

[8] Holland JH.: Adaptation in Natural and Artificial Systems: An Introductory Analysis with

Applications to Biology, Control, and Artificia1 Intelligence. University of Michigan Press 1975.

[9] Jełowicki M., Kieżuń W., Leoński Z., Ostapczuk B.: Teoria organizacji i zarządzania,

Państwowe Wydawnictwo Naukowe, Warszawa 1979.

[10] Michalewicz Z. D. Fogel: Jak to rozwiązać czyli nowoczesna heurystyka, Wydawnictwa

Naukowo-Techniczne, Warszawa 2010.

HEURISTICS POPULATION AS A TOOL

USED IN AIRCRAFT LANDING SCHEDULING PROBLEMS

Abstract

Air traffic continues to grow so we need new methods of organization of this movement.

A more efficient use of airspace and previous planning streams of planes landing. There were

studies on the use of tools supporting the controller by NATS. One such method is the use of

heuristic algorithm (heuristics population). The publication describes research conducted by

NATS in the UK, aimed at improving the use of runways at Heathrow Airport in London.

Keywords: scheduling of aircraft, air traffic control, population heuristic

104

Anna KWASIBORSKA*

PRZEGLĄD PROBLEMATYKI

LĄDOWANIA SAMOLOTÓW

Z WYKORZYSTANIEM NARZĘDZI

BADAŃ OPERACYJNYCH

Streszczenie

Ze względu na przewidywany wzrost ruchu lotniczego w ciągu najbliższego dziesięciolecia,

kontrola tego ruchu na obciążonych lotniskach jest jednym z najważniejszych wyzwań, jakie

pojawią się przed kontrolerami w najbliższej przyszłości. Drogi startowe są często wąskim

gardłem w systemie lotniska, więc istnieje wielkie zainteresowanie optymalizacją ich wyko-

rzystania. Ważne jest opracowanie modeli służących optymalizacji lądujących samolotów.

W pracy przedstawiono ogólny przegląd problematyki lądowania samolotów oraz podejścia

do możliwych rozwiązań skupiając się na technikach i narzędziach badań operacyjnych.

Słowa kluczowe: szeregowanie samolotów lądujących, organizacja ruchu lotniczego, proces

lądowania, modele wspomagania kontrolera

1. WPROWADZENIE

W związku z rozwojem transportu lotniczego istnieje konieczność prowadzenia badań

w dziedzinie optymalnego planowania ruchu lotniczego. Kierowanie operacjami startów i lą-

dowań statków powietrznych wymaga koordynacji z pozostałymi uczestnikami ruchu lotni-

czego. Konieczne są badania nad skutecznymi rozwiązaniami w ujęciu kompleksowego

zarządzania ruchem lotniczym.

Przepustowość lotniska, uwzględniając ruch na drogach startowych, jest czynnikiem co-

raz bardziej utrudniającym efektywne i sprawne organizowanie ruchu przy rosnącemu zapo-

trzebowaniu na zwiększanie liczby operacji lądowania i startów. Jednym z głównych czyn-

ników wpływających na przepustowość drogi startowej jest zachowanie wymaganej separa-

cji pomiędzy samolotami w czasie wykonywania operacji startów i lądowań. Zależność

separacji od samolotu poprzedzającego i kolejnego od rodzaju samolotu komplikują problem

szeregowania i planowania. Ze względu na złożoność problemu w większości przypadków


Przegląd problematyki lądowania samolotów z wykorzystaniem… 105

trudno jest znaleźć optymalne rozwiązanie. Skupia on więc znaczną uwagę różnych społecz-

ności naukowych, co przekłada się na wiele badań naukowych na temat modelowania i opi-

sywania algorytmów zwiększających przepustowość lotniska.

Intensywny wzrost ruchu lotniczego pociągną za sobą duży wzrost zainteresowania pro-

blematyką szeregowania zadań. Jest to jedna z najstarszych dziedzin badań operacyjnych,

która na początku ubiegłego stulecia dawała możliwość zwiększenia produkcji przemysłowej

i optymalizacji linii produkcyjnych w wielkich fabrykach. Większość powszechnie używa-

nych algorytmów optymalizacji wielokryterialnego szeregowania zadań wykorzystuje kryte-

rium Pareto do uzyskania optymalnych rozwiązań.

Najczęściej wykorzystywane w badaniach, były algorytmy ewolucyjne oraz metody

lokalnego przeszukiwania, jakkolwiek niewiele z zaproponowanych algorytmów zostało

zaprojektowanych do działania równoległego. Teoria szeregowania zadań nabiera szcze-

gólnego znaczenia w kontekście komputerowych systemów sterujących, a zwłaszcza sys-

temów czasu rzeczywistego o ostrych ograniczeniach czasowych (hard real-time), w przy-

padku, których naruszenie ograniczenia czasowego dowolnego z zadań obliczeniowych

prowadzić może do trudnych do oszacowania skutków, będących następstwami powstania

poważnej awarii, katastrofy, wielkich strat finansowych, a nawet zagrożenia życia ludz-

kiego [10]. Ponieważ obecnie systemy czasu rzeczywistego spotykane są praktycznie

w każdym obszarze technicznej działalności człowieka, a zwłaszcza w energetyce, teleko-

munikacji, transporcie, inżynierii biomedycznej i zautomatyzowanych systemach produk-

cyjnych, kwestie bezpieczeństwa pracy tego typu systemów nabierają szczególnego

znaczenia [13].

Nie istnieją żadne uniwersalne algorytmy szeregowania zadań, które byłyby odpowied-

nie w przypadku dowolnego typu zadań. Natomiast wyróżnia się odrębne klasy algorytmów

szeregowania, które są przeznaczone do szeregowania różnego typu zadań. Najczęściej pro-

wadzona linia podziału przebiega pomiędzy zadaniami okresowymi i aperiodycznymi. Rów-

nież odrębne klasy algorytmów szeregujących stosuje się w przypadku zadań wywłaszczal-

nych i niewywłaszczalnych [5]. Także wyróżnia się odrębne algorytmy przewidziane do

szeregowania zadań zależnych i niezależnych. Natomiast odmienna płaszczyzna podziału

przebiega pomiędzy algorytmami przewidzianymi do szeregowania zadań jednoprocesoro-

wych i wieloprocesorowych, przy czym te drugie dzielą się na zadania przeznaczone dla pro-

cesorów arbitralnych lub dedykowanych [2].

W ogólności problem szeregowania zadań polega na ustaleniu kolejności wykonywania

zadań na maszynach (procesorach) tak, aby zminimalizować (lub zmaksymalizować) war-

tość pewnego zadanego kryterium. Najczęściej dąży się do minimalizacji długości uszerego-

wania, minimalizacji średniego czasu przepływu (przebywania zadania w systemie obsługi)

oraz szeregowania zadań z żądanymi czasami zakończenia. W ujęciu ogólnym, zakłada się

istnienie zbioru zasobów lub stanowisk obsługi i ustalonego systemu zadań, które mają być

wykonane lub obsłużone przy użyciu tych zasobów. Przyjęte właściwości zadań systemu

i zbiór zasobów oraz występujące ograniczenia, pozwalają na skonstruowanie efektywnego

algorytmu za pomocą, którego możliwe będzie uzyskanie uszeregowana zadań, zmierzające

do optymalizacji przyjętego kryterium.

106 A. Kwasiborska

2. PRZEGLĄD LITERATURY

Szeregowanie zadań w transporcie lotniczym polega na optymalnym wyznaczeniu ko-

lejności wykonywanych operacji statków powietrznych. Problem ten postrzegany jest jako

ważny i poruszany w urzędowych rozporządzeniach [16], jak i publikacjach naukowych. Ar-

tykuły poruszające tematykę szeregowania samolotów lądujących mogą dotyczyć konkret-

nego portu lotniczego (lub drogi lotniczej), bądź też poruszać problem teoretycznie, z zasto-

sowaniem dla wielu dróg startowych [1, 3, 4, 12].

W pracach dotyczących portu lotniczego [8] autorzy podkreślają, iż wyznaczenie se-

kwencji lądujących statków powietrznych nie jest problemem samym w sobie. Istotne jest tu

opracowanie kolejności, która zapewnia maksymalizację pożądanego efektu przy zachowa-

niu wszystkich zasad bezpieczeństwa. Metody szeregowania umożliwiają zwiększenie liczby

wykonywanych operacji w określonym czasie, co jest szczególnie trudne w sytuacji wzrasta-

jącego ruchu lotniczego na świecie. Rosnąca liczba wykonywanych operacji stanowi wyzwa-

nie dla przepustowości lotnisk oraz sprawności obsługi lotów. Opóźnienia w stosunku do

planowego czasu wykonania zadania, wiążą się z dodatkowymi kosztami, których należy

unikać. Szeregowanie lądujących statków powietrznych znajduje zastosowanie w wyznacza-

niu kolejności obsługi statków powietrznych z uwzględnieniem kryterium minimalizacji

opóźnień. W pracy [11] omówiono także dodatkowe zastosowanie metod szeregowania, ja-

kim jest wsparcie kontrolera w podejmowaniu decyzji. Dążenie do opracowania optymal-

nego procesu szeregowania samolotów lądujących, wspierają procedury implementowane

w portach lotniczych.

Szeregowanie zadań ma także znaczenie w integracji uczestników ruchu, gdyż umożli-

wia pasażerom, nie tylko loty bezpośrednie, ale także sprawne loty przesiadkowe. Zmiany

na rynku usług lotniczych wymagają wprowadzania nowych systemów usprawniających za-

rządzanie operacjami. Do ich efektywnego wykorzystania niezbędne jest ustalenie celów do

osiągnięcia. Rozpatrując szeregowanie samolotów lądujących, możliwym, przyjętym kryte-

rium może być minimalizacja czasu uszeregowania. Oznacza ona wykonanie pożądanej

liczby operacji lądowania w najkrótszym możliwym czasie. Ważne jest uwzględnienie wa-

runków, w jakich odbywa się ruch lotniczy a mianowicie tego, że operacje lotnicze w prze-

strzeni powietrznej nie mogą być przerwane.

Do modelowania problemu wykorzystywano wiele różnych technik badań operacyj-

nych i naukowego zarządzania, takich jak programowanie mieszane całkowitoliczbowe

(MIP) oraz teorię kolejek, natomiast w opracowywaniu algorytmów rozwiązań użyteczne są

także często stosowane podejścia szeregowania maszynowego oraz problemu komiwojażera.

W rozwiązywaniu problemu zastosowano różne techniki przeszukiwania, jak na przykład

programowanie dynamiczne (DP – Dynamic Programming), podziału i ograniczeń, podziału

i kosztów, programowanie i algorytmy genetyczne, algorytmy mrówkowe itp.

Według podejścia programowania dynamicznego w rozwiązywaniu problemu komiwo-

jażera Psaraftis [15] opracował algorytm drzewa dla statycznego przypadku problemu lądo-

wania samolotów w celu zbadania dwóch alternatywnych celów: czasu lądowania ostatniego

samolotu oraz całkowitego opóźnienia pasażerów przy rygorze FCFS. Bianco et al. [6] wy-

kazali związek między problemem lądowania statków powietrznych a problemem szerego-

wania maszynowego (co zapisano jako 1|rj, seq-dep|ƩCj) z n zadaniami i łącznym problemem


komiwojażera z czasami gotowości. W problemie szeregowania zaproponowano opis przez

programowanie dynamiczne i trzy niskie ograniczenia.

W pracy Bayena et al. [5] sformułowano szeregowanie lądowania samolotów jako pro-

blem szeregowania jednomaszynowego. W głównym algorytmie wykorzystano podejście

programowania dynamicznego i liniowego w relaksacji. Dwa algorytmy aproksymacyjne dla

sumy czasów przylotu wszystkich statków powietrznych oraz czasu przylotu ostatniego

statku powietrznego mają granice wydajności odpowiednio 5 i 3. Nie uwzględnia się różnych

klas statków powietrznych, więc wymagana separacja między lądowaniami jest niezależna

od typu samolotu.

Ostatnio Balakrishnan i Chandran [2] przedstawili podejście oparte na programowaniu

dynamicznym, aby zmaksymalizować przepustowość drogi startowej (co jest równoważne

minimalizacji czasu lądowania ostatniego statku powietrznego). Problem szeregowania lą-

dujących statków powietrznych w środowisku ograniczonego przesunięcia pozycji (CPS)

uważa się za zależny od różnych ograniczeń operacyjnych nakładanych przez czasowe okna

przylotów, wymagania minimalnej separacji między statkami powietrznymi oraz relacje

pierwszeństwa. Problem sformułowano jako zmodyfikowany problem najkrótszej ścieżki

w sieci z O(n(2k + 1)2k + 2) łukami, gdzie n to liczba samolotów, a k jest maksymalnym

przesunięciem pozycji.

Chandran i Balakrishnan [3] na podstawie swojej wcześniejszej pracy [2] proponują

także algorytm programowania dynamicznego do obliczenia krzywej kompromisu między

odpornością (niezawodnością szeregowania) a przepustowością. W kolejnym kroku zapre-

zentowali algorytm programowania dynamicznego do minimalizacji całkowitych kosztów

opóźnienia w planie przylotów. Za pomocą zaproponowanego algorytmu zbadano także pro-

blem minimalizacji kosztów paliwa w planie przylotów, który jest głównym kosztem opera-

cyjnym dla większości linii lotniczych, przez dopuszczenie najwcześniejszego czasu lądo-

wania mniejszego niż szacowany czas lądowania, co jest określane jako wyprzedzenie cza-

sowe (TA – Time Advance).

W publikacjach [8] i [7] przedstawiono kilka wielomianowych algorytmów czasu

w programowaniu dynamicznym dla problemu lądowania samolotów na podstawie koncep-

cji szeregowania maszynowego. Zastosowano sześć algorytmów szeregowania, do których

należą trzy algorytmy programowania dynamicznego DP, dwie zasady FCFS i heurystyka

przedstawiająca potencjalny algorytm operacyjnego systemu zarządzania przylotami

(AMAN – Arrival Manager). Ponadto cztery strategie dzielenia opóźnienia obejmują:

wszystkie opóźnione wstrzymane, opóźnienie jak najpóźniej, opóźnienie jak najwcześniej

oraz równych opóźnień w strategiach wyznaczania tras.

Programowanie dynamiczne wykazuje najlepszą skuteczność spośród metod dokład-

nych ze względu na jego wyliczeniowy charakter, jednak zdolność do kontroli przebiegu

wykonania za pomocą metod przeszukiwania lokalnego, takich jak algorytmy genetyczne,

czyni je poważnymi kandydatami do stosowania w narzędziach wspomagania decyzji dla

kontrolerów ruchu powietrznego.

W pracy [18] skupiono się na przedstawieniu koncepcji implementacji systemu służą-

cego do oceny procesu szeregowania samolotów lądujących. Metoda oceny opiera się na

108 A. Kwasiborska

wyznaczeniu liczby lądowań możliwych do zrealizowania przy danym uszeregowaniu w jed-

nostce czasu. Wykazano, iż istnieje możliwość uszeregowania samolotów lądujących, aby

uzyskać znacznie mniejszą liczbę lądowań w jednostce czasu, niż wynikałoby to z przepi-

sów. Autorzy wskazują, że istnienie duży potencjał w ramach wdrażania systemów wspoma-

gania kontrolera w procesie szeregowania samolotów lądujących.

3. PROBLEM USZEREGOWANIA SAMOLOTÓW DO LĄDOWANIA

Problem uszeregowania samolotów do lądowania ma na celu ułożenie strumienia samo-

lotów lądujących i przypisanie każdemu z nich czasu lądowania zależnego od różnych ogra-

niczeń operacyjnych. W prostym sposobie szeregowania i planowania lądujących samolotów

na jednej drodze startowej wykorzystuje się zasadę „pierwszy nadchodzący pierwszy obsłu-

żony” (FCFS – First Come First Served). Każdemu samolotowi przydziela się czas lądowa-

nia według kolejności zdefiniowanej przez najwcześniejszą chwilę, w której samolot może

wylądować. Zaobserwowano, że metoda FCFS rzadko jest najlepszą kolejnością uszerego-

wania pod względem przepustowości, średniego opóźnienia czy nawet średniego opóźnienia

pasażera.

Głównym obowiązkiem kontrolerów ruchu lotniczego jest zachowanie bezpieczeństwa

w ruchu lotniczym. Standardowa separacja pionowa i pozioma, utrzymująca samoloty we

właściwej odległości, jest jednym z instrumentów bezpieczeństwa kontroli ruchu powietrz-

nego (ATC – Air Traffic Control). Minimalna wymagana separacja określa minimalną do-

puszczalną odległość między kolejnymi samolotami w kolejce do podejścia do lądowania na

danej drodze startowej. Zwykle separacja między kolejnymi samolotami związana jest z ka-

tegorią turbulencji w śladzie aerodynamicznym (WV – Wake Vortex). Minima separacji ze

względu na turbulencję w śladzie aerodynamicznym oparte są na podziale typów statków

powietrznych na trzy kategorie zgodnie z poświadczoną maksymalną masą do startu.

Rys. 1. Procedura STAR dla Lotniska Chopina

Źródło: AIP


Istnieją procedury dolotowe do lotniska, które systematyzują ruch lotniczy i są to pro-

cedury STAR (Standard Terminal Arrival Route), które publikowane są w AIP (rys. 1).

STAR jest procedurą opisującą trasę i wysokości lotu od punktu wlotowego do TMA do

punktu IAF (Initial Approach Fix) podejścia na określony pas drogi startowej. Celem pro-

cedury STAR jest uregulowanie wpływającego w TMA (rejon lotniska) ruchu lotniczego.

Procedura ta w stopniu znaczącym ułatwia pracę kontrolera przy dużym ruchu. Kontroler

nie musi podawać kursów dla „prowadzenia” samolotu a jedynie podaje pilotowi jaką pro-

cedurę ma wykonać. Pozwala to kontrolerowi na przeniesienie uwagi na inny samolot, co

de facto powoduje odciążenie służb kontroli, gdyż nie ma konieczności ciągłego prowa-

dzenia samolotu, dzięki czemu zdolność prowadzenia większej liczby operacji wzrasta.

4. DEFINICJA PROBLEMU

Większość badań problemu lądowań rozważa szeregowanie samolotów w strefie kon-

trolowanej lotniska (TMA). Szeregowanie samolotów w większej odległości od lotniska, na

przykład w rozszerzonej strefie TMA, może dać lepsze wyniki.

Problem może być podzielony na trzy etapy czasowe:

Etap 1 (etap szeregowania): pierwszy etap zaczyna się, kiedy statek powietrzny wchodzi

w zakres lotniskowego radaru planowania lądowań około 40 minut przed przyziemieniem.

Etap 2 (etap modyfikowania planu): drugi etap rozpoczyna się 11 minut przed lądo-

waniem, trwa 8 minut i obejmuje krok podejścia końcowego.

Etap 3 (etap zamrożenia): ostatni etap składa się z zestawu czynności kontrolera od-

powiedzialnego za pas lądowania i trwa 3 minuty.

Szeregowanie i planowanie nadlatujących samolotów wykonywane jest na etapie 1.

W miarę upływu czasu i wchodzenia nowych samolotów w etap szeregowania, konieczna

jest aktualizacja uszeregowania i planu, jest to wykonywane co pięć minut. W etapie 2 se-

kwencja zwykle nie jest już zmieniana, wprowadza się tylko drobne poprawki do ustalonego

planu. Kiedy samolot jest blisko pasa drogi startowej w etapie 3, nie jest już możliwa mody-

fikacja uszeregowania ani planu.

4.1. ZMIENNE DECYZYJNE

SLTi – zaplanowany czas lądowania dla każdego samolotu i.

Xij – zmienna przyjmuje wartość 1, jeśli samolot i ląduje przed (ale niekoniecznie tuż

przed) samolotem j, a w innych przypadkach wartość 0.

4.2. PARAMETRY

n – liczba samolotów do zaplanowania.

A – zbiór statków powietrznych, które mogą lądować, a = {1, …, n}, parametr aktualizo-

wany co 5 minut.

110 A. Kwasiborska

Poniższe parametry są zdefiniowane dla każdego samolotu i, dla i = 1, …, n.

TLTi – docelowy lub oczekiwany czas lądowania samolotu i na podstawie przypisanego

przedziału czasowego, który zwykle jest wyznaczony w planie lotu.

Esti – szacowany (lub przewidywany) czas lądowania statku powietrznego i, obliczany przez

sprzęt do synchronizacji trajektorii po wejściu statku powietrznego w zasięg radaru

i zwykle oparty na uszeregowanie FCFS (pierwszy nadchodzący pierwszy obsłużony).

Ali– – dopuszczone przyspieszenie lądowania statku powietrznego i.

Ali+ – dopuszczone opóźnienie lądowania statku powietrznego i.

ELTi – najwcześniejszy możliwy czas lądowania dla samolotu i, podlega ograniczeniom

technicznym i operacyjnym.

LLTi – najpóźniejszy możliwy czas lądowania dla samolotu i, zwykle determinowany przez

ograniczone zasoby paliwa, maksymalne dopuszczalne opóźnienie lub ograniczenie

wynikające z lotu pośredniego.

Ei – jednostkowy koszt kary dla samolotu i za przyspieszenie o więcej niż Ali–.

Li – koszt kary za minutę opóźnienia dla samolotu i za opóźnienie o więcej niż Ali+.

Pij – parametr przyjmuje wartość 1, jeśli samolot i musi wylądować przed (niekoniecznie

tuż przed) samolotem j, a w innych przypadkach 0.

Sij – minimalny czas separacji między samolotami i oraz j, jeżeli samolot i ląduje przed

samolotem j.

TSi – przesunięcie czasowe samolotu i, które jest maksymalnym odchyleniem czasu od Esti

dla danego samolotu w sekwencji lądowania.

FBi+ – średni wymagany koszt paliwa na każdą minutę opóźnienia samolotu i.

FBi– – średni wymagany koszt paliwa na każdą minutę przyspieszenia samolotu i.

4.3. FUNKCJA CELU

Wybór właściwej funkcji celu dla problemu lądowania samolotów jest kwestią sporną

i nie wszyscy zainteresowani (kontrola ruchu powietrznego, porty lotnicze, linie lotnicze,

rząd) są zgodni odnośnie procesu wyboru. Jednak poniższa wielokryterialna funkcja celu ma

potencjał, aby wszystkie cele zostały osiągnięte.

Minimalizacja średniego opóźnienia, co obejmuje opóźnienie i przyspieszenie:

∑(𝐿𝑖 max {(𝑆𝐿𝑇𝑖 − 𝑇𝐿𝑇 𝑖 − 𝐴𝑙𝑖+), 0} + 𝐸𝑖 max {(𝑇𝐿𝑇𝑖 − 𝑆𝐿𝑇 𝑖 − 𝐴𝑙𝑖

−), 0})

𝑛

𝑖=1

(1)

Maksymalizacja przepustowości drogi startowej (lub jej wykorzystania). W sposób rów-

noważny można to określić jako minimalizację średniej z czasów lądowania zamiast maksy-

malizacji liczby samolotów lądujących na drodze (przepustowości lub czasu wykonania):

1

𝑛∑𝑆𝐿𝑇𝑖

𝑛

𝑖=1

(2)


Minimalizacja kosztów zużytego paliwa (a przez to minimalizacja emisji dwutlenku wę-

gla). Koszty paliwa to prawie 50% kosztów operacyjnych. Ilość spalonego paliwa zależy od

wielu czynników, takich jak technika lotu pilota, wysokość, prędkość przyrządowa, model

samolotu, masa samolotu (włącznie z pasażerami i ładunkiem) oraz ilością paliwa w zbior-

niku. W wyniku tego konieczne jest uwzględnienie dodatkowego kosztu spalonego paliwa

spowodowanego przez opóźnienie lub przyspieszenie:

∑(𝐹𝐵𝑖+max {(𝑆𝐿𝑇𝑖 − 𝑇𝐿𝑇 𝑖), 0} + 𝐹 𝐵𝑖

−max {(𝑇𝐿𝑇𝑖 − 𝑆𝐿𝑇 𝑖), 0})

𝑛

𝑖=1

(3)

Problem lądowania statków powietrznych może obejmować jednoczesną optymalizację

różnych skorelowanych i zależnych celów, które nie muszą się synchronizować, więc mogą

być wymagane kompromisy między celami. Z tego powodu konieczna jest optymalizacja

w formie funkcji celu z wieloma ważonymi kryteriami.

4.4. OGRANICZENIA

W problemie lądowania samolotów można zastosować wiele operacyjnych ograniczeń,

z których najbardziej typowe wymieniono poniżej.

Wykorzystanie drogi startowej: każda droga może być używana jednocześnie przez naj-

wyżej jeden samolot, więc samolot i musi wylądować przed samolotem j lub odwrotnie:

𝑋𝑖𝑗 + 𝑋𝑗𝑖 = 1 ∀𝑖, 𝑗 ∈ 𝐴, 𝑖 ≠ 𝑗 (4)

Separacja według wiru strumienia nadążającego (WV): samoloty muszą stosować się do od-

ległości separacyjnych, aby uniknąć turbulencji tworzonych przez poprzedzający samolot:

𝑆𝐿𝑇𝑖 + 𝑆𝑖𝑗 ≤ 𝑆𝐿𝑇𝑗 +𝑀(1 − 𝑋𝑖𝑗 ) ∀𝑖, 𝑗 ∈ 𝐴, 𝑖 ≠ 𝑗,𝑀 ≫ 0 (5)

Ograniczenie czasowe: na podstawie rozważań operacyjnych i technicznych, np. czynni-

ków ograniczonego paliwa, prędkości przyrządowej itp., każdy samolot ma maksymalny

i minimalny dopuszczalny czas lotu, co należy traktować jako ograniczenie bezwzględne:

𝐸𝐿𝑇𝑖 ≤ 𝑆𝐿𝑇𝑖 ≤ 𝐿𝐿𝑇𝑖 ∀𝑖, 𝑗 ∈ 𝐴 (6)

Przedział czasowy (lub okno czasowe) przypisane do każdego lądującego samolotu,

który zwykle rozpoczyna się 5 minut przed docelowym czasem lądowania TLTi i kończy się

10 minut po TLTi nie musi pokrywać się z ograniczeniem czasowym.

Przesunięcie czasowe: istnieje ograniczenie elastyczności w przesuwaniu czasu lądo-

wania samolotu do przodu lub do tyłu względem szacowanego czasu lądowania. W zmianie

uszeregowania dla danego samolotu brane jest pod uwagę raczej przesunięcie czasowe, a nie

przesunięcie pozycji, ponieważ istnieje tu zależność od typu samolotu.

(𝐸𝑠𝑡𝑖 − 𝑇𝑆𝑖 ) ≤ 𝑆𝐿𝑇𝑖 ≤ (𝐸𝑠𝑡𝑖 + 𝑇𝑆𝑖 ) ∀𝑖, 𝑗 ∈ 𝐴 (7)

Ograniczenie pierwszeństwa: preferencje linii lotniczej mogą narzucać lądowanie jed-

nego samolotu przed innym.

𝑆𝐿𝑇𝑖 𝑃𝑖𝑗 < 𝑆𝐿𝑇𝑗 ∀𝑖, 𝑗 ∈ 𝐴, 𝑖 ≠ 𝑗 (8)

112 A. Kwasiborska

5. PRZYSZŁE KIERUNKI BADAŃ

W ciągu ostatnich lat opublikowano wiele prac badawczych na temat problemu lądowa-

nia samolotów, jednak w większości nie rozwinięto metod, które później byłyby wdrożone.

Przyczyną może być fakt, że te metody mogą traktować zbyt łagodnie lub pomijać bez-

względne (krytyczne) ograniczenia operacyjne, mają zbyt wygórowane czasy realizacji al-

gorytmu, badają środowisko statyczne zamiast dynamicznego, ignorują interesy poszczegól-

nych zainteresowanych stron lub są zależne od cech wybranego lotniska. Istniejące badania

zwykle rozważają pewne często spotykane i oczywiste ograniczenia. Ważne jest komplek-

sowe ujęcie tematyki szeregowania i zbudowanie modelu składającego się z najważniejszych

ograniczeń operacyjnych, które obserwowane są w codziennej pracy kontrolerów.

Do opracowania pozostają podejścia do rozwiązań dla modelu. Rozwiązania muszą być

możliwe do szybkiego uzyskania, aby były przydatne dla kontrolerów ruchu powietrznego.

Ponieważ problem jest złożony (jest NP-trudny), metody heurystyczne obejmujące algo-

rytmy wyszukiwania lokalnego mogą być bardziej stosowne niż metody wyliczeniowe,

np. programowanie dynamiczne, które może się okazać wymagające obliczeniowo.

LITERATURA

[1] Abramson D., Beasley J. E., Krishnamoorthy M., Sharaiha Y. M.: Scheduling Aircraft Landings

– The Static Case, Transportation Science, Vol. 34, No. 2, 2000.

[2] Balakrishnan H., Chandran B.: Scheduling Aircraft Landings under Constrained Position Shifting,

in AIAA Guidance, Navigation and Control Conference and Exhibit, Keystone, Colorado, USA,

August 21–24, 2006.

[3] Balakrishnan H., Chandran B.: Scheduling Aircraft Landings under Constrained Position Shifting,

Stanford/Berkley.

[4] Ball M., Hoffman R., Vossen T.: a General Approach to Equity in Traffic Flow Management and

Its Applications to Migrating Exemption Bias in Ground Delay Programs, Proceedings of the

5th USA/EUROPE Air Traffic Management R & D Seminar, 2002.

[5] Bayen A. M., Tomlin C. J., Ye Y., Zhang J.: An Approximation Algorithm for Scheduling Aircraft

with Holding Time, in 43rd IEEE Conference on Decision and Control, Atlantis, Paradise Island,

Bahamas, December 14–17, 2004.

[6] Bianco L., Dell'Olmo P., Giordani S.: Minimizing Total Completion Time Subject to Release

Dates and Sequence-Dependent Processing Times, Annals of Operations Research, vol. 86, 1999,

s. 393–415.

[7] Brentnall A. R., Cheng R. C. H.: Some Effects of Aircraft Arrival Sequence Algorithms, Journal

of Operational Research Society, 2008, s. 1–11.

[8] Brentnall A. R.: Aircraft Arrival Management, Ph.D. dissertation, University of Southampton,

UK, 2006.

[9] Chandran B., Balakrishnan H.: a Dynamic Programming Algorithm for Robust Runway Schedul-

ing, in Proceedings of the American Control Conference, New York, NY, USA, July 11–13, 2007.

[10] Hsueh W., Lin K. J.: Scheduling real-time systems with end-to-end timing constraints using the

distributed pinwheel model, IEEE Transactions on Computers, vol. 50, 2001.

[11] Kwasiborska A., Markiewicz K.: Metody listowego szeregowania samolotów lądujących jako

narzędzie wspomagania kontrolera w podejmowaniu decyzji, Politechnika Warszawska, 2014.

[12] Kwasiborska A., Skorupski J.: Metody szeregowania zadań jako narzędzie rozwiązywania

problemu sekwencjonowania samolotów, Politechnika Warszawska, 2014.


[13] Lala J. H., Harper R. E.: Architectural principles for safety-critical real-time applications,

Proceedings of the IEEE, vol. 82, 1994.

[14] Lee H., Balakrishnan H.: Fuel Cost, Delay and Throughput Tradeoffs in Runway Scheduling, in

Proceeding of American Control Conference (ACC 08), Seattle, Washington, USA, June 11–13,

2008.

[15] Psaraftis H. N.: a Dynamic Programming Approach to the Aircraft Sequencing Problem, R78-4,

Flight Transportation Laboratory, MIT, USA, Tech. Rep., 1978.

[16] Regulamin Lotów Lotnictwa Sił Zbrojnych Rzeczypospolitej Polskiej, Ministerstwo Obrony

Narodowej, Warszawa 2006.

[17] Rozporządzenie Wykonawcze Komisji (UE) nr 716/2014, Dziennik Urzędowy Unii Europejskiej

L190/19, 27.06.2014.

[18] Skorupski J., Florowski A.: Koncepcja implementacji systemu oceny procesu szeregowania

samolotów lądujących, w: Zeszyty Naukowe Politechniki Ślaśkiej. Seria: Transport, vol. 87,

2015.

AN OVERVIEW OF THE LANDING AIRCRAFT

USING THE OPERATIONS RESEARCH TOOLS

Abstract

Air traffic forecasts show an increase in air operations. Air traffic control will be a higher load

over the coming decade. Runways are often the bottleneck in the system of the airport, so there

is a great interest in optimizing their use. It is important to develop models for the optimization

of landing aircraft. The article presents an overview of the problems of aircraft landing and

approach to possible solutions focus on techniques and tools operations research.

Keywords: scheduling of landing aircraft, organization of air traffic, landing process, model

of controller support

114

Krzysztof LEWANDOWSKI*

NOWE WSPÓŁCZYNNIKI

WYKORZYSTANIA TRANSPORTU

SZYNOWEGO

Streszczenie

W rozdziale przedstawiono propozycje nowych współczynników wykorzystania transportu

szynowego oparte na realnych danych parametrycznych. Wskazano nowe możliwości wyko-

rzystania obecnego prawa samorządowego i skarbowego do opracowania nowych współczyn-

ników wykorzystania transportu szynowego.

Słowa kluczowe: kolej, współczynniki wykorzystania, nowość

1. WSTĘP

Przyczyną napisania tego opracowania jest wprowadzenie nowych regulacji prawnych

odnośnie ewidencji i rozliczeń skarbowych przez wszystkie podmioty gospodarcze w tym

także licencjonowanych przewoźników osób i rzeczy.

2. PRZEGLĄD PRAWA ORAZ STOSOWANE WYBRANE WSKAŹNIKI

WYKORZYSTANIA TRANSPORTU SZYNOWEGO

Od 2004 obowiązuje ustawa z dnia 11 marca 2004 r. o podatku od towarów i usług [16],

która nakłada obowiązek ewidencjonowania określonej działalności gospodarczej. W myśl

rozporządzenia Ministra Finansów z dnia 4 czerwca 2014r. W sprawie zwolnień z obo-

wiązku prowadzenia ewidencji przy zastosowaniu kas rejestrujących. Nakłada ona obowią-

zek ewidencji przewozów kolejowych.

Ponadto Rozporządzenie Ministra Finansów z dnia 28 listopada 2008 r. w sprawie wy-

kazu towarów do celów poboru podatku od towarów i usług w imporcie objętych stawką tego

podatku w wysokości 3% wskazuje w § 17, że za fakturę uznaje się również bilety jednora-

zowe, wydawane przez podatników uprawnionych do świadczenia usług polegających na

przewozie osób:

kolejami normalnotorowymi,

taborem samochodowym,

* Politechnika Wrocławska, Wydział Mechaniczny

Nowe współczynniki wykorzystania transportu szynowego 115

statkami pełnomorskimi,

środkami transportu żeglugi śródlądowej i przybrzeżnej,

promami,

samolotami i śmigłowcami,

jeżeli zawierają następujące dane:

nazwę i numer identyfikacji podatkowej sprzedawcy,

numer i datę wystawienia biletu,

odległość taryfową nie mniejszą niż 50 km,

kwotę należności wraz z podatkiem,

kwotę podatku.

Dodatkowo należy wskazać na fakt, że jeśli obowiązkowa opłata za rezerwację miejsca

jest integralną częścią biletu, którą pasażer musi zapłacić, aby skorzystać z transportu [17],

to podatnik może od zakupu miejscówki odliczyć VAT.

Organem ustawowo zobowiązanym do zbierania i analizowania informacji dotyczących

rynku przewozów kolejowych jest Urząd Transportu Kolejowego. Prezes UTK działa na pod-

stawie przepisów określonych w ustawie z dnia 28 marca 2003 r. o transporcie kolejo-

wym [18].

Obecnie powszechnie wykorzystuje się kilkanaście wskaźników związanych z wyko-

rzystaniem transportu szynowego. Niektóre z nich mają ponad sto lat:

Wskaźnik ruchliwości (przewóz pasażerów/liczby mieszkańców) [2],

Liczba przewiezionych pasażerów [3],

Wielkość pracy przewozowej przy przewozie pasażerów [3],

Wskaźnik gęstości linii kolejowych km/100 km2 (od 1895 r.) (rys. 1) [2].

Rys. 1. Gęstość linii kolejowych w Europie, 1895

Źródło: Geistbeck, Michael: Der Weltverkehr.,1895 r.

116 K. Lewandowski

3. PROPONOWANE NOWE WSPÓŁCZYNNIKI WYKORZYSTANIA

TRANSPORTU SZYNOWEGO

Jako pierwszą zmianę proponuję podejść do znanego i bardzo starego wskaźnika gęsto-

ści linii kolejowych [km/100 km2]. W dzisiejszych czasach stosowany wskaźnik gęstości linii

kolejowych na 100 km2 nie przystaje do obecnej konkurencji międzygałęziowej w gospo-

darce kraju – był stosowany w czasach, w których kolej nie miała równoważnego lub silniej-

szego konkurenta w transporcie lądowym. Pierwsza linia produkcyjna samochodów po-

wstała w 1907 r.

Warto zatem znaleźć nowy wskaźnik wykorzystania transportu szynowego.

Jako podstawę należy wykorzystać prawo UTK. Uważam, że odniesieniem do przewo-

zów powinien być region administracyjny, określony granicami województwa lub jeśli po-

zwala na to tajemnica handlowa, powiatu i gminy.

Podstawą jest informacja o liczbie kilometrów infrastruktury szynowej w danym regio-

nie administracyjnym:

liczba km linii kolejowych w regionie

=∑liczba km linii kolejowych zarządców infrastruktury szynowej w regionie

n

1

(1)

Przez pojęcie kilometr linii kolejowych rozumie się konstrukcje budowlane, w myśl

prawa budowlanego, zewidencjowanie jako budowle kolejowe – drogi szynowe (§ 3 w [15]).

Pochodną od tego jest długość linii kolejowych eksploatowanych w danym regionie

oraz wskaźnik wykorzystania linii kolejowych w regionie.

wskaźnik wykorzystania linii kolejowych w regionie

=∑ długość linii kolejowych eksploatowanych w regionien1

∑ kilometrów linii kolejowych w regionien1

(2)

Drugą informacją jest liczba zarządców infrastruktury szynowej w regionie

liczba zarządców infrastruktury szynowej w regionie

=∑liczba zarzadców linii kolejowych infrastruktury szynowej w regionie

n

1

(3)

Z tych dwóch danych można wyprowadzić wskaźnik zróżnicowania zarządem infra-

struktury szynowej (w danym regionie administracyjnym).

wzzis =∑ liczba zarządców infrastruktury szynowej w regionien1

∑ kilometrów linii kolejowych w regionien1

(4)

Kolejną informacją ważną dla dynamiki gospodarczej regionu jest liczba użytkowników

z infrastruktury szynowej w regionie:

wskaźnik zróżnicowania wykorzystania linii kolejowych do przewozów towarowych w regionie

=∑ długość linii kolejowych wykorzystanych tylko do przewozów towarowych w regionien1

∑ długość linii kolejowych eksploatowanych w regionien1

(5)


wskaźnik zróżnicowania wykorzystania linii kolejowych do przewozów osób w regionie

=∑ długość linii kolejowych wykorzystanych tylko do przewozów osób w regionien1

∑ długość linii kolejowych eksploatowanych w regionien1

(6)

Pozostałe kilometry linii kolejowych w regionie są wykorzystywane do przewozów

mieszanych.

Przedstawione wyżej wskaźniki mogą być opracowane w oparciu o dane jakie posiada

UTK w ramach ustawowo określonych obowiązków zarządców infrastruktury oraz licencjo-

nowanych przewoźników rzeczy i/lub osób.

Inne wskaźniki mogą być wyprowadzone poprzez nałożenie obowiązku analizy staty-

stycznej dla…Urzędu Skarbowego.

Podstawy prawne działania Urzędu Skarbowego opisują ustawy [4, 5].

Tryb działania urzędów skarbowych określają przepisy ustaw [6–13].

Na podstawie tych ustaw Urząd Skarbowy ma prawne podstawy, aby:

ustalać lub określać i pobierać podatki oraz niepodatkowane należności budżetowe, jak rów-

nież innych należności, na podstawie odrębnych przepisów, z wyjątkiem podatków i należ-

ności budżetowych, których ustalanie lub określanie i pobór należy do innych organów,

rejestrować podatników oraz przyjmować deklaracji podatkowych,

wykonywać kontrolę podatkową,

dzielić i przekazywać, na zasadach określonych w odrębnych przepisach, dochodów

budżetowych między budżetem państwa i budżetami gmin.

Z uwagi na tajemnicę skarbową dane o dochodach przewoźników i zarządców infra-

struktury szynowej są tajne, ale dane jakie spływają do urzędów skarbowych, po oddzieleniu

tzw. danych zastrzeżonych lub wrażliwych, mogą być użyte do poszerzenia wiedzy o wyko-

rzystywaniu transportu szynowego w regionie.

Tajemnicą skarbową objęte są indywidualne dane zawarte w deklaracjach podatkowych

oraz w innych dokumentach składanych przez podatników, płatników lub inkasentów

(art. 293 ustawy [6]).

Załóżmy, że licencjonowany przewoźnik rzeczy lub osób jest zarejestrowany w danym

regionie administracyjnym. Składa zeznania podatkowe do urzędu skarbowego oraz raporty

o przewozach do UTK, wg jego wymagań.

Wskazanie Urzędu Skarbowego jako źródła danych statystycznych wynika z analizy

obowiązku statystycznego dla podmiotów gospodarczych.

Podmiot gospodarczy oddaje sprawozdanie do Urzędu Statystycznego w postaci:

ilości wyprodukowanych dobór,

zmiany koniunktury sprzedaży,

obrotu środków pieniężnych,

liczby zatrudnionych osób.

Podmiot gospodarczy nie zeznaje natomiast, komu zleca przewóz wyprodukowanego

doba i której gałęzi transportu to powierza.

118 K. Lewandowski

Przewoźnik oddaje sprawozdanie w postaci:

ilości przewiezionego dobra,

nakładów na infrastrukturę i tabor,

opłaty za przewóz,

wielkość pracy przewozowej dla ładunków oraz dla osób,

obrotu środków pieniężnych,

liczby zatrudnionych osób.

Przewoźnik nie zeznaje, kto mu zleca przewóz i w jakim regionie ładunek został nadany

i dobrany.

W zeznaniach UTK podaje się tylko, czy są przewozy wewnątrzkrajowe, za granice,

tranzyt czy przez porty. Nie podaje się natomiast kierunku przewozu z regionu a do re-

gionu B lub J.

Dlatego zasadne jest aby zlecić to Urzędowi Skarbowemu, bo on posiada dane z każ-

dego regionu z osobna i może je ze sobą zestawić. W zeznaniach podatkowych przewoźnik

informuje od przychodach oraz o źródłach przychodów, czyli podmiotów gospodarczych,

z którymi miał podpisane umowy o przewóz. Zazwyczaj są to przewozy towarowe. Przewoź-

nicy osób informują o liczbie biletów okresowych – imiennych, grupowych i jednorazowych.

Rys. 2. Schemat przepływu informacji poprzez Urząd Skarbowy


Gdyby obciążyć Urząd Skarbowy obowiązkiem zbierania danych statystycznych wg na-

stępującego schematu (rys. 2): klient – podatnik składa zeznanie podatkowe, a Urząd Skar-

bowy udostępnia je Urzędowi Transportu Kolejowego, Urzędowi Statystycznemu i Samo-

rządowi lokalnemu, należałoby zmienić jego obowiązki ustawowe poprzez dodanie art. 6. do


ustawy [13] w postaci podpunktu: 5) zestawień statystycznych o produkcji, transporcie oraz

usługach we współdziałaniu z uprawnionymi podmiotami statystycznymi na podstawie

ustawy z dnia 29 czerwca 1995 r. o statystyce publicznej (Dz.U.2012.591) dla właściwego

miejscowo regionu administracyjnego [14].

Tylko Urząd Skarbowy posiada informacje, które można wykorzystać do opracowania

nowych wskaźników wykorzystania transportu szynowego.

Proponowany jest nowy wskaźnik wykorzystania transportu szynowego w regionie

przez wykorzystywanie go zarejestrowane podmioty gospodarcze w regionie:

wykorzystanie transportu szynowego przez podmioty gospodarcze w regionie

=∑ liczba podmiotów gospodarczych n1 korzystających z transportu szynowego w regionie

∑ liczba zarejestrowanych podmiatów gospodarczych w regionien1

(7)

Dane o liczbie podmiotów gospodarczych korzystających z transportu szynowego w re-

gionie można uzyskać poprzez zliczenie ich z faktur wystawionych przewoźnikowi kolejo-

wemu.

Dane o liczbie podmiotów gospodarczych zarejestrowanych w regionie pochodzą

z bazy danych urzędu skarbowego, który je co miesiąc aktualizuje.

Drugi wskaźnik, jaki można wyprowadzić to wskaźnik wykorzystania transportu szy-

nowego w regionie do przewozów rzeczy lub (i) osób:

wykorzystanie transportu szynowego w regionie do przewozów towarowych

=∑ suma przewiezionych ładunków w granicach regionu przez n1 transport szynowy

∑ suma przewiezionych ładunków wszystkimi rodzajami transportu w regionie n1

(8)

Dane o sumie przewiezionych ładunków w regionie przez transport szynowy można

oprzeć na fakturach jakie są podstawą rozliczenia przewoźników oraz ich klientów – nadaw-

ców ładunków.

Uwzględnia się tu także tranzyt przez region.

Dane o sumie przewiezionych ładunków w regionie można oprzeć na fakturach, jakie

są podstawą rozliczenia wszystkich przewoźników oraz innych petentów, którzy rozliczają

się, wskazując jako koszty własne wykorzystanie poszczególnych przewoźników w regionie:

wykorzystanie transportu szynowego w regionie do przewozów osób

=∑ suma przewiezionych pasażerów w granicach regionu przez n1 transport szynowy

∑ liczba przewiezionych pasażerów wszystkimi rodzajami transportu w regionie n1

(9)

wykorzystanie transportu szynowego w przewozach ponadregionalnych do przewozów osób

=∑ suma przewiezionych pasażerów w przewozach ponadregionalnych przez n1 transport szynowy

∑ liczba przewiezionych pasażerów wszystkimi rodzajami transportu w przewozach ponadregionalnychn1

(10)

Dane o sumie przewiezionych pasażerów w regionie przez transport szynowy można

oprzeć na fakturach, jakie są podstawą rozliczenia przewoźników oraz zeznań podatkowych

petentów, którzy jako koszt podają zakup biletu na przewozu kolejowe.

Dane o sumie przewiezionych pasażerów w regionie można oprzeć na fakturach, jakie

są podstawą rozliczenia wszystkich licencjonowanych przewoźników w regionie.

120 K. Lewandowski

Inne wskaźniki, jakie można opracować:

wskaźnik nadania ładunków w przewozach transportem szynowym w regionie

=∑ suma nadanych ładunków w granicach regionu przez n1 transport szynowy

∑ suma nadanych ładunków wszystkimi rodzajami transportu w regionie n1

(11)

wskaźnik nadania ładunków w przewozach ponadregiolanych transportem szynowym

=∑ suma nadanych ładunków w przewozach ponadregiolanych transportem szynowym n1

∑ suma nadanych ładunków wszystkimi rodzajami transportu na terenie kraju n1

(12)

4. NOWE MOŻLIWOŚCI OCENY DYNAMIKI GOSPODARCZEJ

REGIONÓW

Wskazanie urzędu skarbowego jako elementu rozliczeń statystycznych pozwoli na

uszczegółowienie zakresu obciążeń każdej gałęzi transportu oraz dynamiki wewnątrz regio-

nów.

Pozwoli to na przedstawienie np. Dolnego Śląska jako regionu, w którym:

35% pasażerów licencjonowanych przewoźników osób transportu publicznego korzysta z kolei,

65% nadanych ładunków przez licencjonowanych przewoźników rzeczy w całym regionie

Dolnego Śląska jest przewożone koleją,

55% tranzytu jaki odbywa się przez region Dolnego Śląska jest realizowane przez kolej,

35% przewozów ładunków na terenie regionu Dolnego Śląska jest wożona koleją,

25% ładunków nadanych kolei na Dolnym Śląsku jedzie do portów morskich,

45% ładunków nadanych kolei na Dolnym Śląsku jedzie na eksport.

40% wszystkich ładunków jest przywiezionych na Dolny Śląsk koleją.

22% pasażerów na kolei, u wszystkich licencjonowanych przewoźników osób, korzysta

z delegacji służbowej,

80% pasażerów na kolei wsiadających na Dolnym Śląsku i jadących do Warszawy,

u wszystkich licencjonowanych przewoźników osób, korzysta z delegacji służbowej.

W przypadku województwa mazowieckiego, nowe wskaźniki mogą być pomocne do

oceny powiązania z innymi regionami Polski:

37% wszystkich pasażerów licencjonowanych przewoźników osób do Warszawy

korzysta z kolei,

55% wszystkich pasażerów licencjonowanych przewoźników osób do Warszawy

korzysta z transportu drogowego,

8% wszystkich pasażerów licencjonowanych przewoźników osób do Warszawy ko-

rzysta z transportu lotniczego.

Wśród wszystkich osób przewiezionych przez licencjonowanych przewoźników osób

na kolei do Warszawy:

23 % jest z województwa mazowieckiego,

25% jest z województwa łódzkiego,


20% jest z województwa wielkopolskiego,

15% jest z województwa śląskiego,

10% jest z Dolnego Śląska,

a 80% podróżnych z Dolnego Śląska jedzie do Warszawy korzystając z delegacji służbowej,

z tego 55% to delegacje służbowe od podmiotów publicznych, a reszta to prywatne podmioty

gospodarcze.

Przedstawione wyżej dane pozwalają inaczej ocenić znaczenie wykorzystania kolei dla

każdego regionu z osobna oraz ich wzajemnych relacji gospodarczych.

5. PODSUMOWANIE

Proponowane nowe wskaźniki wykorzystania transportu szynowego pozwolą lepiej

zmierzyć dynamikę gospodarczą każdego regionu, jaki i w każdej gałęzi transportu. Każde

województwo chciałoby zapewne podawać, że ten region jest dobrze skomunikowany z oto-

czeniem i wykorzystanie transportu szynowego pozwala na zmniejszenie obciążenia środo-

wiska. To wpisuje się w strategię zrównoważonego transportu. Takie zestawienie pozwala-

łoby także lepiej przygotowywać analizy rozwoju gospodarczego regionów i plany rozwoju

na przyszłość.

LITERATURA

[1] Geistbeck, Michael: Der Weltverkehr.,1895 r.

[2] Główny Urząd Statystyczny, http://stat.gov.pl/

[3] Urząd Transportu Kolejowego, http://utk.gov.pl/

[4] Ustawa z dnia 21 czerwca 1996 r. o urzędach i izbach skarbowych (tekst jedn. Dz.U. z 2004 r.

nr 121, poz. 1267 ze zm.).

[5] Rozporządzenie Ministra Finansów z dnia 19 listopada 2003 r. W sprawie terytorialnego zasięgu

działania oraz siedzib urzędów skarbowych i izb skarbowych (tekst jedn. Dz.U. z 2013 r., poz.

1441).

[6] Ustawa z dnia 29 sierpnia 1997 r. – Ordynacja podatkowa (tekst jedn. Dz.U. z 2012 r. poz. 749

ze zm.).

[7] Ustawa z 14 czerwca 1960 r. – Kodeks postępowania administracyjnego (tekst jedn. Dz.U.

z 2013 r., poz. 267).

[8] Ustawa z 17 czerwca 1966 r. o postępowaniu egzekucyjnym w administracji (tekst jedn. Dz.U.

Z 2014 r., poz. 1619).

[9] Ustawa z 10 września 1999 r. – Kodeks karny skarbowy (tekst jedn. Dz.U. z 2013 r., poz. 186

ze zm.).

[10] Ustawa z 13 października 1995 r. o zasadach ewidencji i identyfikacji podatników i płatników

(tekst jedn. Dz.U. z 2012 r., poz. 1314).

[11] Ustawa z dnia 28 września 1991 r. o kontroli skarbowej (tekst jedn. Dz.U. z2011 r., Nr 41,

poz. 214 ze zm.).

[12] Ustawa z dnia 27 sierpnia 2009 r. o finansach publicznych (Dz.U. z 2013 r., poz. 885 ze zm.).

[13] Ustawa z dnia 21 czerwca 1996 r. o urzędach i izbach skarbowych (tekst jedn. Dz.U. z 2015 r.

poz. 578.

[14] Ustawa z dnia 29 czerwca 1995 r. o statystyce publicznej (Dz.U.2012.591).

http://stat.gov.pl/

122 K. Lewandowski

[15] Rozporządzenie Ministra Transportu i Gospodarki Morskiej z dnia 10 września 1998 r. w sprawie

warunków technicznych, jakim powinny odpowiadać budowle kolejowe i ich usytuowanie.

(Dz.U. z dnia 15 grudnia 1998 r.). Dz.U.98.151.987.

[16] Ustawa z dnia 11 marca 2004 r. o podatku od towarów i usług (Dz.U. z 2011 r. Nr 177, poz. 1054,

z późn. Zm.

[17] Postanowienie w sprawie interpretacji prawa podatkowego z dnia 2006.04.11 wydane przez

Naczelnika Urzędu Skarbowe Poznań-Jeżyce, sygn. TP/443-7/06.

[18] Ustawa z dnia 28 marca 2003 r. o transporcie kolejowym (Dz.U. z 2013 r. poz. 1594, z późn.

zm.).

NEW INDICATORS OF EXPLOITATION OF THE RAILWAY TRANSPORT

Abstract

This article suggests creating new coefficients of exploitation of railway transport based on the

parametric data taken from real economic activity. It shows the possibility of using present

regulation about the self-government and taxes to create new coefficients for the operation of

railway transport.

Keywords: railway, new coefficients, exploitation

123

Mirosław LIANA*, Tomasz PISULA*

PROBLEM OPTYMALIZACJI DOSTAW

Z UWZGLĘDNIENIEM WIELU OKRESÓW

I RÓŻNORODNYCH ŚRODKÓW TRANSPORTU

Streszczenie

Tematyka pracy dotyczy pewnego wariantu problemu optymalnej marszrutyzacji środków

transportu. Problemy marszrutyzacji, tzw. Vehicle Routing Problems (VRP), stanowią jedną

z najważniejszych klas zagadnień decyzyjnych w logistyce. Problematyka ta jest bardzo zróż-

nicowana ze względu na występowanie szeregu ograniczeń, takich na przykład jak ładowność

środków transportu czy czas realizacji kursu. Wśród metod stosowanych do rozwiązywania

problemów marszrutyzacji wyróżnić można matematyczne modele optymalizacyjne. Rozpa-

trywany w pracy wariant dotyczy dostaw od jednego dostawcy do wielu klientów z wykorzy-

staniem heterogenicznego taboru oraz z uwzględnieniem wielu okresów planowania. Przed-

stawiony model matematyczny wskazuje optymalne trasy dostaw z danego zbioru potencjal-

nych tras. Optymalne rozwiązanie w analizowanym przykładzie uzyskano z wykorzystaniem

programu IBM CPLEX Optimizer – wersja 12.1.0.

Słowa kluczowe: problem marszrutyzacji środków transportu, wielookresowe planowanie

dostaw, łączone dostawy, niejednorodna flota transportowa, optymalizacja

1. WPROWADZENIE

W działalności logistycznej bardzo duży nacisk kładzie się na działania związane z pla-

nowaniem sprawnego i efektywnego przepływu dóbr w łańcuchu dostaw. Aspekt planowa-

nia jest także wyraźnie akcentowany w różnych definicjach logistyki. W planowaniu logi-

stycznym (zob. [15, s. 16]) wyróżnia się planowanie strategiczne, taktyczne, operacyjne, czy

też bieżące. W ramach planowania operacyjnego szczególnie ważne jest planowanie tras

transportowych, wielkości ładunków i wykorzystania środków transportu. Celem planowa-

nia przewozów jest możliwie najwyższy poziom wykorzystania potencjału floty transporto-

wej, jak najkrótsze trasy dostaw oraz czas przewozu ładunku, pozwalając tym samym na

obniżenie kosztu jednostkowego transportu (zob. [15, s. 153–154]).

* Politechnika Rzeszowska, Wydział Zarządzania

124 M. Liana, T. Pisula

W planowaniu i optymalizacji łańcucha dostaw rozpatruje się różnorodne problemy de-

cyzyjne, które w ogólności można podzielić na następujące grupy zagadnień:

problemy wyznaczenia optymalnej marszruty środków transportu dla tras dostaw

(Vehicle Routing Problems),

problemy wyznaczania optymalnego planu dla czasów realizacji dostaw (Vehicle

Scheduling Problems),

problemy optymalnej lokalizacji magazynów, punktów produkcyjnych lub punktów

dystrybucji, wraz z projektowaniem efektywnej sieci dystrybucyjnej (Facility Loca-

tion, Transportation Network Design Problems),

problemy ustalania optymalnej (minimalnej) wielkości floty pojazdów (środków

transportu), niezbędnej dla realizacji dostaw (Vehicle Fleet Sizing Problems).

Przedsiębiorstwa logistyczne funkcjonują obecnie w środowisku, w którym wymagania

konkurencyjne oraz coraz bardziej złożone systemy logistyczne wymagają stosowania no-

woczesnych narzędzi informatycznych oraz metod ilościowych, wspomagających podejmo-

wanie optymalnych decyzji logistycznych. Ciągłe zwiększanie mocy obliczeniowych oraz

możliwości wykorzystania współczesnych komputerów pozwala obecnie na powszechne już

stosowanie matematycznych modeli optymalizacyjnych, wykorzystywanych między innymi

do planowania procesów transportowych.

W publikacji przedstawiono matematyczny model problemu marszrutyzacji floty trans-

portowej dla zagadnienia dostaw towarów do odbiorców. Jest to specyficzny wariant prob-

lemu MPCVRP (Multi Period Capacitated Vehicle Routing Problem). W modelu uwzględ-

niono zarówno ograniczenia dotyczące ładowności niejednorodnych środków transportu

(tzw. heterogeniczna flota transportowa), jak i możliwość łączonych dostaw do odbiorców

oraz realizację dostaw w kilku okresach, co wiąże się z koniecznością magazynowania u od-

biorców poprzednio dostarczonych nadwyżek. Prezentowane wyniki są uogólnieniem mo-

delu przedstawionego w pracy [11] i rozszerzeniem go o możliwość stosowania środków

transportu o różnej ładowności.

Optymalne rozwiązanie dla prezentowanego problemu uzyskano wykorzystując pakiet

procedur optymalizacyjnych IBM CPLEX Optimizer – wersja 12.1.0.

2. ALGORYTMY STOSOWANE W ZAGADNIENIACH

OPTYMALIZACJI TRAS DOSTAW

Problemy wyznaczania optymalnej marszrutyzacji środków transportu dla tras dostaw

jest jednym z podstawowych zagadnień optymalizacyjnych w zarządzaniu łańcuchem

dostaw.

W literaturze można znaleźć nie tylko szczegółową analizę, ale także wyczerpującą

systematykę prac naukowych i monografii dotyczących różnych wariantów problemów

marszrutyzacji środków transportu z uwzględnieniem specyfiki floty transportowej, różnych

okresów dostaw oraz wielu centrów dystrybucji (zob. np. [3, 12]).

Problemy marszrutyzacji środków transportu z uwzględnieniem wielu okresów oraz

przy ograniczonej ładowności floty transportowej (Multi Period Vehicle Routing Problems –

Problem optymalizacji dostaw z uwzględnieniem wielu okresów… 125

MPVRP) są ściśle związane z zagadnieniami PVRP (Periodic Vehicle Routing Problem).

Wyczerpującą analizę tych problemów, w różnych ich wariantach oraz ewolucję metod

poszukiwania rozwiązań optymalnych można znaleźć w pracach [2, 4, 8].

Ogólnie metody rozwiązywania zagadnień optymalizacyjnych VRP można podzielić na

(zob. np. [12]):

metody dokładne,

klasyczne metody heurystyczne,

metody oparte na meta-heurystykach,

metody hybrydowe.

Do grupy metod dokładnych należy zaliczyć różne warianty liniowej optymalizacji

dyskretnej oraz mieszanej z wykorzystaniem: algorytmów metody podziału i ograniczeń

(branch-and-bound), algorytmu metody płaszczyzn tnących (branch-and-cut), metody

wykorzystujące tzw. algorytm column generation (procedurę upraszczającą zestaw

potencjalnych zmiennych decyzyjnych o nieistotne zmienne zerowe) oraz różne mieszane

warianty tych podejść, np. algorytm branch-and-price (będący hybrydą algorytmu podziału

i ograniczeń z zastosowaniem procedury algorytmu generowania kolumn).

Do grupy metod opartych na klasycznych heurystykach należy zaliczyć różnego rodzaju

podejścia polegające między innymi na wyodrębnianiu klastrów odbiorców, do których będą

realizowane w każdym okresie dostawy, a następnie w obrębie danego klastra poszukuje się

marszruty optymalnej. Stosuje się także heurystyki będące modyfikacjami tzw. klasycznego

algorytmu zysków (savings algorithm), zaproponowanego przez Clarke-Wright’a,

należącego do grupy tzw. algorytmów wstawiania (insertion alghoritms).

W metodach opartych na meta-heurystykach wyznacza się początkowe rozwiązanie,

a następnie w kolejnych krokach iteracyjnych poprawia się to rozwiązanie przybliżając go

do rozwiązania optymalnego. Stosowane są takie algorytmy jak: algorytm tzw. poszukiwania

tabu (tabu search algorithm), algorytm genetyczny (genethic algorithm), algorytm

mrówkowy (ant-colony algorithm), algorytm najbliższego sąsiedztwa (nearest neighbour

algorithm) itp. Metody hybrydowe są natomiast połączeniem kilku przedstawionych

wcześniej podejść.

Problemy optymalizacji tras w łańcuchu dostaw są także szeroko rozpatrywane

i analizowane przez polskich badaczy (analityków i praktyków) skupionych w wielu

ośrodkach akademickich, m.in.: gdańskim, krakowskim, poznańskim, warszawskim

i wrocławskim. Analizę tego typu problemów można znależć np. W pracach [1, 5–7, 13, 16].

W pracy [1] zaproponowano algorytm klasteryzacji do problemu trasowania pojazdów.

Zastosowany algorytm znacznie zmniejsza złożoność obliczeniową poszukiwania

optymalnych tras zaopatrzeń. W pracy [6] rozważano możliwość zastosowania sieci Petriego

do analizy problemu optymalnego wyznaczania tras pojazdów, zaś w pracy [7] wykorzystano

w tym celu odpowiedni algorytm metaheurystyczny – algorytm roju cząstek, który znacznie

podnosi wydajność analizowanego problemu optymalizacyjnego. W pracy [5] analizowano

problem wyznaczania marszrutyzacji tras pojazdów w przedsiębiorstwach komunalnych

zajmujących się gromadzeniem i zbieraniem odpadów. Zastosowano algorytm genetyczny

i przeanalizowano jego efektywność oraz możliwości praktycznego zastosowania. W pracy

biuro

Podświetlony


[13] przedstawiono zastosowanie algorytmu symulowanego wyżarzania w problemie

marszrutyzacji z uwzględnieniem okien czasowych. Natomiast praca [16] porusza problemy

marszrutyzacji w aspekcie optymalizacji wielokryterialnej. Zaproponowano algorytm

wyznaczania optymalnych rozwiązań, w którym przyjęto dwa kryteria: minimalizacji liczby

zastosowanych pojazdów oraz minimalizacji łącznych kosztów realizacji zleceń.

3. OPIS PROBLEMU DECYZYJNEGO

Przedstawiony w pracy problem decyzyjny mieści się w grupie zagadnień dotyczących

łącznego planowaniem dostaw w wielu okresach przy ograniczonych ładownościach pojaz-

dów (MPCVRP).

Rozważa się jednostopniowy system dystrybucji, w którym jeden dostawca dóbr, któ-

rym może być na przykład magazyn centralny przedsiębiorstwa, obsługuje wielu odbiorców

dóbr, na przykład pawilony handlowe. W ustalonych terminach (cyklicznie) dostawca reali-

zuje dostawy do odbiorców, którymi musi pokryć zgłaszane przez nich zapotrzebowania na

dobra. Zapotrzebowania te są znane z wyprzedzeniem kilku okresów (cykli dostaw).

Znajomość siatki połączeń drogowych między dostawcą i odbiorcami pozwala wyzna-

czyć odległości i czasy przejazdu pomiędzy poszczególnymi punktami. Można zatem wy-

znaczyć zbiór potencjalnych tras dostaw, które będą się charakteryzowały ograniczoną dłu-

gością lub czasem przejazdu. Punktem początkowym i końcowym każdej trasy jest dostawca,

natomiast punktami pośrednimi są wybrani odbiorcy. Każdy odbiorca może otrzymać zamó-

wioną ilość dóbr w częściach dostarczonych różnymi trasami.

Transport dóbr może się odbywać z wykorzystaniem wielu typów środków transportu.

Przyjęto, że do innych typów środków transportu zalicza się pojazdy, które charakteryzują

się różną ładownością lub kosztami eksploatacji. Liczba pojazdów danego typu może być

ograniczona, ale całkowita ładowność dostępnej floty pozwala dostarczyć odbiorcom wyma-

gane przez nich ilości dóbr. Zakłada się, że w jednym cyklu dostaw po każdej trasie realizo-

wany jest co najwyżej jeden kurs tym samym typem środka transportu.

Przyjmuje się, że transportowane dobra są jednorodne. Oznacza to, że mogą być łącznie

przewożone i są sformowane w postaci podobnych jednostek ładunkowych np. palet typu

EUR1. Wiadomo, że ładowność środka transportu określają takie parametry, jak dopusz-

czalna masa ładunku, objętość i powierzchnia skrzyni ładunkowej. Założenie jednorodności

przewożonych dóbr sprawia, że jeden z tych parametrów będzie stanowił dominujące ogra-

niczenie i będzie jednoznacznie określał ładowność pojazdów.

Przebycie danej trasy wybranym pojazdem pociąga za sobą pewien koszt, określany

dalej kosztem transportu. Inne długości potencjalnych tras dostaw i różne typy środków

transportu powodują, że koszty transportu mogą się zmieniać.

Oprócz kosztów transportu brane są pod uwagę również koszty załadunku i rozładunku

dóbr, ale tylko część stała tych kosztów. Koszty zależne od wielkości przeładunku określono

jako zmienne. Zostały one pominięte, gdyż nie zależą od tras dostaw, a jedynie od zapotrze-

bowań odbiorców. Natomiast koszty związaną z samym faktem wystąpienia przeładunku bez

względu na jego skalę nazwano stałymi. Łączna wielkość tych kosztów stałych zależy od


liczby przeładunków, na którą ma wpływ wybór pojazdów i tras dostaw. Przyjmuje się po-

nadto, że koszty stałe rozładunku mogą się zmieniać w czasie i różnić u każdego odbiorcy.

W łącznym planowaniu dostaw w horyzoncie wielu okresów istotne jest założenie, że

możliwe jest dostarczanie większej ilości towaru w cyklu, niż zgłoszone zapotrzebowanie

odbiorców. Zakłada się, że nadwyżka dostarczonego towaru ponad bieżące zapotrzebowanie

zostanie zmagazynowana u odbiorców w celu pokrycia ich przyszłego zapotrzebowania

(w kolejnym okresie). Magazynowanie tej nadwyżki generuje dodatkowe koszty, o których

założono, że będą proporcjonalne do jej wielkości oraz mogą być różne u poszczególnych

odbiorców i w różnych okresach.

Problemem decyzyjnym jest taki wybór pojazdów i tras (ze zbioru potencjalnych tras),

żeby łączne koszty transportu, załadunku, rozładunku oraz magazynowania nadwyżek były

minimalne, a jednocześnie popyt odbiorców w każdym okresie został zaspokojony.

Przedstawione zagadnienie decyzyjne jest połączeniem problemów opisanych we wcze-

śniejszych pracach autorów. W pracach [9, 10] poruszano problem wyboru optymalnych tras

dla dostaw planowanych tylko w jednym okresie z wykorzystaniem jednorodnych lub nie-

jednorodnych środków transportu. Z kolei w pracy [11] problem dotyczył planowania do-

staw w horyzoncie wielu okresów, ale z wykorzystaniem tylko jednego typu pojazdów.

4. MATEMATYCZNY MODEL PROBLEMU DECYZYJNEGO

Wprowadzono następujące oznaczenia:

I – liczba tras;

i – numer trasy, i = 1, 2, .., I;

J – liczba odbiorców;

j – numer odbiorcy, j = 1, 2, .., J;

K – liczba typów pojazdów;

k – numer typu pojazdu, k = 1, 2,.., K;

T – liczba okresów planowania;

t – numer okresu planowania, t = 1, 2, ..,T.

Parametrami w modelu matematycznym są:

𝑑𝑗𝑡 – zapotrzebowanie j-tego odbiorcy w t-tym okresie (𝑑𝑗𝑡 ≥ 0);

nkt – liczba dostępnych pojazdów typu k w t-tym okresie (nkt = 1, 2, …);

Vk – ładowność środka transportu typu k (Vk > 0);

𝑐𝑖𝑘𝑡𝑃 – koszt przejazdu po i-tej trasie pojazdu typu k w t-tym okresie (𝑐𝑖𝑘𝑡

𝑃 > 0);

𝑐𝑘𝑡𝐿 – stały koszt załadunku u dostawcy pojazdu typu k w t-tym okresie (𝑐𝑘𝑡

𝐿 > 0);

𝑐𝑗𝑘𝑡𝑈 – stały koszt rozładunku u odbiorcy Oj pojazdu typu k w t-tym okresie (𝑐𝑗𝑘𝑡

𝑈 > 0);

𝑐𝑗𝑡𝑆

– koszt magazynowania jednostki towaru u odbiorcy Oj w t-tym okresie (𝑐𝑗𝑡𝑆 > 0);

𝑎𝑖𝑗 = {1, gdy odbiorca 𝑂𝑗 położony jest przy 𝑖 − tej trasie,

0, w przypadku przeciwnym.


Zmiennymi decyzyjnymi w modelu są:

xijkt – wielkość ładunku przewożonego po i-tej trasie do odbiorcy Oj pojazdem typu k

w t-tym okresie;

𝑦𝑖𝑘𝑡 = {1, gdy realizowany jest kurs po i-tej trasie pojazdem typu 𝑘 w 𝑡 − tym okresie,0, w przypadku przeciwnym,

𝑧𝑖𝑗𝑘𝑡 = {1,

gdy w trakcie kursu w t-tym okresie pojazdem typu k po i-tej trasie

realizowany jest rozładunek u odbiorcy Oj,

0, w przypadku przeciwnym.

Korzystając z przyjętych oznaczeń można zapisać model matematyczny rozpatrywa-

nego problemu decyzyjnego następująco:

(min) 𝐹𝐶 (𝑥𝑖𝑗𝑘𝑡 , 𝑦𝑖𝑘𝑡 , 𝑧𝑖𝑗𝑘𝑡) = 𝐶𝐿 + 𝐶𝑃 + 𝐶𝑈 + 𝐶𝑆; (1)

gdzie:

𝐶𝐿 = ∑ ∑ ∑ 𝑐𝑘𝑡𝐿 ∗ 𝑦𝑖𝑘𝑡

𝐼𝑖=1

𝐾𝑘=1

𝑇𝑡=1 ;

𝐶𝑃 = ∑ ∑ ∑ 𝑐𝑖𝑘𝑡𝑃 ∗ 𝑦𝑖𝑘𝑡

𝐼𝑖=1

𝐾𝑘=1

𝑇𝑡=1 ;

𝐶𝑈 = ∑ ∑ ∑ ∑ 𝑐𝑗𝑘𝑡𝑈 ∗ 𝑧𝑖𝑗𝑘𝑡

𝐽𝑗=1

𝐼𝑖=1

𝐾𝑘=1

𝑇𝑡=1 ;

𝐶𝑆 = ∑ ∑ 𝑐𝑗𝜏𝑆 ∗ (∑ ∑ ∑ 𝑥𝑖𝑗𝑘𝑡

𝐼𝑖=1

𝐾𝑘=1 − ∑ 𝑑𝑗𝑡

𝜏𝑡=1

𝜏𝑡=1 )𝐽

𝑗=1𝑇𝜏=1 ;

przy warunkach ograniczających:

∑∑∑𝑥𝑖𝑗𝑘𝑡

𝐼

𝑖=1

𝐾

𝑘=1

=∑𝑑𝑗𝑡

𝑇

𝑡=1

𝑇

𝑡=1

𝑑𝑙𝑎 𝑗 = 1, 2, … , 𝐽 (2)

∑∑∑𝑥𝑖𝑗𝑘𝑡

𝐼

𝑖=1

𝐾

𝑘=1

≥∑𝑑𝑗𝑡

𝜏

𝑡=1

𝜏

𝑡=1

𝑑𝑙𝑎 𝑗 = 1, 2, … , 𝐽; 𝜏 = 1, 2, … , 𝑇 − 1 (3)

∑𝑦𝑖𝑘𝑡

𝐼

𝑖=1

≤ 𝑛𝑘𝑡 𝑑𝑙𝑎 𝑘 = 1, 2, … , 𝐾; 𝑡 = 1, 2,… , 𝑇 (4)

∑𝑥𝑖𝑗𝑘𝑡

𝐽

𝑗=1

≤ 𝑉𝑘 ∗ 𝑦𝑖𝑘𝑡 𝑑𝑙𝑎 𝑖 = 1, 2, … , 𝐼; 𝑘 = 1, 2, … , 𝐾; 𝑡 = 1, 2, … , 𝑇 (5)

𝑥𝑖𝑗𝑘𝑡 ≤ 𝑉𝑘 ∗ 𝑧𝑖𝑗𝑘𝑡 𝑑𝑙𝑎 𝑖 = 1, 2, … , 𝐼; 𝑗 = 1, 2, … , 𝐽; 𝑘 = 1, 2, … , 𝐾; 𝑡 = 1, 2, … , 𝑇 (6)

𝑧𝑖𝑗𝑘𝑡 ≤ 𝑎𝑖𝑗 𝑑𝑙𝑎 𝑖 = 1, 2, … , 𝐼; 𝑗 = 1, 2, … , 𝐽; 𝑘 = 1, 2, … , 𝐾; 𝑡 = 1, 2, … , 𝑇 (7)

𝑥𝑖𝑗𝑘𝑡 ≥ 0 𝑑𝑙𝑎 𝑖 = 1, 2, … , 𝐼; 𝑗 = 1, 2, … , 𝐽; 𝑘 = 1, 2, … , 𝐾; 𝑡 = 1, 2, … , 𝑇 (8)

𝑦𝑖𝑘𝑡 − 𝑏𝑖𝑛𝑎𝑟𝑛𝑒 𝑑𝑙𝑎 𝑖 = 1, 2, … , 𝐼; 𝑘 = 1, 2, … , 𝐾; 𝑡 = 1, 2, … , 𝑇 (9)

𝑧𝑖𝑗𝑘𝑡 − 𝑏𝑖𝑛𝑎𝑟𝑛𝑒 𝑑𝑙𝑎 𝑖 = 1, 2, … , 𝐼; 𝑗 = 1, 2, … , 𝐽; 𝑘 = 1, 2, … , 𝐾; 𝑡 = 1, 2, … , 𝑇 (10)


Funkcja celu (1) jest sumą kosztów transportu CP, kosztów stałych załadunku u dostawcy

CL, kosztów stałych rozładunków u odbiorców CU oraz kosztów CS magazynowania nadwyżki

towaru u odbiorców. Warunki (2–3) można nazwać warunkami bilansowymi odbiorców. Wa-

runki (2) oznaczają, że w przedziale czasu obejmującym wszystkie okresy planowania wiel-

kość ładunków przewiezionych do każdego odbiorcy będzie równa zadeklarowanemu przez

niego zapotrzebowaniu. W postaci warunków (3) zapisano natomiast, że dostawy w każdym

okresie pokryją zgłoszony przez każdego odbiorcę popyt. Uwzględnienie przy planowaniu

przewozów ograniczonej liczby pojazdów różnych typów zapewniają warunki (4).

Warunki (5) pozwalają jednocześnie spełnić dwa postulaty. Po pierwsze, wiążą wza-

jemnie zmienne xijkt i yikt, co sprawia, że przewóz ładunku będzie możliwy tylko w wyniku

realizacji kursu, a po drugie, wielkość przewożonego ładunku nie będzie mogła przekroczyć

ładowności wykorzystanego pojazdu. Z kolei warunki (6) na skutek wzajemnego powiązania

zmiennych xijkt i zijkt zapewniają, że dostarczenie ładunku do odbiorcy wymaga jednocześnie

jego transportu i rozładunku. Możliwość rozładunku tylko u tych odbiorców, którzy są zlo-

kalizowani na danej trasie zapisano w postaci warunków (7).

5. PRZYKŁADOWY PROBLEM MARSZRUTYZACJI

ŚRODKÓW TRANSPORTU

5.1. SIEĆ DYSTRYBUCJI I PARAMETRY MODELU

Niech w sieci dystrybucji pięciu odbiorców oznaczonych O1, O2, O3, O4, O5 jest zaopa-

trywanych przez dostawcę D. Na rysunku 1 przedstawiono sieć wzajemnych połączeń, przy

czym odcinki oznaczają drogi, którymi będzie można rozwozić towar.

Rys. 1. Przykładowa sieć dystrybucji


Założono, że ograniczony czas realizacji kursu pozwala dotrzeć tyko do dwóch „sąsiadu-

jących” odbiorców. W takiej sytuacji istnieje tylko 10 potencjalnych tras dostaw, które przed-

stawiono w tabeli 1. Na rysunku 1 zaznaczono linią kropkowaną przykładową trasę

D-O1-O2-D, która w dalszej części będzie oznaczona numerem 2. W postaci macierzy połączeń

[aij] zapisano informację, do których odbiorców Oj można dostarczyć towar i-tą trasą.


Dostawy można realizować środkami transportu dwóch typów, większymi o ładowno-

ści 24 tony (k = 1) oraz mniejszymi o ładowności 10 ton (k = 2). Do dyspozycji jest po sześć

pojazdów każdego typu. W tabeli 1 zapisano również koszty transportu, które zostaną ponie-

sione w wyniku realizacji kursu daną trasą. Koszty te są zróżnicowane ze względu na długo-

ści potencjalnych tras oraz typ użytego pojazdu.

Tab. 1. Potencjalne trasy oraz ich parametry dla przykładowej sieci dostaw

Koszty [j.p.] Trasa i

Macierz połączeń [aij]

𝐜𝐢𝟏𝐭𝐏 𝐜𝐢𝟐𝐭

𝐏 O1 O2 O3 O4 O5

900 600 D-O1-D 1 1 0 0 0 0

1000 650 D-O1-O2-D 2 1 1 0 0 0

810 555 D-O2-D 3 0 1 0 0 0

910 605 D-O2-O3-D 4 0 1 1 0 0

800 550 D-O3-D 5 0 0 1 0 0

930 615 D-O3-O4-D 6 0 0 1 1 0

830 565 D-O4-D 7 0 0 0 1 0

950 625 D-O4-O5-D 8 0 0 0 1 1

860 580 D-O5-D 9 0 0 0 0 1

990 645 D-O1-O5-D 10 1 0 0 0 1


W przykładzie przyjęto, że horyzont łącznego planowania dostaw wynosi 3 okresy

(T = 3). Zgłoszone przez odbiorców zapotrzebowanie (w tonach) w każdym okresie przed-

stawiono w tabeli 2. Założono, że stały koszt załadunku u dostawcy oraz rozładunku u każ-

dego odbiorcy będą jednakowe i równe 10 jednostek pieniężnych (j.p.), a jednostkowy koszt

magazynowania nadwyżek towaru u odbiorców przez jeden okres wyniesie 6 j.p. Obydwa

rodzaje kosztów będą niezmienne w czasie.

Tab. 2. Zapotrzebowanie djt odbiorców w kolejnych okresach dostaw

Okres

planowania t

Odbiorca

O1

Odbiorca

O2

Odbiorca

O3

Odbiorca

O4

Odbiorca

O5 Razem

1 14 15 17 19 16 81

2 20 19 22 22 18 101

3 16 18 20 21 16 91


5.2. OPTYMALNY PLAN DOSTAW

Do wyznaczenia optymalnego rozwiązania czyli wybrania najlepszych tras dostaw

w oparciu o podany model matematyczny wykorzystano Solver programu IBM CPLEX

Optimizer – wersja 12.1.0. W tabeli 3 podano wartości zmiennych decyzyjnych xijkt w roz-

wiązaniu optymalnym, które określają wielkość przewożonego ładunku. Zmienne xijkt mogły

przyjmować wartości dodatnie tylko w polach oznaczonych kolorem szarym. W ostatnim

wierszu w tabeli 3 zapisano ponadto magazynowane przez odbiorców nadwyżki towaru.


Wartości zmiennych xijkt wyraźnie wskazują, które zmienne binarne w modelu przyjęły

wartość 1. Przykładowo, dla trzeciego okresu dostaw (t = 3) są to:

wskazujące trasy: y4,1,3, y8,1,3 i y1,2,3, oraz

wskazujące rozładunki: z4,2,1,3, z4,3,1,3, z8,4,1,3, z8,5,1,3 i z1,1,2,3.

Tab. 3. Optymalne wartości zmiennych xijkt dla poszczególnych tras i kolejnych okresów dostaw

Typ pojazdu k Trasa Okres 1 Okres 2 Okres 3

O1 O2 O3 O4 O5 O1 O2 O3 O4 O5 O1 O2 O3 O4 O5

1

1 0 0 0 0 0 24 0 0 0 0 0 0 0 0 0

2 8 15 0 0 0 0 0 0 0 0 0 0 0 0 0

3 0 0 0 0 0 0 24 0 0 0 0 0 0 0 0

4 0 0 0 0 0 0 0 0 0 0 0 13 11 0 0

5 0 0 24 0 0 0 0 24 0 0 0 0 0 0 0

6 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

7 0 0 0 24 0 0 0 0 24 0 0 0 0 0 0

8 0 0 0 0 0 0 0 0 0 0 0 0 0 14 10

9 0 0 0 0 0 0 0 0 0 24 0 0 0 0 0

10 8 0 0 0 16 0 0 0 0 0 0 0 0 0 0

2

1 0 0 0 0 0 0 0 0 0 0 10 0 0 0 0

2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

5 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

6 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

7 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

9 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

10 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Nadwyżka 2 0 7 5 0 6 5 9 7 6 0 0 0 0 0


Rozwiezienie zamówionego towaru we wszystkich trzech okresach w sumie będzie wy-

magało 11 kursów pojazdami o ładowności 24 tony oraz 1 kursu pojazdem mniejszym. Wy-

stąpi zatem potrzeba 12 załadunków, ale rozładunków będzie już 16. W pierwszych dwóch

okresach dostarczono w sumie więcej dóbr, niż wynosiły bieżące zamówienia, co spowodo-

wało potrzebę zmagazynowania nadwyżki w wysokości 47 ton. Jednocześnie pozwoliło to

lepiej wykorzystać ładowność dostępnych pojazdów i ograniczyć liczbę ich kursów. Mini-

malny koszt realizacji dostaw wynosi łącznie 10 842 j.p. i składa się z:

kosztów stałych załadunku CL = 120 j.p.,

kosztów przewozu po wybranych trasach CP = 10 280 j.p.,

kosztów stałych rozładunku CU = 160 j.p.,

kosztów magazynowania nadwyżki CS = 282 j.p.

Można dostrzec, że dostawy do poszczególnych odbiorców docierają różnymi trasami.

Na przykład dla odbiorcy O2 była to trasa druga w pierwszym okresie, trzecia w drugim okre-

sie oraz czwarta w trzecim okresie.


Gdyby planowano dostawy oddzielnie dla każdego okresu, to optymalne rozwiązanie

obejmowało by 13 kursów, a suma kosztów wynosiła by 11 730 j.p. Koszty dostaw wzrosły

by więc o ponad 8%, co wyraźnie wskazuje na korzyści ze stosowania planowania

wielookresowego.

6. PODSUMOWANIE

W pracy opisano pewien problem logistyczny związany z wyborem tras oraz środków

transportu, którymi należy wykonać przewozy ładunków. Do uzyskania rozwiązania

optymalnego tego problemu stworzono model matematyczny opisany równaniami 1–10,

czyli metodę dokładną. W modelu występują zmienne ciągłe i zmienne binarne, natomiast

relacje łączące je z parametrami są liniowe, czyli model mieści się w klasie zadań

programowania mieszanego liniowego (PML) (zobacz np. [14, s. 201–208]).

Jak już wcześniej wspomniano, powszechnie stosowaną metodą rozwiązywania tego

typu zadań jest metoda podziału i ograniczeń oraz pomocniczo algorytm simpleks.

Zastosowanie tego podejścia nie było by możliwe bez użycia komputerów i odpowiedniego

oprogramowania. Ciągła zwiększanie mocy obliczeniowych komputerów pozwala coraz

częściej stosować optymalizacyjne metody matematyczne np. W logistyce. Być może

w niedługim czasie nie będą już stanowiły problemu zbyt duże liczby zmiennych czy

warunków w takich modelach.

Często stosowanym obecnie podejściem w celu zmniejszenia rozmiarów zadania jest

jego dekompozycja. W omawianym w pracy problemie dekompozycja jest możliwa poprzez

podział zbioru odbiorców na rozłączne podzbiory. Z każdym takim podzbiorem związany

będzie inny zbiór potencjalnych tras. Te mniejsze zadania można rozwiązywać

zaprezentowanym modelem np. sekwencyjnie, odpowiednio zmniejszając limity dostępnych

środków transportu. Można nie uzyskać w ten sposób rozwiązania optymalnego globalnie,

a jedynie zbiór rozwiązań optymalnych lokalnie (w ramach klastrów odbiorców).

Nie jest trudno także pominąć przyjęte w modelu założenie, że w danym okresie jest

możliwy tylko jeden kurs pojazdem określonego typu po każdej trasie. Wystarczy w tym celu

w modelu oznaczyć ten sam typ pojazdu różnymi indeksami k.

Zaprezentowany model pozwala łączyć dostawy do wielu odbiorców, dzielić

zamówienie odbiorcy na kilku dostaw (różne trasy) oraz uwzględniać w dostawach również

przyszłe potrzeby. Jak pokazano w przykładzie, takie podejście może obniżać koszty

realizacji dostaw i maksymalizować poziom wykorzystania potencjału floty transportowej.

LITERATURA

[1] Ambroziak T., Jachimowski R., Klasteryzacja punktów obsługi i wyznaczanie tras pojazdów

w dwuszczeblowym systemie dystrybucji, Logistyka, Numer 4/2012, s. 255–264.

[2] Campbell A. M., Wilson J. H., Forty Years of Periodic Vehicle Routing, Networks, Vol. 63 (1),

2014, s. 2–15.

[3] Dayarian I., Crainic T. G., Rei W., a branch-and-price approach for a multi-period vehicle

routing problem, Computers & Operations Research, Vol. 55/2015, s. 167–184.

biuro

Podświetlony


[4] Francis P. M., Smilowitz K. R., Tzur M., The Period Vehicle Routing Problem and its Extensions,

[w:] The vehicle routing problem. Latest advances and new challenges. Golden B., Raghavan S.,

Wasil E. (eds.), s. 73–102, Springer Science+Business Media, New York 2008.

[5] Izdebski M., Jacyna M., Metoda wyznaczania tras jazdy pojazdów w przedsiębiorstwach

komunalnych, Logistyka, Numer 6/2014, s. 4595–4605.

[6] Jachimowski R., Szczepański R., Sieci Petriego w analizie problemu wyznaczania tras pojazdów,

Logistyka, Numer 4/2014, s. 1885–1892.

[7] Jachimowski R., Algorytm metaheurystyczny dla problemu układania tras pojazdów, Logistyka,

nr 6/2014, s. 4616–4624.

[8] Kumar S. N., Panneerselvam R., a Survey on the Vehicle Routing Problem and Its Variants,

Intelligent Information Management, Vol. 4/2012, s. 66–74.

[9] Liana M., Pisula T., Zastosowanie programowania matematycznego do wyboru tras dostaw

w sieci dystrybucji, Metody Ilościowe w Badaniach Ekonomicznych, Tom XV/3, 2014,

s. 199–207.

[10] Liana M., Pisula T., Problem wyboru tras dostaw z uwzględnieniem różnych środków transportu,


[11] Liana M., Pisula T., Problem wyboru tras dostaw z uwzględnieniem wielu okresów planowania,


[12] Montoya-Torrez J. R., Franco J. L., Isaza S. N., Jiménez H. F., Herazo-Padilla N., a literature

review on the vehicle routing problem with multiple depots, Computers & Industrial Engineering,

Vol. 79/2015, s. 115–129.

[13] Ochelska-Mierzejewska J., Zastosowanie algorytmu symulowanego wyżarzania do rozwiązania

problemu dostaw z uwzględnieniem okien czasowych, Logistyka, Numer 6/2014, s. 8043–8052.

[14] Sikora W., Badania operacyjne, Polskie Wydawnictwo Ekonomiczne, Warszawa 2008.

[15] Śliwczyński B., Planowanie logistyczne, Instytut Logistyki i Magazynowania, Poznań 2007.

[16] Żelazny D., Optymalizacja wielokryterialna w problemie marszrutyzacji (VRP), [w:] Automatyzacja

procesów dyskretnych: teoria i zastosowania. T. 1, pod red. Andrzeja Świerniaka i Jolanty Krystek,

Wydawnictwo Pracowni Komputerowej Jacka Skalmierskiego, Gliwice 2012, s. 157–163.

OPTIMIZATION OF DELIVERIES

TAKING INTO ACCOUNT MANY TIME PERIODS

AND VARIOUS MEANS OF TRANSPORT

Abstract

The subject of the publication refers to a variant of the Vehicle Routing Problem. Vehicle Rout-

ing Problems (VRP) are one of the most important classes of decision problems in logistics.

These issues are differ greatly due to occurrence of a number of constraints, e.g. such as vehicle

capacity and duration of the course. Among the methods used to solving routing problems can

be distinguished mathematical optimization models. The variant considered in the article con-

cerns deliveries from one depot to many customers with the use of heterogeneous fleet and

including many planning periods. The presented mathematical model selects the optimal de-

livery routes from a given set of possible routes. The optimal solution in the analysed example

was obtained using the IBM CPLEX Optimizer – 12.1.0 version.

Keywords: vehicle routing problem, periodic vehicle routing, split delivery, heterogeneous

fleet of vehicles, optimization

134

Tomasz NOWAKOWSKI*, Agnieszka TUBIS*

Sylwia WERBIŃSKA-WOJCIECHOWSKA*

ANALIZA PROCESU EKSPLOATACJI

OBIEKTÓW TECHNICZNYCH

NA PRZYKŁADZIE WYBRANEGO OPERATORA

TRANSPORTU DROGOWEGO

Streszczenie

W pracy skupiono się na zagadnieniu analizy procesu eksploatacji środków transportu drogo-

wego. W pierwszym kroku przedstawiono przegląd literatury obejmujący problematykę zarzą-

dzania eksploatacją obiektów technicznych. Następnie autorzy przedstawili podstawy teore-

tyczne z obszaru modelowania procesu eksploatacji autobusów. W świetle omówionej teorii,

w drugiej części opracowania przedstawiono charakterystykę wybranego przedsiębiorstwa

transportu drogowego oraz zdefiniowane wstępnie potrzeby analityczne kadry menedżerskiej

w zakresie utrzymania w stanie zdatności środków transportu.

Słowa kluczowe: proces eksploatacji, system transportowy, niezawodność

1. WPROWADZENIE

Podstawowym zadaniem operacyjnym przedsiębiorstw transportu zbiorowego jest za-

pewnienie odpowiedniej usługi transportowej zgodnie z istniejącym zapotrzebowaniem. Jed-

nocześnie, realizacja usługi transportowej jest obarczona niepewnością, której źródła można

zdefiniować w dwóch obszarach [5]. Po pierwsze, występuje niepewność z obszaru otocze-

nia operacyjnego przedsiębiorstwa, która związana jest z nieoczekiwanymi zmianami po-

ziomu popytu oraz podaży. Z drugiej strony, mogą występować nieprzewidywalne zdarzenia,

które wpłyną na dokładność procesów planowania operacyjnego [5, 31]. Zdarzenia te obej-

mują m.in. problem niezdatności pojazdów w wyniku jego uszkodzenia.

Problemy utrzymania w stanie zdatności funkcjonalnej i zadaniowej systemów trans-

portowych oraz floty transportowej są jednym z głównych obszarów naukowych porusza-

nych w literaturze i praktyce [42]. Podstawowym zadaniem w danym obszarze badawczym

jest określenie przez odpowiedniego decydenta sposobu, bieżącego lub przyszłego, obcho-

dzenia się z obiektem technicznym. Do podjęcia stosownych decyzji konieczne jest określe-


Analiza procesu eksploatacji obiektów technicznych… 135

nie stanu obiektu czy typu strategii obsługiwania niezbędnej do zastosowania w danej sytu-

acji eksploatacyjnej. Skuteczność podjętej decyzji jest bezpośrednio uzależniona od szybko-

ści jej podjęcia oraz trafności.

W tym celu niezbędna jest identyfikacja systemu transportowego, która wymaga znajo-

mości trzech obszarów [9]:

komponentów systemu – wiedza o ich typie, ilości, charakterystykach niezawodno-

ściowych;

realizowanych zadań operacyjnych i obsługiwania;

elementów wpływających na procesy podejmowania decyzji w systemie.

Z drugiej strony, na proces eksploatacji dowolnego systemu technicznego mają wpływ

[30] (rys. 1):

warunki systemu (systems conditions) – związane z procesem projektowania i wy-

twarzania systemu technicznego i jego wpływem na proces uszkodzeń w okresie

eksploatacji;

warunki użytkowania (operational conditions) – pojawianie się uszkodzeń sys-

temu jest uzależnione od procesu użytkowania (np. sposób obchodzenia się

z obiektem technicznym przez operatora) oraz wpływu uwarunkowań zewnętrz-

nych (otoczenia);

warunki obsługiwania (maintenance conditions) – rodzaj i chwile podejmowanych

operacji obsługiwania mają znaczący wpływ na podstawowe charakterystyki nieza-

wodnościowe systemu.

Rys. 1. Podstawowe elementy wpływające na poziom funkcjonowania systemu technicznego


136 T. Nowakowski, A. Tubis, S. Werbińska-Wojciechowska

Złożoność systemów, wyższe wymagania co do poziomu ich niezawodności i gotowo-

ści powodują, że przedsiębiorstwa zmuszone są do efektywnego planowania podstawowych

procesów operacyjnych i wspierających [44]. Przed takim wyzwaniem stoi obecnie również

przedsiębiorstwo będące przedmiotem badań autorów. W celu wsparcia doskonalenia pro-

cesu planowania oraz eksploatacji pojazdów, inicjowany jest obecnie projekt, ukierunko-

wany na opracowanie zakresu analiz eksploatacyjnych wspomagających procesy decyzyjne

kadry menedżerskiej oraz doskonalący obecny system zarządzania obsługą pojazdów. Z tego

też względu celem pracy jest przedstawienie, na podstawie przeprowadzonych studiów lite-

ratury przedmiotu, założeń wstępnych dla inicjowanych prac badawczych. W tym celu w ko-

lejnym punkcie zaprezentowano przegląd literatury z obszaru zarządzania eksploatacją

obiektów technicznych. Pozwoliło to na przedstawienie podstaw teoretycznych z zakresu

modelowania procesu eksploatacji pojazdów autobusowych. Natomiast w drugiej części

opracowania przedstawiono charakterystykę przedsiębiorstwa oraz zdefiniowane wstępnie

potrzeby analityczne kadry menedżerskiej.

2. ZARZĄDZANIE EKSPLOATACJĄ OBIEKTÓW TECHNICZNYCH

Modelowanie zarządzania eksploatacją przede wszystkim obejmuje zadania związane

z realizacją procesu decyzyjnego, poprzez definicję wytycznych, procedur postępowania czy

harmonogramowania procesów eksploatacji [1]. Pozwala na rozwiązywanie problemów

w sposób usystematyzowany, korzystając z wielu znanych metod i narzędzi statystycznych

czy analitycznych (patrz np. [1, 36]).

Proces podejmowania decyzji obejmuje etapy rozpoznania i analizy wszystkich dostęp-

nych informacji dotyczących problemu, następnie oszacowania rozstrzygnięć i wyboru op-

tymalnego rozwiązania [33]. W obszarze utrzymania środków transportu, podstawowe etapy

procesu decyzyjnego przedstawiono m.in. W pracach [3, 40].

W odpowiedzi na potrzeby procesu decyzyjnego w obszarze zarządzania eksploatacją

obiektów technicznych opracowanych zostało wiele modeli których przegląd można znaleźć

m.in. W [11, 36], czy w pracach [37, 38], w których autorka przedstawiła wyniki badań an-

kietowych użytkowników informatycznych systemów zarządzania eksploatacją, wskazując

główne elementy ich wykorzystania w praktyce.

Podstawowym modelem jest Basic Teratechnology Model – BTM, zaproponowany

przez Dennisa Parkesa [16]. Model ten nie obejmował aspektu optymalizacji procesu eksplo-

atacji, jednakże zalecał okresową analizę procesu i dostosowanie podejmowanych decyzji

w zależności od posiadanego doświadczenia przez menagera. Bazował także na zastosowa-

niu analizy Przyczyn i Skutków Uszkodzeń Krytycznych (FMECA) oraz zalecał proces te-

stowania obiektów projektowanych. Rozwinięciem danego modelu było wykorzystanie sys-

temu informatycznego pozwalającego m.in. na oszczędność czasu w procesie podejmowania

decyzji (np. rozwinięty model TBM) [37].

Innym podejściem jest RCM (Reliability Centered Maintenance), opracowane w latach

60. na potrzeby transportu lotniczego [37]. W tym modelu główne zadania związane z pro-

cesem obsługiwania powinny być skierowane na te obiekty, których niezawodność jest

krytyczna z punktu widzenia funkcjonowania i bezpieczeństwa całego systemu. Przykłady

biuro

Podświetlony

nie dzielić między wierszami

biuro

Podświetlony

biuro

Podświetlony


zastosowania tego podejścia w obszarze projektowania informatycznych systemów utrzyma-

nia w stanie zdatności obiektów można znaleźć między innymi w pracy [8], gdzie autorzy

dyskutują podejście probabilistyczne w modelowaniu niepewności strategii RCM, czy [13],

gdzie autorzy przedstawiają możliwości implementacji strategii RCM i TPM w porównaniu

z TQM oraz procesem reingineeringu (Business Process Re-engineering – BPR). Inne prace

zajmujące się badaną tematyką to m.in. [10, 45].

Informatyczne systemy zarządzania procesem eksploatacji można m.in. znaleźć w pracy

[32], w której autorzy przedstawili informatyczny system zarządzania działem eksploatacji

floty rybackiej, w pracy [18], gdzie skupiono się na maksymalizacji wykorzystania potencjału

eksploatacyjnego górniczych przenośników taśmowych, czy w pracy [20], gdzie przedsta-

wiono prototyp komputerowo wspomaganego systemu przydziału zadań eksploatacyjnych re-

alizowanych w siłowni okrętowej. Natomiast w pracy [22] przedstawiono koncepcję systemu

wspomagania decyzji (SWD) eksploatacyjnych, remontowych i modernizacyjnych w zakresie

trwałości turbin parowych. Przykład zastosowania SWD w obszarze transportu lotniczego

można znaleźć m.in. W pracy [47], gdzie omówiono model bazujący na wykorzystaniu FPN

(Fuzzy Petri Nets). Z kolei w pracy [24] przedstawiono system ekspertowy wspomagający po-

dejmowanie decyzji w obszarze planowania obsługi środków transportu kolejowego (np. wy-

miany obiektów technicznych). Przykład implementacji systemu wsparcia decyzyjnego w ob-

szarze funkcjonowania systemów transportu kolejowego (problem planowania rozkładów

jazdy) został przedstawiony w pracy [4]. Z kolei w pracy [27] omówiono system doradczy do

wspomagania prognozowania niezawodności obiektów mechanicznych opracowany z zastoso-

waniem edytora szkieletowego systemu ekspertowego EXSYS Professional. W pracach [3, 29]

przedstawiono system wspomagania decyzji w obszarze utrzymania środków transportu bazu-

jący na wykorzystaniu systemu ekspertowego EXSYS Professional. Zakres prowadzonych ba-

dań obejmuje opracowanie metod i algorytmów doboru strategii obsługiwania dla elementów

lub obiektu charakteryzującego się opóźnieniami czasowymi (klasyczna/DTA).

Proces podejmowania decyzji w analizowanym obszarze zwykle jest problemem wielo-

kryterialnym [39]. Najczęściej wykorzystywane narzędzia/metody wspierające funkcjono-

wanie systemów wsparcia decyzyjnego w obszarze zarządzania eksploatacją obejmują:

metodę Analitycznego Procesu Hierarchicznego (Analytic Hierarchy Process –

AHP) (np. w pracach [2, 7, 43]);

analizę opartą na wiedzy (knowledge based analysis) (np. [23]);

zastosowanie sieci neuronowych (np. [14, 46]);

wykorzystanie logiki zbiorów rozmytych (np. [35]);

zastosowanie teorii Bayes’a (np. [6]);

implementację sieci Petriego (np. [17]).

3. SYSTEM EKSPLOATACJI ŚRODKÓW TRANSPORTU

W świetle przedstawionej teorii, w celu opracowania modelu informacyjno-decyzyj-

nego wspierającego funkcjonowanie systemu transportowego, istotne jest między innymi

zdefiniowanie pojęcia system eksploatacji środków transportu. Jednocześnie, zapewnienie

biuro


małe litery

biuro


Bayesa

biuro

Podświetlony

biuro

Podświetlony


funkcjonalności systemu transportowego rozumiane jest jako „zdolność tego systemu do za-

spokojenia wymagań związanych z mobilnością pasażerów/ładunków czy niezakłóconym

przepływem osób i rzeczy w czasie i przestrzeni” [9, 15] z uwzględnieniem m.in. socjalnych

czy ekonomicznych celów społeczeństwa, takich jak np. dostępność środków transportu, wy-

magania związane z obowiązującymi regulacjami prawnymi, realizowana praca przewozowa

czy bezpieczeństwo i ochrona.

W oparciu o definicję pojęcia „eksploatacja”, przedstawioną m.in. w pracy [12, 48], sys-

tem eksploatacji środków transportu można zdefiniować jako zbiór odpowiednich podsyste-

mów procesowych, w których podejmowany jest zespół celowych działań ludzi z urządze-

niami technicznymi (środkami transportu) obejmujących procesy użytkowania oraz obsługi-

wania, jak również wzajemne relacje występujące między tymi podsystemami od chwili

przejęcia urządzenia do wykorzystania zgodnie z przeznaczeniem, aż do chwili jego wyco-

fania z eksploatacji. W związku z tym model systemu eksploatacji środków transportu

(MEST) można przedstawić jako [12]:

RSOSUMEST ,, (1)

gdzie:

SU – podsystem użytkowania,

SO – podsystem obsługiwania,

R – relacje występujące pomiędzy podsystemami użytkowania i obsługiwania.

Głównym celem systemów eksploatacji środków transportu jest realizacja przewozów

na danym obszarze i po określonych trasach [25]. Zadania przewozowe przydzielone syste-

mowi eksploatacji środków transportu realizowane są przez podsystem procesowy, złożony

z podsystemów elementarnych typu człowiek-obiekt techniczny (operator-środek trans-

portu). Podsystem ten jest odpowiedzialny przede wszystkim za harmonogramowanie pro-

cesów użytkowania, które obejmuje cztery podstawowe fazy [5]: (1) planowania strategicz-

nego w zakresie definicji poziomu obsługi pasażera, oferty przewozowej oraz sieci transpor-

towej, (2) planowania operacyjnego w zakresie definicji harmonogramu pracy pojazdów oraz

kierowców, (3) wdrożenia planowania operacyjnego oraz reakcji na występujące zdarzenia

losowe nieujęte w planie, (4) oceny procesu realizacji zadań operacyjnych.

Z kolei do głównych wymagań stawianych nowoczesnym systemom eksploatacji środ-

ków transportu zaliczyć należy m.in. [25]:

zapewnienie odpowiednich poziomów niezawodności i gotowości pojazdów,

zapewnienie bezpieczeństwa przewożonych pasażerów,

zapewnienie odpowiedniej częstotliwości, punktualności i szybkości przewozów.

Realizacja tych wymagań możliwa jest dzięki sprawnemu podsystemowi obsługiwania. Na

jego prawidłowe funkcjonowanie podsystemu obsługiwania wpływają cztery elementy [34] (rys. 2):

filozofia zarządzania eksploatacją,

produktywność/efektywność personelu,

funkcjonowanie środków transportu i wyposażenia wspierającego, oraz

koszty eksploatacji (controlling).


Pierwsze trzy elementy stanowią kluczowe podstawy właściwie realizowanej strategii

utrzymania obiektów technicznych. Jednocześnie elementy te są bezpośrednio powiązane

z kosztami, które determinują podejmowane decyzje w tym obszarze.

Jednocześnie, w systemie eksploatacji pojazdów mechanicznych zachodzą różnorodne

procesy, a w tym: użytkowania, diagnozowania, obsługiwania i zarządzania. Dlatego też po-

strzeganie systemu eksploatacji środków transportu jedynie w odniesieniu do podsystemu

użytkowania i obsługiwania pojazdów jest niewystarczające. Sprawne działanie bazy obsłu-

gowo-naprawczej oraz podsystemu użytkowania zależy w znacznym stopniu od jakości pro-

cesu zarządzania. Dlatego też model systemu eksploatacji środków transportu opisany rów-

naniem (1) powinien zostać zmodyfikowany do postaci (rys. 3):

ZRSOSUSZZEMEST ,,,,, (2)

gdzie:

ZE – podsystem zarządzania eksploatacją, obejmujący planowanie, sterowanie oraz kon-

trolę procesów obsługiwania i napraw oraz procesów użytkowania,

ZS – podsystem zasilania obejmujący zaopatrzenie, magazynowanie, produkcję oraz rege-

nerację,

R – relacje występujące pomiędzy podsystemami użytkowania i obsługiwania głównie

związane z realizowanymi przepływami materiałowymi oraz informacyjnymi,

Z – zakłócenia wewnętrzne oraz zewnętrzne.

Rys. 2. Schemat kluczowych elementów związanych bezpośrednio z kontrolą procesów utrzymania

środków transportu



Rys. 3. Schemat systemu eksploatacji środków transportu

Źródło: opracowanie na podstawie [12, 25]

Narzędziem doskonalenia funkcjonowania tych systemów są modele procesów eksplo-

atacji, w szczególności modele matematyczne. Zazwyczaj modelowany proces eksploatacji

obiektów technicznych opisywany jest cechami mierzalnymi, takimi jak: liczby zmian sta-

nów procesu, czasy trwania stanów procesu, cykle pracy, energochłonność obiektu technicz-

nego, charakterystyki jakości i efektywności użytkowania lub obsługiwania itd. Przykłady

można znaleźć m.in. W pracach [12, 19, 25, 26]. W pracy [12] autorzy skupili się na bada-

niach i ocenie niezawodności autobusów Jelcz PR 110U. W pracy [19] autor zaproponował

analizę procesów eksploatacji pojazdów z wykorzystaniem modelowania symulacyjnego

oraz procesów Markowa. Z kolei w pracy [26] przedstawiono model procesu eksploatacji

pojazdów, w którym kryterium efektywności jest stan techniczny i koszty. Do opracowania

modelu także wykorzystano procesy Markowa. Autor w pracy [25] skupił się na ocenie go-

towości pojazdów autobusowych. Punktem wyjścia było opracowanie modelu matematycz-

nego systemu eksploatacji środków transportu z wykorzystaniem procesów Markowa i semi-

Markowa. Analiza tego problemu została również przedstawiona m.in. W pracach [21, 44].

biuro


tu można zrobić wyliczenie - zmniejszy sie światło między tekstem a rysunkiem.

biuro

Podświetlony

biuro

Podświetlony


4. WSTĘPNA CHARAKTERYSTYKA OBSZARU BADAWCZEGO

4.1. CHARAKTERYSTYKA PRZEDSIĘBIORSTWA

Badania inicjowane przez autorów dotyczą wybranego przedsiębiorstwa transportowego,

które świadczy usługi przewozowe w ramach komunikacji miejskiej w jednej z dużych aglome-

racji w Polsce. Przedsiębiorstwo jest spółką z ograniczoną odpowiedzialnością, działającą jako

jednoosobowa Spółka Gminy. Spółka zatrudnia ponad 2000 osób i rocznie przewozi prawie 200

milionów pasażerów. W ciągu roku pojazdy spółki przejeżdżają łącznie około 34 mln km.

Do niedawna autobusy przewoźnika obsługiwane były przez dwie zajezdnie autobu-

sowe – jedną zlokalizowaną w centrum oraz drugą położoną w północno-zachodniej części

miasta. W marcu 2015 zakończono rozbudowę zajezdni położonej na obrzeżach miasta,

dzięki czemu możliwe było przeniesienie całości obsługi wszystkich autobusów w jedną lo-

kalizację i zamknięcie drugiej zajezdni. Wydarzenie to zainicjowało również potrzebę do-

skonalenia systemu zarządzania eksploatacją pojazdów w badanym przedsiębiorstwie.

Dotychczasowa infrastruktura rozbudowanej zajezdni została powiększona o ponad

80 miejsc postojowych oraz wzbogacona o nową halę obsługi autobusów i myjnię dla nich.

Nowa hala do obsługi codziennej posiada cztery linie, na których pojazdy przechodzą nie-

zbędny przegląd. Specjalne instalacje umożliwiają szybkie uzupełnianie materiałów eksplo-

atacyjnych i drobne naprawy. Zmodernizowana została także stacja paliw, w której dystry-

butory pozwalają zatankować bak z prędkością 120 litrów na minutę.

Nowa zajezdnia ma obecnie za zadanie obsługę 330 pojazdów. W taborze przewoźnika

można wyróżnić autobusy przede wszystkim trzech marek: Solaris, Mercedes oraz Volvo.

Szczegółowy wykaz pojazdów przedstawiono w tabeli 1.

Tab. 1.Wykaz pojazdów znajdujących się obecnie w taborze przewoźnika

Marka pojazdu Liczba pojazdów Roczniki pojazdów

Solaris 57 2014

Volvo 170 1993–1998 (34 szt.)

2000–2011 (136 szt.)

Mercedes 102 2008–2011

Man 1 2000

Źródło: materiały wewnętrzne przedsiębiorstwa

Jak widać, eksploatowana baza transportowa nie jest przestarzała. Przewoźnik stara się

okresowo o wymianę starych pojazdów na nowe. Dzięki temu średni wiek taboru liczony

według średniej uwzględniającej liczbę pojazdów z każdego rocznika wynosi obecnie 9 lat.

Należy również zauważyć, iż przeszło 17% pojazdów to autobusy roczne.

Tak ukształtowana struktura taboru w sposób istotny wpływa na działalność obsługowo-

naprawczą świadczoną przez zajezdnię. Pojazdy młodsze i z mniejszym przebiegiem

rzadziej ulegają uszkodzeniom, więc większość prac skupiona jest na standardowej obsłudze


okresowej i dziennej. Natomiast pojazdy starsze rocznikowo należą do jednej marki, co uła-

twia proces analiz eksploatacyjnych i działania zapobiegawcze, zabezpieczające pojazd

przed wystąpieniem powtarzalnych usterek.

4.2. PROCESY UTRZYMANIA POJAZDÓW W STANIE ZDATNOŚCI

Przedmiotem badań autorów są procesy dotyczące eksploatacji autobusów. Istotnym

elementem wpływającym na prawidłową i efektywną eksploatację pojazdów jest ich obsługa

techniczna. W przedsiębiorstwie wyróżnia się dwa rodzaje obsługi technicznej:

obsługę codzienną, którą stanowią czynności wykonywane codziennie przez kie-

rowcę, dla zapewnienia gotowości technicznej pojazdu, oraz

obsługę okresową, którą stanowią ściśle określone czynności wykonywane przy po-

jeździe po osiągnięciu przez niego określonego przebiegu między obsługowego oraz

przed okresem zimowym i letnim.

W ramach obsługi codziennej kierowca sprawdza następujące elementy w autobusie:

poziom płynów eksploatacyjnych, w tym paliwa oraz oleju silnikowego,

sprawność systemu gaszenia komory silnika,

ciśnienie powietrza w ogumieniu i jego stan,

działanie hamulców,

oświetlenie zewnętrzne i wewnętrzne,

sprawność wszystkich urządzeń elektrycznych,

czystość szyb, czystość zewnętrzna pojazdu, czystość w strefie pasażerów pojazdu,

ważność gaśnic,

komplet dokumentów.

Wyniki obsługi codziennej związane są przede wszystkim z procesem użytkowania po-

jazdu i mają wpływ na jakość świadczonych usług transportowych. Na podstawie uzyska-

nych wyników kierowca decyduje, czy pojazd jest w stanie zdatności czy należy go wyłączyć

z użytkowania.

W przypadku obsługi okresowej liczba i rodzaj kontrolowanych elementów zależą od

rodzaju obsługi (planowana/sezonowa/korekcyjna) oraz od ilości przejechanych kilometrów.

Dla każdego typu obsługi producent przygotował tzw. listę kontrolną (check list) wskazując,

które elementy powinny być poddawane kontroli.

4.3. BAZA INFORMACYJNA DLA PROCESÓW ANALITYCZNYCH

Zakres analiz eksploatacyjnych przygotowywanych dla przedsiębiorstwa uwarunko-

wany powinien być przede wszystkim zapotrzebowaniem informacyjnym kadry menedżer-

skiej oraz zakresem dostępnych danych. Obecnie dane wspomagające monitorowanie proce-

sów eksploatacyjnych gromadzone są w dwóch systemach IT oraz w formie papierowej

w postaci książki serwisowej pojazdu. Zakłada się jednak przy tym, iż do przygotowywanych

analiz wykorzystywane będą przede wszystkim dane z zapisu elektronicznego, ze względu


na łatwość ich pozyskania, porządkowania, przetwarzania i analizowania. Jedynie w wyjąt-

kowych sytuacjach lub też w przypadku konieczności uzupełnienia danych systemowych ba-

dacze sięgać będą po zapis papierowy.

System IT nr 1 gromadzi dane dotyczące eksploatacji, które wykorzystać można w pro-

cesach decyzyjnych odnoszących się zarówno do użytkowania, jak i obsługi pojazdów.

Wśród dostarczanych danych wyróżnić można między innymi informacje dotyczące (pełen

wykaz dostępnych informacji w [28]):

czasu pracy silnika w trakcie postoju,

ekonomiki jazdy,

napięcia instalacji elektrycznej,

przekroczenia limitu prędkości,

przekroczenia obrotów silnika,

przekroczenia temperatury,

gwałtownego przyspieszania i hamowania,

spadku paliwa, itp.

System IT nr 2 gromadzi natomiast wybrane dane dotyczące planowych operacji obsłu-

gowych i napraw bieżących, przypisanych do każdego pojazdu, na podstawie informacji po-

chodzących z serwisowej książki pojazdu, uzupełnionych o dodatkowe wielkości dotyczące

np. ustalonych kosztów i czasu wykonania operacji. Z systemu tego można pozyskać dane

dotyczące między innymi:

opisu realizowanej usługi (operacji) wraz z przypisanym kodem czynności,

przyjętego normatywu czasu wykonania,

daty rozpoczęcia i zakończenia prac obsługowych,

przebiegu pojazdu, przy którym realizowana była czynność obsługowa,

przypisanego kosztu realizacji operacji obsługowej.

Należy przy tym zauważyć, iż w systemie tym wprowadzona została standaryzacja zapisu

realizowanych usług. Wszystkie operacje zostały sklasyfikowane według grup podstawowych,

takich jak np. układ hamulcowy, silnik, urządzenia elektryczne i instalacje, układ chłodzenia.

Grupy podstawowe opatrzone są 3-znakowym kodem czynności (np. V-01), gdzie pierwsza

litera odpowiada marce pojazdu, natomiast dwie kolejne cyfry charakteryzują rodzaj czynności.

Każda grupa podstawowa ulega uszczegółowieniu w postaci 6-znakowego kodu czynności (np.

V-01-046), gdzie trzy pierwsze znaki odnoszą się do grupy głównej, zaś kolejne trzy znaki

charakteryzują już szczegółową czynność. Taka standaryzacja zapisu w sposób istotny uspraw-

nia proces analityczny i ułatwia ocenę powtarzalności wykonywanych operacji.

4.4. ZAKRES POTRZEB ANALITYCZNYCH

W PROCESIE DECYZYJNYM KADRY MENEDŻERSKIEJ

Jak zauważono powyżej, zakres przygotowywanych analiz powinien odpowiadać po-

trzebom informacyjnym kadry menedżerskiej odpowiedzialnej za zarządzanie procesami


eksploatacji pojazdów w przedsiębiorstwie. Wstępna weryfikacja dowiodła, iż początkowe

prace analityczne powinny skupiać się przede wszystkim na określeniu:

warunków użytkowania pojazdów, w tym przede wszystkim intensywności i czasu

użytkowania, ale również jakości użytkowania, na którą składa się m.in. ekonomika

jazdy, występujące przekroczenia założonych norm eksploatacyjnych lub też reje-

strowane działania nieprawidłowe użytkowników, doprowadzające do awarii po-

jazdu – w tym obszarze pomocne będą przede wszystkim informacje z systemu IT

nr 1, ale również dane o rejestrowanych uszkodzeniach;

warunków obsługiwania, dla których konieczne jest zidentyfikowanie podstawo-

wych operacji obsługowych i naprawczych, jak również częstotliwości ich realizacji

– również w tym przypadku konieczne będzie oszacowanie czasu poświęcanego na

obsługi planowe i naprawy bieżące, jak również ocena jakości świadczonych usług;

stąd też pojawia się konieczność zidentyfikowania wykonawców zlecanych opera-

cji, aby móc ocenić efektywność pracy pracowników zajezdni; w realizacji tych ana-

liz wspierać badaczy powinien przede wszystkim system IT nr 2, ale dane uzupeł-

niane będą również o wyniki rejestrowane w systemie IT nr 1.

Na podstawie zgromadzonych danych możliwe będzie przeprowadzenie metody siecio-

wej analizy uszkodzeń FMEA, ewentualnie jej modyfikacji – Analizy Przyczyn i Skutków

Uszkodzeń Krytycznych zgodnie z modelem Dennisa Parkesa. Wyniki tych analiz można

następnie wykorzystać w formułowanej strategii obsługi pojazdów w badanej zajezdni.

Na podstawie danych historycznych dotyczących poszczególnych modeli autobusów

możliwe jest scharakteryzowanie procesu degradacji krytycznych elementów pojazdu w cza-

sie. W tym przypadku analizom podlegać powinny okresy trwałości części oraz intensyw-

ność użytkowania pojazdu. Wyniki tych analiz są szczególnie istotne dla systemu planowania

i kontroli procesu utrzymania pojazdów. Należy bowiem zauważyć, że starzenie się fizyczne

elementów pojazdu również może być przyczyną wypadków autobusowych [12].

Konieczne również wydaje się szczegółowe zmapowanie procesów związanych z utrzy-

maniem pojazdów w stanie zdatności funkcjonalnej i zadaniowej, w celu odwzorowania

przebiegu operacji obsługowych i naprawczych, wraz z pomiarem czasowym i analizą stru-

mienia wartości. W ten sposób możliwe będzie zidentyfikowanie występującego marnotraw-

stwa w procesie oraz zweryfikowanie przyjętych normatywów czasowych i kosztowych dla

poszczególnych operacji. Do tych prac, oprócz analiz procesowych i wywiadów bezpośred-

nich z pracownikami, zalecane jest wykonanie „fotografii dnia” w zajezdni.

W ramach prac inicjujących proces niezbędne jest również przygotowanie systemu wskaźni-

ków niezawodności autobusów, które powinny pełnić rolę tzw. „wartowników systemu” i być

przedmiotem stałego monitorowania. Do wskaźników takich zaliczyć można m.in. średni czas ocze-

kiwania na naprawę, średni czas naprawy pojazdu, średni czas obsługi technicznej autobusu, średni

przebieg między obsługami technicznymi itp. Do budowanego systemu wskaźników dołączyć na-

leży również wybrane charakterystyki eksploatacyjne, będące obiektem systematycznego pomiaru

i weryfikacji ze względu na przypisane im znaczenie. Wśród charakterystyk tych wyróżnić należy

z całą pewnością średnie zużycie paliwa, maksymalną/średnią prędkość, maksymalne/średnie ob-

roty silnika, liczbę gwałtownych przyspieszeń i hamowań itp. Większość z tych charakterystyk

dostarczone będzie w formie raportów generowanych z systemu IT nr 1. Konieczne jest jednak


opracowanie procedur kontrolnych i propozycji zmian w systemie planowania, pozwalających wy-

korzystać posiadane dane do ciągłego doskonalenia procesu zarządzania eksploatacją pojazdów.

5. PODSUMOWANIE

Proces eksploatacji środków transportu jest obecnie jednym z kluczowych obszarów

funkcjonowania przedsiębiorstw transportowych. Ponadto, prawidłowo zarządzany jest istot-

nym elementem tworzenia wartości dodanej oferowanej usługi przewozowej. Z jednej strony

właściwie przygotowany rozkład jazdy pojazdów (np. W oparciu o harmonogramy utrzyma-

nia pojazdów) pozwoli w sposób efektywny i terminowy zaspokoić popyt na daną usługę

transportową. Z drugiej strony, optymalny harmonogram obsług planowanych oraz stan-

dardy realizacji obsługi korekcyjnej pozwolą na zapewnienie wysokiej jakości i niezawod-

ności realizowanej usługi, co jest obecnie bardzo istotnym elementem budowania przewagi

konkurencyjnej na rynku przewoźników transportowych.

Jednocześnie prowadzone przez autorów badania procesów funkcjonowania polskich

przewoźników wskazują na brak skutecznego i niezawodnego wsparcia informacyjnego ma-

nagerów w obszarze procesów utrzymania środków transportu. Wysoki stopień złożoności

pojazdów, rozbudowana flota (niejednokrotnie o bardzo zróżnicowanym wieku oraz marce

pojazdów), brak standardów w procesie zaopatrzenia w części wymienne sprawiają, że pro-

ces gromadzenia i analizy danych eksploatacyjnych jest prowadzony w sposób nieefek-

tywny. To z kolei przekłada się na poziom funkcjonowania przedsiębiorstwa oraz realizowa-

nych usług podstawowych. Dlatego też w kolejnych pracach, autorzy skupią się m.in. na pro-

blemie modelowania systemu controllingu eksploatacji systemów transportowych

z uwzględnieniem zależności występujących między podsystemami funkcjonalnymi oraz

procesu samodoskonalenia się organizacji. Istotnym elementem przyszłych badań stanie się

więc sformułowanie modelowego systemu analiz eksploatacyjnych, wspartego dedykowaną

bazą wiedzy, dostosowaną do potrzeb informacyjnych przedsiębiorstwa.

Podsumowując, warto dodać, że opracowanie stanowi kontynuację badań prowadzo-

nych przez autorów i przedstawionych m.in. W pracy [40], w której autorka skupiła się na

procesie zarządzania eksploatacją środków transportu w wybranym przedsiębiorstwie trans-

portu drogowego pasażerskiego, w pracy [28], której autorzy skupili się na procesie decyzyj-

nym w obszarze utrzymania środków transportu z uwzględnieniem problemu dostępności

danych, oraz w pracy [41], gdzie skupiono się na zagadnieniu controllingu procesu eksploa-

tacji systemu transportowego.

LITERATURA

[1] Ahmad R., Kamaruddin S., Azid I., Almanar I.: Maintenance management decision model for

preventive maintenance strategy on production equipment. International Journal of Industrial

Engineering, 2011, 7(13), s. 22–34.

[2] Bevilacqua M. Braglia M.: The analytical hierarchy process applied to maintenance strategy

selection. Reliability Engineering and System Safety, 2000, 70(1), s. 71–83.

[3] Bojda K., Werbińska-Wojciechowska S.: Data accessibility problem in transportation means'

maintenance performance. W: Transport – strategical and operational issues: monograph,

A. Stachowiak (ed.). Wyd. Politechniki Poznańskiej, Poznań 2012, s. 69–87 (Logistics & Production).

biuro

Podświetlony

biuro

Podświetlony


[4] Bojda K., Młyńczak M., Restel F. J.: Koncepcja informatycznego systemu wspomagania zarzą-

dzaniem eksploatacją autobusów szynowych. Materiały konferencyjne TRANSCOMP – XIV

International Conference Computer Systems Aidded Science, 2010, Zakopane, Industry and

Transport, Polska.

[5] Chang Y-H., Yeh C-H., Cheng J-H.: Decision Support for Bus Operations under Uncertainty:

a Fuzzy Expert System Approach. Omega, 1998, vol. 26, No. 3, s. 367–380.

[6] Charniak E.: Bayesian networks with out tears. AI Magazine, 1991, 12(4), s. 50–64.

[7] Davies M. A. P.: A multicriteria decision model application for managing group decisions.

Journal of the Operational Research Society, 1994, 45(1), s. 47–58.

[8] Eisinger S., Rakowsky U. K.: Modeling of uncertainties in reliability centered maintenance –

a probabilistic approach. Reliability Engineering and System Safety, 2001, vol. 71, no. 2,

s. 159–164.

[9] Fricker J. D., Whitford R. K.: Fundamentals of Transportation Engineering. A Multimodal

Systems Approach. Pearson Education, Inc. Upper Saddle River, New Jersey, USA 2004.

[10] Gabbar H. A., Yamashita H., Suzuki K., Shimada Y.: Computer-aided RCM-based plant mainte-

nance management systems. Robotics and Computer-integrated Manufacturing, 2003, vol. 19,

no. 5, s. 449–458.

[11] Garg A., Deshmukh S. G.: Maintenance management: literature review and directions. Journal

of Quality in Maintenance Engineering, Vol. 12, No. 3, s. 205–238.

[12] Gołąbek A. (ed.): Niezawodność autobusów. Wyd. Politechniki Wrocławskiej, Wrocław 1993.

[13] Hipkin I. B., Cock C. D.: TQM and BPR: lessons for maintenance management. Omega, 2000,

vol. 28, no. 3, s. 277–292.

[14] Hurson A. R., Palzad S., Lin B.: Automated knowledge acquisition in a neural network based

decision support system for incomplete database systems. Microcomputers in civil Engineering,

1994, 9(2), s. 129–143.

[15] Jacyna M.: Modelowanie i ocena systemów transportowych. Oficyna Wydawnicza Politechniki

Warszawskiej, Warszawa 2009.

[16] Jardine A. K. S. (ed.): Operational Research in Maintenance. University of Manchester Press,

Manchester, 1970.

[17] Jeng M. D.: Petri nets for modeling automated manufacturing systems with error recovery. IEEE

Transactions on Robotics and Automation, 1997, 13(5), s. 752–760.

[18] Kacprzak M., Kulinowski P., Wędrychowicz D.: Informatyczny system zarządzania procesem

eksploatacji górniczych przenośników taśmowych. Eksploatacja i Niezawodność – Maintenance

and Reliability, nr 2, 2011, s. 81–93.

[19] Kadziński A.: Analiza procesu eksploatacji autobusów na przykładzie wybranego operatora

transportu zbiorowego. Problemy Eksploatacji 2/2007, s. 27–42.

[20] Kamiński P., Tarełko W.: Prototyp komputerowo wspomaganego systemu przydziału zadań

eksploatacyjnych realizowanych w siłowni okrętowej. Przegląd Mechaniczny, R 67, nr 3, 2008.

[21] Knopik L.: Metoda wyboru efektywnej strategii eksploatacji obiektów technicznych. Rozprawy

nr 145, Wydawnictwa Uniwersytetu Techniczno-Przyrodniczego im. Jana i Jędrzeja Śniadeckich

w Bydgoszczy, Bydgoszcz 2010.

[22] Kosman G., Rusin A.: Koncepcja systemu wspomagania decyzji eksploatacyjnych i remontowych

w zakresie trwałości turbin. Zeszyty Naukowe Politechniki Śląskiej, Seria: Energetyka, Z. 131,

nr kol. 1427, 1999.

[23] Liberatore M. T., Stylianou A. C.: Using knowlege-based systems for strategic market

assessment. Information and Management, 1994, 27(4), s. 221–232.

[24] Martland C. D., McNeil S., Acharya D, Mishalani R.: Applications of expert systems in railroad

maintenance: scheduling rail relays. Transportation Research Part A: Policy and Practice,

vol. 24A, No. 1, 1990.


[25] Migawa K.: Sterowanie gotowością w systemach eksploatacji środków transportu. Rozprawy

nr 148, Wydawnictwa Uniwersytetu Techniczno-Przyrodniczego im. Jana i Jędrzeja Śniadeckich

w Bydgoszczy, Bydgoszcz 2013.

[26] Niziński S., Kolator B.: Ocena efektywności funkcjonowania systemów eksploatacji pojazdów

i maszyn z wykorzystaniem procesów markowa. MOTROL, 2006, 8, s. 156–168

[27] Nowakowski T.: Metodyka prognozowania niezawodności obiektów mechanicznych. Praca

naukowa IKEM PWr., Wrocław 1999.

[28] Nowakowski T., Tubis A., Werbińska-Wojciechowska S.: Maintenance decision making process

– a case study of passenger transportation company. W: Theory and engineering of complex

systems and dependability: proceedings of the Tenth International Conference on Dependability

and Complex Systems DepCoS-RELCOMEX, June 29 – July 3, 2015, Brunów, Poland. Wojciech

Zamojski [i in.] (eds.), Springer, 2015, s. 305–318.

[29] Nowakowski T., Werbińska-Wojciechowska S.: Means of transport maintenance processes

performance. Decision support system. Proc. of 2nd Carpathian Logistics Congress, 7–9.11.2012,

Jesenik, Czechy.

[30] Patra A. P.: Maintenance Decision Support Models for Railway Infrastructure using RAMS &

LCC Analyses. Doctoral Thesis, Lulea University of Technology, Lulea 2009

[31] Rohani M., Wijeyesekera D. Ch., Karim A. T.: Bis operation, quality service and the role of bus

provider and driver. Procedia Engineering 2013, 53, s. 167–178.

[32] Satyanarayana B., Prasad J. K.: Menu driven maintenance information system. Industrial

Engineering Journal, 1996, vol. 25, No. 9, s. 8–11.

[33] Sala D.: Wspomaganie decyzji w procesach przygotowania produkcji z wykorzystaniem systemu

ekspertowego. Rozprawa doktorska AGH, Kraków 2007.

[34] Schiavone J. J.: Monitoring bus maintenance performance. Synthesis of Transit Practice 22.

National Academy Press, Washington, D. C. 1997.

[35] Schrunder C. P., Gallertly J. E., Biocheno J. R.: a fuzzy, knowledge-based decision support tool

for production operations management. Expert System, 1994, 11(1), s. 3–11.

[36] Shervin D.: a review of overall models for maintenance management. Journal of Quality in

Maintenance Engineering, 2000, Vol. 6, No. 3, s. 138–164.

[37] Swanson L.: An information-processing model of maintenance management. Int. J. Production

Economics, 2003, 83, s. 45–64.

[38] Swanson L.: Computerized Maintenance Management Systems: a study of system design and use.

Production and Inventory Management Journal, 1997, 38, 2, s. 11–15.

[39] Triantahyllou E., Kovalerchuk B., Mann L. Jr., Knapp G. M.: Determining the most important

criteria in maintenance decision making. Journal of Quality in Maintenance Engineering, 1997,

vol. 3, no. 1, s. 16–28.

[40] Tubis A.: Usprawnienie procesu zarządzania obsługą pojazdów poprzez implementację

controllingu eksploatacji. W: Niezawodność systemów technicznych: materiały XLIII Zimowej

Szkoły Niezawodności, Szczyrk, 11–17 stycznia 2015. Warszawa: Wydział Transportu

Politechniki Warszawskiej, 2015. s. 1–9.

[41] Tubis A., Werbińska-Wojciechowska S.: Concept of controlling for maintenance management

performance. A case study of passenger transportation company. Artykuł zaakceptowany na

konferencję European Safety and Reliability Conference ESREL 2015, 7–10 wrzesień 2015,

Zurych, Szwajcaria.

[42] Tubis A., Werbińska-Wojciechowska S.: Zagadnienie oceny niezawodności systemu drogowego

transportu pasażerskiego. Studium przypadku. W: Niezawodność infrastruktur krytycznych:

materiały XLI Jubileuszowej Zimowej Szkoły Niezawodności, Szczyrk, 6–12 stycznia 2013.

Radom, Wydawnictwo Naukowe Instytutu Technologii Eksploatacji, 2013.

[43] Wang L., Chu J., Wu J.: Selection of optimum maintenance strategies based on a fuzzy analytic

hierarchy process. International Journal of Production Economics, 2007, 107(1), s. 151–163.


[44] Werbińska S.: Model logistycznego wsparcia systemu eksploatacji środków transportu.

Rozprawa doktorska, Politechnika Wrocławska., Wrocław 2008.

[45] Wessels R. W.: Cost optimized scheduled maintenance interval for reliability centered mainte-

nance. Proceedings Annual Reliability and Maintainability Symposium IEEE, 2003, s. 412–416.

[46] Yam R. C. M., Tse P. W., Li L., Tu P.: Intelligent predictive decision support system for

condition-based maintenance. International Journal of Advanced Manufacturing Technology,

2001, 17(5), s. 383–391.

[47] Zhang P., Zhao S-W., Tan B., Yu L-M., Hua K-Q.: Applications of Decision Support System in

Aviation Maintenance, Efficient Decision Support Systems – Practice and Challenges in

Multidisciplinary Domains. Prof. Chiang Jao (Ed.), InTech, 2011

[48] Żółtowski B.: Elementy racjonalnej eksploatacji systemów technicznych. Inż. Ap. Chem., 2012,

51, 2, s. 34–36.

ANALYSIS OF OPERATIONAL AND MAINTENANCE PROCESS

OF TECHNICAL OBJECTS IN THE EXAMPLE OF CHOSEN

ROAD TRANSPORT OPERATOR

Abstract

In this paper, authors focus on the issue of analysis of the process of operation and maintenance

of road transport vehicles. The first step provides an overview of the literature covering the

issues of maintenance management of technical objects. Next, the authors present the theoret-

ical basis from the modeling of buses operation and maintenance process performance. In the

light of the discussed theory, in the second part of the article, there is presented the character-

istics of the chosen road transport company and there are discussed predefined analytical needs

of managers in the area of means of transport maintenance.

Keywords: operational and maintenance process, transportation system, dependability

149

Leon PROCHOWSKI*, Hanna KOCHANEK**

PROGNOZA LICZBY KIEROWCÓW

I ZMIAN W ICH STRUKTURZE WIEKOWEJ

W POLSCE DO 2025 ROKU

Streszczenie

W pracy przedstawiono specyficzne cechy procesu zmian struktury wiekowej i liczby kierow-

ców w Polsce. Problem rozważa się na podstawie danych liczbowych z lat 2004–2013, a wnio-

ski są podstawą do obliczenia prognozy na lata 2016–2025. Prognozowanie jest oparte na mo-

delach liniowych, logarytmicznych i hiperbolicznych. Rośnie liczba osób posiadających prawo

jazdy kategorii B od 9424807 w 2004 roku, co stanowiło ok. 31% ludności do 73,97% ludności

w 2025 roku. Grupa kierowców młodych zwiększa swą liczbę liczebność, ale tempo tego

wzrostu jest małe i z tego powodu udział tej grupy wiekowej wśród kierowców z prawem

jazdy kategorii B zmniejszy się w analogicznym czasie z 17,1% do 9,1%. Interesujące są wy-

niki oszacowania najwyższych wartości udziału kierowców w poszczególnych grupach wie-

kowych ludności, po osiągnięciu których może nastąpić stabilizacja udziału. Taki stan mamy

od kilku lat w USA i Wielkiej Brytanii. Analizując prognozy demograficzne, prognozy liczby

osób z prawem jazdy kategorii B i trendy dotyczące przyrostu liczby starszych osób w popu-

lacji, zwrócono uwagę na możliwą relację między aktywnością zawodową a posiadaniem

prawa jazdy. Wskazano także na problem ograniczenia potencjału wzrostu liczby kierowców

z prawem jazdy C i D, jako skutek widocznych zmian w strukturze wiekowej młodych kie-

rowców.

Słowa kluczowe: prognoza liczby kierowców, wiek kierowców, młodzi kierowcy, starsi kierowcy

1. WPROWADZENIE

Starzenie się społeczeństw krajów rozwiniętych ma charakter powszechny i powoduje

zmiany w strukturze wiekowej populacji kierowców. Osoby starsze są obecnie najszybciej

rosnącą grupą kierowców w wielu krajach. W pracy [4] przeprowadzono obliczenia progno-

styczne na lata 2015–2025, których wyniki pokazały niekorzystne zmiany w tej grupie kie-

rowców z prawem jazdy kategorii C i C+. Grupa ta jako całość zwiększa swą liczebność, ale

tempo prognozowanego przyrostu jest małe, ok. 40 000 kierowców na rok. Spada udział mło-

dych kierowców w tej grupie, a jednocześnie obliczenia pokazały szybkie tempo wzrostu

* Wojskowa Akademia Techniczna; Przemysłowy Instytut Motoryzacji ** Uniwersytet Technologiczno-Humanistyczny w Radomiu, Wydział Mechaniczny

150 L. Prochowski, H. Kochanek

liczby kierowców w grupie 60+. Udział kierowców starszych przyrasta od 0,5% rocznie w la-

tach 2004–2006 do 0,9% z całości tej grupy kierowców w końcowych latach okresu prognozy.

Wzrost liczby osób posiadających prawo jazdy sprzyja ogólnemu zwiększeniu mobil-

ności i aktywności społecznej. Z drugiej strony w Polsce szybko maleją zasoby ludzi na

rynku pracy [9]. Stopa zatrudnienia osób w wieku 55–64 lata w Polsce w latach 1997–2005

uległa obniżeniu z 33,9% do 27,2%. Jest niższa niż średnio w UE o 15,3%. Różnica między

stopą zatrudnienia osób w tym wieku w Polsce a rekomendowaną na 2010 r. przez UE (50%)

wynosiła prawie 24% [5]. Wzrost liczby osób z prawem jazdy, to większa mobilność na

rynku pracy osób starszych, a więc szansa wzrostu zatrudnienia w tej grupie wiekowej.

Ponieważ wraz z wiekiem kierowcy przejeżdżają coraz mniejszą liczbę kilometrów,

rzadko wzrasta wskaźnik ich udziału w wypadkach. Prowadzi to do poglądu, że o ile starsi

kierowcy są sami zagrożeni z powodu ich malejącej z wiekiem odporności na urazy, to nie

stanowią oni większego zagrożenia dla innych użytkowników dróg niż młodzi kierowcy

(rys. 1) [3].

Rys. 1. Prawdopodobieństwo ofiar śmiertelnych w wypadkach z udziałem kierowców różnych grup

wiekowych


Podstawowym celem pracy jest wskazanie specyficznych cech procesu zmian struktury

wiekowej i liczby kierowców z kategorią B prawa jazdy w Polsce. Ta grupa kierowców pro-

wadzi nie tylko samochody osobowe, ale także ponad 70% z całkowitej liczby ok. 3,4 mln

samochodów ciężarowych. Są to samochody ciężarowe o dopuszczalnej masie całkowitej

do 3,5 t.

Struktura wiekowa kierowców jest rozważana na podstawie danych liczbowych z lat

2004–2013, a wnioski są podstawą do obliczenia prognozy na lata 2016–2025. Poznanie sy-

gnalizowanych procesów ma istotne znaczenie w wielu aspektach, m.in. W zakresie:

realizacji drogowego przewozu osób i ładunków, czyli dominującego zadania w kra-

jowym systemie transportowym i poważnego zagadnienia logistycznego, w którym

kierowcy są bardzo istotnym ogniwem;

0,15

0,17

0,19

0,21

0,23

0,25

0,27

18-20 21-25 26-34 35-44 45-54 55-64 65+

biuro

Podświetlony

Prognoza liczby kierowców i zmian w ich strukturze wiekowej… 151

tworzenia podstaw do oszacowania ewentualnego zagrożenia wypadkowego, wyni-

kającego ze zmian struktury wiekowej kierowców;

planowania zmian w szkoleniu kierowców z uwzględnieniem ich struktury wiekowej;

tworzenia systemu oceny stanu zdrowia i sprawności kierowców wraz z ich wiekiem;

utrzymywania mobilności i aktywności zawodowej ludzi starszych;

oszacowania czasu, w którym nastąpi stabilizacja liczby kierowców w poszczegól-

nych grupach wiekowych (stan nasycenia).

2. ANALIZA ZMIAN LICZBY KIEROWCÓW W LATACH 2004–2013

Metodologia badawcza, zastosowana w pracy, została przedstawiona w [4]. Punktem wyj-

ścia do obliczeń są dane pierwotne w postaci liczby kierowców z pozwoleniem kategorii B oraz

liczba ludności w grupach wiekowych [8, 11]. Wykorzystano wielkości, które wyrażają:

stosunek liczby kierowców posiadających pozwolenie kategorii B i należących do

i-tej grupy wiekowej do liczby ludności w tej grupie wiekowej:

%100i

i

Bi

L

Bp (1)

stosunek liczby kierowców w i-tej grupie wiekowej do ogólnej liczby kierowców

z prawem jazdy kategorii B:

%100

1

k

i

i

i

Bi

B

Bd (2)

gdzie:

k – liczba branych pod uwagę grup wiekowych,

i – i-ta grupa wiekowa, obejmująca osoby w określonym przedziale wiekowym

i = 1, 2, ..,k,

Li – liczba ludności w i-tej grupie wiekowej,

Bi – liczba kierowców posiadających pozwolenie kategorii B (także B + E), należących do

i-tej grupy wiekowej.

Podczas wyboru grup wiekowych uwagę zwrócono na następujące przedziały lat kie-

rowców: 18–24, 25–34, 35–44, 45–54, 55–64, 65+ oraz dodatkowo 60+. Ta grupa wiekowa

nie jest brana pod uwagę podczas sumowania k grup w zależności (2). Grupy oznaczone 60+,

65+ w pracy są nazwane grupami kierowców starszych, natomiast kierowcy w przedziale lat

18–24, to grupa kierowców młodszych. W tabeli 1 przedstawione są wartości współczyn-

nika pBi w poszczególnych grupach wiekowych, natomiast ogólną liczbę kierowców z kate-

gorią B odniesiono do grupy ludności 18+.

W okresie 10 lat obserwacji trzy grupy wiekowe 25–34, 35–44 i 45–54 charakteryzują

się wyższą wartością współczynnika pBi niż średnia krajowa (kolumna „razem B” w tabeli 1).

Przewaga ta w grupie 25–34 lata systematycznie rośnie od 2,46% w 2004r do 12,91% w roku


2013 (por. przebieg linii kat. B na rysunku 2). Rośnie też przewaga (od 5,95% do 13,85%)

w grupie 35–44 lata, ale w grupie 45–54 lata ulega zmniejszeniu, a mianowicie z 4,75% do

3,82% w latach 2004–2013.

Tab. 1. Wartości współczynnika pBi [%]

Lata 18–24 25–34 35–44 45–54 55–64 65+ 60+ razem B

2004 35,22 33,79 37,28 36,08 30,95 13,65 19,44 31,33

2005 38,22 41,97 47,83 42,87 35,58 15,85 23,03 37,32

2006 39,31 58,78 58,98 49,99 40,77 18,38 26,77 45,01

2007 40,36 59,73 61,12 51,98 42,76 20,18 28,86 46,67

2008 45,57 63,93 64,63 54,57 45,16 22,29 31,15 50,01

2009 51,12 68,07 67,88 57,04 47,44 24,54 33,45 53,31

2010 54,69 70,17 69,55 58,49 48,88 26,81 35,45 55,36

2011 56,43 71,23 71,22 60,36 50,58 29,42 37,57 57,00

2012 59,54 72,44 72,81 62,24 52,23 32,17 39,78 58,81

2013 60,78 73,20 74,14 64,11 53,92 35,05 42,04 60,29

Rys. 2. Przebieg zmian wartości pBi w latach 2004–2013 (w procentach)

Mimo wysokiego tempa przyrostu liczby osób w prawem jazdy w grupach kierowców

starszych (60+, 65+), wartość pBi jest w dalszym ciągu znacznie mniejsza niż średnia kra-

jowa, a mianowicie:

dla grupy 60+ współczynnik pBi jest mniejszy o 18,25% niż średnia krajowa w 2013 roku,

dla grupy 65+ współczynnik pBi jest mniejszy o 25,24% niż średnia krajowa w 2013 roku.

Przebieg linii kat. B oraz położenie punktów na rysunku 2 pokazuje procentowy udział osób

z prawem jazdy B w liczbie ludności i-tej grupy wiekowej i stanowi podstawę do obliczeń

prognostycznych. Struktura wiekowa osób zdobywających prawo jazdy kategorii B przedstawiona

na rysunku 3 pokazuje, że praktycznie we wszystkich grupach wiekowych przybywa nowych po-

siadaczy prawa jazdy z kategorią B. Oczywiście, wraz z wiekiem grupy te są coraz mniej liczne.

10,0

20,0

30,0

40,0

50,0

60,0

70,0

80,0

4 5 6 7 8 9 10 11 12 13

Lata ponad 2000

wiek 18-24 lata

wiek 25-34 lata

wiek 35-44 lata

wiek 45-54 lata

wiek 55-64 lata

wiek 60+

wiek 65+

kat. B


Rys. 3. Udział grup wiekowych w liczbie osób zadających na prawo jazdy kategorii B w 2014 roku

(w procentach)

3. PODSTAWY PROGNOZOWANIA I OBLICZENIA WSTĘPNE

Obliczenia prognostyczne oparto na zbiorze n danych z lat <T0, T1>, które potraktowano

jako elementy szeregu czasowego. Stanowiły one podstawę do estymacji współczynników

równań modeli matematycznych opisujących analizowane procesy [2, 4, 12]. W pracy wy-

korzystano modele liniowe, logarytmiczne i hiperboliczne o równaniach w postaci:

10

aay (3)

ln10

aay (4)

/10

aay (5)

gdzie:

– zmienna czasowa (1 = T0; n = T1),

T0, T1 – odpowiednio pierwszy i ostatni rok z okresu, w którym zgromadzono dane o liczeb-

ności kierowców i ludności,

y – wartości pBi w grupach wiekowych kierowców,

a0, a1 – współczynniki równania, oszacowane metodą najmniejszych kwadratów.

Wartości prognozy punktowej 𝑦𝑇𝑃 liczebności grup wiekowych kierowców w czasie

T > T1 wyznaczano poprzez ekstrapolację na lata 2015–2025 obliczonej funkcji trendu (na

podstawie równań 3–5) [4, 12].

0,00

10,00

20,00

30,00

40,00

50,00

60,00

70,00

80,00

18-24 25-34 35-44 45-54 55-64

biuro


obustronna chorągiewka


Przedział rozrzutu prognozowanego udziału kierowców w liczbie ludności na lata

T > T1, wyznaczano:

1)(TTD

P

TTTD

P

TsuyysuyP (6)

gdzie:

Ty – prognozowana wartość pBi w wybranej grupie wiekowej,

T – wiarygodność prognozy,

TDs – średni błąd prognozy obliczonej na czas T,

u – współczynnik związany z wiarygodnością prognoz, rozkładem zmiennej prognozo-

wanej oraz z liczbą lat w okresie < T0, T1> (z tablic rozkładu t-Studenta dla n – 2 stopni

swobody i zadanego poziomu istotności ); w obliczeniach przyjęto

= 0,05.

Podczas oceny jakości wyników obliczeń wykorzystano wartości względnego błędu

prognozy ex ante:

P

T

TD

TD

y

sV (7)

Przykład wykorzystania tej metody na etapie obliczeń wstępnych, prowadzonych w celu

ustalenia długości przedziału danych do obliczeń prognostycznych, pokazano w tabeli 2.

Przedstawiono w niej wartości błędu względnego obliczonego wg wzoru danego równaniem

7, obliczonego na podstawie danych z lat 2004–2013, 2006–2013 i 2008–2013.

Tab. 2. Wartości błędu względnego prognozy pBi obliczonej na rok 2020 [%]

Grupa

wiekowa

Wartość błędu względnego Zmiana

wartości błędu

[%] dane z lat 2004–2013 dane z lat 2006–2013 dane z lat 2008–2013

18–24 4,80 2,77 2,62 46

25–34 3,46 1,90 1,47 57

35–44 4,42 0,97 0,91 79

45–54 2,44 0,78 0,77 68

55–64 1,34 0,67 0,65 52

60+ 1,96 0,29 0,37 81

65+ 1,28 1,74 1,34 –5

Zmiana wartości błędu obliczeń, podana w ostatniej kolumnie tabeli 2, wynika z różnicy

wartości w kolumnach 2 i 4. Zmianę tę wyrażono w procentach wartości z kolumny 2. Wy-

niki obliczeń wstępnych wartości błędu względnego (tab. 2) pozwoliły na przyjęcie danych

z lat 2008–2013 jako podstawę do obliczeń prognostycznych.


4. WYNIKI OBLICZEŃ PROGNOZY W GRUPACH WIEKOWYCH

Wyniki obliczeń prognostycznych pokazano na rysunku 4 oraz w tabelach 3 i 4. Na ry-

sunku 4 pokazano je w postaci wykresu (linia ciągła):

)(TfpBi (8)

oraz linii kreskowych, które określają możliwy przedział rozrzutu (6) wartości prognozy pBi

do 2025 roku. Rysunek podzielono na dwie części. Obie narysowano w tej samej skali i za-

znaczono na nich przebieg „Kat. B” jako linię odniesienia do obliczeń poszczególnych grup

wiekowych.

Rys. 4. Przebiegi prognoz udziału kierowców w poszczególnych grupach wiekowych ludności,

czyli wartości pBi (w procentach)

W tabeli 3 są zestawione równania modelu prognozy wartości pBi. Podczas doboru mo-

delu brano pod uwagę możliwość osiągnięcia jak najwyższej wartości współczynnika deter-

minacji R2. Przykładowe wartości liczbowe prognozy przedziałowej według (6) i punktowej


udziału procentowego kierowców w grupach wiekowych ludności na 2020 rok podano

w tabeli 4.

Tab. 3. Równania modelu prognozy i wartości R2

Grupa wiekowa Równanie modelu Wartość współczynnika

determinacji modelu R2

18–24 y = 30,74 ln 17,177 0,9746

25–34 y = 186,273/ + 88,072 0,9645

35–44 y = 18,994 ln + 25,632 0,9900

45–54 y = 19,187 ln + 14,612 0,9947

55–64 y = 17,638 ln + 8,465 0,9968

60+ y = 2,158 + 13,909 0,9997

65+ y = 2,552 + 1,584 0,9973

Razem B y = 20,626 ln + 7,574 0,9929

Tab. 4. Wartości prognozy pBi na lata 2020 i 2025

Grupa wie-

kowa

Prognoza na 2020 rok Prognoza na 2025 rok

przedziałowa punktowa przedziałowa punktowa

18–24 69,47–80,36 74,91 74,99–88,55 81,77

25–34 75,55–81,96 78,76 77,03–84,21 80,62

35–44 80,44–84, 63 82,53 84,17–89,38 86,77

45–54 70,55–73,63 72,09 74,46–78,29 76, 37

55–64 60,20–62,41 61,31 63,87–66,62 65,24

60+ 56,49–57,67 57,08 67,02–68,72 67,87

65+ 50,66–54,56 52,62 62,55–68,20 65,38

Razem B 67,45–71,28 69,36 71,58–76,35 73, 97

5. ANALIZA PROCESU ZMIAN UDZIAŁU KIEROWCÓW

W GRUPACH WIEKOWYCH LUDNOŚCI

Obserwowane zmiany liczby i struktury wiekowej kierowców w latach 2004–2013 oraz

przebieg modeli prognostycznych do 2025 roku (tab. 1, 4, rys. 4) pozwalają na następujące

wnioski, dotyczące przebiegu analizowanych procesów w latach 2004–2025:

rośnie liczba osób posiadających prawo jazdy kategorii B od 9424807 w 2004 roku,

co stanowiło 31,33% ludności do 73,97% ludności w 2025 roku,

liczba ludności w Polsce w tych latach ulegnie tylko niewielkiej zmianie (spadek o 1,1%),

maleje liczba ludności w grupie wiekowej 18–24 lata, a liczba kierowców młodych zwięk-

sza swój udział w liczbie ludności (pBi) z 35,22% w 2004 do 81,77% w 2025 roku,

tempo tego wzrostu jest jednak małe i dlatego udział tej grupy wiekowej wśród kierow-

ców z prawem jazdy B (dBi) zmniejsza się w tym czasie z 17,10% do 9,10% (tab. 5),


grupa wiekowa 35–44 obejmuje osoby o najwyższej wartości współczynnika aktyw-

ności zawodowej i w tej grupie mamy najwyższe wartości pBi w całym okresie,

udział kierowców w tej grupie wiekowej ludności rośnie z 37,28% w 2004 r. do 86,77%

w 2025r.; tempo wzrostu jest podobne do przyrostu liczby kierowców z kategorią B, a war-

tość udziału tej grupy wiekowej wśród kierowców (dBi) wzrasta z 19,59% do 22,53% (tab. 5),

obie grupy kierowców starszych obecnie mają najniższe wartości udziału w odpo-

wiedniej grupie ludności, ale jednocześnie mają najwyższy przyrost tego udziału

(prawie o 52% w grupie 65+) przy rosnącej liczbie osób starszych,

udział kierowców starszych bardzo szybko rośnie w ogólnej liczbie kierowców, z 7,27%

do 23,17% w grupie wiekowej 65+ i aż do 30,59% w grupie 60+; te grupy wiekowe staną

się w latach 2020–2025 dominującymi wśród kierowców z kategorią B (tab. 5).

Interesujące jest oszacowanie najwyższych wartości pBi w poszczególnych grupach wie-

kowych, po osiągnięciu których następuje stabilizacja poziomu pBi. Taki stan mamy od kilku

lat w USA i UK(Wielka Brytania) [6, 7] i jest tu nazywany stanem nasycenia.

Tab. 5. Udział procentowy dBi kierowców z i-tej grupy wiekowej w ogólnej liczbie kierowców

z prawem jazdy kategorii B

Rok Grupa wiekowa

18–24 25–34 35–44 45–54 55–64 65+ 60+

2004 17,10 20,53 19,59 23,11 12,40 7,27 13,47

2008 12,36 25,81 20,56 20,07 13,75 7,45 14,32

2012 11,73 24,81 21,30 17,11 15,51 9,54 17,29

2016 10,34 22,39 22,76 15,68 15,43 13,07 21,45

2020 9,26 18,91 23,86 16,46 14,13 17,38 25,91

2025 9,10 15,25 22,53 18,74 12,54 23,17 30,59

Zmiana

2025–2004 –8,01 –5,28 2,94 –4,37 0,14 15,90 17,12

W tabeli 6 są liczby uzyskane na podstawie oszacowania i aproksymacji wartości z linii

wykresów w [7], gdzie podano przebieg prognozy udziału procentowego kierowców w gru-

pach wiekowych ludności do 2030 roku. Trend zmian w posiadaniu prawa jazdy tam przed-

stawiony jest typowy dla krajów o wysokim stopniu rozwoju gospodarczego. W UK wi-

doczne jest zwiększanie się udziału kierowców w dwóch grupach wiekowych ludności

18–24 i 70+. Natomiast pozostałe grupy wiekowe mają prawie niezmienną wartość tego

udziału, która została osiągnięta w latach 2005–10. W USA taki stan nasycenia osiągnięto

w latach 1997–2003 i wówczas zaczyna być widoczny powolny spadek tego udziału [6].

Tab. 6. Udział procentowy osób z prawem jazdy w grupach wiekowych ludności UK

Rok Grupa wiekowa

18–24 25–34 35–44 45–54 55–64 70+

2005 45 74 83 81 78 52

2010 55 72 80 82 80 55

2015 60 72 80 83 83 58

2020 65 73 80 83 83 62

2025 70 74 80 83 83 64



Obecnie obserwowany stan nasycenia (brak przyrostu liczby kierowców w liczbie lud-

ności w kolejnych latach lub powolny spadek) można następująco oszacować [6, 7] w gru-

pach wiekowych:

16–24 lata, stabilizacja na poziomie 70–72% w USA,

25–44 lata, stan stabilny przy wartości 92–93% w USA i 74–80% w UK,

45–64 lata, stan nasycenia na poziomie 93–94% w USA i 83% w UK.

W grupie wiekowej 65+ widoczny jest dalszy trend wzrostowy, który w USA przekracza 80%.

Czas osiągnięcia stanu nasycenia w Polsce zależy od obecnych wartości pBi (tab. 1)

i tempa ich wzrostu, które podano w tabeli 7. Tempo wzrostu obliczono na podstawie danych

rzeczywistych do 2012 oraz przebiegu linii trendu dla lat 2016–19 i 2022–25.

Tab. 7. Wartości tempa rocznego przyrostu wartości pBi

Lata Grupa wiekowa

18–24 25–34 35–44 45–54 55–64 60+ 65+ razem B

2005–2008 2,59 7,54 6,84 4,62 3,55 2,93 2,16 4,67

2009–2012 3,49 2,13 2,05 1,92 1,77 2,16 4,47 2,20

2016–2019 1,82 0,65 1,12 1,13 1,04 2,16 2,55 1,22

2022–2025 1,34 0,36 0,83 0,84 0,77 2,16 2,55 0,90

Ocena przebiegu obliczonych prognoz, odniesiona do udziału procentowego osób

z prawem jazdy do liczby ludności w grupach wiekowych w UK i USA, jest następujaca:

tempo wzrostu wartości pBi wyraźnie maleje we wszystkich grupach wiekowych

(tab. 7), poza grupą kierowców starszych, w której prognoza wskazuje na stabilny

wzrost 2,16–2,55% rocznie w kolejnych latach;

grupa 18–24 lata; stan nasycenia widoczny w USA na poziomie 70% może być osią-

gnięty w Polsce w 2017 roku (rysunek 4);

grupy wiekowe 25–34 i 35–44 mają obecnie w Polsce wartości pBi na poziomie 74%

i widoczny trend wzrostowy; w USA stan nasycenia liczbą kierowców na poziomie

92–93% osiągnięty został w 2001 r., a w UK ustabilizowane wartości 74–80%

utrzymują się już ok. 10 lat (tab. 6); zatem prognoza dalszego umiarkowanego wzro-

stu (tab. 7) liczby kierowców w Polsce do 81–87% (tab. 4) do 2025 roku w tych

grupach wiekowych jest zasadna;

grupy wiekowe 45–54 i 55–64 mają obecnie w Polsce niskie wartości Bi

p na pozio-

mie 54–64%, gdy poziom nasycenia w USA (93–94%) oraz UK (83%) jest bardzo

wysoki; zatem opracowaną prognozę dalszego wzrostu pBi w Polsce należy uznać za

zgodną z oczekiwaniami, szczególnie w aspekcie koniecznego wzrostu aktywności

zawodowej w tych grupach wiekowych i osób starszych.

W 2011 roku po raz pierwszy w powojennej historii Polski zmniejszyła się liczba osób

w wieku produkcyjnym. Proces ten może mieć trwały charakter [8, 9]. Z drugiej strony stale

rośnie zapotrzebowanie na samochodowy transport osób i rzeczy, a tym samym na kierow-

ców. Wykorzystując prognozy demograficzne, prognozy liczby osób z prawem jazdy


i trendy dotyczące przyrostu liczby starszych osób w populacji, zwrócono uwagę na możliwą

relację między poziomem aktywności zawodowej a posiadaniem prawa jazdy (tab. 8, rys. 5).

Tab. 8. Oszacowanie wartości współczynnika aktywności zawodowej, lata 2010–2011

Grupy wiekowe 18–24 25–34 35–44 45–54 55–64

Aktywność zawodowa, AZ1według [10] 45 84 87 80 49

Aktywność zawodowa, AZ2 według [1] 35 82 84 82 74

Źródło: opracowanie na podstawie [1, 10]

Rys. 5. Wartości pBi w grupach wiekowych ludności, a stan aktywności zawodowej

(linie przerywane AZ1 i AZ2)

Warto zwrócić uwagę na następujące liczby dla grupy wiekowej 25–44 lata [6, 7, 10]:

najwyższa wartość współczynnika aktywności zawodowej (82–87%) w Polsce,

najwyższa wartość pBi (70% w 2010 roku) w Polsce,

najwyższe wartości współczynnika posiadania prawa jazdy w UK (74–83% już

w 2005 roku,

bardzo wysokie wartości współczynnika posiadania prawa jazdy w USA (93%

w 1993–1999).

Z powyższych danych wynika, że rosnąca liczba osób z prawem jazdy w Polsce będzie

mieć korzystny wpływ na wzrost aktywności zawodowej w grupie 45–64, w której stan po-

siadania prawa jazdy ma potencjał wzrostowy. Wynika to z nieuchronnego przesuwania się

roczników na rynku pracy z grupy największej aktywności zawodowej do następnej grupy

wiekowej. Zdobywanie uprawnień kierowcy jest dodatkowym wyrazem aktywności i wskaź-

nikiem wzrostu mobilności w tych grupach wiekowych (por. rys. 5).

6. PODSUMOWANIE

Przeprowadzone obliczenia prognostyczne wraz z dokonanym oszacowaniem ich do-

kład-ności umożliwiają poznanie zmian w liczebności kierowców z prawem jazdy kategorii

0

10

20

30

40

50

60

70

80

90

100

18-24 25-34 35-44 45-54 55-64 65+

2005

2010

2015

2020

2025

A Z 1

AZ 2


B i w grupach wiekowych. Obserwowane zmiany liczby i struktury wiekowej kierowców

w la-tach 2004–2013 oraz przebieg prognozy do 2025 roku (tab. 1, 4, rys. 4) wskazują, m.in.:

grupa kierowców starszych obecnie ma najniższe wartości udziału w liczbie

ludności i jednocześnie najwyższy przyrost tego udziału (prawie o 52% w latach

2004–2025 grupie 65+);

udział kierowców starszych szybko rośnie w ogólnej liczbie kierowców, z 7,27% do

23,17% w grupie wiekowej 65+ i aż do 30,59% w grupie 60+; te grupy wiekowe

staną się w latach 2020–2025 dominujące wśród kierowców z kategorią B (tab. 5).

Zmiany w strukturze wiekowej kierowców mają istotny wpływ na kilka ważnych ob-

szarów w działalności logistycznej związanej z transportem drogowym, a mianowicie:

niekorzystne zmiany obserwowane w strukturze wiekowej kierowców z kategorią B

w sposób pośredni wpływają na strukturę wiekową i liczbę kierowców z kategorią

C i D, czyli na możliwości rozwoju transportu osób i ładunków;

wzrost udziału coraz większej liczby starszych kierowców w ruchu drogowym jest

ważnym wskazaniem do dostosowania do ich potrzeb elementów infrastruktury dro-

gowej i serwisowej;

rozwój medycyny ratunkowej powinien w coraz większym stopniu uwzględniać ro-

snącą liczbę ofiar wypadków w starszym wieku.

Silna tendencja spadku udziału grupy wiekowej młodych kierowców z kategorią B ogra-

nicza potencjał wzrostu liczby kierowców z kategorią C i D w następnych grupach wiekowych.

To młodzi kierowcy, nabywając doświadczenia w ruchu drogowym, tworzą najliczniejszą

grupę kandydatów do posiadania pozwolenia C i D. Widoczne zmniejszenie tempa przyrostu

w tej grupie kierowców zawodowych (kategoria C i D) wskazuje na potrzebę wprowadzania

nowych rozwiązań logistycznych w zakresie drogowego transportu osób i ładunków.

LITERATURA

[1] Czarnik S., Turek K.: Aktywność zawodowa Polaków Praca zawodowa, wykształcenie, kompetencje,

Polska Agencja Rozwoju Przedsiębiorczości, Warszawa 2012.

[2] Dittmann P.: Prognozowanie w przedsiębiorstwie. Metody i ich zastosowanie, Wolters Kluwer

Polska Sp. z.o.o., Kraków 2008.

[3] Hakamies-Blomqvist L.: Safety of Older Persons in Traffic, Transportation Research Board

Conference Proceeding, No. 27, s. 22–35, Washington 2004.

[4] Kochanek H., Prochowski L.: Analiza zmian w strukturze wiekowej kierowców posiadających

uprawnienia kategorii C i podstawy obliczeń prognostycznych w tym zakresie, Logistyka 4/ 2015,

s. 4105–4113.

[5] Kryńska E.: Wydłużanie życia zawodowego na polskim rynku pracy, Polityka Społeczna,

nr 9/2006, s. 1–6.

[6] Liu C., Utter D., Chen C.L.: Characteristics of Crash Injuries Among Young, Middle-Aged, and

Older Drivers. NHTSA’s National Center for Statistics and Analysis, Technical Report, USA

2007.

[7] Mitchel C. G. B.: The licensing and safety of older drivers in Britain, Accident Analysis and

Prevention , vol. 50, s. 732–741, USA 2013.

[8] Prognoza ludności na lata 2014–2050 – Polska, Główny Urząd Statystyczny,

http://demografia.stat.gov.pl/bazademografia/Prognoza.aspx

http://demografia.stat.gov.pl/bazademografia/Prognoza.aspx

biuro


wciągnąć na poprzednią stronę albo tu dodać tekst


[9] Rosner A., Stanny M.: Demograficzne aspekty zasobów pracy w Polsce do 2030 r, Polityka

Społeczna nr 1/2008, s. 1–5.

[10] Strzelecki P. A.: Czy Polska jest skazana na spadek podaży pracy w przyszłości, wyniki analizy

wrażliwości założeń prognoz długookresowych, Working Papers, Institute of Statistics and

Demography, Warsaw School of Economics, Nr 24, 2012.

[11] System Centralnej Ewidencji Pojazdów i Kierowców, MSWiA, Warszawa 2014.

[12] Zaliaś A., Pawełek B., Wanat S.: Prognozowanie ekonomiczne. Teoria, przykłady, zadania,

Wydawnictwo Naukowe PWN, Warszawa 2013.

FORECAST ABOUT THE NUMBER OF MOTOR VEHICLE DRIVERS

AND CHANGES IN THEIR AGE STRUCTURE IN POLAND UNTIL 2025

Abstract

The paper presents specific features of the process of changes in the age structure and number

of motor vehicle drivers in Poland. The analysis of this issue is based on numerical data col-

lected in the years 2004–2013 and the conclusions provide grounds for the calculation of fore-

casts for the years 2016–2025. The forecasting is based on linear, logarithmic, and hyperbolic

models. The number of holders of the B category driving license has been continuously grow-

ing from 9 424 807 in 2004, which made about 31 % of the then total population number, to

reach 73.97 % of the total population number in 2025. The group of young drivers is increasing,

too, but the rate of this growth is low; therefore, the percentage of this age group in all the

drivers holding the B category driving license is estimated to decline from 17.1 % to 9.1 % in

the corresponding years. Interest may be aroused by the results of estimation of the highest

values of the percentage of drivers in specific age groups of the population, preceding possible

stabilization in the percentage levels. Such a situation has been observed for several recent

years in the USA and the UK. At the analysis of demographic forecasts, forecasts about the

numbers of holders of the B category driving license, and trends regarding the growth in the

percentage of elderly people in the population, attention was drawn to the possible relation

between people’s activeness in the labor market and the holding of driving licenses. Pointed

out the problem of limiting the potential increase in the number of drivers with driving li-

cense C and D, as a result of visible changes in the age structure of young drivers.

Keywords: forecast number of motor vehicle drivers, drivers’ age, young drivers, elder drivers

162

Dariusz PYZA*

TRANSPORT INTERMODALNY –

UWARUNKOWANIA

TECHNICZNO-TECHNOLOGICZNE,

ORGANIZACYJNE I FUNKCJONALNE

Streszczenie

W pracy przedstawiono zasadnicze aspekty związane z transportem intermodalnym w Polsce.

Dokonano identyfikacji transportu intermodalnego i jego podsystemów przewozowych szy-

nowo-drogowych. Przedstawiono również charakterystykę przewozów intermodalnych

z uwzględnieniem jej dynamiki i podziałem przewozów w zależności od klasy intermodalnej

jednostki ładunkowej. W pracy dokonano analizy przewoźników przewozów intermodalnych

oraz scharakteryzowano ich udziały w rynku kolejowym. Ważnym czynnikiem mającym

wpływ na przewozy intermodalne są intermodalne terminale przeładunkowe, w tym aspekcie

dokonano ich identyfikacji i klasyfikacji ze względu na możliwości obsługi transportu różnych

gałęzi transportu.

Słowa kluczowe: transport intermodalny, intermodalne terminale przeładunkowe, podsystemy

transportu intermodalnego

1. WPROWADZENIE

Efektywne zarzadzanie procesami logistycznymi wymaga budowy nowoczesnych

struktur łańcuchów logistycznych, których integralną częścią jest system transportowy.

Ogólnie przez system transportowy, w literaturze przedmiotu rozumie się układ środ-

ków technicznych, organizacyjnych i ludzkich powiązanych ze sobą w taki sposób, aby za-

pewnić sprawne przemieszczanie się osób i (lub) przewóz ładunków [7, 11]. Można zatem

uznać, że system transportowy z jednej strony definiowany jest jako system, którego celem

działania jest transport (przemieszczanie, przewóz) ludzi i (lub) ładunków a z drugiej strony

jako powiązanie działalności gospodarczych poprzez gałęzie transportu w jedną całość za-

równo pod względem wewnętrznym, jak i zewnętrznym [1, 5, 7, 10].

Z przemieszczaniem ładunków wiąże się również pojęcie systemu logistycznego, któ-

rego zadaniem jest zapewnienie bezzakłóceniowego przepływu strumieni ładunków między


Transport intermodalny – uwarunkowania techniczno-technologiczne… 163

punktami pozyskania dóbr z przyrody a ostatecznymi konsumentami. W takim ujęciu istotą

systemów logistycznych jest realizacja przekształceń dokonywanych na strumieniach ładun-

ków i związanych z nimi strumieniach informacji. Do realizacji obsługi ładunków w syste-

mie logistycznym wykorzystywane są różnego typu środki techniczne i organizacyjne,

w tym również informacyjne i ludzkie odpowiednio powiązane między sobą.

W systemach logistycznych występuje zjawisko przenikania się procesów przemiesz-

czania i obsługi stacjonarnej strumieni ładunków. Zatem dokonując rozróżnienia podstawo-

wych struktur systemów logistycznych, należy wymienić systemy jednopoziomowe oraz sys-

temy wielopoziomowe (wieloszczeblowe).

W systemach jednopoziomowych następuje bezpośrednie przemieszczanie ładunków

między punktami nadania i punktami odbioru, natomiast w systemach wieloszczeblowych

występują ogniwa pośrednie między punktami nadania i punktami odbioru ładunków, w któ-

rych dokonywana jest stacjonarna ich obsługa.

Ogniwami pośrednimi w systemach wieloszczeblowych są najczęściej obiekty magazy-

nowe, punkty koncentracji/dekoncentracji ładunków lub terminale przeładunkowe, gdzie na-

stępuje rozdział lub kompletacja ładunków. Pozwala to na stosowanie różnych rozwiązań

w zakresie technologii przewozowych, w których wykorzystywane są zarówno pojedyncze

gałęzie transportu, jak i ich kombinacja.

2. IDENTYFIKACJA TRANSPORTU INTERMODALNEGO

Wybór sposobu przemieszczania ładunków w systemach logistycznych wynika ze spe-

cyfiki samego systemu oraz stosowanej technologii przewozowej.

Uwzględniając technologie przewozowe wyróżniamy technologie multimodalne, inter-

modalne oraz kombinowane. Wykładnia tych trzech pojęć znalazła się w przygotowanej

przez Europejską Komisję Gospodarczą (UN/ECE), Europejską Konferencję Ministrów

Transportu (ECMT) oraz Komisję Europejską (EC) publikacji Terminologia transportu kom-

binowanego [3].

Transport multimodalny (multimodal transport) to przewóz ładunków, przez co naj-

mniej dwie różne gałęzie transportu, przy czym towar może zmieniać jednostkę ładunkową.

W transporcie intermodalnym (intermodal transport) przewóz ładunków odbywa się

w jednej i tej samej jednostce ładunkowej lub pojeździe na całej trasie od nadawcy do od-

biorcy, przy użyciu – następująco po sobie – różnych gałęzi transportu, bez przeładunku sa-

mych ładunków.

Transport kombinowany (combined transport) zaliczany jest do transportu intermodal-

nego, w którym główna część przewozu jest wykonywana przez kolej, żeglugę śródlądową

lub transport morski, a początkowy i końcowy odcinek przez transport drogowy tak krótko

jak to możliwe. Odcinek przewozu początkowego lub końcowego oznacza przewóz [14]:

pomiędzy punktem, w którym rzeczy są załadowane i najbliższą odpowiednią kole-

jową stacją załadunkową dla odcinka początkowego oraz pomiędzy najbliższą od-

powiednią kolejową stacją wyładunkową a punktem, w którym rzeczy są wyłado-

wane, dla końcowego odcinka lub

biuro


połączyć te akapity, żeby zmieścić tu dwa wiersze z poprzedniej strony

biuro


połączyć akapity żeby zguboic wiersz

164 D. Pyza

wewnątrz promienia nieprzekraczającego 150 km w linii prostej ze śródlądowego

lub morskiego portu załadunku lub wyładunku.

Wykorzystywanie w systemach logistycznych technologii intermodalnych poprzez sto-

sowanie specyficznych cech różnych gałęzi transportu pozwala na obniżenie kosztu procesu

transportowego i jednocześnie niższą cenę oferowaną klientowi. Ponadto występuje zwiększe-

nie liczby możliwych wariantów przewozowych oraz podniesienie jakości usług, tzn. szybsze

dostawy, lepsza dostępność do usług transportowych oraz uproszczenie procedur związanych

z przemieszczeniem towarów i przejęcie funkcji związanych z organizacją, realizacją i zarzą-

dzaniem procesami transportowymi przez operatora transportu intermodalnego.

W transporcie kombinowanym występuje wewnętrzna integracja procesów transporto-

wych, przebiegająca na płaszczyznach:

techniczno-technologicznej, obejmującej przystosowanie infrastruktury liniowej

i punktowej oraz środków transportowych różnych gałęzi, a także urządzeń i ma-

szyn przeładunkowych do obsługi intermodalnych jednostek ładunkowych;

organizacyjnej, polegającej na występowaniu specjalistycznych podmiotów realizu-

jących funkcje operatorów zaangażowanych w realizację kompleksowych procesów

transportowych oraz jednego dokumentu transportowego na całej trasie dostawy;

funkcjonalnej – w elementach infrastruktury punktowej (terminalach intermodal-

nych) występuje integracja obszarów funkcjonalnych terminala takich jak strefa wyła-

dunku, składowania, załadunku do obsługi intermodalnych jednostek ładunkowych.

3. PRZEWOZY INTERMODALNE W POLSCE

W 2014 r. wszystkimi rodzajami transportu przewieziono 1840 mln ton ładunków,

tj. o 0,5% mniej niż przed rokiem i wykonano pracę przewozową w wysokości 349,6 mld

tonokilometrów, tj. o 0,5% większą niż przed rokiem.

Zaobserwowano spadek przewozów ładunków w transporcie kolejowym, samochodo-

wym i rurociągowym, przy wzroście w żegludze śródlądowej oraz transporcie lotniczym, na-

tomiast do wzrostu pracy przewozowej przyczynił się transport samochodowy, lotniczy, ru-

rociągowy oraz żegluga śródlądowa [13].

Rys. 1. Udział gałęzi transportu w przewozach ładunków w 2014 r.

Źródło: opracowanie na podstawie danych Głównego Urzędu Statystycznego

biuro


przenieść na poprzednią stronę, wypełnić kolumnę światłem nad rysunkiem


Największy udział w przewozach ładunków w 2014 r. odnotował transport samocho-

dowy, który kształtował się na poziomie 84,1% oraz transport kolejowy – 12,4%.

Transport kolejowy odnotował spadek przewozów ładunków o 2,1%, natomiast trans-

port samochodowy o 0,3% w stosunku do roku 2013. Szczegółowe dane dotyczące udziału

gałęzi transportu w przewozach ładunków w 2014 r. W Polsce przedstawia rysunek 1.

Średnia odległość przewozu jednej tony ładunku w roku 2014 w krajowym transporcie

kolejowym kształtowała się na poziomie 220 km, natomiast w transporcie międzynarodo-

wym 315 km. W transporcie samochodowym różnice w odległości przewozu były znacznie

większe, w przewozach krajowych średnia odległość przewozu jednej tony ładunku kształ-

towała się na poziomie 170 km, natomiast w transporcie międzynarodowych było to 801 km.

Średnie odległości przewozu jednej tony ładunku w transporcie kolejowym i samochodo-

wym w latach 2009–2014 przedstawia rysunek 2.

Rys. 2. Średnia odległość przewozu jednej tony ładunku w transporcie kolejowym i samochodowym

w latach 2009–2014


166 D. Pyza

Przewozy intermodalne stanowią niewielką część przewozów ładunków transportem

kolejowym, w roku 2014 koleją przewieziono 227,8 mln ton ładunków, przewozy intermo-

dalne wg. przewiezionej masy kształtowały się na poziomie 9,2 mln ton (rys. 3).

Pozytywnym zjawiskiem jest systematyczny wzrost przewozów intermodalnych przy

jednoczesnych w miarę stabilnych przewozach ładunków transportem kolejowym. Wzrost

przewozów intermodalnych średniorocznie kształtuje się na poziomie 1,2 mln ton. Uwzględ-

niając wielkości przewozów intermodalnych w latach 2009–2014 oraz wykorzystując model

regresji liniowej, oszacowano, że wielkość przewozów intermodalnych w roku 2020 będzie

kształtowała się na poziomie 17,4 mln ton, przy współczynniku determinacji R2 = 0,97.

Rys. 3. Przewozy ładunków transportem kolejowym i intermodalnym w latach 2009–2014


Rośnie również udział przewozów intermodalnych w rynku przewozów koleją. W roku

2014 udział przewozów intermodalnych w rynku przewozów koleją kształtował się na po-

ziomie 6,6% w wykonanej pracy przewozowej i 4,1% w przewiezionej masie. Wartości

udziału przewozów intermodalnych w rynku przewozów koleją pod względem przewiezio-

nej masy ładunków i wykonanej pracy przewozowej w latach 2009–2014 przedstawia

rysunek 4.

Rys. 4. Udział przewozów intermodalnych w rynku przewozów koleją w latach 2009–2014



Wzrost udziału przewozów intermodalnych średniorocznie pod względem przewiezio-

nej masy kształtuje się na poziomie 0,5%, natomiast wykonanej pracy przewozowej na po-

ziomie 0,66%. Uwzględniając wielkości udziału przewozów intermodalnych w przewiezio-

nej masie oraz wykonanej pracy przewozowej w latach 2009–2014, oszacowano przy wyko-

rzystaniu modelu regresji liniowej, że wielkość udziału przewozów intermodalnych w roku

2020 będzie kształtowała się na poziomie 7,4% w przewiezionej masie, przy współczynniku

determinacji R2 = 0,97, natomiast wielkość udziału wykonanej pracy przewozowej na pozio-

mie 11,0%, przy współczynniku determinacji R2 = 0,93.

Transport intermodalny w Polsce realizowany jest przez przewozy szynowo-drogowe

oraz szynowo-drogowo-morskie z wykorzystaniem kontenerów, które stanowią 97,4%

wszystkich zintegrowanych jednostek ładunkowych. Transportem kolejowym przewieziono

w 2014 r. 650 537 kontenerów. Najczęściej do przewozu ładunków wykorzystywane były

kontenery 40-stopowe i większe (49,6%), rzadziej 20-stopowe (42,7%), a najrzadziej konte-

nery 30-stopowe (5,1%). Większość kontenerów, transportowana była w przewozach mię-

dzynarodowych, w roku 2014 przewozy te stanowiły 72,1% wszystkich przewozów z wyko-

rzystaniem kontenerów.

W przeliczeniu na jednostkę TEU przewozy wykonywane transportem kolejowym

w transporcie intermodalnym w tym samym czasie kształtowały się na poziomie

1 072 627 TEU i były o 1,8% niższe w stosunku do roku 2013 oraz 4,3% wyższe w stosunku

do roku 2012 i 68,6% w stosunku do roku 2010. Wielkości przewozów kontenerów w prze-

liczeniu na jednostkę TEU w latach 2010–2014 przedstawia rysunek 5.

Rys. 5. Wielkości przewozów kontenerów w przeliczeniu na jednostkę TEU w latach 2010–2014


W transporcie intermodalnym wykorzystywano również inne zintegrowane jednostki

ładunkowe, jednak ich udział w przewozach był nieznaczny. W roku 2014 w transporcie in-

termodalnym przewieziono 11 zestawów członowych (0,002%), 14 714 naczep (2,2%) oraz

2254 nadwozi (0,3%). W przewozach intermodalnych w roku 2014 nastąpił znaczny przyrost

przewozu naczep, był on wyższy o 167,3% w stosunku do roku 2013 i o 634,2% w stosunku

do roku 2012. Przewozy zintegrowanych jednostek ładunkowych w latach 2012–2014 przed-

stawia rysunek 6.

168 D. Pyza

Rys. 6. Przewozy zintegrowanych jednostek ładunkowych w latach 2012–2014


4. PRZEWOŹNICY TRANSPORTU INTERMODALNEGO W POLSCE

Przewozy intermodalne w Polsce, prowadzone są przez licencjonowanych przewoźni-

ków kolejowych. W 2014 r. W Polsce przewozy intermodalne realizowało dwunastu licen-

cjonowanych przewoźników kolejowych, są to [12]: CTL Logistics, CTL Rail, DB Schenker

Rail Polska, Karpiel, Polzug Intermodal, Ecco Rail, Eurotrans, Freightliner, PKP Cargo, PKP

LHS, Lotos Kolej, Rail Polska. Liczba licencjonowanych przewoźników kolejowych wzrosła

o 20% w stosunku do roku 2013. Największy udział w przewozach intermodalnych

w 2014 r. mają PKP Cargo (47,19%), DB Schenker Rail Polska (21,04%) oraz Lotos Kolej

(19,37%). Udziały licencjonowanych przewoźników funkcjonujących na rynku polskim

w roku 2014 w przewozach intermodalnych przedstawia rysunek 7.

Rys. 7. Udział przewoźników funkcjonujących na rynku polskim w roku 2014 w przewozach

intermodalnych

Źródło: opracowanie na podstawie danych Urzędu Transportu Kolejowego


Łączny udział przewoźników PKP Cargo, DB Schenker Rail Polska oraz Lotos Kolej

w przewozach intermodalnych w Polsce wg masy stanowi 87,6%, natomiast wg wykonanej

pracy przewozowej stanowi 88,7%.

Ważnymi czynnikami mającymi wpływ na rozwój przewozów intermodalnych są średni

koszt dostępu do infrastruktury PKP PLK dla pociągów towarowych oraz prędkość handlowa

przewozów. Średnia ważona prędkość przewozu przez przewoźników w Polsce kształtowała

się w roku 2014 na poziomie 29 km/h, co jest to znacznie poniżej oczekiwań. W krajach Unii

Europejskiej średnia ta jest o wiele wyższa, co wpływa na rozwój przewozów intermodal-

nych, np. W Niemczach, średnia ta wynosi około 60–70 km/h. Innym ważnym czynnikiem

mającym wpływ na rozwój przewozów intermodalnych jest średni koszt dostępu do infra-

struktury (rys. 8).

Rys. 8. Średni koszt dostępu (netto) do infrastruktury PKP PLK dla pociągów towarowych

(zł/pockm) w latach 2000–2014


Średni koszt dostępu (netto) do infrastruktury PKP PLK dla pociągów towarowych w la-

tach 2000–2014 kształtował się od 21,52 zł/pockm w roku 2000 do 13,70 zł/pockm w roku

2014 i jest to spadek kosztów dostępu w 2014 r. o 36,3% w stosunku do roku 2000.

W analizowanym okresie w przeważającej części tego okresu średni koszt dostępu do

infrastruktury dla pociągów towarowych i intermodalnych był taki sam, nie dotyczy to lat

2005–2009, kiedy stawki dostępu zostały zróżnicowane. W ujednoliconym systemie stawek

za dostęp do infrastruktury, przewoźnicy mogą korzystać z 25% ulgi dla przewozów inter-

modalnych. Pomimo preferencji dla przewozów intermodalnych w zakresie stawek za dostęp

do infrastruktury przewoźnicy wskazują na szereg utrudnień z tym związanych, np. brak ulgi

dla pociągów z wagonami nieprzystosowanymi do przewozu jednostek intermodalnych oraz

nierozwiązana kwestia funkcjonowania ulgi w następnych latach – kluczowa informacja,

która ma wpływ na funkcjonowanie i planowanie rozwoju poszczególnych przewoźników.

Ponadto przewoźnicy zwracają uwagę na to, że ulga nie jest na tyle wysoka, aby opłacało się

wozić kontenery transportem kolejowym na bardzo krótkich odcinkach.

biuro

Podświetlony

170 D. Pyza

5. TERMINALE INTERMODALNE W POLSCE

Kolejowe terminale intermodalne jako węzłowe punkty przeładunku ładunków i zmiany

środków transportu, a także, jako miejsca koncentracji działalności usługowej, stają się w ra-

mach międzynarodowych łańcuchów transportowych najkorzystniejszym miejscem lokali-

zacji funkcji dystrybucyjno-logistycznych.

Terminal kolejowy przystosowany do obsługi zintegrowanych jednostek ładunkowych

projektowany jest na trasach transportu intermodalnego w punktach, w których następuje

zmiana jednego środka transportu na inny w ramach różnych gałęzi transportu. Terminal taki

nazywany jest intermodalnym terminalem przeładunkowym.

Intermodalny terminal przeładunkowy to obiekt przestrzenny z właściwą mu organiza-

cją i infrastrukturą umożliwiającą obsługę intermodalnych jednostek ładunkowych: kontene-

rów, nadwozi wymiennych, naczep samochodowych, samochodów ciężarowych i zestawów

członowych pomiędzy środkami transportu należącymi do różnych gałęzi transportu oraz

wykonywanie na tych jednostkach operacji w związku z ich składowaniem.

Terminale te stanowią podstawową infrastrukturę punktową w intermodalnych sieciach

transportowych. Wyposażone są w odpowiednie urządzenia i maszyny przeładunkowe, które

umożliwiają przeładunek jednostek intermodalnych pomiędzy różnymi rodzajami transportu

oraz obsługę stacjonarną w terminalu. Intermodalne terminale przeładunkowe zlokalizowane

są w dużych portach morskich i ważnych lądowych centrach dystrybucyjnych z dostępem do

infrastruktury transportu kolejowego, samochodowego oraz żeglugi wodnej śródlądowej [6].

Terminale, w których obsługiwane są duże potoki ładunków są to terminale w pełni za-

utomatyzowane, przez co osiąga się dużą wydajność, szybkość operacji i niski koszt jednost-

kowy obsługi jednostki intermodalnej.

Rys. 9. Liczba intermodalnych terminali przeładunkowych oraz ich udział w ogólnej liczbie terminali

intermodalnych w Polsce w roku 2014



W Polsce obecnie funkcjonuje 35 terminali transportu intermodalnego, są to terminale

z dostępem do infrastruktury transportu różnych gałęzi transportu. W ramach intermodal-

nych terminali przeładunkowych funkcjonujących w Polsce wyróżnia się terminale: kole-

jowo/drogowe: 27, morsko-kolejowo-drogowe – 2, kolejowe – 2 oraz morsko-kolejowo-dro-

gowe-śródlądowe – 4.

Największy udział w ogólnej liczbie terminali intermodalnych w Polsce mają terminale

kolejowo/drogowe (77,1%), natomiast najmniejszy terminale morsko-kolejowo-drogowe

(5,7%) oraz kolejowe (5,7%). Liczbę poszczególnych kategorii intermodalnych terminali

przeładunkowych oraz ich udział w ogólnej liczbie terminali intermodalnych w Polsce przed-

stawia rysunek 9.

Największą liczbą intermodalnych terminali przeładunkowych dysponuje firma CAR-

GOSPED Sp. Z o.o., która jest operatorem logistycznym, świadczącym usługi spedycyjne

i logistyczne w kraju i za granicą, w szczególności w zakresie kolejowych przewozów towa-

rowych. Inną firmą dysponującą znacząca liczba intermodalnych terminali przeładunkowych

jest PCC Intermodal, który jest operatorem transportu międzynarodowego, realizującym

przewozy intermodalne. Ponadto operator ten realizuje regularne połączenia kolejowe po-

między terminalami lądowymi a polskimi i międzynarodowymi portami morskimi.

Największy udział w obsłudze intermodalnych jednostek ładunkowych wiąże się z ter-

minalami zlokalizowanymi w portach morskich – 2/3 obrotów. Terminale te stanowią jedno-

cześnie największą sieć terminali kontenerowych – udział 33,5%.

6. PODSUMOWANIE

W Strategii Unii Europejskiej 2020: Strategia na rzecz inteligentnego i zrównoważo-

nego rozwoju sprzyjającemu włączeniu społecznemu, przyjętej przez Komisję Europejską

w 2010 r. zwraca się uwagę na wspieranie gospodarki efektywnej korzystającej z zasobów,

bardziej przyjaznej środowisku i bardziej konkurencyjnej [4]. Konsekwencją takiego podej-

ścia w Unii Europejskiej jest Biała księga – Plan utworzenia jednolitego europejskiego ob-

szaru transportu – dążenie do osiągnięcia konkurencyjnego i zasobooszczędnego systemu

transportu, przyjęta przez Komisję Europejską w 2011 r., w której określone zostały główne

priorytety polityki transportowej, do których zalicza się [2]:

redukcję w sektorze transportu emisji zanieczyszczeń o 60% do 2050 r.,

wykorzystanie transportu kolejowego w przewozach na duże odległości (transport

samochodowy do 300 km),

utworzenie sieci połączeń w ramach sieci bazowej TEN-T, optymalnych pod wzglę-

dem wykorzystania energii i emisji oraz minimalizacji wpływu na środowisko,

a także atrakcyjnych ze względu na niezawodność i niskie koszty działania.

Takie podejście powoduje, że transport intermodalny staje się alternatywą dla innych

technologii przewozowych szczególnie wykorzystywanych w transporcie samochodowym.

Transport kombinowany/intermodalny pozwala połączyć mocne strony różnych gałęzi trans-

portu i zbudować efekt synergii, objawiający się w postaci zwiększonej efektywności trans-

portu i ograniczenia kosztów zewnętrznych transportu.

172 D. Pyza

Rynek kolejowych przewozów intermodalnych w Polsce rozwija się relatywnie dyna-

micznie. Wskazuje na to zarówno liczba przewiezionych intermodalnych jednostek ładunko-

wych, jak i udział przewozów intermodalnych w ogólnej liczbie przewozów. Zjawisko takie

występuje już na przestrzeni kilku lat, a uwzględniając trendy wzrostu przewozów w po-

szczególnych latach oraz ogólne tendencje w kształtowaniu systemów przewozowych bar-

dziej ekologicznych szacuje się, że będzie utrzymywało się ono w dłuższej perspektywie

czasu [8, 9].

Pomimo rozwoju rynku przewozów intermodalnych w Polsce występują również czyn-

niki mające negatywny wpływ na jego rozwój. Zaliczyć do nich należy brak dofinansowania

przewozów intermodalnych przez państwo, dofinansowanie występuje tylko w pewnym za-

kresie – ulga 25% za dostęp do infrastruktury (przy spełnieniu pewnych warunków), niska

jakość liniowej infrastruktury kolejowej – niska średnia prędkość handlowa przewozów in-

termodalnych – 29 km/h, brak dostatecznej liczby terminali kontenerowych, w tym w głów-

nej mierze na granicy wschodniej, będącej jednocześnie granicą Unii Europejskiej, niski po-

ziom inwestycji terminalowych spowodowany wysokimi kosztami budowy/rozbudowy,

mała liczba centrów logistycznych i dystrybucyjnych powodująca rozproszenie potoków

przewozów towarów.

LITERATURA

[1] Ambroziak T., Jacyna-Gołda I., Pyza D.: Production Companies Service With the Use Of Ware-

houses. CLC 2013: Carpathian Logistics Congress – Congress Proceedings [CD-ROM]. Tom 1,

ISSN 978-80-87294-46-8, s. 1–6. Kraków 2013.

[2] Biała księga – Plan utworzenia jednolitego europejskiego obszaru transportu – dążenie do osią-

gnięcia konkurencyjnego i zasobooszczędnego systemu transportu. Komisja Europejska,

Bruksela 28.3.2011, KOM(2011).

[3] Economic Commission for Europe UN/ECE, European Conference of Ministers of Transport

(ECMT) and the European Commission (EC): Terminology on combined transport. United

Nations New York and Geneva, 2001.

[4] EUROPA 2020. Strategia na rzecz inteligentnego i zrównoważonego rozwoju sprzyjającego

włączeniu społecznemu. Komisja Europejska, Bruksela, 3.3.2010, KOM(2010) 2020.

[5] Jacyna M.: Modelowanie i ocena systemów transportowych. Oficyna Wydawnicza Politechniki

Warszawskiej, Warszawa 2009.

[6] Mindur L., Krzyżaniak S. (red.): Tworzenie warunków funkcjonowania i rozwoju intermodalnej

sieci logistycznej Polski. Instytut Logistyki i Magazynowania, Poznań 2011.

[7] Pyza D.: Modelowanie systemów przewozowych w zastosowaniu do projektowania obsługi

transportowej podmiotów gospodarczych. Prace Naukowe Transport, z. 85, Oficyna Wydawnicza

Politechniki Warszawskiej, Warszawa 2012.

[8] Pyza D.: Multi-Criteria Evaluation of Transportation Systems in Supply Chains. Archives of

Transport, Polish Academy of Sciences Committee of Transport, vol. 23, iss. 1, Warsaw 2011.

[9] Pyza D.: Selected aspects of modeling of conveyance systems at random supply. Archives of

Transport, Polish Academy of Sciences Committee of Transport, volume 20, issue 3, ISSN 0866-

9546, Warsaw 2008.

[10] Pyza D.: Transport systems modeling in hierarchical distribution, International Conference on

Industrial Logistics – ICIL 2012 – Conference Proceedings, ISBN 978-953-7738-16-7, Publisher

Faculty of Mechanical Engineering and Naval Architecture, Zadar Croatia 2012, s. 293–300.


[11] Pyza D.: Transport systems modeling in hierarchical distribution. International Conference on

Industrial Logistics – ICIL 2012, University of Zagreb Faculty of Mechanical Engineering and

Naval Architecture, Zagreb Croatia 2012.

[12] Strona internetowa Urzędu Transportu Kolejowego: http://www.utk.gov.pl/

[13] Transport. Wyniki działalności w 2014 r. Główny Urząd Statystyczny, Warszawa 2015.

[14] Ustawa o transporcie drogowym z dnia 6 września 2001 r. Z późniejszymi zmianami. Dziennik

Ustaw 2001 Nr 125 poz. 1371.

INTERMODAL TRANSPORT –

TECHNICAL, TECHNOLOGICAL, ORGANIZATIONAL AND FUNCTIONAL

CONDITIONS

Abstract

This article presents the fundamental aspects of intermodal transport in Poland. The identifica-

tion of intermodal transport and transport subsystems rail-road. It also presents the character-

istics of intermodal transport, taking into account the dynamics and distribution of transport

depending on the class intermodal loading unit. In the article, an analysis of intermodal

transport and characterized their shares in the rail market. An important factor affecting inter-

modal transport is intermodal freight terminals, in this aspect has been the identification and

classification due to the ability to handle the transport of various modes of transport.

Keywords: intermodal transport subsystems, intermodal freight terminals, intermodal transport

174

Tomasz ROKICKI*

RYNEK

KOLEJOWEGO TRANSPORTU TOWAROWEGO

W POLSCE W LATACH 2006–2014

Streszczenie

W pracy przedstawiono zmiany na rynku kolejowym przewozów towarowych w latach 2006–

2014. We wstępie ukazano znaczenie transportu dla gospodarki, rolę przewozów kolejowych

na świecie i w Europie. W części badawczej stwierdzono, że znaczenie transportu kolejowego

towarów zmniejszało się, a po 2010 roku nastąpiła stabilizacja udziału tej gałęzi przewozów

w przewozach całkowitych na poziomie 12–13%, co oznaczało, że transport kolejowy stał się

bardziej konkurencyjny wobec transportu samochodowego. Rynek był dosyć liberalny, choć

ciągle udział największego operatora publicznego wynosił około 50%. Niekorzystna sytuacja

w gospodarce wpłynęła na spadki wolumenu i pracy przewozowej na kolei. Wyjątkowym kie-

runkiem transportu był import, który odnotował wzrost. Zmieniła się również struktura prze-

wożonych ładunków, ale ciągle dominowały produkty masowe przewożone w zestawach ca-

łopociągowych. Zmniejszał się zaś udział ładunków całowagonowych. Z reguły parametry

przewozu kolejowego towarów nie były skorelowane z parametrami gospodarki. Mimo ogól-

nej prawidłowości stwierdzono jednak istotną dodatnią korelację między zmianami wybranych

parametrów przewozu a zmianami importu i eksportu ogółem w gospodarce. Można więc

stwierdzić, że sytuacja w handlu międzynarodowym wpływała istotnie na zmiany w wolume-

nie i pracy przewozowej w transporcie kolejowym towarów.

Słowa kluczowe: przewóz towarów, rynek, sytuacja gospodarcza, przewozy kolejowe

1. WPROWADZENIE

Transport może być rozpatrywany na wiele sposobów. W najszerszym zakresie odnosi

się on do wszelkiego przemieszczania osób, przedmiotów i energii [1]. W węższym znacze-

niu transport oznacza techniczne, organizacyjne i ekonomicznie wydzielone z innych czyn-

ności, celowe przemieszczanie ładunków. Jest to tzw. podejście podmiotowe [2]. Transport

jest rozumiany też jako jeden z działów gospodarki [3]. Na potrzeby pracy najodpowiedniej-

sze jest podejście, według którego transport to zespół czynności polegających na przemiesz-

czaniu dóbr materialnych w przestrzeni przy zastosowaniu odpowiednich środków trans-

portu [4–6]. Na początku XXI wieku funkcjonowanie transportu w dużym stopniu wpływa

* Szkoła Główna Gospodarstwa Wiejskiego w Warszawie, Wydział Nauk Ekonomicznych

Rynek kolejowego transportu towarowego w Polsce w latach 2006-2014 175

na sytuację gospodarki krajowej [7]. Z drugiej strony wzrost gospodarczy i rosnąca wymiana

handlowa oddziaływają na rozwój rynku transportowego. Występuje więc wzajemna współ-

zależność w rozwoju transportu i gospodarki [8, 9]. Można stwierdzić, że w warunkach glo-

balizacji gospodarki światowej transport jest niezbędnym czynnikiem postępu ekonomicz-

nego oraz bardzo ważnym narzędziem produkcji [10]. Transport łączy ze sobą klientów

firmy, dostawców surowców, zakłady produkcyjne, magazyny i członków kanałów dystry-

bucji. Stanowi on więc „pomost między nabywcą a sprzedawcą” [11].

W klasyfikacji pionowej transportu stosowany jest klasyczny podział na transport lą-

dowy, wodny i powietrzny. Różnice techniczne i technologiczne oraz środowisko transpor-

towe pozwalają wyróżnić gałęzie transportu, takie jak: transport samochodowy, kolejowy,

rurociągowy, żegluga śródlądowa i morska (transport rzeczny i morski), transport lotniczy.

Każda z tych gałęzi ma swoje charakterystyczne cechy. Transport kolejowy odznacza się

dużą ładownością środków transportowych, dość dużą szybkością, niezawodnością, regular-

nością i częstotliwością połączeń [12]. W krajach UE sektor transportu stanowił w 2012 roku

około 4,9% całkowitej wartości dodanej brutto. Skala znaczenia transportu jest jednak więk-

sza, gdyż statystyka nie obejmowała operacji transportowych wykonywanych przez własne

środki transportu. W 2013 roku transport w UE wykonał łącznie 3,481 mld tkm, przy nie-

uwzględnianiu transportu poza UE. Transport drogowy stanowił 49,4% całkowitej pracy

przewozowej, morski 31,3%, kolejowy 11,7%, wodny śródlądowy 4,4%, rurociągowy 3,2%.

Europejski transport kolejowy słabo wypada w porównaniu z dużymi państwami na świecie.

W 2013 roku w UE wykonano 406 mld tkm pracy przewozowej koleją, a w USA około

4500 mld tkm, w Chinach 2900 mld tkm i w Rosji 2200 mld tkm [13]. W USA udział kole-

jowego transportu koleją wynosił 45%, więc podane statystyki nie dziwią. W UE długość

linii kolejowych wynosiła około 212 tys. km, przy czym około 50% z nich była zelektryfi-

kowana [14]. Przewozy kolejowe towarowe w UE nie pełnią roli odpowiedniej do ich poten-

cjału. Szansą dla kolei może być rozwój transportu intermodalnego. Idea ta jest promowana

ze względu na presję na zmniejszanie kosztów zewnętrznych transportu [15].

W Polsce od II wojny światowej do lat 90. XX wieku działał jeden narodowy przewoź-

nik kolejowy, który zmonopolizował całą gałąź transportu. W 1991 roku zaczęto wprowa-

dzać reformy w kolejnictwie, co pozwoliło na dostęp do rynku dla wielu operatorów. Mono-

pol kolei państwowych został przełamany dopiero wraz z wejściem w życie ustaw o trans-

porcie kolejowym z dnia 27 czerwca 1997 roku i 28 marca 2003 roku. Akty te regulowały

funkcjonowanie polskiego transportu kolejowego. Przepisy z 1997 roku wprowadziły kon-

cesję na zarządzanie liniami kolejowymi, której uzyskanie wymagało zobowiązań do posia-

dania taboru, zatrudniania pracowników, respektowania umów międzynarodowych i należy-

tego wykonywania działalności gospodarczej. W 1998 roku na rynku kolejowym towaro-

wym obok PKP S.A. działało siedem przedsiębiorstw. Ustawa z 2003 roku zniosła koncesje

i zastąpiła je licencjami [16–19]. Wprowadzono definicję przewoźnika kolejowego jako

przedsiębiorcę wykonującego na podstawie licencji przewozy kolejowe lub świadczącego

usługi trakcyjne [20]. W rezultacie przeprowadzonych zmian polski rynek kolejowych prze-

wozów towarowych stał się najbardziej zliberalizowany w Europie. Udział przewoźników

prywatnych zwiększa się co roku. Dynamizacja procesów nastąpiła po 1 stycznia 2007 roku

wraz z otwarciem rynku kolejowego towarowego w UE [21]. Na dzień 9 czerwca 2015 roku

licencję posiadało 105 przewoźników kolejowych. W tej liczbie były przedsiębiorstwa

176 T. Rokicki

świadczące przewozy wąskotorowe, przewozy osób, transport rzeczy i świadczący usługi

trakcyjne [22]. W krajach UE działania na rzecz organizacyjnej i ekonomicznej restruktury-

zacji narodowych przewoźników kolejowych zostały podjęte na początku lat 90. [23]. Naj-

bardziej zliberalizowany był rynek kolejowy towarowy w Wielkiej Brytanii, zaś najmniej we

Francji, Danii i Hiszpanii [24].

Globalizacja i postępująca integracja sprawiają, że współczesna gospodarka rozwija się

pod wpływem uwarunkowań egzogenicznych. Zmiany sytuacji gospodarczej, w tym kryzysy

ekonomiczne wpływają na reakcje dostosowawcze w poszczególnych działach gospodarki.

Siła reakcji jest uzależniona od powiązania z gospodarką [25]. Branża transportowa jest okre-

ślana jako barometr gospodarki. Sytuacja w transporcie świadczy bowiem o aktualnej sytua-

cji gospodarczej w kraju i w regionie. Dodatkowo duże zaburzenia w gospodarce najszybciej

objawiają się w zmianach pracy przewozowej transportu i stanowią sygnał ostrzegawczy dla

całej gospodarki [26].

2. CEL I METODYKA BADAŃ

Głównym celem pracy było dokonanie oceny funkcjonowania rynku kolejowego towa-

rowego w Polsce. Jako cele szczegółowe przyjęto: przedstawienie znaczenia transportu

w gospodarce, ukazanie etapów przeprowadzania zmian na rynku kolejowym, określenie

zmian w pracy przewozowej i wolumenie przewożonych ładunków na towarowym rynku ko-

lejowym, wykazanie związków transportu kolejowego towarów z sytuacją gospodarczą

kraju. Okres badawczy dotyczył lat 2006–2014, czyli przed kryzysem gospodarczym, w trak-

cie jego trwania i w latach poprawy koniunktury gospodarczej. Źródła materiałów stanowi

literatura zagraniczna i krajowa, informacje liczbowe GUS, UTK (Urząd Transportu Kolejo-

wego). W pracy wykorzystano metodę opisową, tabelaryczną, graficzną oraz współczynnik

korelacji. Do określenia relacji między sytuacja gospodarczą kraju a przewozami kolejo-

wymi towarowymi w Polsce zastosowano współczynnik korelacji. Jako wskaźniki opisujące

sytuację w gospodarczej przyjęto indeksy zmian PKB, popytu krajowego, importu i eks-

portu. Z kolei parametrami opisującymi sytuację w przewozach kolejowych towarowych

były indeksy zmian wolumenu i pracy przewozowej przedstawione w różnej konfiguracji.

3. WYNIKI BADAŃ

Znaczenie transportu kolejowego w przewozie towarów systematycznie zmniejszało się

(tab. 1). Jeszcze w 2006 roku stanowił on 20% wszystkich przewozów pod względem tonażu,

a w 2014 roku już tylko 12%. Na znaczeniu ciągle zyskiwał transport samochodowy, który

w 2014 roku stanowił już 84% wszystkich wykonanych przewozów. Inne gałęzie transportu

miały bardzo małe znaczenie. Z przedstawionego zestawienia wynika, że jedynie transport

kolejowy był w stanie konkurować z przewozem towarów samochodami. Od 2010 roku

udział transportu kolejowego ustabilizował się na poziomie 12–13%. Prawdopodobnie kry-

zys gospodarczy zmusił przedsiębiorstwa do poszukiwania tańszych środków transportu.

W momencie spowolnienia gospodarczego najważniejszym czynnikiem branym pod uwagę

przy wyborze transportu stały się kosztu przewozu.


Tab. 1. Struktura przewozów towarowych w Polsce według tonażu w latach 2006–2014

Rodzaj transportu Struktura przewozów towarów w latach 2006–2014

2006 2007 2008 2009 2010 2011 2012 2013 2014

Transport samochodowy 75,82 77,28 80,07 82,66 83,94 83,78 83,81 84,34 84,44

Transport kolejowy 19,76 18,72 16,52 14,10 12,74 13,09 12,96 12,63 12,43

Transport rurociągowy 3,79 3,37 2,93 2,91 3,04 2,86 2,97 2,75 2,72

Żegluga śródlądowa 0,63 0,62 0,48 0,33 0,28 0,27 0,26 0,27 0,42

Transport lotniczy 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00

Źródło: opracowanie własne na podstawie Transport – wyniki działalności w latach 2006–2014,

GUS, Warszawa 2007–2015

Wolumen towarów przewożonych koleją w latach 2006–2014 zmniejszył się

z 291 mln ton w 2006 roku do 228 mln ton w 2014 roku (rys. 1). Jednocześnie w przedsta-

wionym okresie tylko nieznacznie zmniejszyła się praca przewozowa z 53,6 mld tkm do

50 mld tkm. W 2009 roku nastąpił wyraźny spadek pracy przewozowej, spowodowany kry-

zysem gospodarczym. W przypadku wolumenu przewozów spadek w 2009 roku nie był aż

tak drastyczny, jak dla pracy przewozowej. Przyczyną było ograniczenie przewozów ładun-

ków podlegających handlowi międzynarodowemu. Należy wspomnieć, że poza rokiem 2009,

można zauważyć tendencję do zwiększania się średniej odległości transportowej, co jest zja-

wiskiem pozytywnym.

Rys. 1. Przewozy kolejowe towarowe w latach 2006–2014

Źródło: opracowanie własne na podstawie danych UTK

Stosując indeksy łańcuchowe do badania przewozów kolejowych można określić latach,

w których występowały spadki i wzrosty w wykonanych przewozach. Właśnie w taki sposób

zostały przedstawione zmiany w wolumenie ładunków przewożonych koleją według kierun-

ków transportu (rys. 2). Największe roczne wahania występowały w przypadku handlu

178 T. Rokicki

międzynarodowego (eksport i import) oraz tranzytu. Przewozy wewnątrzkrajowe były dosyć

stabilne. W przypadku wszystkich kierunków przewozu największe spadki wolumenu odno-

towano w 2009 roku, gdy wystąpił kryzys gospodarczy. Przyjmując 2006 rok jako 100%

określono indeksy zmian wolumenu przewozów towarowych koleją, które w 2014 roku od-

powiednio wynosiły: dla transportu ogółem 78,22%, przewozów wewnątrzkrajowych

75,46%, eksportu 66,30%, importu 111,61%, tranzytu 68,90%. Spadki były dosyć duże, je-

dynie w imporcie osiągnięto wzrost przewozów.

Stwierdzono silną istotną dodatnią korelację między zmianami wolumenu towarów

w imporcie transportem kolejowym a zmianami wielkości importu w gospodarce (r = 0,88,

p = 0,002), zmianami wolumenu eksportu w gospodarce (r = 0,87, p = 0,003). Taki wynik

świadczy o ścisłym związku handlu zagranicznym w kraju i przewozów międzynarodowych

towarów koleją. Silna istotną zależność stwierdzono również w przypadku relacji między

zmianami w wolumenie tranzytu wykonywanego koleją a zmianami wolumenu importu

w gospodarce (r = 0,70, p = 0,03), zmianami wolumenu eksportu w gospodarce (r = 0,79,

p = 0,01). Na wielkość tranzytu miała wpływ sytuacja gospodarcza w państwach sąsiadują-

cych i w Europie.

Rys. 2. Zmiany w wolumenie przewozów kolejowych towarowych według kierunków transportu

w latach 2006–2014 (rok poprzedni = 100)



Podobnie, jak w przypadku wolumenu przewozów, postąpiono z pracą przewozową

wyrażoną w tonokilometrach (tkm) (rys. 3). Zmiany w poszczególnych latach były analo-

giczne, tj. W 2009 roku nastąpiły spadki, a w 2010 bardzo duże wzrosty. Praca przewozowa

wykonana koleją w ujęciu ogólnym była najmniej wrażliwa na zmiany, zaś największe wa-

hania występowały w tranzycie, eksporcie i imporcie. Przyjmując za punkt odniesienia 2006

rok określono indeksy zmian w 2014 roku, które wynosiły dla transportu ogółem 93,39%,

przewozów wewnątrzkrajowych 104,46%, eksportu 63,25%, importu 123,38%, tranzytu

72,28%. Osiągnięte wyniki są lepsze niż w przypadku wolumenu przewozów, co świadczy

o wzroście odległości wykonywanych przewozów koleją, szczególnie w transporcie we-

wnątrzkrajowym, gdzie indeks zmian wolumenu towarów wyniósł tylko 75,46%.


Przeprowadzone badania pozwoliły stwierdzić istotną silną korelację dodatnią między

zmianami w pracy przewozowej ogółem w transporcie koleją towarów a zmianami w eks-

porcie ogółem towarów w gospodarce (r = 0,79, p = 0,01). Podobnie silna zależność wystę-

powała też między zmianami w pracy przewozowej kolei w tranzycie a zmianami w ekspor-

cie ogółem w gospodarce (r = 0,80, p = 0,01) i imporcie ogółem (r = 0,70, p = 0,04). Stwier-

dzono również bardzo silna istotną korelację między zmianami w pracy przewozowej

importu koleją a zmianami w eksporcie ogółem w gospodarce (r = 0,92, p = 0,001) i impor-

cie ogółem (r = 0,90, p = 0,001). Takie wyniki świadczą o dużym wpływie wymiany handlo-

wej ogółem na wyniki osiągane w przewozie międzynarodowym towarów koleją.

Rys. 3. Zmiany w pracy przewozowej w transporcie kolejowym towarowym według kierunków

transportu w latach 2006–2014 (rok poprzedni = 100)



Na rysunku 4 przedstawiono zmiany w wolumenie przewozów kolejowych towarowych

w najbardziej znaczących grupach ładunków. Największe roczne wahania wystąpiły

w 2008 roku w przypadku produktów rolnych (wolumen przewozów wzrósł o 234% w porów-

naniu z rokiem poprzednim), rud metali (wzrost o 140%), produktów chemicznych (wzrost

o 96%) i drewna (spadek o 68%). W 2009 roku nastąpiły spadki przewozów, a jedynym wyjąt-

kiem były produkty spożywcze, których przewieziono o 7% więcej niż w roku wcześniejszym.

Zmiany w wolumenie przewozów poszczególnych produktów były zróżnicowane. Przyjmując

2006 rok za 100, określono indeksy zmian wolumenu przewiezionych produktów w 2014 roku.

Do towarów, których wolumen przewozów koleją w 2014 roku był wyższy niż w 2006 roku

zalicza się produkty rolne (indeks 289,08), rudy metali (311,20), produkty spożywcze (158,83),

produkty chemiczne (171,59). Mniej ładunków przewieziono zaś w przypadku węgla, ropy naf-

towej i gazu ziemnego (61,61), drewna (44,29), koksu, brykietów i produktów rafinacji ropy

naftowej (97,41), wyrobów metalowych (72,1). W 2014 roku największe znaczenie w trans-

porcie towarowym koleją miał przewóz węgla kamiennego, brunatnego, ropy naftowej i gazu

ziemnego (41% wolumenu przewozów), rud metali (27%) oraz koksu, brykietów i produktów

rafinacji ropy naftowej (11%). W przypadku pozostałych produktów ich udział w wolumenie

przewozów nie przekraczał 4%. Zmiany w wolumenie przewozów koleją poszczególnych ro-

dzajów produktów nie był z reguły uzależnione od zmian sytuacji gospodarczej. Stwierdzono

jedynie istotną silną dodatnią korelację między zmianami wolumenu przewozów koleją koksu,

180 T. Rokicki

brykietów i produkty rafinacji ropy naftowej a zmianami w eksporcie w gospodarce (r = 0,68,

p = 0,04) i zmianami w imporcie (r = 0,74, p = 0,02).

Rys. 4. Zmiany w wolumenie przewozów kolejowych towarowych według grup ładunków




Podobnie, jak w przypadku wolumenu towarów przewożonych koleją, postąpiono

z praca przewozową. Zmiany w pracy przewozowej były analogiczne do zmian w wolume-

nie produktów (rys. 5). Podobnie największe wahania w pracy przewozowej koleją występo-

wały w 2008 roku przy przewozie produktów rolnych (praca przewozowa wzrosła o 261%),

rud metali (wzrost o 104%), produktów chemicznych (wzrost o 107%), drewna (spadek

o 65%). Spadki w pracy przewozowej koleją w 2009 roku, w porównaniu do roku wcześniej-

szego, wystąpiły w przypadku wszystkich towarów, poza produktami spożywczymi (wzrost

o 6,5%). Obliczone indeksy o podstawie stałej (2006 rok = 100) pozwoliły określić faktyczne

zmiany w pracy przewozowej dla poszczególnych produktów. Wzrost odnotowano w przy-

padku produktów rolnych (indeks 409,66), rud metali (214,53), produktów spożywczych

(163,04), koksu, brykietów i produktów rafinacji ropy naftowej (118,88), produktów che-

micznych (171,02), zaś spadki wystąpiły przy przewozie węgla, ropy naftowej i gazu ziem-

nego (79,73), drewna (38,31), wyrobów metalowych (53,11). Porównanie tych wyników

z dotyczącymi wolumenu przewozów pozwala stwierdzić, że zmniejszyła się średnia odle-

głość przy przewozie rud metali i wyrobów metalowych, zaś wzrosła w przypadku węgla,

ropy naftowej, gazu ziemnego i produktów powstałych z ich przetworzenia. Ze zmianami

w gospodarce silnie powiązane były jedynie zmiany w pracy przewozowej koleją koksu, bry-

kietów i produktów rafinacji ropy naftowej. Stwierdzono silną istotną dodatnią korelację

między zmianami w pracy przewozowej podanych produktów koleją a zmianami w popycie

krajowym (r = 0,73, p = 0,02), zmianami w eksporcie w gospodarce (r = 0,84, p = 0,004),

zmianami importu ogółem w kraju (r = 0,92, p = 0,001).


Rys. 5. Zmiany w pracy przewozowej w transporcie kolejowym towarowym według grup ładunków




Przewozy całopociągowe w 2006 roku stanowiły pod względem wolumenu 70,33%

wszystkich przewozów oraz 67,48% ze względu na prace przewozową. Pozostała część przy-

padała na przewozy całowagonowe. W 2014 roku struktura zmieniła się na korzyść przewo-

zów całopociągowych, które stanowiły już 80,57% wolumenu transportu towarów koleją

i 85,70% pracy przewozowej. Zmiany w ujęciu rocznym zostały przedstawione na rysunku

6. Duże spadki występowały oprócz 2009 roku, również w 2012 roku i dotyczyły przesyłek

całowagonowych. Biorąc za podstawę 2006 rok określono zmiany w 2014 roku w przewo-

zach całopociągowych w wolumenie przewożonych ładunków (indeks 89,56) i pracy prze-

wozowej (118,60). Podobnie postąpiono w przypadku ładunków całopociągowych i otrzy-

mano 51,04 dla wolumenu ładunków i 41,06 dla pracy przewozowej. Wyniki potwierdzają

kierunek zmian w strukturze przewozów. Bardziej opłacalne dla klientów są przewozy cało-

pociągowe, które pozwalają na redukcję opłat za transport. W momencie pogorszenia się sy-

tuacji gospodarczej takie działania są uznawane za racjonalne. Stwierdzono jedynie silna

istotną dodatnią zależność między zmianami w pracy przewozowej przy przewozach cało-

pociągowych a zmianą eksportu w gospodarce (r = 0,82, p = 0,006) i zmianą importu ogółem

w kraju (r = 0,72, p = 0,03).

Przewoźnik publiczny przez wiele lat był w Polsce monopolistą. Początek wolnego

rynku kolejowego towarowego miał miejsce w dniu 1 kwietnia 2002 roku wraz z opubliko-

waniem przez PKP PLK regulaminu i cennika dostępu do infrastruktury. Jednak dopiero wej-

ście w życie ustawy z dnia 28 marca 2003 r. o transporcie kolejowym, pozwoliło na liberali-

zację dostępu do rynku. Przedsiębiorstwa prywatne stopniowo zwiększały udział w rynku.

W 2009 roku już 30% rynku obsługiwali przewoźnicy prywatni. W 2014 roku udział PKP

Cargo w wolumenie przewożonych ładunków wyniósł 47,94%, kolejne miejsca zajęły DB

Schenker Rail Polska (18,55%), Lotos Kolej (4,65%), PKP LHS (4,66%) i CTL Logistics

(3,11%). Udział pozostałych przewoźników był niewielki (rys. 7).

182 T. Rokicki

Rys. 6. Zmiany w wolumenie i pracy przewozowej w transporcie kolejowym towarowym

według rodzaju przesyłek w latach 2006–2014 (rok poprzedni = 100)



Rys. 7. Struktura przewoźników kolejowych towarowych według przewiezionej masy towarów


PKP Cargo było również liderem ze względu na wykonana prace przewozową przy

przewozie ładunków (56,69%). Kolejne miejsca zajmowały Lotos Kolej (8,87%), PKP LHS

(7,06%), DB Schenker Rail Polska (5,10%), CTL Logistics (4,90%). Spośród pozostałych

przewoźników żaden nie przekroczył 3% (rys. 8). Porównując dane z rysunków 7 i 8 można

stwierdzić, że u dużych operatorów dominowały przewozy na duże odległości. Wyjątkiem

był DB Schenker Rail Polska dla którego udział w wolumenie ładunków wynosił 18,55%,

a dla pracy przewozowej tylko 5,10%. Stąd wniosek, że ten operator wykonywał przewozy

na mniejsze odległości, niż konkurencja.


Rys. 8. Struktura przewoźników kolejowych towarowych według wykonanej pracy przewozowej


Na liberalnym rynku przewozów towarowych kolejowych znaczenie przewoźników

prywatnych będzie co roku wzrastało, jednak zmiany na rynku nie powinny zachodzić bardzo

dynamicznie. Największy przewoźnik publiczny PKP Cargo ciągle posiada bardzo duży po-

tencjał i infrastrukturę, dzięki czemu powinien zachować dominującą pozycję w najbliż-

szych latach.

4. PODSUMOWANIE

Związki transportu z gospodarką są niezaprzeczalne. Z jednej strony funkcjonowanie

transportu wpływa na sytuację gospodarki krajowej, a z drugiej wzrost gospodarczy i zwięk-

szona wymiana handlowa oddziaływają na rozwój rynku transportowego. Udział transportu

kolejowego w przewozie ładunków, zarówno w UE, jak i w Polsce, systematycznie zmniej-

sza się. Mimo zwracania coraz większej uwagi na ochronę środowiska dominacja transportu

samochodowego pogłębia się.

W większości krajów UE dominują publiczni przewoźnicy w transporcie kolejowym

towarów. Rynek europejski jest mało zliberalizowany. W Polsce w 2014 roku rynek był

mocno zliberalizowany, jednak ułatwiony dostęp do świadczenia usług kolejowych towaro-

wych pojawił się dopiero na początku XXI wieku. Wejście w życie ustawy z dnia 28 marca

2003 r. o transporcie kolejowym pozwoliło na dostęp do rynku operatorom prywatnym. Na

dzień 9 czerwca 2015 roku licencję posiadało już 105 przewoźników kolejowych, a prze-

wozy faktycznie realizowało 63 operatorów. Na rynku dominującą pozycję zajmuje operator

publiczny PKP Cargo, ale systematycznie wzrasta udział przewoźników prywatnych, co jest

sytuacją korzystną z punktu widzenia konkurencyjności na rynku.

W 2006 roku kolejowy transport towarów w Polsce stanowił 20% wszystkich przewo-

zów pod względem tonażu, a w 2014 roku już tylko 12%. Jednak od 2010 roku udział

184 T. Rokicki

transportu kolejowego ustabilizował się na poziomie 12–13%. Prawdopodobnie kryzys go-

spodarczy zmusił przedsiębiorstwa do poszukiwania tańszych środków transportu. Wolumen

towarów przewożonych koleją w latach 2006–2014 zmniejszył się z 291 mln ton w 2006

roku do 228 mln ton w 2014 roku, a praca przewozowa z 53,6 mld tkm do 50 mld tkm.

W 2009 roku widoczny był wyraźny spadek pracy przewozowej, spowodowany kryzysem

gospodarczym. Jego główną przyczyną było ograniczenie przewozów ładunków podlegają-

cych handlowi międzynarodowego. Największe roczne wahania w przewozach kolejowych

towarowych (według wolumenu i pracy przewozowej) występowały w przypadku handlu

międzynarodowego (eksport i import) oraz tranzytu. Przewozy wewnątrzkrajowe były dosyć

stabilne. W latach 2006–2014 jedynie w imporcie towarów (w tonach i tonokilometrach)

oraz w przewozie wewnątrzkrajowym (w tonokilometrach) odnotowano wzrost, w przy-

padku pozostałych kierunków przewozy zmniejszyły się.

Występowały duże różnice w przewozach poszczególnych rodzajów produktów. Były

zarówno takie, które odnotowały bardzo duży wzrost w latach 2006–2014, jak i spadki.

Wzrost przewozów dotyczył produktów rolnych, rud metali, produktów spożywczych, pro-

duktów chemicznych, zaś spadek – węgla, ropy naftowej i gazu ziemnego, drewna, koksu,

brykietów i produktów rafinacji ropy naftowej oraz wyrobów metalowych. W 2014 roku naj-

większe znaczenie w transporcie towarowym koleją miał przewóz węgla kamiennego, bru-

natnego, ropy naftowej i gazu ziemnego (41% wolumenu przewozów), rud metali (27%) oraz

koksu, brykietów i produktów rafinacji ropy naftowej (11%). Największe roczne wahania

przewozów wystąpiły w 2008 roku i w przypadku kilku produktów wynosiły nawet kilkaset

procent. W 2009 roku nastąpiły spadki przewozów, a jedynym wyjątkiem były produkty spo-

żywcze, których przewieziono o 7% więcej niż w roku wcześniejszym.

Przeprowadzone badania zależności między zmianami w przewozach towarowych ko-

leją a zmianami sytuacji gospodarczej kraju pozwoliły stwierdzić, że w większości przypad-

ków takie zależności nie występowały. Jedynym wyjątkiem było oddziaływanie zmian

w eksporcie i imporcie w kraju na wybrane parametry przewozu kolejowego towarów. Wów-

czas występowała silna korelację. Można więc stwierdzić, że sytuacja w handlu międzyna-

rodowym wpływała istotnie na zmiany w wolumenie i pracy przewozowej w transporcie ko-

lejowym towarów.

LITERATURA

[1] Tarski I.: Ekonomika i organizacja transportu międzynarodowego, PWE, Warszawa 1973, s. 11.

[2] Madeyski M., Lissowska E., Marzec J.: Wstęp do nauki o transporcie, SGPiS, Warszawa 1971,

s. 10.

[3] Koźlak A.: Ekonomika transportu. Teoria i praktyka gospodarcza, Wydawnictwo Uniwersytetu

Gdańskiego, Gdańsk 2008, s. 11–12.

[4] Bendkowski J., Kramarz M.: Logistyka stosowana. Metody, techniki, analizy, część II, Wydawnictwo

Politechniki Śląskiej, Gliwice 2006, s. 307.

[5] Bendkowski J., Pietrucha-Pacut M.: Podstawy logistyki w dystrybucji, Wydawnictwo Politechniki

Śląskiej, Gliwice 2003, s. 61.

[6] Logistyka. Wybrane zagadnienia, Wydawnictwo SGGW, Warszawa 2008, s. 76–77.

[7] Ciesielski M. (red.): Rynek usług logistycznych, Difin, Warszawa 2005.

biuro


nie dzielić


[8] Hawlena J.: Determinanty kształtowania cen usług transportowych, Wydawnictwo Akademii

Ekonomicznej w Katowicach, Katowice 2004, s. 9.

[9] Rydzkowski W., Wojewódzka-Król K. (red.), Transport. Problemy transportu w rozszerzonej

UE, Wydawnictwo Naukowe PWN, Warszawa 2009, s. 1–2.

[10] Łacny J.: Funkcjonowanie międzynarodowego transportu drogowego ładunków w gospodarce

globalnej, Wyd. Uczelniane Wyższej Szkoły Gospodarki w Bydgoszczy, Bydgoszcz 2009, s. 11.

[11] Coyle J. J., Bardi E. J., Langley Jr C. J.: Zarządzanie logistyczne, PWE, Warszawa 2007, s. 404.

[12] Rokicki T.: Organizacja i ekonomika transportu, Wydawnictwo SGGW, Warszawa 2014,

s. 14–15.

[13] EU Transport in figures 2015, Part 2: Transport, European Commission, Directorate-General for

Mobility and Transport.

[14] Badyda, A. J.: Zagrożenia środowiskowe ze strony transportu, Nauka, nr 4, 2010, s. 115–125.

[15] Strojny, J.: Zastosowanie taksonomii struktur do analizy ewolucji systemu transportu towarowego

w krajach Unii Europejskiej, Wiadomości Statystyczne, nr 10, 2013, s. 53–66.

[16] Barcik, J., Czech, P.: Sytuacja transportu kolejowego w Polsce na przełomie ostatnich lat –

część 1, Zeszyty Naukowe Politechniki Śląskiej, Seria: Transport, nr 67, 2010, s. 5–12.

[17] Ustawa z dnia 27 czerwca 1997 r. o transporcie kolejowym, Dz.U. 1997 nr 96 poz. 591.

[18] Ustawa z dnia 28 marca 2003 r. o transporcie kolejowym, Dz. U. 2003, nr 86 poz. 789.

[19] Paprocki W., Pieriegud J.: Nowoczesne przedsiębiorstwo kolejowe CARGO, Zespół Doradców

Gospodarczych TOR, 2003, s. 1–12.

[20] Grobelny M.: Pięć lat wolnego rynku kolejowych przewozów towarowych w Polsce, Rynek

kolejowy, nr 9, 2008, s. 5.

[21] Barcik, J., Czech, P.: Sytuacja transportu kolejowego w Polsce na przełomie ostatnich lat –

część 2, Zeszyty Naukowe Politechniki Śląskiej, Seria: Transport, nr 68, 2010, s. 13–17.

[22] Urząd Transportu Kolejowego, Licencjonowani przewoźnicy kolejowi,

http://www.utk.gov.pl/pl/licencjonowanie/licencjonowani-przewoz/245,Wykaz-licencjonowa-

nych-przewoznikow-kolejowych.html, (dostęp dnia 20.17.2015 r.).

[23] Obermauer A.: National railway reform in Japan and the EU: evaluation of institutional changes,

Japan railway & transport review, nr 29, 2001, s. 24–31.

[24] Eisenkopf A., Kirchner C., Jarzembowski G., Ludewig J., Rothengatter W., McCullough G.: The

liberalisation of rail transport in the EU, Intereconomics 41 (6), 2006, s. 292–313.

[25] Chechelski P.: Wpływ kryzysu na globalną gospodarkę żywnościową, Instytut Ekonomiki Rolnictwa

i Gospodarki Żywnościowej – Państwowy Instytut Badawczy, Warszawa 2010, s. 1–53.

[26] Gębski J., Wysocka A.: Kryzys na rynku transportu drogowego rzeczy w krajach Unii

Europejskiej w latach 2008–2009, Zeszyty Naukowe Uniwersytetu Szczecińskiego. Problemy

Transportu i Logistyki, nr 11, 2010, s. 81–93.

MARKET OF RAIL FREIGHT TRANSPORT

IN POLAND IN 2006–2014

Abstract

The paper presents changes in the market of rail freight transport in 2006–2014. In the intro-

duction shown the importance of transport for the economy, the role of rail in Europe and

world. In the research, it was found that the importance of rail freight decreased and after 2010

there has been a stabilization of the share of this branch of transport in total transport at the

level of 12–13%. That meant rail transport becomes competitive with road transport. The mar-

ket was fairly liberalized, but still share of the largest public operator amounted to almost 50%.

The unfavorable situation in the economy contributed to declines in weight of transported

186 T. Rokicki

goods and transport work on the railway. A special direction of transport was imports, which

recorded an increase. Also changed the structure of freight, but still dominated by bulk products

shipped in full train load. Decreased while the share of freight in full wagon load. As a rule,

rail freight's parameters were not correlated with the parameters of the economy. A significant

positive correlation was found only between changes of selected transport parameters and

changes in import and export of the whole economy. It can therefore be concluded that the

situation in international trade significantly impacted on the changes in volume and work in

rail freight transport.

Keywords: freight transport, market, economic situation, rail freight

187

Paweł SOBCZAK*, Paweł BUCHWALD*

ANALIZA FUNKCJONOWANIA

TRANSPORTU ZBIOROWEGO

MIĘDZY WYBRANYMI MIASTAMI

AGLOMERACJI ŚLĄSKIEJ

A TYCHAMI

NA PRZYKŁADZIE

LINII MZK TYCHY NR 14

Streszczenie

Organizacja transportu zbiorowego stanowi istotny element polityki zrównoważonego trans-

portu danego regionu. Jest to szczególnie istotne i ważne podczas organizacji transportu na

obszarach o wysokim stopniu urbanizacji, jak np. aglomeracja Górnośląska. W pracy przed-

stawiono analizę połączeń organizowanych przez KZK GOP oraz MZK Tychy na trasie umoż-

liwiającej dojazd do szpitala specjalistycznego zlokalizowanego w centrum miasta Tychy.

W pracy dokonano analizy liczby połączeń oraz czasu oczekiwania na przesiadkę zautobusów

KZK GOP na autobus linii MZK Tychy nr 14.

Słowa kluczowe: aglomeracja górnośląska, zrównoważony transport, transport zbiorowy,

transport autobusowy, linia autobusowa MZK Tychy nr 14

1. WPROWADZENIE

Województwo śląskie jest jednym z najbardziej zaludnionych oraz zurbanizowanych

obszarów Polski. W wyniku zlokalizowania na tym obszarze bardzo dużej liczby zakładów

przemysłowych (rozbudowa przemysłowa regionu rozpoczęła się praktycznie po zakończe-

niu II wojny światowej), region ten charakteryzuje się bardzo dobrze rozbudowanym i roz-

winiętym systemem transportowym. W wyniku intensywnej rozbudowy infrastruktury

(zarówno przemysłowej, jak i mieszkaniowej) granice pomiędzy poszczególnymi miastami

stanowią w wielu przypadkach tylko i wyłącznie granicę administracyjną – granica geogra-

ficzna już dawno uległa zatarciu. Rodzi to konieczność stworzenia jednego spójnego systemu

transportowego pomiędzy poszczególnymi miastami.

* Wyższa Szkoła Biznesu w Dąbrowie Górniczej, Katedra Inżynierii Zarządzania

biuro


zmieściłoby się w jednym wierszu chyba

188 P. Sobczak, P. Buchwald

W wyniku równoległego rozwoju poszczególnych miast wojewódzkie ośrodki pu-

bliczne, takie jak np. opera czy specjalistyczne szpitale wojewódzkie, rozlokowane są w po-

szczególnych miastach, m.in. Katowicach, Sosnowcu i Tychach. Powyższa sytuacja, obok

kwestii związanych z umożliwieniem dojazdu do i z pracy czy też szkoły, wiąże się z ko-

niecznością zorganizowania transportu publicznego w taki sposób, aby umożliwiał on

sprawne oraz wygodne przemieszczanie się pomiędzy poszczególnymi miastami oraz ośrod-

kami (np. szpitalami specjalistycznymi).

Do przemieszczania się mieszkańcy aglomeracji wykorzystują na co dzień głównie

transport indywidualny lub autobusowy transport zbiorowy. Coraz lepszy tabor autobusowy

oraz duża liczba oferowanych połączeń powoduje, że znaczna część mieszkańców wykorzy-

stuje ten środek transportu do codziennych podróży.

2. AUTOBUSOWY TRANSPORT ZBIOROWY W WOJEWÓDZTWIE

ŚLĄSKIM

Autobusowy transport zbiorowy w województwie śląskim prowadzony jest przez kilka

podmiotów o różnym statusie prawnym (spółki, związki komunalne, itp.). Do największych

z nich zaliczają się:

KZK GOP,

MZK Tychy,

PKM Jaworzno,

MZKP w Tarnowskich Górach.

Podmiotem realizującym większość przewozów w obrębie aglomeracji katowickiej jest

spółka KZK GOP, która wg udostępnianych przez siebie danych obsługuje teren

o powierzchni 1,7 tys. km2, który jest zamieszkany przez prawie 2 mln mieszkańców [7].

Oprócz KZK GOP drugim znaczącym organizatorem transportu zbiorowego jest Miejski

Zarząd Komunikacji w Tychach (MZK Tychy). MZK Tychy organizuje komunikację dla

miasta Tychy oraz 15 innych gmin [8]. Obszar działalności KZK GOP oraz MZK Tychy

przedstawiono na rysunku 1.

Rys. 1. Obszar działalności KZK GOP (a) i MZK Tychy (b)

Źródło: [7, 8]

a) b)

biuro


proste

Analiza funkcjonowania transportu zbiorowego między wybranumi miastami… 189

Celem odbycia podróży np. Z Sosnowca czy Dąbrowy Górniczej i znajdujących się tam

szpitali specjalistycznych do szpitala specjalistycznego w Tychach konieczne jest skorzysta-

nie z usług obydwu przewoźników. KZK GOP oraz MZK Tychy nie posiadają niestety

wspólnego biletu, co stanowi element zniechęcający do tego typu połączenia, ale pomimo

tych trudności wydaje się ono dosyć popularne wśród mieszkańców. Głównym czynnikiem

mającym wpływ na wybór tego rodzaju połączenia jest możliwość odbycia podróży w spo-

sób sprawny i niewymagający zbyt długiego czasu oczekiwania. W celu odbycia podróży

np. Z Sosnowca lub Dąbrowy Górniczej w kierunku szpitala specjalistycznego w Tychach

należy skorzystać z linii tzw. przyspieszonych zorganizowanych przez KZK GOP, tj. linii

808, 811, 813 i 815, a następnie przesiąść się na jedną z linii MZK Tychy, które umożliwiają

dojazd do szpitala specjalistycznego w Tychach, tj. linii 1 lub 14.

Przesiadka następuje na przystanku Katowice Hotel Novotel, który znajduje się przed

wjazdem do samego centrum Katowic od strony Mysłowic, Tychów oraz Sosnowca.

3. METODOLOGIA BADAŃ

W ramach przeprowadzonych badań przeanalizowano treść tabliczek przystankowych,

trasy przejazdów autobusów oraz udostępnione przez KZK GOP oraz MZK Tychy aplikacje

webowe umożliwiające wyszukanie połączenia. W niniejszej pracy, badania opisane

w [1–6] rozszerzono o połączenia realizowane na innych popularnych w regionie relacjach

przemieszczeń. W poniższym opracowaniu opisano liczbę połączeń oraz czas oczekiwania

na przesiadkę dla kilku linii realizujących transport z Sosnowca do Katowic i umożliwiają-

cych przesiadkę na linię MZK Tychy 14, która obok linii MKZ Tychy nr 1 umożliwia dojazd

do szpitala specjalistycznego w Tychach.

Relacje KZK GOP realizujące kursy przyspieszone na trasie Sosnowiec – Katowice to:

linia autobusowa 808,



linia autobusowa 815.

Natomiast kursy na trasie Katowice – Tychy obsługiwane są przez MZK Tychy:

linia autobusowa 1,

linia autobusowa 14.

4. WYNIKI ANALIZY

W wyniku przeprowadzonych badań uzyskano czasy przyjazdów linii 808, 811, 813

i 815 na przystanek Katowice Hotel Novotel oraz czasy odjazdu autobusu linii MZK Tychy 14

z przystanku Katowice Hotel Novotel w kierunku Tychów.

W tabelach 1–4 przedstawiono porównanie czasu przyjazdów autobusów KZK GOP

linii 808, 811, 813 i 815 z czasami odjazdu autobusu linii MZK Tychy 14. Kolorem niebie-

skim zaznaczono czas oczekiwania na przesiadkę wynoszący powyżej 30 minut, a kolorem


czerwonym – czas oczekiwania wynoszący 5 lub mniej minut – jest to na tyle krótki czas,

że występuje duże ryzyko spóźnienia się na autobus linii MZK Tychy 14 z uwagi na koniecz-

ność przejścia z przystanku Katowice Hotel Novotel usytuowanego przy trasie w kierunku

centrum Katowic na przystanek Katowice Hotel Novotel znajdujący się po przeciwnej stronie

jezdni lub w wyniku opóźnienia autobusów kursujących z Sosnowca (rys. 2). Natomiast ko-

lorem fioletowym zaznaczono sytuację, w której autobus linii MZK Tychy odjeżdża z przy-

stanku kilka minut przed przyjazdem autobusu KZK GOP.

Rys. 2. Lokalizacja przystanków Katowice Hotel Novotel, na których następuje przesiadka

na autobus linii MZK Tychy nr 14

Źródło: opracowanie własne na podstawie Google Maps (dostęp: 25.09.2015)

Na 33 przyjazdy autobusu linii 808 przesiadka możliwa jest w wypadku 18 połączeń.

Średni czas oczekiwania – bez uwzględnienia połączeń wymagających długiego oczekiwania

– wynosi 18 minut, jednak w skrajnym przypadku czas ten wynosi nawet 1 godzinę 38 minut.

Na 34 przyjazdy autobusu linii 811 przesiadka możliwa jest w wypadku 20 połączeń.


– wynosi 13 minut, natomiast w skrajnym przypadku czas ten wynosi nawet 47 minut.

Na 12 przyjazdów autobusu linii 813 przesiadka możliwa jest w wypadku 11 połączeń.


– wynosi 14 minut, natomiast w skrajnym przypadku czas ten wynosi aż 51 minut.


Tab. 1. Analiza czasu oczekiwania na przesiadkę z linii KZK GOP 808 na linię MZK Tychy 14

Katowice Hotel Novotel



Przyjazd autobusu

linii 808

Odjazd autobusu

linii 14

Czas

oczeki-

wania [min]

Przyjazd autobusu

linii 808

Odjazd autobusu

linii 14

Czas

oczeki-

wania [min]

Przyjazd autobusu

linii 808

Odjazd autobusu

linii 14

Czas

oczeki-

wania [min]

04:32 05:43 01:11 10:50

12:28

01:38 16:50 17:18 00:28

05:45

06:53

01:08 11:20 01:08 17:20 18:23

01:03

06:20 00:33 11:50 00:38 17:55 00:28

06:50 00:03 12:20 00:08 18:25

19:33

01:08

07:18 00:28 12:50 13:38

00:48 18:55 00:38

07:20 07:43 00:23 13:20 00:18 19:20 00:13

07:50 08:13 00:23 13:50 14:18 00:28 19:53 20:38 00:45

08:22 08:48 00:26 14:20 14:48 00:28 20:53

23:13

02:20

08:50 09:18 00:28 14:50 15:28

00:38 21:53 01:20

09:20 09:43 00:23 15:20 00:08 23:03 00:10

09:50 10:43

00:53 15:57 16:03 00:06

10:20 00:23 16:20 16:23 00:03






Przyjazd

autobusu linii 811

Odjazd

autobusu linii 14

Czas oczeki-

wania

[min]

Przyjazd

autobusu linii 811

Odjazd

autobusu linii 14

Czas oczeki-

wania

[min]

Przyjazd

autobusu linii 811

Odjazd

autobusu linii 14

Czas oczeki-

wania

[min]

05:09 05:43

00:34 11:06 17:05 17:18 00:13

05:38 00:05 11:36 17:35

06:06 06:53

00:47 12:06 12:28 00:22 18:05 18:23 00:18

06:36 00:17 12:36 18:35

07:06 07:18 00:12 13:06 19:05 19:33 00:28

07:36 07:43 00:07 13:36 13:38 00:02 19:38

08:06 08:13 00:07 14:06 14:18 00:12 20:07

08:36 08:48 00:12 14:36 14:48 00:12 20:30 20:38 00:08

09:06 09:18 00:12 15:06 15:28 00:22 21:37

09:36 09:43 00:07 15:36 16:03 00:27 22:39 23:13 00:34

10:06 16:06 16:23 00:17

10:36 10:43 00:07 16:36







Przyjazd

autobusu linii 813

Odjazd

autobusu linii 14

Czas oczeki-

wania

[min]

Przyjazd

autobusu linii 813

Odjazd

autobusu linii 14

Czas oczeki-

wania

[min]

Przyjazd

autobusu linii 813

Odjazd

autobusu linii 14

Czas oczeki-

wania

[min]

05:43 09:43 16:03

06:02 06:53

00:51 10:43 16:05 16:23 00:18

06:32 00:21 12:28 17:18

07:02 07:18 00:16 13:28 13:38 00:10 18:23

07:28 07:43 00:15 13:58 14:18 00:20 19:33

07:58 08:13 00:15 14:35 14:48 00:13 20:38

08:28 08:48 00:20 14:58 15:28

00:30 23:13

09:18 15:28 00:00






Przyjazd

autobusu linii 815

Odjazd

autobusu linii 14

Czas oczeki-

wania

[min]

Przyjazd

autobusu linii 815

Odjazd

autobusu linii 14

Czas oczeki-

wania

[min]

Przyjazd

autobusu linii 815

Odjazd

autobusu linii 14

Czas oczeki-

wania

[min]

05:43 10:44

12:28

01:44 15:45 16:03 00:18

05:50

06:53

01:03 11:14 01:14 16:10 16:23 00:13

06:14 00:39 11:44 00:44 16:30

17:18

00:48

06:35 00:18 12:14 00:14 16:45 00:33

07:02 07:18 00:16 12:44 13:38

00:54 17:15 00:03

07:29 07:43 00:14 13:14 00:24 17:45 18:23

00:38

07:44 08:13 00:29 13:44 14:18

00:34 18:17 00:06

08:14 08:48

00:34 14:10 00:08 19:16 19:33 00:17

08:44 00:04 14:30 14:48 00:18 20:16 20:38 00:22

09:14 09:18 00:04 14:50 15:28

00:38 21:18 23:13

01:55

09:44 09:43 -00:01 15:10 00:18 22:11 01:02

10:14 10:43 00:29 15:30 16:03 00:33


Na 34 przyjazdy autobusu linii 815 przesiadka możliwa jest tylko w wypadku 18 połączeń.


– wynosi 16 minut, natomiast w skrajnym przypadku czas ten wynosi aż 1 godzinę i 55 minut.

Informacje zawarte w tabelach 1–4 dotyczące czasu oczekiwania oraz liczby połą-

czeń razem z ich procentowym udziałem w odniesieniu do rozkładu jazdy autobusu linii

MZK Tychy 14 przedstawiono w tabeli 5.


Tab. 5. Średni czas oczekiwania oraz procentowy udział połączeń umożliwiających przesiadkę z linii

KZK GOP na linię MZK Tychy 14

Parametr

Linia autobusowa

MZK Tychy KZK GOP

14 808 811 813 815

Liczba połączeń: 21 18 20 11 18

Procent połączeń umożliwiających

przesiadkę [%]: 85.71 95.24 52.38 85.71

Średni czas oczekiwania [min]: 00:18 00:13 00:14 00:16

Źródło: opracowanie własne na podstawie tabel 1–4

Na rysunku 3 przedstawiono zbiorczy wykres liczby połączeń oraz czasu oczekiwania

na przesiadkę pomiędzy linią MZK Tychy 14, a analizowanymi liniami KZK GOP na przy-

stanku Katowice Hotel Novotel.

Rys. 3. Liczba połączeń oraz czas oczekiwania na przesiadkę pomiędzy linią MZK Tychy 14, a anali-

zowanymi liniami KZK GOP na przystanku Katowice Hotel Novotel.

Źródło: opracowanie własne na podstawie tabel 1–4

Na rysunku 4 przedstawiono procentowy udział połączeń umożliwiających przesiadkę

z analizowanych linii KZK GOP na linię MZK Tychy 14 na przystanku Katowice Hotel

Novotel.


Rys. 4. Procentowy udział połączeń umożliwiających przesiadkę z analizowanych linii KZK GOP na

linię MZK Tychy 14 na przystanku Katowice Hotel Novotel

Źródło: opracowanie własne na podstawie tabeli 5

5. WNIOSKI

Połączenia z Sosnowca i Dąbrowy Górniczej w kierunku Tychów i znajdującego się

tam szpitala specjalistycznego, z wykorzystaniem linii MZK Tychy nr 14, są zorganizowane

w całkiem dobry sposób. Istnieje duża liczba połączeń z możliwą przesiadką na autobus

MZK Tychy 14, jak również, co bardzo istotne, czas oczekiwania na przesiadkę w większo-

ści przypadków umożliwia swobodną zmianę środka transportu. W przypadku każdej

z trzech głównych linii obsługiwanych przez KZK GOP, tj. 808, 811 i 815, liczba połączeń

umożliwiających przesiadkę na linię MZK Tychy 14 wynosi powyżej 85%. Połączeń tych

jest mniej na linii KZK GOP 813, jako że niewiele ponad 50%. Jednak należy zauważyć, że

linia 813 pełni głównie funkcję „odciążającą” dla linii KZK GOP 808, 811 i 815 w godzinach

„szczytu” (tak, aby linie 808, 811 i 815 nie zostały przepełnione przez pasażerów). Średni

czas oczekiwania na połączenie również jest zadowalający, gdyż wynosi od 13 do 18 minut.

Biorąc pod uwagę konieczność przejścia na drugą stronę ruchliwego skrzyżowania z sygna-

lizacją świetlną oraz możliwość opóźnień autobusów KZK GOP (w celu dotarcia do przy-

stanku Katowice Hotel Novotel poruszają się one po najbardziej obciążonej drodze w Polsce)

można stwierdzić, że czas oczekiwania powinien umożliwić spokojne dotarcie na miejsce

przesiadki bez konieczności długiego oczekiwania na autobus MZK Tychy nr 14.

Na uwagę zasługuje jednak fakt, że są połączenia, w których czas na przesiadkę jest za

krótki lub jest on wręcz skrajnie długi (czas oczekiwania powyżej 1 godziny). Wskazuje to

na konieczność podjęcia drobnych działań korygujących, które umożliwią jeszcze lepsze

skorelowanie powyższych połączeń. Jest to szczególnie istotne dla sprawnego funkcjonowa-

nia transportu zbiorowego. Sporą trudność w podjęciu tych działań na pewno stanowi fakt,

że połączenia organizowane są przez przewoźników, którzy w warunkach gospodarki wol-

norynkowej muszą ze sobą nie tylko współpracować, ale również konkurować. Jednak po-

dejmowanie wspólnych działań i uwzględnianie rozkładów jazdy drugiego przewoźnika

przynosi i będzie przynosić korzyści obydwu stronom, będzie też zachęcać mieszkańców do

korzystania z transportu zbiorowego zamiast transportu indywidualnego.


LITERATURA

[1] Sobczak P.: Połączenia autobusowe pomiędzy Czeladzią a Sosnowcem i Dąbrową Górniczą jako

element zrównoważonego transportu w województwie śląskim. Czasopismo Logistyka 6/2014,

Poznań 2014.

[2] Sobczak P.: Połączenia autobusowe pomiędzy Sosnowcem i Dąbrową Górniczą a Czeladzią jako

element zrównoważonego transportu w województwie śląskim. Czasopismo Logistyka 6/2014,

Poznań 2014.

[3] Sobczak P.: Połączenia między autobusami w Dąbrowie Górniczej jako element realizacji

założeń zrównoważonego rozwoju transportu w województwie śląskim. Czasopismo Logistyka

6/2014, Poznań 2014.

[4] Sobczak P.: Realization of bus connections on the route Sosnowiec – Chorzów as part of

sustainable transport in the Silesian province. Czasopismo Logistyka 4/2015, Poznań 2015.

[5] Sobczak P.: Realization of bus connections on the route Chorzów – Sosnowiec as part of

sustainable transport in the Silesian province. Czasopismo Logistyka 4/2015, Poznań 2015.

[6] Sobczak P., Sierpiński G.: Rozkład jazdy wybranej linii miejskiego transportu zbiorowego wobec

realizacji założeń zrównoważonego rozwoju transportu w województwie śląskim. Czasopismo

Logistyka 3/2014, Poznań 2014.

[7] Oficjalna strona internetowa Komunikacyjnego Związku Komunalnego Górnośląskiego Okręgu

Przemysłowego, http://www.kzkgop.com.pl/ (dostęp: 08.02.2014)

[8] Oficjalna strona internetowa Miejskiego Zarządu Komunikacji w Tychach, http://www.mzk.pl/

(dostęp: 25.09.2015)

ANALYSIS OF REALIZATION OF PUBLIC TRANSPORT

BETWEEN SELECTED CITIES IN THE SILESIAN AGGLOMERATION

AND THE CITY OF TYCHY

USING THE LINE MZK TYCHY 14

Abstract

The organization of public transport is an important element of a sustainable transport policy

in the region. This is particularly relevant and important to the organization of transport in areas

with a high degree of urbanization, for example Silesian Agglomeration. The article presents

an analysis of connections organized by KZK GOP and MZK Tychy from allowing access to

the Specialist Hospital located in the center of the Tychy city. The article analyzes the number

of connections and the waiting time to change buses KZK GOP buses to MZK Tychy bus line

No. 14.

Keywords: The Silesian Agglomeration, sustainable transport, public transport, bus transport,

bus line MZK Tychy 14

196

Maciej STAJNIAK*

ZARZĄDZANIE CENAMI

Z PERSPEKTYWY OPERATORA

LOGISTYCZNEGO

W WARUNKACH ZAKŁÓCEŃ

Streszczenie

W dobie ciągłej konkurencji rynkowej, koncentrującej się na poziomie obsługi klienta, czasie

realizacji zamówień oraz elastyczności dostaw coraz większą rolę odgrywa analiza efektyw-

ności procesów logistycznych. Procesy transportowe są kluczowe dla fizycznego zasilania

przepływu materiałowego w całym łańcuchu dostaw. Niemniej, bardzo ważnym aspektem

analizy jest cena usługi oferowana przez operatora logistycznego. W pracy przedstawiono pro-

blematykę analiz cenowych usług transportowych stosowanych przez operatora logistycznego.

Słowa kluczowe: transport, cena, operator logistyczny

1. WSTĘP

Branża usług TSL nad wyraz często bywa traktowana po macoszemu przez specjalistów

od zarządzania ceną. Agresywna, niemalże dumpingowa walka cenowa, którą obecne na pol-

skim rynku firmy z tego sektora rozegrały w latach dziewięćdziesiątych, sprawiła, że cena

przestała być przedmiotem zarządzania. Przeświadczenie, że „koszt palety do Niemiec to

80 €”, na długo zagościło w umysłach menedżerów firm logistycznych i w efekcie rynek na

usług TSL stał się rynkiem nabywcy.

Zmiany w tym podejściu zaczęły się pojawiać stosunkowo niedawno, w dużej mierze

w związku z dochodzeniem do władzy nowego pokolenia menedżerów, dla których zdanie,

że „towar jest wart tyle ile klient chce ze niego zapłacić”, zamiast oznaczać prostą koniecz-

ność obniżania stawki do poziomu cen konkurencji, zaczęło symbolizować kompleksowy

proces budowania marki, produktów i jakości, którego celem było zdefiniowanie nowej, uni-

kalnej usługi logistycznej.

Specyficzną właściwością usługi transportowej jest jej niematerialny charakter przekłada-

jący się na jedność miejsca, czasu, wielkości produkcji i konsumpcji usługi transportowej.

* Instytut Logistyki i Magazynowania

biuro


to w jednym wierszu

Zarządzanie cenami z perspektywy operatora logistycznego… 197

Wiąże się z tym relatywnie niska elastyczność cenowa popytu na usługę transportową – wszyst-

kie wytworzone produkty muszą wszakże zostać dostarczone do miejsca przeznaczenia.

Z takimi problemami codziennie stykają się operatorzy logistyczni, którzy planują, rea-

lizują i kontrolują w łańcuchu dostaw całość przemieszczania – od miejsc pozyskania surow-

ców poprzez produkcję do ostatecznego nabywcy, spełniając wymogi klientów pod wzglę-

dem czasu, miejsca, jakości i odpowiedniego poziomu cen [4, s. 28].

2. POLITYKA CENOWA ORAZ ZARZĄDZANIE CENĄ

Usługa transportowa odpowiada czterem fazom z cyklu życia produktu, znanym z teorii

marketingowych – wprowadzenie na rynek, wzrost sprzedaży, nasycenie i dojrzałość. Zna-

jomość tego cyklu pozwala na podjęcie przez przedsiębiorstwo działań maksymalizujących

jego wyniki – przy wprowadzaniu na rynek nowego, innowacyjnego produktu definiuje się

dla niego wysoką cenę, wraz zaś z jego upowszechnianiem się cena za produkt spada, aż do

momentu, gdy punkt przecięcia krzywych popytu i podaży usytuuje się w miejscu oznacza-

jącym konieczność wycofania danego produktu z rynku.

W przypadku sprzedaży usług, w szczególności takich jak usługi transportowe wspo-

mniane fazy nie do końca są adaptowalne. Cykl życia produktu logistycznego zależy bowiem

nie tylko od wahań podaży i popytu, lecz również od charakteru, zachowań i stopnia zaspo-

kojenia użytkowników systemu logistycznego, zachowania konkurencji oraz stopnia substy-

tucji produktów logistycznych [2, s. 56.].

W branży TSL stosowane mogą być dwa sposoby wyznaczania cen usług – system

umowny (w którym każda usługa jest wyceniana i negocjowana indywidualnie) oraz system

cen taryfowych (opartych o znane usługodawcy i usługobiorcy taryfy cenowe zgodnie z któ-

rymi rozliczane są usługi).

Stawki oferowane klientom sektora logistycznego mogą mieć jeden z poniższych cha-

rakterów [1, s. 56]: progresywny, degresywny bądź stały. Wybór polityki cenowej zależy

tutaj od specyfiki konkretnej usługi w branży TSL. W przypadku usług transportowych

mamy zwykle do czynienia z cennikami degresywnymi, co oznacza, że im większa jest partia

przewożonego ładunku tym niższa jest stawka za jednostkę ładunkową. W przypadku usług

magazynowych standardem z kolei są stałe cenniki – czyli jednostkowa opłata za przeładu-

nek palety jest niezależna od ilości przeładowywanych palet.

3. ZAGROŻENIA CENOWE W BRANŻY TSL

Zgodnie z wynikami badań przedsiębiorstwa Simon and Kutcher [Por. 7], aż 75% przed-

siębiorstw logistycznych nie jest w stanie uzyskać za swoje usługi satysfakcjonującej ceny.

Wynik ten plasuje branżę logistyczną na najgorszym miejscu spośród innych dziedzin go-

spodarki. Wśród przyczyn takiego stanu rzeczy wymieniane są takie zjawiska jak agresywna

walka o klienta wykorzystująca niemalże dumpingowe ceny w celu wyeliminowania konku-

rencji oraz niematerialny charakter usługi logistycznej skutkujący jej unifikacją w oczach

nabywcy (w świecie jednorodnych produktów jedynym kryterium staje się cena).

biuro


(por. [7])

198 M. Stajniak

Niezwykle często osoby odpowiedzialne za politykę cenową w przedsiębiorstwach lo-

gistycznych próbują rozwiązać problem niezadawalających wyników finansowych poprzez

podniesienie cen. Jest to rozwiązanie, które tylko pozornie wydaje się oczywistą odpowiedzią

na zbyt niskie ceny osiągane przez dane przedsiębiorstwo [3, s. 321–331]. W sytuacji gdy

oferowane usługi z punktu widzenia nabywcy są zunifikowane, nie znajdzie on żadnego po-

wodu, aby płacić więcej za ten sam produkt, który może kupić u konkurencji za mniejsze

pieniądze [5, s. 39]. Ocenia się, iż w 90% polskich przetargów cena stanowi kryterium decy-

zyjne [6, s. 14], tak więc podniesienie cen przekłada się w takiej sytuacji na rezygnację z czę-

ści przychodów.

Z drugiej strony nie należy również zapominać o pułapce ceny zbyt niskiej, która świa-

domemu konsumentowi kojarzyć się może z niską jakością oferowanej usługi. Kluczem nie

jest zatem proste podniesienie czy obniżenie ceny produktu zunifikowanego, a zaoferowanie

klientowi odrębnej, unikalnej jakości – nowego produktu, którego cena będzie odzwiercie-

dlała szereg wartości dodanych, które odróżniają produkt danej firmy od produktów konku-

rencji. Niestety nie jest to łatwe zadanie.

Eksperci zarządzania ceną wskazują na szereg błędów popełnianych przez osoby odpo-

wiedzialne za ustalenie właściwej ceny za usługi. Zamiast opierać cenę na głębokiej analizie

wolumenu i sektora rynku, ceny maksymalne niejednokrotnie ustalane są w sposób intui-

cyjny, wielu menedżerów dodatkowo obniża jeszcze cenę w poszukiwaniu dodatkowego zy-

sku generowanego wzrostem wolumenu. Powszechny w czasie gospodarczej recesji strach

przed odpływem klientów przekłada się na wieloletnie utrzymywanie cenowego status quo,

czy wręcz obniżanie cen (pomimo realnie wzrastających kosztów świadczenia usług logi-

stycznych). Równie częste jest posługiwanie się tą samą ceną w odniesieniu do wszystkich

klientów, niezależnie od ich realnego potencjału, jak również definiowanie ceny przy po-

mocy metody koszt plus, które to podejście pozbawia firmę możliwej do osiągnięcia

części zysku.

Eksperci specjalizujący się w ustalaniu strategii związanych z zarządzaniem ceną wska-

zują w swoich analizach na istotność podziału rynku odbiorcy na segmenty jako na kluczową

strategię ułatwiającą sprawne i efektywne zarządzanie ceną. W przypadku sektora usług lo-

gistycznych podziały te mogą być przeprowadzane w zależności od kierunku geograficz-

nego, jednostek biznesowych czy wreszcie wybranej polityki cenowej konkretnej osoby od-

powiedzialnej za sprzedaż.

Na skutek przyjęcia takiego właśnie podejścia należy zrezygnować z relatywnie częstej

w przypadku branży usług logistycznych praktyki oferowania ceny ryczałtowej na konkretne

destynacje. Segmentacja rynku jest podejściem kompleksowym, w którego efekcie możliwa

staje się maksymalizacja wyniku osiąganego przez przedsiębiorstwo logistyczne.

W niniejszej pracy szczegółowej analizie poddany został proces tworzenia ofert dla

klientów – w tym w szczególności nakłady pracy związane z tworzeniem dedykowanych

ofert indywidualnych oraz problematyczność kontroli takich ofert. Oferty takie cechuje to,

że zwykle nie są objęte indeksacją, dodatkową trudność powoduje również próba przejścia

z takiej oferty na oferty standardowe. Równocześnie kontrola takich cenników jest czaso-

chłonna i wymaga tworzenia dedykowanych rozwiązań.


4. SPECYFIKA DZIAŁALNOŚCI BADANEGO

OPERATORA LOGISTYCZNEGO

Analizowany operator logistyczny posiada bardzo dobrą sieć połączeń bezpośrednich

z Europą Zachodnią, gdzie mieści się firma-matka oraz inne, znacznie starsze i bardziej do-

świadczone spółki należące do tego samego koncernu. Analizowany operator, chociaż bez

wątpienie specjalizuje się w transporcie w kierunku zachodnim, posiada partnerów na terenie

całej Europy, z wyjątkiem krajów WNP.

Wciąż silne powiązania z firmą matką skutkują modelem biznesowym opartym na

współpracy ze znanymi międzynarodowymi korporacjami – w portfolio analizowanego ope-

ratora dużą rolę odgrywają klienci z kapitałem zagranicznym, którzy współpracowali już ze

spółkami firmy w Europie Zachodniej. W efekcie lwią część przychodów przedsiębiorstwa

zapewnia kilkunastu klientów projektowych, dla których firma realizuje szyte na miarę

usługi, dzięki know-how firmy matki. Obszar ten nie wymaga naprawy, sprawność i opty-

malizacja działania pozwalają oferować konkurencyjne stawki cenowe.

W tabeli 1 przedstawiono strukturę klientów analizowanego przedsiębiorstwa.

Tab. 1. Struktura klientów w podziale na grupy wolumenowe

Typ klienta

Udział

w obrocie

[%]

Udział

w tonażu

[%]

Udział w ilości

przesyłek [%]

Zysk oper-

cyjny [%]

Udział w zysku

operacyjnym

ogółem [%]

Projektowi 49 50,23 52,21 15,0 36,76

Kluczowi 17 16,08 17,59 30,0 21,32

Standar-

dowi 21 21,31 18,13 30,0 25,14

Rokujący 8 7,70 6,90 25,0 9,76

Incydentalni 6 4,68 5,17 25,0 7,02

Razem: 100 100,00 100,00 25,0 100,00


Z tabeli wynika, że operator logistyczny koncentruje swoja działalność na bardzo du-

żych klientach – relatywnie niski zysk operacyjny w tej grupie rekompensowany jest bardzo

dużym obrotem. Największa grupa klientów wypracowuje ponad jedną trzecią zysku całej

organizacji i generuje blisko połowę obrotu.

Klienci o nieco mniejszym potencjale, określani mianem klientów kluczowych oraz

klientów standardowych niższy obrót rekompensują organizacji wyższym zyskiem – niemal

czterdziestoprocentowy udział w obrocie odpowiada w tym przypadku ponad 46% zysku

osiągniętego przez organizację. Jest to jak najbardziej zrozumiała praktyka, typowa w rze-

czywistości rynkowej operatorów logistycznych i jak najbardziej wskazana.

Niestety z tabeli wynika również jeden niepokojący wniosek – sytuacja klientów

o mniejszym potencjale (nadających do 200 przesyłek rocznie). Pomimo dużo mniejszego

znaczenie – zaledwie 14 % udziału w obrocie i 12% udziału w ilości przesyłek – generują

oni zysk na poziomie wyraźnie niższym niż poprzednia grupa klientów.

200 M. Stajniak

Z powyższej analizy wynika jeden wniosek – brak zdefiniowanej na poziomie całej or-

ganizacji polityki cenowej sprawia, że ceny oferowane klientom o znikomym potencjale są

zbyt niskie – klienci ci płacą mniej niż tacy o dużym znaczeniu dla organizacji.

Niestety podobny brak spójnej polityki cenowej można zaobserwować analizując ren-

towność poszczególnych kierunków geograficznych. W tabeli 2 przedstawiono grupy klien-

tów podziale na grupy geograficzne.

Tab. 2. Struktura klienta w podziale na grupy geograficzne

Grupa geograficzna Udział w całkowitej ilości przesyłek [%] Zysk operacyjny [%]

Grupa 1 60 25

Grupa 2 10 20

Grupa 3 24 20

Grupa 4 6 20

RAZEM 100 25


Najlepszy wynik operacyjny osiągany jest w sercu Europy – w przypadku przesyłek

eksportowanych do Niemiec i Francji. Jest to równocześnie kierunek o największej konku-

rencji. Specyfika polskiego eksportu, przekłada się na 60-procentowy udział eksportu do tych

krajów w strukturze przesyłek analizowanego operatora. Skoro jednak na najbardziej konku-

rencyjnym rynku można było wypracować aż 25% zysku, to dlaczego w przypadku krajów

mniej konkurencyjnych zysk jest mniejszy? Wydaje się, że odpowiedź i na to pytanie kryje

się w braku spójnej polityki cenowej. Podsumowując aktualną sytuacją w dziale sprzedaży,

zaobserwowano następujące niepokojące zjawiska:

relatywnie długi czas poświęcany na obsługę klientów o znikomym znaczeniu,

brak realizowania przemyślanej polityki zarządzania ceną,

zbyt niska marża zysku na klientach incydentalnych,

brak zaufania do aktualnych taryfikatorów,

dowolność wyboru layoutu cennika, co przekładało się na brak identyfikacji wize-

runkowej ze strony klienta.

5. DZIAŁANIA ELIMINUJĄCE ZAGROŻENIA

BŁĘDNEJ POLITYKI CENOWEJ

Po szczegółowej analizie przez operatora polityki cenowej podjęto decyzję o przygoto-

waniu nowego taryfikatora transportowego. Założono, że zmiana taryfikatora będzie miała

dwojaki charakter – zarówno ilościowy, jak i jakościowy.

Wcześniej każdy z działów handlowych miał inny schemat pracy z taryfami, inne

layouty ofert wysyłanych klientom i inną politykę cenową, o ile dla autonomii poszczegól-

nych oddziałów nie jest zasadna ingerencja w ich indywidualną politykę cenową, o tyle wła-

ściwe wydaje się stworzenie przejrzystego systemu kontroli składanych ofert.


Pomimo istnienia zdefiniowanej bazy usług, zróżnicowanych ze względu na tryb do-

stawy oraz rodzaj przewożonych towarów, na podstawie analizy funkcjonujących w systemie

ofert zaobserwowano brak świadomości produktowej w gronie pracowników działów han-

dlowych. Usługa premium, polegająca na przyspieszonym czasie transportu nie była sprze-

dawana jako premium – zaobserwowano, że była ona sprzedawana w tej samej cenie co

oferta standardowa. Co gorsza miało to miejsce nie tylko w przypadku klientów dużych i bar-

dzo dużych, lecz również w przypadku klientów standardowych, nadających mniej niż 1000

przesyłek rocznie.

Wywiad przeprowadzony w gronie pracowników handlowych wskazał, że jedna z przy-

czyn dla takiego stanu rzeczy była prozaiczna – to trudności z obliczeniem właściwej marży,

w sytuacji gdy klient dostaje kilka ofert na różne produkty. Zgodnie z wytycznymi polityki

produktowej usługa przyspieszonego transportu powinna kosztować klienta 10% więcej niż

usługa standardowa, zaś usługa dostawy na określony dzień powinna być o 15% droższa.

Aby uniknąć problemów z tym związanych bardzo często ofertowano wyłącznie jedną

usługę – transport przyspieszony. W sytuacji, gdy głównym kryterium wyboru była dla

klienta cena, zdarzało się, że ceny dodatkowo obniżano, pozostawiając jako typ usługi trans-

port przyśpieszony.

Tworząc nowe taryfy, postawiono nacisk na ścisłą współpracę między działem control-

lingu, odpowiadającym za koszty w organizacji oraz działem handlowym, odpowiadającym

za sprzedaż. Podejście to pozwoliło na uniknięcie z jednej strony niebezpieczeństwa stwo-

rzenia taryf według schematu „koszty + marża”, z drugiej zaś zaangażowanie pracowników

handlowych zminimalizowało niebezpieczeństwo oporu z ich strony. W ten sposób cały pro-

ces tworzenia taryf oparto na dwóch filarach – filarze kosztowym, za który odpowiedzialność

spoczywała na pracownikach działu controllingu oraz filarze sprzedażowym za który odpo-

wiedzialność ponosili pracownicy działu handlowego. Założono, iż oparcie procesu na fila-

rze doświadczenia sprzedażowego pozwoli na stworzenie optymalnych taryf – wysokich tam,

gdzie pozwala na to rzeczywistość rynkowa i niższych w obszarach, gdzie występuje duża

konkurencja. Szefowie działów sprzedaży zostali poproszeni o przygotowanie propozycji

wstępnych marż, zaś wypracowane w ten sposób taryfy otrzymali do testów pracownicy

działów handlowych.

Testy trwały ponad trzy miesiące – w tym czasie sprawdzana była zarówno łatwość ko-

rzystania z nowego formatu cenników, jak i poziom zaproponowanych stawek. W okresie

tym ujawniły się również pierwsze rozbieżności pomiędzy zaproponowanym rozwiązaniem

a oczekiwaniami pracowników działu handlowego – okazało się mianowicie, że spodziewali

się oni znacznej obniżki w ofercie podstawowej. Temat ten musiał zatem zostać ponownie

przedyskutowany pod kątem uświadomienia pracownikom zmian w polityce cenowej oraz

oczekiwanego wzrostu rentowności klientów incydentalnych.

Warto podkreślić fakt, że pracownicy z zadowoleniem przyjęli zaproponowane im

zmiany w wymiarze jakościowym – ujednolicenie szaty graficznej, wbudowanie kalkulato-

rów produktowych oraz generatorów ofert znacznie ułatwiło ich pracę i pozwoliło na prowa-

dzenie spójnej polityki produktowej. Wprowadzenie zestandaryzowanych arkuszy oferto-

wych umożliwiło również kontrolę poziomu rabatowania – proces tworzenia oferty dla

klienta wiązał się bowiem z wygenerowaniem dodatkowego pliku wraz z informacją o udzie-

lonym rabacie, który to plik zapisywany był automatycznie.

202 M. Stajniak

Po okresie testów i wprowadzeniu części z zaproponowanych korekt nowe taryfikatory

wprowadzono w życie. Wyniki badań działań naprawczych przedstawiono poniżej.

W tabeli 3 przedstawiono strukturę klientów analizowanego operatora logistycznego.

Jednym z celów które postawił sobie operator logistyczny było zwiększenie zysku operacyj-

nego klientów rokujących i incydentalnych w zysku oraz zmniejszenie liczby przesyłek

z tego sektora.

Tab. 3. Struktura klientów w podziale na grupy wolumenowe – okres po implementacji

nowych taryfikatorów

Typ klienta

Udział

w obrocie

[%]

Udział

w tonażu

[%]

Udział

w ilości

przesyłek [%]

Zysk

opercyjny

[%]

Udział w zysku

operacyjnym

ogółem [%]

Projektowi 52 52,69 56,06 20,0 40,49

Kluczowi 16 14,90 16,62 30,0 19,46

Standardowi 19 20,46 15,93 30,0 24,25

Rokujący 7 6,66 6,22 30,0 8,97

Incydentalni 6 5,29 5,18 25,0 6,83

Razem: 100 100,00 100,00 25,0 100,00


W porównaniu z okresem sprzed obowiązywania nowych taryfikatorów udział obu tych

grup w łącznej ilości przesyłek spadł nieznacznie (z 12,07% do 11,4%), spadł również ich

udział w łącznym zysku (z 16,78% do 15,8%). W tym obszarze nie udało się jeszcze osiągnąć

oczekiwanych zmian, stale wzrasta natomiast znaczenie klientów projektowych, co jak już

zostało wcześniej wspomniane, zagraża stabilności operatora. Z zadowoleniem należy nato-

miast odnotować fakt, że chociaż w grupie klientów incydentalnych zysk operacyjny kształ-

tuje się na niezmienionym poziomie, to już w przypadku klientów rokujących zaobserwować

można było wyraźny jego wzrost. W tabeli 4 przedstawiono rentowność w poszczególnych

grupach geograficznych.

Tab. 4. Struktura klienta w podziale na grupy geograficzne – okres po implementacji nowych

taryfikatorów

Grupa geograficzna Udział w całkowitej ilości przesyłek

[%] Zysk operacyjny [%]

Grupa 1 60 25

Grupa 2 10 20

Grupa 3 24 20

Grupa 4 6 20

Razem 100 25



W tym obszarze nie zaobserwowano żadnych zmian, jednak wydaje się, że w przypadku

tego wymiaru jest to zbyt krótki okres, bo można było się spodziewać wyraźnych przeobra-

żeń. Kolejny wymiar to polityka produktowa, którą prezentuje tabela 5.

Tab. 5. Rentowność klienta w podziale na grupy wolumenowe – okres po implementacji

nowych taryfikatorów [%]

Typ klienta Typ usługi

Standard Przyśpieszony Zdefiniowany Razem

Projektowi 27,3 18,4 33,2 18,5

Kluczowi 24,7 30,6 28,7 29,8

Standardowi 29,4 30,4 31,7 30,1

Rokujący 29,2 28,8 37,5 29,0

Incydentalni 26,5 28,4 32,7 27,4

Razem 28,0 23,0 31,1 23,8


Wyraźnie poprawił się zysk operacyjny w przypadku przesyłek ze zdefiniowanym cza-

sem dostawy (a więc w grupie, która typowana była przez operatora jak najdroższa) – wy-

raźnie przekracza on 30%, zaś w przypadku klientów rokujących zbliża się wręcz do 40%.

Należy zauważyć przy tym, że jest to grupa o najmniejszym udziale w całości przesyłek

(w obu analizowanych okresach było to niespełna 0,5%). W przypadku pozostałych grup

zmiany niestety nie są równie spektakularne. Wciąż zysk operacyjny w sektorze przesyłek

standardowych jest wyższy niż w przypadku przesyłek w trybie przyśpieszonym, bez wąt-

pienia jednak istotną rolę odgrywa tutaj relacja między ilością przesyłek standardowych,

a ilością przesyłek przyśpieszonych. W porównaniu z poprzednim analizowanym okresem

udział przesyłek przyśpieszonych wzrósł z blisko 84% do ponad 86%. Tabela 6 przedstawia

strukturę klientów ze względu na typ transportu.

Tab. 6. Struktura klienta w podziale na grupy ze względu na typ transportu – okres po implementacji

nowych taryfikatorów [%]

Typ klienta Typ usługi

Standard Przyśpieszony Zdefiniowany Razem

Projektowi 0,50 99,50 0,00 100,00

Kluczowi 14,44 84,95 0,61 100,00

Standardowi 33,29 65,65 1,06 100,00

Rokujący 42,18 57,36 0,46 100,00

Incydentalni 52,03 47,57 0,40 100,00

Razem 13,30 86,38 0,32 100,00


204 M. Stajniak

Trend ten dotyczy głównie największych klientów. Analizując powyższą tabelę w ukła-

dzie poziomym, z łatwością możemy zaobserwować, że im mniej istotny klient, tym większy

jest udział przesyłek standardowych a mniejszy przyśpieszonych. Z okresu na okres zmniej-

sza się jednak udział przesyłek standardowych – również w analizowanej tutaj grupie klien-

tów o małym potencjale i niższych możliwościach negocjacyjnych.

Na podstawie tego trendu można sformułować wstępny wniosek, iż usługa standardowa

stała się produktem w fazie schyłkowej. Przyśpieszony transport, niegdyś faktycznie stano-

wiący istotną wartość dodaną i znajdujący się w sprzedażowym portfolio tylko niektórych

operatorów logistycznych, stał się rynkowym standardem. Trend ten stawia pod znakiem za-

pytania wstępne zalecenia z okresu implementacji taryfikatorów. Okazuje się bowiem, że

transport przyśpieszony przestał być produktem premium, a co za tym – idzie dywersyfikacja

cenowa oparta na tym kryterium jest bezzasadna.

6. WNIOSKI

Analizując wyniki aktualnej polityki cenowej operatora będącego przedmiotem niniej-

szego opracowania, zaobserwować można szereg nieprawidłowości. Przede wszystkim wy-

daje się, iż aktywność sprzedażowa koncentruje się wyłącznie na pozyskiwaniu dużych klien-

tów – niestety duży wolumen pozyskiwany jest za cenę relatywnie niskiej rentowności. Co

więcej, wyśrubowane oferty cenowe dotyczą nie tylko transportów do krajów o bardzo du-

żym potencjale eksportowym, lecz również transportów do obszarów o niskim potencjale.

W efekcie operator łatwo rezygnuje z potencjalnego zysku, zaprzestając podwyższanie

marży dla destynacji o niskim współczynniku konkurencyjności.

Cena zbyt niska może zatem również pełnić funkcję odstraszającą, sygnalizując na-

bywcy, że usługa, którą nabywa nie jest wysokiej jakości. Coraz częściej o wyborze danego

dostawcy decyduje właśnie nie niska, lecz wysoka cena, będąca pewnym gwarantem wyso-

kiej jakości oferowanej usługi. Dodatkowo sprzedawca usług logistycznych powinien posta-

wić przed sobą pytanie, czy pozostawia sobie margines w celu zaproponowania takiemu

klientowi dodatkowego rabatu, na wypadek, gdyby możliwość stałej, wyłącznej współpracy

uzależniał on właśnie od tej kwestii. Jeżeli cena oferowana dla klientów incydentalnych jest

równocześnie najlepszą ceną, jaką usługodawca może zaoferować, jego zdolność negocja-

cyjna jest właściwie żadna. Z punktu widzenia nabywcy rzeczonej usługi transportowej nie

istnieją bowiem żadne korzyści, które przemawiałyby za stałym związkiem – ten sam pakiet

korzyści dostaje on przecież bez deklarowania wyłączności.

Strategia polegająca na oferowaniu niskich cen dla ogółu klientów w perspektywie długoo-

kresowej prowadzić zatem może do rozdrobnienia rynku oraz wykształcenia przez klientów stra-

tegii cherry picking sprowadzającej się do wybierania każdorazowo najbardziej opłacalnej moż-

liwości transportu. W efekcie oznaczać to może obniżenie poziomu zysku w całej branży.

LITERATURA

[1] Długosz J., Znaczenie cen w outsourcingu logistycznym (cz. 2), Logistyka 4/2006.

[2] Gołembska E. (red.), Kompendium wiedzy o logistyce, Wydawnictwo Naukowe PWN, Warszawa

1999.


[3] Lai K.H., Ngai E.W.T., Cheng T.C.E.: An empirical study of supply chain performance in transport

logistics, International Journal of Production Economics, Vol. 87, No. 3, 2004, s. 321–331.

[4] Stajniak M., Racjonalizacja transportu w logistycznych procesach zaopatrzenia i dystrybucji,

ILiM, Poznań 2012.

[5] Stajniak M., Transport process management in terms of customer service improvement, in:

S. Borkowski, R. Ulewicz, Human resources in organizations, Humanitas, Sosnowiec 2009, s. 39.

[6] Waniowski P., Marketingowe zarządzanie ceną w przedsiębiorstwie, Wydawnictwo Uniwersytetu

Ekonomicznego we Wrocławiu, Wrocław 2014.

[7] http://www.simon-kucher.com/en/news/pricing-logistics-industry-pressure-rising-international-

study-reveals

PRICE MANAGEMENT FROM THE PERSPECTIVE LOGISTICS OPERATOR

IN DISTURBANCE

Abstract

During continuous market competition, focusing on the customer service level, lead times and

supply flexibility is very important to analyse the efficiency of logistics processes. Transport

processes are a key process that provides physical material flow through the supply chain.

However, a very important aspect of this analysis is prices evaluation of transport resources

using in the logistics operator. The article presents the prices problem of transport services in

the logistics operator.

Keywords: transport, price, logistics operator

206

Justyna ŚWIEBODA*, Mateusz ZAJĄC*

KLASYFIKACJA I IDENTYFIKACJA ZAKŁÓCEŃ

W FUNKCJONOWANIU SYSTEMU

TRANSPORTU INTERMODALNEGO

NA TERMINALU KONTENEROWYM

Streszczenie

Transport intermodalny ma szczególne znaczenie w przypadku transportowania ładunku na

duże odległości. Terminal kontenerowy jest jednym z jego elementów, w którym możliwy jest

przeładunek czy składowanie zintegrowanych jednostek ładunkowych. W pracy został przed-

stawiony przepływ informacji i ładunku na terminalu kontenerowym. Następnie zostały skla-

syfikowane zagrożenia, które mogą wystąpić na terminalu kontenerowym. W ostatniej części

opracowania zostały zidentyfikowane możliwe zakłócenia oraz potencjalne skutki dla podsys-

temu informacyjnego i podsystemu mechanicznego. Przestawiona praca po uzupełnieniu da-

nych ilościowych pozwoli na wykonanie analiz jakościowych i ilościowych.

Słowa kluczowe: przepływ informacji, przepływ ładunku, terminal kontenerowy, transport

intermodalny, klasyfikacja zagrożeń, identyfikacja zakłóceń

1. WPROWADZENIE

Wraz z rozwojem nowych technologii, rozwija się również sposób zarządzania, trans-

portowania produktu od producenta, aż po klienta końcowego. Najczęściej powiązanymi de-

finicjami z tymi procesami, to logistka oraz zarządzanie łańcuchem dostaw.

Logistyka jest przede wszystkim ukierunkowana na planowanie i opracowywanie pew-

nych ram, które mają na celu zbudowanie jednolitego planu przepływu produktów i informa-

cji w danym przedsiębiorstwie. Zarządzanie łańcuchem dostaw opiera się właśnie na tych

ramach i dąży do osiągnięcia powiązania i koordynacji między procesami innych podmiotów

w strumieniu, tj dostawców i klientów oraz samej organizacji [3].

Logistyka jest przykładem systemowego podejścia do problemów biznesowych. Jed-

nym z głównych założeń systemowych jest to, że cele oraz zadanie głównych funkcji po-

winny być zgodne z zadaniami i celami całego przedsiębiorstwa, co oznacza, że jeden system


Klasyfikacja i identyfikacja zakłóceń w funkcjonowaniu systemu transportu… 207

logistyczny nie może pasować do wszystkich firm, gdyż cele i zadania poszczególnych form

nie są takie same [5].

Natomiast pojęcie łańcucha dostaw, dotyczy wszelkich czynności związanych z prze-

pływem i obróbką towaru, począwszy od etapu pozyskiwania surowca, aż po dostarczenie

gotowego wyrobu do klienta końcowego [5].

W przypadku transportowania produktu od klienta początkowego do końcowego szcze-

gólnie znaczenie ma transport intermodalny, którego istotą jest przewóz ładunków na bardzo

duże odległości, za pomocą różnych środków transportu, przy użyciu zintegrowanych jedno-

stek ładunkowych, tj. kontener, nadwozie wymienne czy naczepa samochodowa. Ogranicza

się transport drogowy, który wykorzystywany jest w transporcie intermodalnym tylko na do-

wozie i odwozie ładunku do klienta. Jednakże by było to możliwe, budowane są terminale

lądowe, które pełnią funkcję punktu przeładunkowego, miejsca do składowania zintegrowa-

nych jednostek ładunkowych, a także miejsca do napraw uszkodzonych jednostek. Jest to

bardzo ważny element w całym łańcuchu przewozu, gdyż jest on miejscem, który pozwala

na zmianę środka transportowego. W przypadku terminali lądowych najczęściej jest to kolej

– droga, natomiast w portach statek kontenerowy – kolej (w praktyce w portach wyelimino-

wana jest operacja składowania jednostek).

W ostatnich latach prowadzono prace związane z funkcjonowaniem terminali intermo-

dalnych. W pracy [6] autor porusza tematykę optymalizacji w podsystemach dystrybucji.

Autor scharakteryzował system dystrybucji, a także zidentyfikował system przewozowy.

W opracowanym procesie transportowym, zwracana jest uwaga na fizyczną obsługę ła-

dunku. Z kolei w pracy [4] autor dokładnie opisuje realizację obsługi ładunku w łańcuchu

morsko – lądowym. Praca ukazuje podział czynności wykonywanych w porce morskim na

trzy grupy, tj. główne, uzupełniające, pomocnicze. W kolejnej pracy [7] autor opisuje sytua-

cje portów morskich w Polsce. Autor zwraca uwagę na wyposażenie terminali portowych,

a także na funkcjonowanie systemu operacyjnego w portowych terminalach kontenerowych.

Autorzy w pracy [11] dokonali pełnej analizy ryzyka w procesie przeładunku, nie zostały

jednak zidentyfikowane elementy systemu, identyfikacja zagrożeń oraz skutki ich

wystąpienia.

Tak jak już wcześniej zostało wspomniane przy transporcie ładunków, występuje nie

tylko przepływ fizyczny (ładunku), ale również towarzyszy temu przepływ informacji.

W wymienionych pracach badania opierały się na obsłudze ładunków w procesie obsługi ła-

dunku. Nie zostały poruszane zagadnienia związane z przepływem informacji. Dlatego też,

celem tego opracowania jest przedstawienie działania systemu na terminalu lądowym (pod-

system informacyjny, w którym jest przepływ informacji oraz podsystem mechaniczny,

w którym występuje obsługa ładunku). Następnie zostaną sklasyfikowane potencjalne zagro-

żenia, a także identyfikacja potencjalnych zagrożeń i skutków, dla danych algorytmów prze-

pływu informacji i ładunku.

2. CHARAKTERYSTYKA SYSTEMU NA TERMINALU LĄDOWYM

W ramach prowadzonych badań na terminalu kontenerowym, udało się wyodrębnić dwa

podsystemy w funkcjonowaniu tego węzła przeładunkowego. Pierwszy z nich to podsystem

208 J. Świeboda, M. Zając

informacyjny, w którym jest przepływ informacji, dokładnie opisany w podrozdziale 2.1.

Natomiast równolegle do przepływu informacji, jest również przepływ ładunku, który został

nazwany podsystemem mechanicznym, szerzej opisanym w podrozdziale 2.2.

2.1. PODSYSTEM INFORMACYJNY

W przypadku terminali lądowych najczęściej, zintegrowane jednostki ładunkowe są

przemieszczane z wagonów kolejowych na pojazdy ciężarowe i dostarczane do klienta koń-

cowego, lub z pojazdu ciężarowego na wagon kolejowy przy pomocy urządzeń przeładun-

kowych. W omawianym podsystemie, brany jest pod uwagę przykład przeładunku z kolei na

samochód ciężarowy. W podsystemie informacyjnym można wyróżnić poszczególne czyn-

ności, tj.:

1) wprowadzenie listy awizacyjnej do systemu,

2) wprowadzenie ładunku do systemu,

3) sprawdzenie dokumentacji wraz ze stanem faktycznym,

4) wykonanie procedury obsługi celnej,

5) podjęcie decyzji o dalszym losie kontenera,

6) wysłanie informacji do operatorów,

a) przydzielenie miejsca do składowania w systemie,

b) usunięcie kontenera z systemu,

7) wypełnienie dokumentacji wysyłkowej.

Pierwszą informacją przesyłaną do kadry zarządzającej jest lista awizacyjna, w której

zawarte jest powiadomienie o liczbie kontenerów, które mają być wysłane oraz rozmieszcze-

niu ich na poszczególnych wagonach. Kolejną czynnością, po przyjeździe pociągu, jaka jest

wykonywana w systemie informacji, jest przyjęcie ładunku w systemie elektronicznym (lub

ręcznie) oraz wypełnienie dokumentacji przewozowej. Następnie przesyłana jest informacja

o tym, czy kontenery nie są uszkodzone, i ile jest sztuk, i to jest sprawdzane z listą awizacji.

Kadra zarządzająca w dokumentacji przewozowej dostaje wiadomość, które kontenery zo-

stały odprawione (wykonano obsługę celną) w porcie morskim, te kontenery, który nie zo-

stały odprawione, przechodzą obsługę celną na terminalu lądowym. Kolejnym elementem

w podsystemie informacyjnym, jest decyzja o tym, które kontenery należy wysłać do klien-

tów, a które pozostają na terminalu. Po podjęciu tej decyzji zostaje wysłana informacja do

operatorów maszyn, które kontenery mają być odłożone na plac składowy, wraz z podaniem

dokładnego miejsca, oraz które kontenery mają zostać załadowane do wysyłki do klientów.

W przypadku wysyłki kadra zarządzająca wypełnia dokumenty i przekazuje je kierowcy.

Cały algorytm procesu został przedstawiony na rysunku 1.

W podsystemie informacyjnym przedstawionym na rysunku 1, można wyróżnić wy-

kony-wanie dziewięć zadań związanych z przyjmowaniem lub wysyłaniem informacji,

wprowadzeniem danych do systemu, a także trzy procesy decyzyjne, które są wykonywane

przez kadrę zarządzającą, i to ona jest odpowiedzialna za wszelkie nieścisłości czy błędy

podczas tego procesu.


Rys. 1. Podsystem informacyjny na terminalu lądowym



Na terminalu kontenerowym w podsystemie informacyjnym, informacja może być

przekazywana na wiele sposobów, są to m.in.: informacja ustna, pisemna, korespondencja

pocztowa (e-mail), a także komunikacja wewnętrzna za pomocą specjalnych narzędzi, sys-

temu, wewnątrzzakładowego. Oprócz tego w tym podsystemie, można wyróżnić następujące

elementy [2]:

generowanie informacji: jest to chwila, w której dany pracownik przygotowuje

pewną informację, np. zlecenie rozładunku; w tym przypadku, należy szczególnie

zwrócić uwagę, aby wygenerowana informacja była dla odbiorcy zrozumiała oraz

dokładna, co zmniejszy prawdopodobieństwo popełnienia błędu;

przekazywanie informacji: proces, w którym wygenerowana informacja zostaje wy-

słana do odbiorcy; na tym etapie, nadawca powinien w szczególności zadbać o to by

informacja, trafiła bezpośrednio do odpowiedniego odbiorcy;

gromadzenie i przechowywanie informacji: jest to etap, w którym informacja jest

zbierana oraz archiwizowana, mogą to być informacje otrzymywane lub genero-

wane; ten etap umożliwia późniejsze przetwarzanie informacji;

przetwarzanie i interpretacja informacji: w pierwszym kroku jest odczytywanie wia-

domości przez odbiorcę, a następnie interpretacja zawartości danej wiadomości;

wykorzystywanie informacji: po etapie, w którym była interpretacja wiadomości,

następuje przejście do następnego kroku, czyli wykonanie polecenia, które było za-

warte w przesłanej informacji; w przypadku wygenerowanej wiadomości (zlecenie

rozładunku), operator wozu kontenerowego podejmuje odpowiednie kroki, by wy-

konać zadanie.

2.2. PODSYSTEM MECHANICZNY

Jak już wcześniej wspomniano oprócz podsystemu informacyjnego można wyróżnić

jeszcze podsystem mechaniczny, w którym jest przepływ ładunku. Tak jak w poprzednim

przypadku rozpatrywana jest sytuacja przyjęcia pociągu na terminal, urządzenia pracujące

na terminalu to głównie wozy wysięgnikowe. W tym podsystemie wyodrębnione zostały po-

szczególne elementy, tj.:

1) wjazd pociągu na terminal,

2) sprawdzenie stanu kontenerów,

3) obsługa celna,

4) rozładowywanie pociągu za pomocą wozów wysięgnikowych,

5) wykonanie poleconego zadania:

a) odłożenie kontenera na plac składowy,

b) odłożenie kontenera na pojazd ciężarowy,

6) wyjazd kontenera pojazdem ciężarowym.

Pierwszą czynnością wymienianą w tym podsystemie jest wjazd pociągu na terminal.

Kolejno odbywa się operacja związana ze sprawdzeniem stanu, czy nie są uszkodzone i czy

plomby się w stanie nienaruszonym, oraz ilości kontenerów. Następnie, jeżeli jest tak


konieczność, jest wykonywana obsługa celna, po przejściu tych procedur może zostać roz-

poczęty rozładunek pociągu. Na plac składowy odkładane są kontenery, które nie są prze-

znaczone do wysyłki danego dnia, natomiast te kontenery, które zostały przydzielone do wy-

syłki są załadowywane na pojazdy ciężarowe. Po załadunku odbywa się transport drogowy

do klienta. Algorytm przepływu ładunku został przedstawiony na rysunku 2.

W algorytmie na rysunku 2 zostały wyszczególnione trzy procesy decyzyjne i osiem

zadań do wykonania. W porównaniu z podsystemem informacyjnym w tym przypadku dużą

rolę odgrywają operatorzy maszyn, od których zależy poprawność wykonywania danych

operacji, co ma wpływ na cały proces transportu intermodalnego.

Rys. 2 Podsystem mechaniczny na terminalu lądowym



3. KLASYFIKACJA ZAKŁÓCEŃ NA TERMINALU LĄDOWYM

Każdy system w każdym etapie swojego działania, funkcjonowania może być narażony

na zagrożenia. W podrozdziale 3.1 zostały scharakteryzowane zagrożenia dla terminala lą-

dowego w podsystemie informacyjnym, natomiast w podrozdziale 3.2 zagrożenia w podsys-

temie mechanicznym.

Schemat przedstawiony na rysunku 3 dzieli zakłócenia w kategorii głównej na zakłóce-

nia spowodowane czynnikami wewnętrznymi i zewnętrznymi Do czynników wewnętrznych

będą zaliczane zakłócenia, które wyniknęły z działania systemu na terminalu lądowym, na-

tomiast czynniki zewnętrzne to takie, na które system nie ma wpływu, czyli np. warunki

pogodowe, czy brak w dostawie prądu. Podkategoria czynników wewnętrznych, to zakłóce-

nia spowodowane czynnikiem ludzkim, technicznym lub organizacyjnym. W przypadku błę-

dów ludzkich może to być brak skupienia uwagi przy wykonywaniu pracy, w przypadku błę-

dów technicznych może to być awaria maszyny przeładunkowej, natomiast do błędów orga-

nizacyjnych można zaliczyć np. przy zmianie pracowników np. ze zmiany 1 na drugą nie są

przekazywane informacje dotyczące zadań już wykonanych i zadań do wykonania.

Rys. 3. Klasyfikacja zagrożeń mogących wystąpić na terminalu lądowym


W przypadku czynników zewnętrznych również występuje czynnik ludzki. W omawia-

nym podsystemie informacyjnym jako pierwszą czynność, wymienia się wprowadzenie listy

awizacyjnej, która jest wysyłana z zewnątrz. Dlatego też czynnik ludzki może być również

zaliczany do podkategorii czynników zewnętrznych. Oprócz tego znajduje się tu również

czynnik klimatyczny, który związany jest z warunkami pogodowymi na terminalu, a także

z dostawcami mediów na terminal kontenerowy.

W tym rozdziale zostaną wyodrębnione zakłócenie na terminalu lądowym w podsyste-

mie informacyjnym (podrozdz. 3.1) oraz w podsystemie mechanicznym (podrozdz. 3.2).


3.1. ZAKŁÓCENIA W PODSYSTEMIE INFORMACYJNYM

W przypadku zakłóceń występujących na terminalu kontenerowym, można wyróżnić, na

pewno takie, które zakłócą ciągłość całego systemu, czyli system będzie niezdatny oraz takie,

które spowodują niewielkie opóźnienia, czyli system będzie częściowo niezdatny. W poniższej

tabeli 1 zostały zidentyfikowane potencjalne zakłócenia w podsystemie informacyjnym,

a także ich potencjalne skutki. Natomiast kolumna „czynność” jest opracowana na podstawie

algorytmu umieszczonego na rysunku 1. W przypadku skutków dla zakłóceń wymienionych

w tabeli 1, we wszystkich przypadkach wystąpienia zakłócenia, będzie to również opóźnienie

dostaw do klientów i poniesienie różnego rodzaju strat (np. pieniężnych, kontraktów).

Tab. 1. Zestawienie zakłóceń w podsystemie informacyjnym w terminalu lądowym

Czynność Potencjalne zagrożenie Potencjalne skutki

Wprowadzenie listy awizacyjnej do

systemu

brak odbioru listy awizacyjnej

awaria systemu

informatycznego

awaria systemów

energetycznych

brak listy awizacyjnej w systemie

Wprowadzenie ładunku do systemu

awaria systemu informatycz-nego

awaria systemów energetycz-nych

brak danych o ładunku

niezgodność ilości ładunku w systemie z ilością rzeczywi-

stą na placu składowym

brak informacji o dostawie ładunku w systemie

Sprawdzenie dokumentacji wraz ze

stanem faktycznym niewłaściwe sprawdzenie

dokumentacji

niezgodność ilości ładunku

w systemie z ilością rzeczywi-stą na placu składowym

Wykonanie procedury obsługi

celnej

nieprawidłowe wypełnienie

dokumentacji

nieprawidłowa obsługa celna

dopuszczenie towaru niezgodnego

Podjęcie decyzji o dalszym losie

kontenera podjęcie niewłaściwej decyzji

kontener przeznaczony do wy-syłki, będzie składowany, nato-

miast kontener, który miał być

składowany zostanie wysłany

Wysłanie informacji do operatorów

awaria systemu informatycznego

awaria systemu energetycznego

przekazanie błędnej informacji

brak informacji

błędna informacja

obsługa niewłaściwego ładunku

Przydzielenie miejsca

do składowania w systemie

przydzielenie niewłaściwego miejsca

awaria systemu

informatycznego


nieprzydzielenie miejsca do składowania

Usunięcie kontenera z systemu

usunięcie błędnego kontenera

awaria systemu informatycz-

nego


błędna informacja o ilości

kontenerów w systemie

w porównaniu do rzeczywistości

Wypełnienie dokumentacji wysył-

kowej błąd pracownika wypisującego

dokumentację przewozową

błąd na dokumentacji przewo-zowej (np. błędny nr ładunku,

błędny adres odbiorcy)

Źródło: opracowanie własne na podstawie [1, 8–10]

Analizując tabelę 1, każde potencjalne zagrożenie można przyporządkować do przy-

czyn, czynników zewnętrznych przedstawionych na rysunku 3. Dla przykładu awaria


systemu informatycznego czy energetycznego, jest zdecydowanie czynnikiem zewnętrznym,

zaliczanym do kategorii czynników klimatycznych. Z kolei dla czynności „podjęcie decyzji

o dalszym losie kontenera”, zagrożeniem jest podjęcie niewłaściwej decyzji, co jest zaliczane

do czynników wewnętrznych i błędów ludzkich.

3.2. ZAKŁÓCENIA W PODSYSTEMIE MECHANICZNYM

W procesie obsługi ładunku, skutki zakłóceń są już bardziej niebezpiecznie, niż było to

w przypadku podsystemu informacyjnego. Opracowana tabela 2 przedstawia czynności

(wg algorytmu zilustrowanego na rysunek 2), potencjalne zagrożenia i ich skutki.

Tab. 2. Zestawienie zakłóceń w podsystemie mechanicznym w terminalu lądowym.

Czynność Potencjalne zagrożenie Potencjalne skutki

Wjazd pociągu na terminal

niewłaściwy wjazd pociągu

awaria systemów energetycznych

nieprawidłowe ustawienie pociągu

brak możliwości wjazdu pociągu na terminal

Sprawdzenie stanu kontenerów

niewłaściwe sprawdzenie stanu

ładunku i ich ilości

niezgłoszenie uszkodzonych

ładunków

nieprawidłowa ilość ładunku

w systemie a tą w rzeczywistości

Obsługa celna brak wykonania obsługi celnej bądź

nieprawidłowe jej wykonanie dopuszczenie towaru niezgodnego

Rozładowywanie pociągu

za pomocą wozów

wysięgnikowych

nieprawidłowe wykonanie operacji

przemieszczania ładunku

awaria wozu wysięgnikowego

wypadek na terminalu, w którym może nastąpić uszkodzenie obiektu

(innego ładunku, pracownika, środka

transportu, operatora)

uszkodzenie ładunku w środku

zintegrowanej jednostki ładunkowej

Odłożenie kontenera na plac składowy

nieprawidłowe wykonanie operacji

przemieszczania ładunku

operator odkłada kontener w nieprawidłowe miejsce na placu

składowym

operator odkłada inny kontener niż zostało zalecone

awaria wozu wysięgnikowego

nieprawidłowe miejsce składowania

kontenera

niewłaściwy kontener znajduje się na placu składowym

operator odkłada inny kontener niż zostało zalecone

wypadek na terminalu, w którym może nastąpić uszkodzenie obiektu

(innego ładunku, pracownika, środka

transportu, operatora)

uszkodzenie ładunku w środku

zintegrowanej jednostki ładunkowej

Odłożenie kontenera na pojazd ciężarowy

Błąd operatora przy wykonywaniu

operacji rozładunkowych

Brak komunikacji pomiędzy kierowcą a operatorem

Operator odkłada inny kontener niż zostało zalecone

Awaria wozu wysięgnikowego

wypadek na terminalu, w którym

może nastąpić uszkodzenie obiektu

(innego ładunku, pracownika, środka transportu, operatora)

uszkodzenie ładunku w środku zintegrowanej jednostki ładunkowej

nieprawidłowy kontener zostaje wysłany do klienta

Wyjazd kontenera pojazdem ciężarowym

Awaria pojazdu brak możliwości dostarczenia

kontenera do klienta

Źródło: opracowanie własne na podstawie [1, 8–10]


Przedstawiona powyżej tabela pokazuje, że skutki zakłóceń rzeczywiście są bardziej

niebezpieczne niż w przypadku podsystemu informacyjnego. Oprócz tego dla wszystkich po-

tencjalnych zakłóceń, mogą wystąpić opóźnienia w dostawie towaru do klienta oraz straty

pieniężne.

4. PODSUMOWANIE

W pracy został zaprezentowany system funkcjonowania terminala lądowego. W działa-

niu tego systemu wyróżniony jest przepływ informacji (podsystem informacyjny) oraz prze-

pływ ładunku (podsystem mechaniczny). Następnie zostały sklasyfikowane zagrożenia,

a wraz z nimi czynniki, które mogą spowodować pewne zagrożenia. W przypadku identyfi-

kacji zagrożeń dla poszczególnych czynności w przypadku obu podsystemów, można wysu-

nąć wniosek, że bardziej niebezpieczne szkody mogą wyrządzić błędy w podsystemie

mechanicznym.

Niniejsze opracowanie po uzupełnieniu danych ilościowych, stanowi podstawę do wy-

konania analiz jakościowych i ilościowych. Dalsze prace pozwolą na określenie ryzyka obu

podsystemów, a także na analizy ciągłości całego procesu obsługi ładunków w terminalu

kontenerowym.

LITERATURA

[1] Bayer A., Analiza i ocena podatności na uszkodzenia kontenerowego systemu przeładunkowego,

Praca dyplomowa, Politechnika Wrocławska, Wrocław 2015.

[2] Coyle J. J., Bardi E. J., Langley C. J., Zarządzanie logistyczne, PWE, Warszawa 2002.

[3] Christopher M., Logistics and supply chain management fourth edition, Pearson Education,

Dorchester 2011.

[4] Chwesiuk K., Logistyczna obsługa ładunków w portach Szczecin i Świnoujście, Logistyka

5/2012, s. 328–336.

[5] Murphy Jr. P. R, Wood D., Contemporary Logistics Tenth Edition, Prentice Hall, 2011.

[6] Pyza D., Wybrane aspekty modelowania obsługi transportowej w podsystemach dystrybucji,

Prace naukowe Politechniki Warszawskiej, z. 70 Transport, Warszawa 2009, s. 139–149.

[7] Salomon A., Organizacja i funkcjonowanie portowych terminali kontenerowych oraz perspek-

tywy ich rozwoju, Zeszyty naukowe Akademii Morskiej w Gdyni, nr 82, Gdynia 2013, s. 70–80.

[8] Świeboda J., Zając M.: Initial FMEA analysis of the container transport chain. W: Safety and

reliability: methodology and applications, proceedings of the European Safety and Reliability

Conference, ESREL 2014, Wrocław, Poland, 14–18 September 2014 / eds. Tomasz Nowakowski

[i in.]. Leiden: CRC Press/Balkema, cop. 2015. s. 2433–2438.

[9] Świeboda J., Zagrożenia procesu obsługi ładunków w transporcie intermodalnym, Praca

dyplomowa, Politechnika Wrocławska, Wrocław 2014.

[10] Zając M. Świeboda J.: Zastosowanie diagramu Ishikawy do identyfikacji zagrożeń procesu ob-

sługi ładunków w intermodalnym węźle przeładunkowym. Logistyka. Nr 6/2014, s. 11478–11482.

[11] Zając M., Valis D., Przykład oceny ryzyka systemu przeładunku kontenerów, Problemy Eksploatacji,

1/2010, Warszawa 2010, s. 41–49.


CLASSIFICATION AND IDENTIFICATION

OF DISRUPTIONS AT CONTAINER TERMINAL

IN FUNCTIONING SYSTEM OF INTERMODAL TRANSPORT

Abstract

Intermodal transport is particularly important in transportation of loads on large distances. In-

land terminal is one of element intermodal transport, which allows on storage and handling

containers. In article is presented flow of information and flow of loads in inland terminal.

Then is set out classification of hazards. At last part of article is identified possible disruptions

for information subsystem and for mechanical subsystem. Article after complemented data of

quantitative will allow on is performed analyses quantitative and qualitative.

Keywords: flow of information, flow of load, container terminal, classification of hazards,

intermodal transport, identification of disruptions

217

Katarzyna TOPOLSKA*, Andrzej BUJAK*, Marcin DŁUGOSZ**

POPYT I PODAŻ

JAKO CZYNNIKI KSZTAŁTUJĄCE

STAWKI FRACHTU MORSKIEGO

W PRZEWOZACH KONTENEROWYCH

NA TRASIE DALEKI WSCHÓD –

EUROPA PÓŁNOCNA

Streszczenie

W pracy omówiono uwarunkowania mające wpływa na popyt i podaż w żegludze morskiej.

Wskazano główne czynniki polityczne i ekonomiczne stojące za zmianami stawek frachtu kon-

tenerowego. Przeanalizowano sytuację na linii handlowej Daleki Wschód – Europa Północna

oraz przedstawiono wyzwania, z jakimi w niedalekiej przyszłości przyjdzie się mierzyć opera-

torom morskim. Wskazano również trendy w konsolidacji rynku przewozów kontenerowych.

Aby w pełni zrozumieć przemysł transportu morskiego, koniecznym jest określenie czynni-

ków, które wpływają na jego zdolność do przewozów, dokonać ich analizy oraz wyjaśnić, jak

wpływają one na rynek przewozów kontenerowych. Do najistotniejszych determinantów na-

leżą popyt i podaż w przewozach morskich. Obserwowane spadki stawek morskich są efektem

dysproporcji pomiędzy popytem na przewozy a podażą statków. Zjawisko nadpodaży statków

na rynku kontenerowym, poprzez wprowadzanie do żeglugi nowych, znacznie większych jed-

nostek, spowolnienie gospodarcze w Azji wymusiło na armatorach ciągłe obniżanie stawek

frachtowych. Prognozy dotyczące wyglądu rynku przewozów kontenerowych w kolejnych la-

tach pozostają niepewne, biorąc pod uwagę czynniki geopolityczne, tj. umiarkowany wzrost

światowego popytu i handlu towarami, słabego ożywienia gospodarczego w Europie, rozbież-

nych prognoz na konsumentów oraz producentów ropy naftowej, napięć politycznych, spo-

wolnienia w gospodarkach rozwijających się, w szczególności dużych gospodarek wschodzą-

cych, jak również niepewności co do tempa i skutków spowolnienie w Chinach.

Słowa kluczowe: przewozy kontenerowe, popyt i podaż, handel morski, stawki frachtowe,

pojemność statków

* Wyższa Szkoła Bankowa we Wrocławiu, Instytut Logistyki

** National Product Manager SEA CARGO EXPORT

biuro


lepiej to w jednym wierszu

218 K. Topolska, A. Bujak, M. Długosz

1. WSTĘP

Aby w pełni zrozumieć przemysł transportu morskiego, konieczne jest określenie czyn-

ników, które wpływają na jego zdolność do przewozów, ich przeanalizowanie oraz wyjaśnie-

nie, jak wpływają one na rynek przewozów kontenerowych. Do najistotniejszych determi-

nantów należą popyt i podaż w przewozach morskich. Obserwowane spadki stawek mor-

skich są efektem dysproporcji pomiędzy popytem na przewozy a podażą statków. Zjawisko

nadpodaży statków na rynku kontenerowym, poprzez wprowadzanie do żeglugi nowych,

znacznie większych jednostek, spowolnienie gospodarcze w Azji wymusiło na armatorach

ciągłe obniżanie stawek frachtowych. W 2015 roku stawki frachtowe na trasie z Azji do Eu-

ropy osiągnęły rekordowo niski poziom, niespotykany do tej porty w historii. Skala tego zja-

wiska oraz następstwa w branży przewozów kontenerowych skłaniają do przeanalizowania

sytuacji i odpowiedzenia na pytanie co stoi za tymi wydarzeniami? Jak będzie wyglądał ten

rynek w obliczu nadchodzących wyzwań?

2. POPYT I PODAŻ NA PRZEWOZY W ŻEGLUDZE MORSKIEJ

Popyt na transport morski jest ściśle związany z popytem na dobra materialne. Ekonomi-

ści odnoszą się do floty handlowej jako źródła czerpania zysku z popytu. Popyt na usługi trans-

portu morskiego jest rezultatem popytu na dobra, które muszą zostać przetransportowane,

a jego źródłem są klienci. Firmy przewozowe używają mechanizmów rynkowych w celu ure-

gulowania popytu i podaży. Popyt na transport towarowy jest określany poprzez fizyczne za-

potrzebowanie towarów w danej lokalizacji. Ze względu na nierównomierne rozmieszczenie

zasobów naturalnych oraz specjalizacje produkcji, w niektórych obszarach może wystąpić nad-

podaż niektórych towarów, podczas gdy inne obszary mogą cierpieć na ich deficyt. Brak rów-

nowagi geograficznej prowadzi do wahań popytu na transport towarów. W ciągu ostatnich

kilku lat mieliśmy do czynienia ze zjawiskiem wzrostu popytu na przewozy, jego stagnacji,

a następnie spadku. Do determinantów popytu na przewozy morskie, oprócz zmiennej, jaką są

stawki morskie, należy zaliczyć czynniki polityczne, stan gospodarki światowej, morski handel

towarami, średnia odległość przewozu, koszty transportu [6, s. 17].

Czynniki polityczne, obejmują przede wszystkim strategie przyjęte przez rząd i są nimi

przede wszystkim interwencje rządu w sprawach handlu i żeglugi, a także korzystania z po-

lityki handlowej w celu ochrony rodzimych produktów w odniesieniu do produktów zagra-

nicznych. Innymi aspektami politycznymi mającymi wpływ na popyt na transporty morskie

są zagadnienia dotyczące organów rządowych, mianowicie, czy rząd został demokratycznie

wybrany przez obywateli oraz jak wygląda jego polityka fiskalna, a także czy kraj jest człon-

kiem jakiejkolwiek organizacji handlowej, czy jest członkiem międzynarodowych konwencji

handlowych, takich jak WTO [6, s. 18].

Innym ważnym czynnikiem wpływającym na popyt na transport morski jest światowa go-

spodarka, ponieważ jest ona ściśle powiązana, poprzez eksport i import różnych towarów. Waha-

nia wzrostu produkcji światowej tworzą cykliczność popytu na transport morski. Przy okazji

warto zwrócić uwagę na związek wzrostu handlu morskiego i światowej produkcji w czasie, oraz

zjawisko elastyczności handlowej. Elastyczność handlowa stanowi procentowy wzrost w handlu

morskim, podzielony przez wzrost procentowy w produkcji światowej. W ciągu ostatnich trzech

Popyt i podaż jako czynniki kształtujące stawki frachtu morskiego… 219

dekad elastyczność handlowa wynosiła 1,4, co oznacza, iż handel światowy wzrósł 40% szybciej

w porównaniu do światowej produkcji, badanej w tym przedziale czasu [6, s. 22].

Kolejnym czynnikiem jest morski handel towarami, który ulega krótkoterminowej (naj-

częściej w ciągu roku) zmienności ze względu na sezonowość. Długoterminowe trendy

w handlu towarowym można zidentyfikować poprzez obserwację cech ekonomicznych

przedsiębiorstw, które produkują oraz zaopatrują się w towary, pod względem ich formy

(zmiana popytu na poszczególne produkty), miejsce (zmiana źródeł pochodzenia zapasów),

proces (zmiana lokalizacji zakładów przetwórczych – ze względu na koszty pracy), czas.

Popyt na przewozy transportem morskim, zależy nie tylko od wielkości ładunków, ale

również od odległości, na jaką ma się odbyć przewóz. Transport rudy żelaza z Ameryki Po-

łudniowej do Chin generuje klika razy większy popyt na transport morski, co ten sam tonaż

ładunku w relacji Australia – Chiny. Efekt ten określany jest mianem „przeciętnego dystansu

handlowego” dlatego też popyt na transport morski może być mierzony w tonomilach, który

zdefiniowany jest jako tonaż ładunku pomnożony przez średnią odległość na jaką dany ładu-

nek jest transportowany [6, s. 21].

Rozwój systemów transportowych, wprowadzenie do użycia większych statków, imple-

mentacja bardziej efektywnej organizacji działalności żeglugowej, skutkują stałą redukcją

kosztów transportu. Niższe koszty transportu stanowią czynnik stymulujący popyt na trans-

port morski, mający wpływ na decyzje zakupowe konsumentów, rozlokowanie rynków

zbytu. Decyzje w który komponent do produkcji się zaopatrzyć, którego dostawcę wybrać

oraz na które rynki dystrybuować produkty, związane są z dostępnością usług transporto-

wych i kosztami transportu. Ponadto decyzje cenowe są w dużej mierze uzależnione od kosz-

tów transportu, które mogą wywierać wpływa na transport morski i długoterminowe perspek-

tywy rozwoju handlu.

Popyt stanowi funkcjonalną zależność pomiędzy stawką frachtu morskiego (cena za

transport) oraz zapotrzebowania na usługi przewozowe w określonym przedziale czasu (ilość

miejsca na statkach). Krzywa popytu opada w dół w kierunku prawej strony zgodnie z pra-

wem popytu. Prawo popytu wskazuje iż nabywcy będę kupowali znacznie więcej jeśli cena

będzie spadała, zaś ograniczenia w zakupach nastąpią w sytuacji, gdy cena dobra będzie

wzrastała. Rysunek przedstawiający krzywą popytu jest graficznym odzwierciedleniem rela-

cji pomiędzy popytem ilości produktu (ilość dostępnego tonażu, miejsca na statkach) i jego

ceny ( stawek przewozowych). Jeśli nastąpi zmiana stawki frachtu morskiego, zaś inne de-

terminanty popytu pozostaną niezmienne, dojdzie do zmiany zapotrzebowania na ilość.

Zmiana zapotrzebowania na ilość spowoduje przesunięcie się wzdłuż krzywej popytu

z punktu a do punktu B. Popyt na usługi transportu morskiego, zależy od różnych czynników.

Handel morski jest jednym z najważniejszych determinantów wpływających na popyt

na transport morski. Wzrost lub spadek obrotów handlu morskiego może doprowadzić do

zmiany popytu na transport morski. Jeżeli którykolwiek z czynników warunkujących trans-

port morski ulegnie zmianie, wówczas nastąpi zmiana popytu i krzywa popytu na transport

morski przesunie się np. wzrost obrotu handlu morskiego przyniesie wzrost popytu na trans-

port morski co charakteryzuje rysunek 1 przesunięcie krzywej w prawo z pozycji D do D1.

Z drugiej zaś strony, zmniejszenie zapotrzebowania na transport morski spowoduje przesu-

nięcie krzywej popytu w lewo z pozycji D do D2.


Rys. 1. Popyt na transport morski

Źródło: [6]

Podaż w transporcie morskim mierzona jest jako dostępność pojemności załadunkowej

w odniesieniu do zdolności przewozu ładunków z jednego lub większej liczby portów do

określonej liczby portów na morzu. Podaż statków stanowi składową czterech głównych

czynników [6, s. 2]:

armatorów,

spedytorów i firm czarterujących statki,

banków,

organów regulujących żeglugę.

Armatorzy podejmują decyzje dotyczące zamówienia nowych statków, oraz złomowa-

nia lub odsprzedaży starych jednostek pod wpływem rożnych czynników. Popyt na przewozy

morskie wpływa na decyzje podejmowane przez armatorów o zakupie nowych statków, zaś

banki inwestycyjne dzięki kredytowaniu finansują wymianę floty. Działalność urzędów re-

gulacyjnych skupia się na badaniu wpływu floty na bezpieczeństwo i przestrzeganiu przepi-

sów dotyczący ochrony środowiska. W dłuższej perspektywie dostawy nowych jednostek

morskich oraz podejmowanie decyzji o złomowanie starych determinują wskaźnik stopy

wzrostu floty morskiej.

Cechą charakterystyczną światowej floty kontenerowej jest fakt, iż w ciągu ostatnich

kilku dekad nastąpił szybki rozwój technologiczny. Postęp techniczny i innowacje w dzie-

dzinie projektowania i eksploatacji statków, doprowadziły do znacznej wydajności operacyj-

nej. W rezultacie czego większe, szybsze i bezpieczniejsze statki mogą być budowane i są

one w stanie zapewnić niższe ceny usługi transportowej przy niższych koszty tonomilach,

a także większą alokację miejsca.


Termin „podaż” odnosi się do zależności pomiędzy stawką frachtu morskiego a ilością

dysponowanego miejsca dostarczonego przez armatorów. Podaż transportu morskiego jest

silnie uzależniona od stawek frachtowych. Jeśli stawki frachtu morskiego spadną poniżej

kosztów operacyjnych statki zostaną zacumowane w portach i wyłączone z działalności ope-

racyjnej (odstawienie na kotwice), a to spowoduje spadek podaży.

Nachylenie krzywej podaży zależy od trzech głównych czynników [6, s. 24]:

Większe statki mają niższe koszty transportu na jednostkę ładunku, a co za tym

idzie, większe statki będą miały niższe prawdopodobieństwo wyłączenia z użycia

poprzez odstawienie na kotwice. To powoduje, iż podczas recesji małe statki zostaną

wyłączone z żeglugi.

Starsze statki mają wyższe koszty eksploatacji, tak więc wyższy współczynnik wy-

łączenia z żeglugi, przy wyższe stawce frachtowej.

Jeśli cały dostępny tonaż znajdzie się, podaż będzie można zwiększyć poprzez przy-

śpieszenie prędkości operacyjnej statków oraz poprawy ich efektywności.

Jeżeli stawki frachtowe znajdują się powyżej poziomu równowagi i przewoźnicy spo-

dziewają się trendu wzrostowego na rynku towarowym, aktywna podaż zostanie zwiększona

poprzez:

odroczenie okresowych badań i konserwacji jednostek,

maksymalizacje prędkości na morzu,

skrócenie czasu cumowania, przez przyśpieszenie procesu załadunku i wyładunku

statków,

wprowadzenie do użycia wyłączonego tonażu.

Z drugiej zaś strony, jeśli stawki frachtowe są poniżej punktu opłacalności i nie przewi-

duje się zmiany tego trendu, zmniejszenie podaży nastąpi poprzez zastosowanie poniższych

regulatorów:

spadek średniej prędkości statków na morzu (slow steaming),

przewozy frachtów bez pełnej utylizacji miejsca na statkach,

spowolnienie prac załadunku i rozładunku w portach,

wyłączanie niektórych jednostek z użycia poprzez odstawianie na kotwice

anulowanie/odwoływanie wypłynięć (void sailings).

W zależności od poziomu stawek frachtu morskiego oraz oczekiwań przewoźników

rynku żeglugowego, armatorzy dostosowują ilość wolnego miejsca w krótkim okresie czasu,

w celu minimalizacji kosztów oraz maksymalizacji zysków. W okresach ekonomicznego do-

brobytu zapotrzebowanie na nowy tonaż przekracza możliwości produkcyjne stoczni. Jeżeli

armatorzy potrzebują dokonać zakupu aktywnych jednostek, mogą tego dokonać na rynku

wtórnym. Podczas dobrej koniunktury ceny młodych używanych statków są wyższe aniżeli

ceny statków nowych, które trzeba zamówić w stoczniach. To pokazuje jak ważne jest opóź-

nienie między decyzjami armatorów o rozszerzeniu swojej floty i dostawie nowych statków.


3. WARUNKI EKONOMICZNE I PERSPEKTYWY ROZWOJU

ŻEGLUGI MORSKIEJ

Chiny jako światowy producent dóbr konsumpcyjnych, uważany za fabrykę świata ma

znaczący wpływ na generowanie obrotów handlowych drogą morską. Wejście Chin do WTO

w 2001 r. spowodowało znaczny popyt na przewozy towarów w kontenerach drogą morską.

Dynamika tego tempa miała swój kres w 2008 r. wraz z światowym kryzysem gospodar-

czym, w którego następstwie nastąpił niższy popyt ze strony gospodarek rozwiniętych, a to

zaś spowodowało destabilizacje pomiędzy popytem a podażą. Efektem tego zjawiska była

zwiększająca się stopa bezrobocia, zadłużanie się przedsiębiorstw, zmniejszenie wydatków

na inwestycje i konsumpcje w obawie przed kolejną falą kryzysu. Rządy państw, jak również

banki centralne, aby walczyć z tą sytuacją podjęły decyzję o obniżeniu stóp procentowych

oraz wprowadzeniu dodatkowych instrumentów mających na celu pobudzenie gospodarek

i stymulacje wzrostu gospodarczego. W wyniku sytuacji gospodarczej w 2009 roku świa-

towa wielkość przewozu spadła o 7%, zaś w tym samym czasie z agregowana wielkość prze-

wozu dla Ameryki Północnej, Japonii i Europy spadła o 19% w skali roku. To pokazuje jak

wielkie znaczenie dla przewozu morskiego miał kryzys gospodarczy [8, s. 16].

Rys. 2. OECD – Indeks Produkcji Przemysłowej i wskaźniki światowej produkcji: PKB, Wymiana

Handlowa, Przewozy morskie w latach 1975–2014

Żródło: [8]

Wzrost gospodarczy mierzony PKB w Unii Europejskiej w 2012 r. osiągnął wynik –

0,3%, zaś w 2013 r. 0,1%, co wskazuje, iż Unia Europejska była pogrążona w recesji, zaś

w tym samym czasie wzrost PKB w Chinach kształtował się następująco i w 2011 r. wynosił


9,3 %, w 2012 r. i 2013 r. po ok 7,7 %. Wzrost gospodarczy PKB, wymiana handlowa

(stanowiąca popyt na przewozy morskie) oraz przewozy morskie są ze sobą wzajemnie po-

wiązane co widać na rysunku 2. Analiza danych wskazuje, iż handel może rosnąć szybciej

lub też wolniej w stosunku do PKB, zaś od 1990 roku handel zagraniczny miał tendencje

rosnąć dwa razy szybciej aniżeli wzrost gospodarczy PKB [10].

Perspektywy rozwoju światowej gospodarki są pozytywne i szacuje się, iż

w 2014 roku nastąpił 2,5 % wzrost, zaś w latach 2015–2017 będzie kształtował się w gra-

nicach 2,8–3.3%.

Prognozowany wzrost gospodarczy i jego korelacja z wymianą handlową oraz prze-

wozami morskimi wskazywałaby, iż przewozy morskie będą nadal wzrastać, zachowując

stałe tempo ok. 5% w skali roku. Należy jednak wziąć pod uwagę, iż występuje wiele za-

grożeń, które mogą zaburzyć tę prognozę, są nimi m.in. słabe ożywienie w gospodarkach

rozwiniętych, trudności, jakie napotykają gospodarki wschodzące, geopolityczne napięcie

i sankcje gospodarcze. Z drugiej zaś strony czynnikami wspomagającymi i stymulującymi

przyszły wzrost gospodarczy są potencjalne korzyści z nowych umów handlowych. Przy-

kładowymi umowami są: Partnerstwo Inwestycyjne między Unią Europejską i Stanami

Zjednoczonymi czy Trans-Pacific Partnership. Do innych czynników wspierających

wzrost gospodarczy należą inicjatywy w handlu na linii południe – południe, wspieranie

liberalizacji handlu i zmniejszenie środków ochronnych (cła), rosnący popyt konsump-

cyjny w krajach Azji Zachodniej i Afryki, eksport surowców i minerałów, reorganizacja

łańcuchów dostaw z uwzględnieniem nowych rynków zaopatrzenia/zbytu w tym Azji Po-

łudniowej, Afryki subsaharyjskiej i Ameryki Południowej [8, s. 15].

4. POPYT NA PRZEWOZY KONTENEROWE

A PODAŻ ŚRODKÓW TRANSPORTU

NA LINII DALEKI WSCHÓD – EUROPA PÓŁNOCNA

Światowy transport kontenerowy w roku 2013 osiągnął wartość 160 mln TEU, co sta-

nowiło wzrost w porównaniu do 2012 r. o 4,6%, zaś 2014 rok to wzrost o 5,3%

(171 mln TEU). W globalnym wzroście przewozów kontenerowych istotne znaczenie

miało umocnienie się głównych tras handlowych (Wschód – Zachód, Transpacyfik, linii

Azja – Europa). Jest to odzwierciedlenie ożywienia w Stanach Zjednoczonych oraz pozy-

tywnych nastrojów w Europie. Szacuje się, iż wolumen handlowy na trasie Azja – Europa

wzrósł w 2014 o 7,5%, zaś na linii Azja – USA o 6,3%. Pomimo pozytywnych trendów

w światowej gospodarce szacuje się, iż Chińska gospodarka będzie zwalniać i z 7,4%

w 2014 na 7,1% w 2015 [10]. Tym samym nadwyżka mocy produkcyjnych spowoduje

spadek cen produktów. Kolejnym czynnikiem jest zaostrzenie polityki monetarnej przez

Stany Zjednoczone, co może doprowadzić do umocnienie się dolara amerykańskiego, który

jest walutą rozliczeniową używaną w handlu międzynarodowym. Taka polityka zaś może

spowodować powstanie sytuacji, w której rynki wschodzące zostaną narażone, ponieważ

wiele z ich banków i przedsiębiorstw zwiększyło swoje zadłużenie w dolarach w ciągu

ostatnich pięciu lat [7, s. 32]. Szczegółowe zestawienie zmian w światowym handlu kon-

tenerowym w latach 1996–2015 zamieszczono na rysunku 3.


Rys. 3. Światowy handel kontenerowy w latach 1996–2015 (mln TEU i procentowa roczna zmiana;

TEU – twenty-foot equivalent unit – dwudziestostopowa jednostka ekwiwalentna – podstawowa jed-

nostka używana w odniesieniu do kontenerów)

Źródło: [7]

W odpowiedzi na wzrost popytu na transporty morskie światowa flota wzrosła o 3,5%

w czasie jednego roku, tj. od 1 stycznia 2014 r. i był to najniższy wskaźnik wzrostu w ciągu

ostatniej dekady (rys. 4). W sumie na początku 2015 roku flota handlowa liczyła

89 464 statki o łącznej pojemności 1,75 mld dwt (deadweight tonnage – nośność statku).

Największy udział w światowej flocie przypada masowcom i stanowił on na początku

2015 roku 43,5%. Drugie miejsce przypada tankowcom, których udział na początku 2015

wyniósł 28 %. Udział floty kontenerowej na początku 2015r. wyniósł 13%, zaś jej wzrost

pod względem nośności w porównaniu z początkiem 2014 szacuje się na 5% [8, s. 19].

Rys. 4. Główne rodzaje statków w światowej flocie – lata 1980–2015

Źródło: [8]


Z uwagi na dalszy wzrost floty kontenerowców (wzrost podaży miejsca przewozowego)

w zestawieniu żeglugi kontenerowej będziemy mieli do czynienia ze zjawiskiem presji na

obniżanie stawek frachtu kontenerowego.

W 2014 roku światowa flota kontenerowa wzrosła o 6,3% pod względem ilości TEU,

tj. do 18,37 mln TEU. Wzrost o 1,10 mln TEU był efektem dostarczenia nowo zamówionych

statków o łącznej pojemności 1,47 mln TEU. W roku 2014 napływ nowego tonażu został

częściowo skompensowany przez usunięcie 394 000 TEU starszych statków z floty świato-

wej przez złomowanie. Pomimo niższych prognoz wzrostu dostaw oczekuje się iż na rynku

pozostanie nadpodaż miejsca kontenerowego, w związku z niskim popytem. Oczekiwanie

względem popytu oscylują ok 4,5%, zaś zdolność przewozowa wzrosła o 6,3% (rys. 5).

W efekcie takiej sytuacji wzrośnie współczynnik „bezczynności statków”, jak również ilość

złomowanych jednostek poniżej 5000 TEU [7, s. 45].

Rys. 5. Globalny popyt na przewozy kontenerowe oraz wzrost podaży w latach 2000–2105

Źródło: [1]

Na początku 2015 r. światowa ilość nowo zamówionej floty kontenerowej wyniosła

3,39 mln TEU co stanowi 18,4% obecnej floty. Wśród nowo zamówionych jednostek dużą

część stanowią ultra duże kontenerowce liczące 18000–20000 TEU. W ciągu trzech kwarta-

łów 2015 roku zamówionych zostało 57 tego typu statków. Biorąc pod uwagę nadpodaż miej-

sca nowo powstających statków, należy uznać za bardzo prawdopodobne, iż część złożonych

zleceń zostanie anulowana, lub też odroczona w czasie, pomimo faktu, iż są one już w fazie

wstępnej budowy. Nadchodzące warunki rynkowe, przed którymi staną nowi właściciele

tworzonych jednostek będą stanowiły spore utrudnienie w znalezieniu dochodowej pracy na

obecnym rynku, gdzie występuje nadpodaż miejsca, zaś gospodarka nie rozwija się tak dy-

namicznie jak prognozowano [5, s. 9].


5. CZYNNIKI KSZTAŁTUJĄCE CENY PRZEWOZÓW

KONTENEROWYCH

Międzynarodowe koszty transportu są kluczowym elementem kosztów handlowych

i rozwoju gospodarczego. Najnowsze badania przeprowadzone w rejonie Azji i Pacyfiku

wskazują, iż kwestie kosztów transportu, morskich połączeń i procedur portowych mają

większy wpływa na koszty handlowe aniżeli cła importowe.

Aby zrozumieć różnice stawek frachtu morskiego w różnych rejonach świata, należy

dokonać analizy siedmiu podstawowych determinantów, mających wpływ na ich wiel-

kość [8, s. 67]:

Handel i udogodnienia transportowe – wiele krajów leżących w Afryce nie posiada

dostępu do morza, przez co ograniczone są nie tylko przez własne procedury celne

i inne organy graniczne, ale również przez procedury i ograniczenia państw tranzy-

towych, z którymi sąsiadują, a które to posiadają dostęp do morza.

Koszty eksploatacyjne – w skład których wchodzą m.in. naprawy, konserwacje ka-

dłuba i maszyn pokładowych, składki na ubezpieczenia, koszty załogi, prowiantu,

zapasów wody, paliw i innych płynów eksploatacyjnych – są z reguły dla większości

armatorów takie same bez względu na trasę lub miejsce. Jedynym czynnikiem wa-

runkującym ich różnorodność jest typ i wiek statku. Trasy dłuższe, gdzie operują

nowsze i większe statki będą miały niższe koszty eksploatacji w przeliczeniu na to-

nomile, aniżeli statki mniejsze i starsze.

Lokalizacja w sieci transportowej – położenie Oceanii z dala od głównych sieci szla-

ków żeglugowych, ma negatywny wpływ na koszty transportu.

Regulacje i struktura przemysłu – Oceania i kilka mniejszych gospodarek afrykań-

skich, stanowią małe rynki zbytu, przez co zainteresowanie tymi krajami jako po-

tencjalnymi rynkami zbytu jest bardzo małe. W rezultacie można spotkać się z sytu-

acją, gdzie niski poziom konkurencji powoduje wzrost cen. W tym przypadku błę-

dem byłoby ograniczanie konkurencji.

Przewożone produkty – wartość importowanych towarów do Afryki oraz Oceanii,

jest relatywnie niższej wartości aniżeli towary importowane do Europy, czy Ame-

ryki Północnej, przez co koszty transportu będą stanowić wyższy udział procentowy.

Charakterystyka portów i infrastruktury – wiele krajów rozwijających się Afryki

i Oceanii, Ameryki Łacińskiej dotyka zjawisko „wąskich gardeł” w infrastrukturze

transportowej. Największe statki, które mogą być obsługiwane w większości portów

tych dwóch regionów, są znacznie mniejsze, aniżeli te które zawijają do głównych

portów Azji czy Europy.

Przepływy handlowe – większość krajów w Afryce i Oceanii ma deficyt wymiany

handlowej. Jak wynika z rysunku 6, Afryka i Oceania wydają się mieć wyższe

koszty transportu, aniżeli inne regiony świata.

W 2014 roku stawki frachtowe ulegały ciągłym zmianom, pod presją wprowadzania do

żeglugi nowo wybudowanych jednostek oraz niestabilnego popytu na rynku żeglugi mor-

skiej, co miało swoje odzwierciedlenia w poziomie cen. Stawki frachtu morskiego w 2014 r.


odnotowały ogólną poprawę w porównaniu do poziomów z 2013 r. Uśredniony poziom ceny

na linii Daleki Wschód – Europa Północna wyniósł 1 161 USD/TEU, co stanowiło wzrost

o 7% w porównaniu ze stawkami z 2013 r. Na poziom stawek morskich na Trans-Pacyfiku

istotne znaczenie miał wzrost wolumenów handlowych, problemy z kongestią w portach Za-

chodniego Wybrzeża USA, co przełożyło się na wzrost stawek frachtowych na linii Azja –

Wschodnie Wybrzeże USA. Średnie cena w tej relacji za 40-stopowy kontener wynosiła

3 720 USD w 2014 r., co stanowiło wzrost w porównaniu do stawek z 2013 r. [5, s. 2].

Rys. 6. Międzynarodowe koszty transportu: koszty transportu jako udział procentowy

wartości importu w latach 1985–2014

Źródło: [8]

W związku z potrzebą zarządzania nadpodażą miejsca, armatorzy wyłączają z użycia

niektóre jednostki, jak również spowalniają statki (slow steaming), przez co szacuje się, iż

wchłaniają ok 2,5 mln TEU globalnej pojemność nominalnej. W tym samym czasie nastąpiła

sprzedaż aktywów niektórych armatorów, konsolidacja, jak również powstanie sojuszy, ma-

jących na celu współpracę kilku linii żeglugowych. Celem współpracy jest zaoszczędzenie

na kosztach przy jednoczesnej poprawie wydajności, a dzięki wykorzystaniu wspólnej sieci

połączeń poprawa marży operacyjnej.

Wśród najistotniejszych sojuszy należy wymienić [3, s. 2]:

2M – Maersk i MSC – 10-letnie porozumienie o współdzieleniu statków na trasach:

Azja – Europa, Europa – Ameryka Północna,

O3 – UASC, CMA-CGM i CSCL – celem jest współpraca na trasach: Azja – Europa,

wewnątrz Azji, Europa – USA,

G6 – w którego skład wchodzą: APL, Hapag – Lloyd, MOL, OOCL, Hyundai, NYK,

CKYHE – Cosco, K-LINE, YANG MING, Hanjin, Evergreen.


Oczekuje się, iż powstałe sojusze wniosą nowy trend do transportu morskiego, jakim

jest konsolidacja branży, jak również wprowadzenie większych i bardziej wydajnych jedno-

stek pływających, w większym stopniu ekologicznych, a co się z tym wiąże – mniejszym

współczynnikiem emisji dwutlenku węgla do atmosfery.

Rys. 7. Shanghai Container Freight Inedx – stawki z Szanghaju do Europy Północnej

w latach 2009–2015

Źródło: [3]

W 2015 roku stawki frachtowe na trasie z Azji do Europy spadły do poziomów najniż-

szych w historii (rys. 7). Wedługu wskaźnika SCFI stawki z Szanghaju do Europy Północnej,

osiągnęły poziom 234 USD/ TEU na dzień 12 czerwiec 2015, zaś prognozy wskazywały iż

mogą one przekroczyć granicę 150 USD/TEU [3, s. 1]. Stawki te są znacznie poniżej progu

rentowności, który szacuje się na 800 USD/TEU. Aby zapobiec temu zjawisku armatorzy

dążyli do wprowadzenia podwyżek w postaci dodatku GRI (Generl Rate Increase) w wyso-

kości od 900 USD/TEU do 1 200 USD/TEU. Jednak nie przyniosły one oczekiwanego

efektu, gdyż permanentnie występująca nadpodaż wolnego miejsca była efektem słabej po-

lityki racjonalizacji zasobów. Powszechnie stosowana praktyka anulowania wypłynięć oka-

zywała się nieskuteczna. Armatorzy przez pierwsze 6 miesięcy 2015 roku anulowali (void

sailing) 52 rejsy, co stanowiło 10% wszystkich rejsów z Dalekiego Wschodu do Europy Pół-

nocnej. Był to najwyższy wskaźnik w historii żeglugi handlowej. Jako alternatywę dla anu-

lowania wypłynięć alians 2M (Maersk, MSC) wprowadził redukcję miejsca na jednym z ich

sześciu połączeń na linii Daleki Wschód – Europa Północna [3, s. 2]. Całkowita pojemność

kontenerowców i ilość odwołanych wypłynięć na trasie Daleki Wschód – Europa Północna

od 1. do 26. tygodnia 2015 r. przedstawia rysunek 8.

Ostrożność działania armatorów oraz uprzedzenia do podjęcia drastycznych kroków,

mogą mieć w przyszłości negatywne skutki, z uwagi na fakt, że około 25 nowych jednostek

o rozmiarach 13800–19000 TEU zostanie wprowadzonych do obsługi linii handlowej Daleki

Wschód – Europa w ciągu najbliższych sześciu miesięcy. Dlatego też, aby osiągnąć założony

efekt cztery główne sojusze powinny w równym stopniu dokonać redukcji ogólnego poten-

cjału przewozowego poprzez usunięcie najmniejszych połączeń. Takie działanie spowoduje

usunięcie łącznie 39 000 TEU przestrzeni w każdym tygodniu, co stanowi 14% pojemności

załadunkowej na linii Daleki Wschód – Europa Północna.


Rys. 8. Całkowita pojemność kontenerowców i ilość skasowanych wypłynięć

na trasie Daleki Wschód – Europa Północna od 1. do 26. tygodnia 2015 r.

Źródło: [3]

Niewielkie zmniejszenie zdolności przewozowych (1% w skali całkowitej pojemności

na linii Azja – Europa Północna) nie miało większego wpływu na poziom stawek. Innym

z czynników mających wpływ na spadek ceny frachtów jest spadek cen paliwa (BAF – Bun-

ker Adjustment Factor). Szacuje się, iż spadek cen paliwa pozwolił armatorom na obniżkę

stawek frachtowych o około 50–100 USD/TEU [8, s. 58].

Rys. 9. Ceny paliwa (BAF) w latach 2010–2015

Źródło: [2]


Dodatkowym czynnikiem osłabiającym popyt na przewozy i ograniczającym europejski

import jest słaby kurs waluty EUR w stosunku do USD, oraz jej osłabienie o 20% od po-

czątku 2015 roku.

Średnie wypełnienie statków kształtuje się na poziomie 85%, podczas gdy stawki od

stycznia 2015 roku spadły o 80%. Pomimo tak drastycznych zmian linie żeglugowe nadal

odnotowują zyski na trasach z Azji do Europy Północnej co jest wynikiem podpisania cało-

rocznych umów na przewozy z bezpośrednimi importerami, zawartych końcem 2014 roku,

jak również dzięki oszczędnościom wynikającym ze spadku ceny paliwa (BAF). W styczniu

2015 roku ceny paliwa były 54% niższe niż rok wcześniej, co pozwoliło na znaczne oszczęd-

ności [2, s. 1] – szczegóły zilustrowano rysunkiem 9.

W styczniu 2015 roku ceny paliwa (BAF) wynosiły 250 USD/tona, zaś w marcu wzro-

sły do poziomu 320 USD/TEU. Armatorzy notują znaczne oszczędności w porównaniu do

2014 roku, kiedy to uśrednione koszty BAF wynosiły 560 USD/tona. Na podstawie całkowi-

tego zużycia paliwa w 2014 roku, które u armatora Maersk wyniosło 8,8 mln ton, armator

zanotuje oszczędność rzędu 2,1 mld USD, wyliczoną na podstawie aktualnych cen. Według

prognoz Maerska każda zmiana ceny BAF o 100 USD/tona będzie generował 200 mln USD

zysku. Analiza wyliczeń wskazuje, iż armatorzy oczekują 23% oszczędności kosztów paliwa,

z czego 70–80% tych oszczędności ma trafić do spedytorów w postaci niższych stawek prze-

wozowych.

6. WNIOSKI

Prognozy dotyczące wyglądu rynku przewozów kontenerowych w kolejnych latach po-

zostają niepewne, biorąc pod uwagę czynniki geopolityczne, tj. umiarkowany wzrost świa-

towego popytu i handlu towarami, słabego ożywienia gospodarczego w Europie, rozbież-

nych prognoz na konsumentów oraz producentów ropy naftowej, napięć politycznych, spo-

wolnienia w gospodarkach rozwijających się, w szczególności dużych gospodarek wscho-

dzących, jak również niepewności co do tempa i skutków spowolnienie w Chinach.

Z drugiej zaś strony wprowadzanie do użycia coraz większych statków, wzrost podaży

miejsca, obniżki stawek frachtowych, generowanie przez armatorów strat na głównych tra-

sach handlowych doprowadza do zawiązywania sojuszy, czego efektem ma być wspólna

walka o każdy ładunek oraz praca nad utylizacją miejsca na statkach. Takie działania mogą

być pierwszą zapowiedzią konsolidacji i przejęć na rynku przewozów kontenerowych. Ana-

lizując dane za lata 2004–2015 dotyczące ilości pozostającego do dyspozycji miejsca na stat-

kach (trzykrotny wzrost) oraz liczby firm przewozowych (spadek o 29%), można postawić

tezę, iż proces konsolidacji rozpoczął się dekadę temu, jednak w obecnych warunkach eko-

nomicznych nabierze on szybszego tempa.

LITERATURA

[1] Alphaliner Newsletter no. 7, 2014.






[6] Cheng T.C.E., Lai K.H., Lun Y.H.V., Shipping and Logistic Management, Springer, Hong Kong

2010.

[7] Drewry Shipping Consultants, Container Market Annual Review 2015.

[8] United Nations Conference of Trade and Development, Review of Maritime Transport 2015,

United Nations Publication, Geneva, 2015.

[9] United Nations, Economic and Social Commision for Asia & Pacific, United Nation publications,

Bangkok, 2015.

[10] http://data.worldbank.org/topic/economy-and-growth, 2015.

DEMAND AND SUPPLY

AS THE FACTORS CREATING FREIGHT RATES

IN CONTAINERS SHIPPING

IN TRADELANE FAR EAST – NORTH EUROPE

Abstract

This article presents the key factors affecting the supply and demands in containers shipping.

It indicates the main political and economic reasons having influence on container freight rates.

Analysis of the situation on the tradelane Far East – North Europe and presents the challenges

with which a container operators will face in near future. Indicates trends in the alliances be-

tween shipping lines to increase profitability. To fully understand the maritime transport indus-

try, it is necessary to identify the factors that affect its ability to transport, to analyze them and

explain how they affect the market for container shipping. The most important determinants in

sea shipping are supply and demand. Th decreases of seafreight rates are effect of imbalances

between demand for transports and supply ships. The phenomenon of oversupply of vessels in

the container market, by introduction of more effective and much larger units, also economic

slowdown in Asia has forced carriers to continuous reduction of freight rates. Forecasts for the

container market in the coming years remains uncertain, because of geopolitical factors, ie.

average increase in global demand and world merchandise trade, low economic growth in Eu-

rope, divergent forecasts for consumers and oil producers, political tensions, a slowdown in

developing economies, as well as uncertainty about the pace and impact of a slowdown in

China.

Keywords: container shipping, demand, supply, seaborne trade, freight rates, vessel capacity

http://data.worldbank.org/topic/economy-and-growth

232

Katarzyna TOPOLSKA*, Mariusz TOPOLSKI*, Marcin DŁUGOSZ**

ZNACZENIE TRANSPORTU PASAŻERSKIEGO

W FUNKCJONOWANIU MIASTA

Streszczenie

Badanie obszaru ciążenia linii kolejowej obejmie trzy główne generatory ruchu pasażerskiego

tj.: sieć osadniczą, występowanie podmiotów gospodarczych generujących dojazdy do pracy

i występowanie centrów o charakterze handlowym, administracyjnym, kulturalno-oświato-

wym, naukowym oraz rekreacyjno-wypoczynkowym, kultu religijnego itp. Badanie wykonano

dla poszczególnych linii kolejowych wchodzących w skład wrocławskiego węzła kolejowego.

Wrocław jest miastem, które od wielu lat nie ukrywa swoich ambicji w aspirowaniu do miana

metropolii europejskiej. Dotychczasowy model rozwoju systemu transportu zbiorowego

w mieście opiera się wyłącznie na wykorzystaniu połączeń autobusowych i tramwajowych.

Uwzględniając jednak specyfikę sieci drogowej Wrocławia oraz niejednokrotny brak możli-

wości wydzielenia komunikacji zbiorowej od pozostałego ruchu miejskiego, należy przyznać,

że taki kierunek zmian nie daje szans na dokonanie epokowej zmiany w kwestii przemieszcza-

nia się po mieście. Dlatego też należy poszukiwać alternatywnych sposobów rozwiązywania

problemów komunikacyjnych mieszkańców. Układ sieci kolejowej wrocławskiego węzła ko-

lejowego, predestynuje go wręcz do pełnienia szerszej roli na rzecz miasta. Jednocześnie wła-

dze lokalne powinny silnie lobbować za jak najszybszym wybudowaniem kolejowej obwod-

nicy Wrocławia, gdyż dopiero to pozwoli na pełne wykorzystanie węzła wrocławskiego dla

potrzeb SKM.

Słowa kluczowe: logistyka miasta, transport, systemy transportowe

1. WSTĘP

W transporcie miejskim, w odniesieniu do przewozu osób, szczególną rolę odgrywają

transport samochodowy, jak również kolejowy (w tym tramwaje i metro). Istnieją również

pojedyncze przypadki aglomeracji, w których istotną rolę w tym zakresie odgrywa transport

wodny śródlądowy. Dotyczy to miast posiadających gęstą siec kanałów, takich jak Wenecja

czy Amsterdam. Należy zauważyć, że transport samochodowy i kolejowy odgrywają

* Wyższa Szkoła Bankowa we Wrocławiu, Instytut Logistyki

** National Product Manager SEA CARGO EXPORT

Znaczenie transportu pasażerskiego w funkcjonowaniu miasta 233

w systemach miejskich dwojaką rolę. Z jednej strony, są podstawowym narzędziem prze-

mieszczania pasażerów w obrębie ośrodka, z drugiej umożliwiają komunikację między

ośrodkiem a jego obszarem ciążenia tzw. obszarem metropolitalnym oraz innymi regionami.

Rola transportu lotniczego ogranicza się wyłącznie do zasilania i odbioru potoków podróż-

nych do i z systemu transportu miejskiego.

Transport stanowi jeden z podstawowych czynników determinujących poziom rozwoju

gospodarczego, zarówno kraju, jak i poszczególnych jego regionów i ośrodków. Podsystem

transportowy zapewnia bezpośredni kontakt ludzi oraz przesyłanie towarów na odległość [7].

Ekonomiczno-techniczne właściwości transportu mają ogromny wpływ na rozwój urbani-

styki, miast i logistyki, odgrywając niezwykle ważną rolę w życiu społecznym i gospodar-

czym kraju. Oddziałują one na sieć osadniczą, kształt przestrzenny miast i osiedli, styl życia

ludności oraz rozwój współczesnej cywilizacji (transport osób), wspierając rozwój produkcji

i handlu oraz wpływając na działalność podmiotów gospodarczych [1].

Za system transportowy uważa się uporządkowaną całość wszystkich gałęzi transportu,

działających na danym obszarze. Obejmuje on cały majątek trwały i obrotowy transportu,

czynnik ludzki i powiązania międzygałęziowe, a także powiązania całego systemu transpor-

towego z otoczeniem oraz infrastrukturę transportową wszystkich gałęzi transportu, środki

transportu różnych gałęzi, zasoby ludzkie i regulacje organizacyjno-prawne [5].

System transportowy cechuje się dużym stopniem złożoności, wysoką dynamiką, po-

datnością na zakłócający wpływ wielu różnych czynników zewnętrznych i wewnętrznych

oraz ograniczoną zdolnością do samoregulacji. Wyróżnia się dwa podstawowe rodzaje

systemów:

systemy transportu zewnętrznego (dalekiego),

systemy transportu wewnętrznego (bliskiego) [6].

Miejski system transportowy łączy miasto w układzie funkcjonalnym i przedstawia

ośrodek miejski jako system współzależności zachodzących pomiędzy jego poszczególnymi

elementami [7].

2. AGLOMERACJE MIEJSKIE –

POTRZEBY TRANSPORTOWE MIASTA

Jako potrzebę komunikacyjną (transportową) rozumie się chęć lub konieczność jed-

nostki lub określonej zbiorowości przemieszczania się z jednego miejsca w drugie za po-

mocą środka transportu [7].

Potrzeby transportowe na terenie miasta wynikają z konieczności celowego wiązania

pojawiających się w obrębie danego układu przestrzennego potrzeb rzeczowych z realnymi

możliwościami ich zaspokojenia [7]. Wielkość tych potrzeb uzależniona jest od rozległości

terenów zabudowy, układu przestrzennego, charakteru zasiedlenia i zagospodarowania strefy

podmiejskiej, liczby ludności i stopnia jej aktywności społeczno-gospodarczej, w tym roz-

mieszczenie miejsc pracy i nauki oraz funkcji przemysłowych i handlowych, jak również

234 K. Topolska, M. Topolski, M. Długosz

charakterystyki powiązań zewnętrznych. Rozpatrując szczegółowo charakter potrzeb trans-

portowych, można stwierdzić, że powstają one w sferach:

produkcji – dotyczą zapotrzebowania na czynniki produkcji, w tym pracowników,

obrotu handlowego – dotyczą dostarczania wyprodukowanych towarów dla handlu

a następnie do miejsc ich konsumpcji indywidualnej i zbiorowej, dotyczy to również

przemieszczania się osób w celach związanych z wymianą handlową,

pozostałe – dotyczą indywidualnych potrzeb ludności, obronności kraju, usług ko-

munalnych, działalności kulturalnej, oświatowej i naukowej, ochrony zdrowia,

sportu, wypoczynku itp.)

Potrzeby komunikacyjne powstające wewnątrz obszarów zurbanizowanych i podróże

z nich wynikające, charakteryzują się specyficznymi właściwościami, tj.:

koncentracją na ograniczonej przestrzeni obszaru zurbanizowanego, co determinuje

niewielką średnią odległość podróży,

powszechnością występowania, która wyraża się w wysokiej średniej liczbie prze-

jazdów i podróży miejskich, zrealizowanych przez jednego mieszkańca,

możliwością wysterowania, przejawiającą się w natężeniu potoków ruchu pasażer-

skiego w jednym kierunku,

nierównomiernością występowania w czasie i przestrzeni [1].

Podstawowym źródłem problemów transportowych dużych aglomeracji jest nieko-

rzystna struktura gałęziowa istniejących systemów. Chodzi tu przede wszystkim o zbyt duży

udział prywatnych środków transportu, wykorzystywanych do przemieszczania się w obrę-

bie aglomeracji. Ten rodzaj transportu charakteryzuje się bowiem bardzo dużą ilością poru-

szających się w obrębie ośrodka pojazdów, których efektywność wykorzystania stoi na bar-

dzo niskim poziomie (często w samochodzie osobowym podróżuje jedna osoba). Powoduje

to z jednej strony negatywne skutki dla otoczenia (hałas, zatrucie środowiska itp.), z drugiej

strony poprzez zatłoczenie i tworzenie kongestii transportowej, znacząco obniża możliwości

sprawnego funkcjonowania całego systemu transportowego.

Kolejnym poważnym problemem, pośrednio związanym z opisanym powyżej, jest duży

udział ruchu tranzytowego w ogólnym wolumenie przejazdów wewnątrz aglomeracji. Doty-

czy to przede wszystkim ruchu samochodowego. Wynika on z faktu, że w wielu ośrodkach

ruch tranzytowy odbywa się przez ich centra, a jest efektem wieloletnich zaniedbań w kwe-

stii budowy obwodnic miast.

Problem ten, nie bez znaczenia jest również w transporcie kolejowym, gdyż w poważ-

nym stopniu utrudnia a niekiedy całkowicie uniemożliwia szersze wykorzystanie tej gałęzi

transportu do obsługi ruchu pasażerskiego wewnątrz aglomeracji.

Jakość, stan techniczny oraz struktura rodzajowa infrastruktury technicznej poszczegól-

nych gałęzi transportu w obrębie ośrodków miejskich, jest kolejnym ważnym czynnikiem

określającym możliwości tworzenia sprawnego systemu transportu w aglomeracji. Chodzi tu

zarówno o infrastrukturę liniową i punktową, jak i środki transportowe.


Kolejnym poważnym problemem miejskich systemów transportowych jest niski stopień

ich integracji, zarówno na poziomie organizacyjnym jak i techniczno-technologicznym. Cho-

dzi tu przede wszystkim o zintegrowane systemy taryfowe, wspólne bilety, węzły przesiad-

kowe, zsynchronizowane rozkłady jazdy itp. Nie sprzyja to rozpowszechnianiu się podróży

intermodalnych tzn. realizowanych z wykorzystaniem kilku różnych środków lokomocji.

Niemniej w ostatnim czasie zauważalne są pozytywne zmiany w tej materii np. wspólne bi-

lety czy też tzw. karty miejskie itp.

Generalnym kierunkiem działania powinno być skoncentrowane na sukcesywnym

zwiększaniu udziału w przewozach transportu zbiorowego, działającego w ramach zintegro-

wanego systemu transportu przy jednoczesnym ograniczaniu udziału transportu

indywidualnego.

Działania te w dużym uogólnieniu można podzielić na dwie grupy:

Zespół rozwiązań organizacyjno-prawnych.

Działania o charakterze organizacyjno-inwestycyjnym, do których można zali-

czyć m.in.:

o Projektowanie i budowa nowych oraz przebudowa istniejących ciągów komuni-

kacyjnych w taki sposób, aby preferowały one transport zbiorowy, tzn. umożli-

wiały jego poruszanie się w sposób płynny i szybszy niż w przypadku transportu

indywidualnego.

o Wprowadzanie w szerokim zakresie efektywnych, opartych na telematyce, sys-

temów sterowania ruchem pojazdów w mieście oraz konfigurowanie ich w taki

sposób, aby umożliwiały osiągnięcie optymalnej płynności ruchu komunikacji

zbiorowej.

o Wdrażanie rozwiązań komunikacyjnych mało wrażliwych na istniejące ograni-

czenia systemu transportu.

o Budowa węzłów przesiadkowych, spełniających funkcje integracyjną zarówno

pomiędzy poszczególnymi gałęziami transportu funkcjonującymi w obrębie

ośrodka miejskiego, jak i między systemem transportu samego ośrodka miej-

skiego a tym obsługującym obszar ciążenia aglomeracji.

o Budowa infrastruktury parkingowej typu „Park&Ride” i „Bike&Ride” integru-

jącej transport indywidualny z komunikacją zbiorową.

o Rozbudowa istniejących systemów transportu zbiorowego.

o Wprowadzanie nowoczesnych systemów informatycznych i telekomu-

nikacyjnych.

o Promowanie alternatywnych sposobów poruszania się po mieście poprzez [11].

Należy podkreślić, że opisane powyżej grupy działań są wobec siebie komplementarne,

dlatego też tylko ich jednoczesna realizacja umożliwi uzyskanie optymalnych efektów i po-

zwoli uniknąć sytuacji, w której efekty pojedynczych działań będą niezadowalające.


3. ANALIZA POTENCJALNEGO POPYTU

NA USŁUGI KOLEJOWEGO TRANSPORTU PASAŻERSKIEGO

W OBRĘBIE WROCŁAWIA

Analiza strony popytowej jest elementem niezbędnym do odpowiedzialnego i odpowia-

dającego obecnym i przyszłym potrzebom rynku i społeczności planowania przedsięwzięć

o charakterze organizacyjnym i inwestycyjnym, w zakresie rozwoju poszczególnych ele-

mentów systemu transportu.

Analiza rzeczywistego i potencjalnego popytu na usługi pasażerskiego transportu kole-

jowego w obrębie małej aglomeracji wrocławskiej zostanie oparta na zbadaniu obecnego

i możliwego przyszłego potencjału terenów położonych w sąsiedztwie istniejących linii ko-

lejowych do wytworzenia odpowiednio dużych potoków podróżnych.

Należy podkreślić, że rezultaty badania obrazują tylko potencjalne możliwości powsta-

nia określonych potoków podróżnych ciążących do linii kolejowych. Rzeczywiste wielkości

tych potoków są uzależnione od wielu czynników zależnych od ogólnej polityki transporto-

wej ośrodka miejskiego, wśród nich przede wszystkim poziomu integracji z komunikacją

miejską, kreowania połączeń alternatywnych przez inne gałęzie transportu miejskiego czy

zbliżenia miasta do sieci kolejowej.

Badanie tak zdefiniowanego obszaru ciążenia linii kolejowej obejmie trzy główne ge-

neratory ruchu pasażerskiego, tj.:

sieć osadniczą,

występowanie podmiotów gospodarczych generujących dojazdy do pracy,

występowanie centrów o charakterze handlowym, administracyjnym, kulturalno-

oświatowym, naukowym oraz rekreacyjno-wypoczynkowym, kultu religijnego itp.

Badanie wykonano dla poszczególnych linii kolejowych wchodzących w skład wro-

cławskiego węzła kolejowego.

A) SIEĆ OSADNICZA

Linia 273 odcinek Wrocław Główny – Wrocław Pracze

Szlak Wrocław Główny – Wrocław Grabiszyn. Biegnie w silnie zurbanizowanym te-

renie. W obszarze ciążenia odcinka leżą osiedla jak wskazano w tabeli 1.

Tab. 1. Ludność w obszarze ciążenia szlaku Wrocław Główny – Wrocław Grabiszyn

Osiedle Liczba ludności, w tys. Część w obszarze

ciążenia linii [%]

Szczepin 23,5 ok. 30

Przedmieście Świdnickie 16,8 całość

Gajowice 27,3 ok. 50

Powstańców Śląskich 31,5 ok. 40

Huby 22,9 ok. 20

Przedmieście Oławskie 23,8 ok. 15

Źródło: opracowanie własne na podstawie danych UM miasta Wrocławia

oraz analizy topografii terenu

biuro


WE WROCŁAWIU? NA TERENIE WROCŁAWIA?


Ze względu na położenie odcinka w ścisłym centrum miasta, dane na temat liczby

mieszkańców nie w pełni odzwierciedlają rzeczywisty potencjał generowania ruchu przez

ten obszar. Równie ważnym czynnikiem jest w tym przypadku bardzo duża liczba osób nie-

będących mieszkańcami osiedli a nawet Wrocławia w ogóle.

Szlak Wrocław Grabiszyn – Wrocław Muchobór. Tu sytuacja jest diametralnie

różna. Na przeważającej długości biegnie on przez tereny w znacznym stopniu odizolowane

od struktur miejskich, głównie przez samą infrastrukturę kolejową. W obszarze ciążenia od-

cinka leżą osiedla jak pokazano na rysunku 1.

Rys. 1. Ludność w obszarze ciążenia szlaku Wrocław Grabiszyn – Wrocław Muchobór

Linia 276 odcinek Wrocław Główny – Smardzów Wrocławski

Odcinek do przecięcia południowej obwodnicy kolejowej ma wspólny przebieg z linią

nr, 285 dlatego też analiza ograniczy się do pozostałej części odcinka. Do przejazdu w ciągu

ulicy Konduktorskiej linia jest otoczona ogródkami działkowymi. Następnie w niewielkiej

odległości mija od wschodu osiedle domków jednorodzinnych w rejonie ulic Dróżniczej, Ja-

godzińskiej i Brzozowej oraz nowe osiedle budynków wielorodzinnych „Cztery Pory Roku”.

Po minięciu od zachodu miejscowości Iwiny, odcinek kończy się na stacji Smardzów Wro-

cławski w bezpośrednim sąsiedztwie Żernik Wrocławskich. W obszarze ciążenia odcinka

leżą osiedla jak wskazano w tabeli 2.

Tab. 2. Ludność w obszarze ciążenia szlaku Wrocław Główny – Smardzów Wrocławski

Osiedle (miejscowość) Liczba ludności, w tys. Część w obszarze ciąże-

nia linii [%]

Jagodno 2,2 ok. 25

Brochów 5,1 ok. 30

Żerniki Wrocławskie 1,5 ok. 50

Źródło: opracowanie własne na podstawie danych UM Wrocławia oraz analizy topografii terenu

0

5

10

15

20

25

30

Szczepin MuchobórMały

GądówPopowice

Południowe

Liczba ludności w tys.

Liczba ludności w obszarzeciązenia w tys.


Łącznie w obszarze ciążenia do linii kolejowej mieszka ok. 3 tys. mieszkańców.

Szlak Wrocław Brochów – Wrocław Stadion. Początkowo biegnie przez dość odizo-

lowane tereny. Następnie od wiaduktu w ciągu ul. Buforowej aż do posterunku odgałęźnego

Wrocław Stadion przecina tereny bardzo intensywnie zamieszkane. W obszarze ciążenia od-

cinka leżą osiedla jak wskazano w tabeli 3.

Z przeprowadzonej analizy wynika, że przy przyjętych założeniach w obszarze ciążenia

wrocławskiej sieci kolejowej mieszka ok. 380 tys. mieszkańców. Liczbę tę należałoby sko-

rygować, ponieważ istnieją tereny stanowiące obszar ciążenia więcej niż jednej linii i jako

takie będące niejako częścią wspólną zbiorów, niemniej stanowi ona poważny odsetek ogółu

ludności zamieszkującej Wrocław.

Tab. 3. Ludność w obszarze ciążenia szlaku Wrocław Brochów – Wrocław Stadio

Osiedle Liczba ludności, w tys. Część w obszarze ciążenia linii [%]

Brochów 5,1 ok. 30

Tarnogaj 4,8 ok. 25

Gaj 20,0 ok. 40

Jagodno 2,2 ok. 25

Wojszyce 4,2 ok. 25

Ołtaszyn 5,1 ok. 10

Krzyki-Partynice 14,0 ok. 25

Borek 13,7 ok. 50

Grabiszyn-Grabiszynek 13,0 ok. 20

Gajowice 27,3 ok. 40

Źródło: opracowanie własne na podstawie danych UM miasta Wrocławia

oraz analizy topografii terenu

B) PODMIOTY GOSPODARCZE

Linia 349 odcinek Wrocław Brochów – Wrocław Kuźniki

Szlak Wrocław Brochów – Wrocław Stadion. Na Tarnogaju w rejonie ulic Gazowej

i Międzyleskiej zgrupowanie kilku przedsiębiorstw min. Impuls Dolnośląskie Centrum

Hurtu Słodyczy, Zakłady mechaniczne Cerama sp.zoo, Alva sp. zoo, Gaz System S.A. i inne.

W rejonie ulic Bufororwej i Terenowej kilka średnich i małych firm w tym min. Hagi Film

sp.zoo. Na dalszym odcinku znaczna ilość podmiotów zróżnicowanych pod względem wiel-

kości i charakteru działalności.

Szlak Wrocław Stadion – Wrocław Gądów. Wiele dużych i średnich przedsiębiorstw

min. Hutmen, Fadroma, Dolmel i inne głównie w obrębie Wrocławskiego Parku

Przemysłowego.

Szlak Wrocław Gądów – Wrocław Kuźniki. EBCC Wytwórnia Pomp Hydraulicz-

nych. Ponadto znaczna ilość mikroprzedsiębiorstw.

Linia 751 odcinek Wrocław Gądów – Wrocław Zachodni

biuro


przenieść ten nagłóek na następną stronę


W sąsiedztwie stacji Wrocław Gądów Wytwórnia Pomp Hydraulicznych, na osiedlach

Kuźniki i Nowy Dwór duża ilość małych i średnich przedsiębiorstw, w rejonie ulic Mińskiej

i Granicznej zespół centrów handlowych, od ulicy Krzemienieckiej do stacji Wrocław Za-

chodni znaczna ilość podmiotów min. PGF Urtica sp. zoo, Pol-Stowest sp. zoo, Tarcopol sp.

zoo czy duże centrum przeładunkowo dystrybucyjne Poczty Polskiej.

C) CENTRA O CHARAKTERZE HANDLOWYM, KULTURALNO-

OŚWIATOWYM, NAUKOWYM, REKREACYJNO-WYPOCZYNKOWYM,

KULTU RELIGIJNEGO ITP.

Linia 349 odcinek Wrocław Brochów – Wrocław Kuźniki

Szlak Wrocław Brochów – Wrocław Stadion. Akademicki Szpital Kliniczny przy

ul. Borowskiej, Akademia Medyczna we Wrocławiu, Wojskowy Szpital Kliniczny przy

ul. Weigla, centrum handlowe Borek,

Szlak Wrocław Stadion – Wrocław Gądów. Stadion WKS Śląsk na ul. Oporowskiej,

Wyższa Szkoła Bankowa we Wrocławiu, centrum handlowe Magnolia Park.

Szlak Wrocław Gądów – Wrocław Kuźniki. Brak ważniejszych ośrodków z tej kategorii.

Linia 751 odcinek Wrocław Gądów – Wrocław Zachodni

Centrum basenowo sportowe Redeco, Centrum kultury Wrocław Zachód zlokalizowane

na osiedlu Nowy Dwór. Centra handlowe Factory, Castorama przy ul. Mińskiej.

4. PRZYSZŁOŚĆ SZYBKIEJ KOLEI MIEJSKIEJ W MIEŚCIE

Istnieją co najmniej trzy ważne czynniki dające podstawę do podjęcia zdecydowanych

działań zmierzających do włączenia transportu kolejowego w system transportu miejskiego

Wrocławia. Są one następujące:

wzrastająca kongestia i zatłoczenie ulic,

niska jakość połączeń drogowych w obrębie miasta,

dobrze rozwinięty układ linii kolejowych na terenie miasta.

Przeprowadzona w poprzednim rozdziale analiza obszarów ciążenia poszczególnych

odcinków wrocławskiej sieci kolejowej pokazała, że większość z nich posiada potencjał

umożliwiający stworzenie atrakcyjnej oferty przewozowej. Jej atrakcyjność opierałaby się

głównie na zagwarantowaniu dużo krótszych czasów przejazdu w porównaniu z funkcjonu-

jącymi obecnie środkami transportu zbiorowego (autobus, tramwaj) oraz przede wszystkim

z transportem indywidualnym.

4.1. PROPONOWANY UKŁAD WYBRANYCH LINII

Istniejący układ linii kolejowych przy stosunkowo niewielkim zakresie modyfikacji

i rozbudowy pozwala zaproponować następujące trasy kolei miejskiej, oznaczone umownie

literą S oraz numerem:

S1: Wrocław Pracze – Wrocław Główny – Święta Katarzyna.

biuro


oraz kolejnym numerem.

biuro


przenieść na następną stronę razem ze zdaniem wprowadzającym wyliczenie: Są to:

biuro


liczba

biuro


do drugiego wiersza

biuro

Podświetlony

do trzeciego wiersza


S2: Wrocław Pracze – Wrocław Gądów – Wrocław Nadodrze – Wrocław Psie Pole

– Wrocław Osiedle Sobieskiego.

S3: Wrocław Leśnica – Wrocław Gądów – Wrocław Nadodrze – Wrocław Psie Pole

– Wrocław Osiedle Sobieskiego.

Tak zdefiniowana sieć połączeń szybkiej kolei miejskiej z jednej strony jest w stanie

zapewnić szybkie przemieszczanie dużych potoków podróżnych z peryferyjnych części mia-

sta do strefy śródmiejskiej w relacjach bezpośrednich, z drugiej strony przy założeniu bu-

dowy punktów węzłowych i synchronizacji rozkładów jazdy, dogodne przemieszczanie się

pomiędzy dowolnymi punktami sieci kolei miejskiej z wykorzystaniem więcej niż

jednej linii.

Z dokonanych analiz czasu przejazdów w wyznaczonych kierunkach wynika, że czasy

przejazdu koleją miejską są niższe od czasów linii autobusowych (tab. 4). Z uwagi na poten-

cjalne kongestie i przypadki losowe czasy mogą się jeszcze wydłużyć.

Tab. 4. Porównanie czasów jazdy na wybranych trasa

Trasa Środek transportu Czas przejazdu [min]

Port Lotniczy – Centrum Plac

Orląt Lwowskich

autobus linia 406 29

pociąg linia s3 ≈ 17

Port Lotniczy – dworzec

Wrocław Główny


pociąg linia s2 ≈18

Brochów – Galeria Arkady

Wrocławskie


pociąg linia s1 ≈10

Źródło: opracowanie własne na podstawie analizy rozkładów jazdy MPK i szacowania

czasów jazdy pociągów

Analizę SWOT przedsięwzięcia zamieszczono w tabeli 5.

Tab. 5. Analiza SWOT przedsięwzięcia

Mocne strony Słabe strony

Rozbudowana sieć potencjalnych połączeń,

Krótkie czasy przejazdu na większości

relacji,

Bezpieczeństwo transportu,

Niewielki negatywny wpływ na

środowisko,

Duża odporność na zakłócenia w ruchu,

Możliwość przewozu rowerów, dużego

bagażu itp.

Brak na większości szlaków oddzielenia

ruchu pasażerskiego od ruchu towarowego,

Brak odpowiedniej ilości nowoczesnego

taboru,

Zły stan infrastruktury liniowej i przede

wszystkim punktowej,

Wysokie koszty niezbędnych inwestycji,

Przebieg na wielu odcinkach przez tereny

słabo zagospodarowane

biuro


dodać tekst z poprzedniej poprzedzony zdaniem Sa to:

biuro

Podświetlony

tu mniej światła


Tab. 5. (cd.)

Szanse Zagrożenia

Wzrost zainteresowania władz lokalnych tą

gałęzią transportu,

Wybudowanie towarowej obwodnicy

miasta odciążającej węzeł wrocławski od

ruchu tranzytowego,

Poprawienie współpracy w zakresie

inwestycji pomiędzy samorządem

a PKP PLK,

Planowane zagospodarowywanie terenów

przyległych do linii kolejowych, przez co

wzrost znaczenia jako generatorów ruchu,

Maksymalne wykorzystanie przez

PKP PLK pory nocnej do prowadzenia

towarowego ruchu tranzytowego

Odrzucenie przez władze lokalne tego

kierunku rozwoju systemu transportu,

Brak odpowiednich środków finansowych,

Brak obwodnicy towarowej, co ogranicza

przepustowość węzła,

Znaczna poprawa sprawności funkcjono-

wania komunikacji miejskiej, która obniży

konkurencyjność transportu kolejowego,

Rozbudowa obwodnic drogowych, która

odciąży miasto od ruchu tranzytowego

i zmniejszy kongestię,

Zły wizerunek kolei w społeczeństwie,

Niepewna sytuacja w strefie EURO, która

może spowodować wstrzymanie

programów pomocowych

5. WNIOSKI

Wrocław jest miastem, które od wielu lat nie ukrywa swoich ambicji w aspirowaniu do

miana metropolii europejskiej. Rozwój ma wielopłaszczyznowy charakter i dotyczy zarówno

sfer gospodarczej, jak i szeroko pojętej kulturalno-społecznej. Po wielu latach ogromnych

zaniedbań, również infrastruktura transportowa jest poddawana intensywnej modernizacji.

Modernizacja ta ogranicza się jednak przeważnie do odtworzenia dotychczasowych parame-

trów ze stosunkowo niewielkim zakresem wprowadzania nowoczesnych funkcjonalnych

i bezkolizyjnych rozwiązań, stanowiących zmianę jakościową Dotychczasowy model roz-

woju systemu transportu zbiorowego w mieście opiera się wyłącznie na wykorzystaniu po-

łączeń autobusowych i tramwajowych. Jest to z jednej strony zrozumiałe, gdyż rozwój już

funkcjonujących gałęzi transportu, polegający głównie na wymianie parku pojazdów oraz

rewitalizacji istniejącej sieci tramwajowej, jest w warunkach kraju rozwijającego się, roz-

wiązaniem stosunkowo tanim. Uwzględniając jednak specyfikę sieci drogowej Wrocławia

oraz niejednokrotny brak możliwości wydzielenia komunikacji zbiorowej od pozostałego ru-

chu miejskiego, należy przyznać, że taki kierunek zmian nie daje szans na dokonanie epoko-

wej zmiany w kwestii przemieszczania się po mieście. Dlatego też należy poszukiwać

alternatywnych sposobów rozwiązywania problemów komunikacyjnych mieszkańców.

W sytuacji, w której budowa metra z racji ogromnych kosztów w dającej się przewidzieć

perspektywie jest inwestycją nierealną, warto na poważnie podjąć się wykorzystania sieci

kolejowej dla potrzeb komunikacji wewnątrzmiejskiej. Na świecie istnieją dziesiątki miast

w których kolej miejska stanowi „kręgosłup” na którym oparte jest funkcjonowanie całego

systemu transportowego.

Układ sieci kolejowej wrocławskiego węzła kolejowego, predestynuje go wręcz do peł-

nienia szerszej roli na rzecz miasta. Jednocześnie władze lokalne powinny silnie lobbować

za jak najszybszym wybudowaniem kolejowej obwodnicy Wrocławia, gdyż dopiero to po-

zwoli na pełne wykorzystanie węzła wrocławskiego dla potrzeb SKM.


LITERATURA

[1] Dziadek S., Systemy transportowe ośrodków zurbanizowanych, PWN, Warszawa 1991.

[2] Kwaśniowski S, Systemy transportowe CL Consulting i Logistyka, Oficyna Wydawnicza

NDiO, cop. 2011.

[3] Liberadzki B., Mindur L., Uwarunkowania rozwoju systemu transportowego Polski, Warszawa-

Radom 2007.

[4] Pawlicka Z., Przewozy pasażerskie, Warszawa 1978.

[5] Pieriegud J., Ewolucja podejścia do systemu transportowego, IV Konferencja Translog 2004,

Szczecin 2004.

[6] Szałek B.Z., Systemy transportowe, Szczecin 1985.

[7] Tundys B., Logistyka Miejska – teoria i praktyka, Warszawa 2014.

[8] Miasto Wrocław przestrzeń komunikacji i transportu, Praca zbiorowa pod redakcją Krzysztofa

Lewandowskiego, Wrocław 2004.

[9] Przewozy Regionalne w Polsce szanse i zagrożenia, materiały z i Konferencji Naukowo

Technicznej Wrocław 2005.

[10] http://www.metro.waw.pl

[11] http://www.gdansk.pl/komunikacja

THE IMPORTANCE OF PASSENGER TRANSPORTATION

IN FUNCTIONING OF THE CITY

Abstract

The study area of the railway line will include three main generators of passenger traffic, such

as: First settlement network, Second occurrence of operators generating commuting to work.

The presence of centers of commercial, administrative, cultural, educational, scientific and rec-

reational area, etc. The test was performed for each railway lines included in Wroclaw railway

junction. Wroclaw is a city which for many years did not hide his ambition to become the

aspiration of a European metropolis. The current model of development of the system of public

transport in the city is based solely on the use of bus and tram stops. However, given the spe-

cific nature of the road network Wroclaw and the impossibility of separating public transport

from the rest of the city traffic, it must be admitted that the direction of change does not give

chance to make momentous changes to the movement of the city. It is therefore necessary to

look at alternative ways of solving communication problems residents. The system of the rail-

way network Wroclaw railway junction, qualifies it to perform even broader role for the city.

At the same time, local authorities should strongly lobby for the construction of the railway as

soon as possible bypass of Wroclaw, just as it is possible to make full use of Wroclaw node for

SKM.

Keywords: city logistics, transportation, transport systems

243

Agnieszka TUBIS*, Natalia WYROBEK*

POMIAR TERMINOWOŚCI

PRZEWOZÓW KOMUNIKACJI MIEJSKIEJ

I JEJ WPŁYW NA ŻYCIE MIESZKAŃCÓW

Streszczenie

Celem niniejszego opracowania jest prezentacja wyników uzyskanych w ramach prowadzo-

nych prac badawczych oceniających punktualność usług przewozowych komunikacji miej-

skiej. Autorki w postępowaniu badawczym wykorzystały analizę danych historycznych, doty-

czących czasu odjazdu pojazdów z każdego z przystanków w ramach wybranych linii komu-

nikacji miejskiej w badanym okresie oraz wywiad bezpośredni z pasażerami realizowany na

podstawie arkuszy ankietowych. Wyniki przedstawione w pracy dotyczyły przede wszystkim

oceny punktualności przejazdów, dopuszczalnych granicznych odchyleń od obowiązującego

rozkładu jazdy oraz określenia wpływu terminowości przewozów na subiektywną ocenę jako-

ści życia mieszkańców w badanej aglomeracji.

Słowa kluczowe: terminowość, transport miejski, jakość życia

1. WPROWADZENIE

Jakość życia mieszkańców wybranej aglomeracji związana jest silnie z systemem trans-

portu miejskiego, którego zadaniem jest zaspokojenie ich potrzeb komunikacyjnych. Funk-

cjonujący w aglomeracji system transportu publicznego jest więc jednym z podstawowych

elementów ocenianych przez mieszkańców, w sytuacji gdy zmuszeni są oni odpowiedzieć na

pytanie, czy w danym mieście żyje im się dobrze, wygodnie itp. Satysfakcjonujący poziom

świadczonych usług przewozowych wpływa pozytywnie na oceny i opinie formułowane

przez pasażerów. Jednocześnie jednak jakość świadczonych usług przewozowych może

wręcz kształtować postawy mieszkańców danej aglomeracji. Komfortowy, bezpieczny i nie-

zawodny system transportu publicznego zachęca bowiem mieszkańców do pozostawienia

własnych pojazdów w domu i realizacji podróży z wykorzystaniem środków transportu zbio-

rowego. Z tego też względu pomiar jakości usług świadczonych przez przedsiębiorstwa

transportu miejskiego nabrało szczególnej wagi zarówno w działalności badawczej instytucji

naukowych, jak i działalności kontrolnej organizatora publicznego transportu zbiorowego

(odpowiedniej jednostki samorządu terytorialnego).


244 A. Tubis, N. Wyrobek

Pomiar jakości usług stał się również przedmiotem badań autorek. W niniejszej pracy

rozważania nad jakością usług zostały jednak świadomie ograniczone do jednej cechy jako-

ściowej, a mianowicie do niezawodności. Cechę tą definiować będziemy za Starowiczem

[15], jako pewności odbycia podróży zgodnie z rozkładem jazdy.

Na wstępie prowadzonych badań autorki sformułowały trzy pytania badawcze:

Q1: Czy pojazdy komunikacji miejskiej w badanej aglomeracji realizują przewozy

pasażerskie w sposób terminowy?

Q2: Jak pasażerowie, korzystający z usług transportu publicznego, oceniają punktu-

alność świadczonych usług?

Q3: Jak brak punktualności świadczonych usług przewozowych wpływa na jakość

życia mieszkańców?

W postępowaniu badawczym wykorzystano analizę danych historycznych, dotyczących

czasu odjazdu pojazdów z każdego z przystanków w ramach wybranych linii komunikacji

miejskiej w badanym okresie, oraz wywiad bezpośredni z pasażerami realizowany na pod-

stawie arkuszy ankietowych.

Celem niniejszego opracowania jest prezentacja wyników, uzyskanych w ramach pro-

wadzonych prac oceniających punktualność usług przewozowych, oraz udzielenie odpowie-

dzi na postawione na wstępie pytania badawcze.

2. PROBLEMATYKA OCENIANIA TERMINOWOŚCI PRZEWOZÓW

2.1. CZAS PODRÓŻY JAKO GŁÓWNY CZYNNIK DECYDUJĄCY O JAKOŚCI

USŁUG PRZEWOZOWYCH

Potrzeby komunikacyjne mieszkańców mogą być zaspokajana poprzez usługę przewozową

świadczoną przez komunikację miejską. Jakość tych usług jest zależna od wielu elementów de-

finiowanych jako kryteria jakości komunikacji miejskiej, wyrażanych poprzez oczekiwania

klientów. Należy przy tym jednak zauważyć, że jakość usług, jak również ich ocena dokonywana

przez klienta, nie jest stała w czasie, lecz nieustannie się zmienia [9]. Z tego tez względu Staro-

wicz podkreśla konieczność ewolucji rozumienia istoty jakości przewozów [15].

Większość autorów definiując jakość przewozów w transporcie publicznym, odwołuje

się do potrzeb usługobiorców [8]. I tak na przykład Starowicz określa jakość przewozów,

jako stopień zaspokojenia stwierdzonych potrzeb przewozowych mieszkańców miasta mie-

rzonych zespołem postulatów przewozowych (cech) zgłaszanych przez pasażerów [15].

Ustaleniu listy postulatów przewozowych poświęcono wiele badań empirycznych oraz wy-

wodów teoretycznych [10]. Główne i najczęściej definiowane postulaty przewozowe to: czas

trwania, wygoda, bezpieczeństwo oraz koszt podróży [20]. W literaturze można jednak

spotkać się z różnymi propozycjami zbioru cech opisujących jakość usług transportu

publicznego. Ich analiza dowodzi jednak, że niejednokrotnie proponowane zestawienia mają

wiele elementów wspólnych, a rozbieżności, które ich dotyczą, to przede wszystkim sposób

łączenia określonych cech w jedną syntetyczną, a także pomijania określonych cech, jako

mniej ważnych czy uwzględniania rzadko spotykanych lub wręcz specyficznych [8].

biuro

Podświetlony

Pomiar terminowości przewozów komunikacji miejskiej… 245

Ze względu na tematykę niniejszego opracowania, uwaga autorek skupiona zostanie

wyłącznie na postulacie odnoszącym się do czasu trwania podróży. Należy przy tym zauwa-

żyć, iż czas podróży jest pojęciem niejednorodnym. Obejmuje on bowiem kilka faz prze-

mieszczania się w relacji door to door. Tymi etapami są pojedynczo: dojście do przystanku,

oczekiwanie na środek transportu, przejazd, ewentualne przesiadanie się oraz dojście do celu.

Jako postulat przewozowy powinien więc być rozważany pod względem czynników określa-

jących poszczególne fazy przemieszczeń i ich czas trwania [20]. Do elementów determinu-

jących czas podróży miejskiej, będących jednocześnie odrębnymi postulatami przewozo-

wymi, należą [11]:

dostępność, decydująca o czasie dojścia;

punktualność, częstotliwość, niezawodność i rytmiczność, wyrażające czas

oczekiwania;

prędkość, warunkująca czas dojazdu;

bezpośredniość, określająca możliwość odbycia przejazdu bez konieczności

przesiadek.

Etap realizowanej podróży silnie wpływa również na postrzeganie ważności punktualno-

ści [4]. W jej początkowej fazie pasażer zmierzający na przystanek zazwyczaj wymaga wyso-

kiego poziomu dotrzymania rozkładowego czasu przyjazdu na przystanek. Z kolei dla pasażera

już będącego na przystanku możliwość zgłoszenia pojazdu komunikacji miejskiej przed roz-

kładowym czasem przyjazdu nie oznacza niedogodności, gdyż sprzyja skróceniu czasu po-

dróży. Za to każda minuta opóźnienia oznacza stratę względem planowanego czasu podróży.

Również pasażer będący już w pojeździe jest bardziej skłonny zaakceptować przyspieszenie

odjazdów z kolejnych przystanków, jednak nie będzie on akceptował dużych opóźnień.

2.2. PROBLEMATYKA BADAŃ

DOTYCZĄCYCH PUNKTUALNOŚCI PRZEWOZÓW

Wyniki badań preferencji pasażerów, przeprowadzonych w polskich miastach, niemal

zawsze wskazują punktualność jako jedną z trzech najważniejszy, a także najbardziej roz-

poznawalnych cech opisujących funkcjonowanie miejskiego transportu zbiorowego

[16, 7]. Zgodnie z definicją prezentowaną przez [14], punktualność określana jest jako ce-

cha polegająca na tym, że pojazd osiąga, mija lub opuszcza zadany punkt linii (przystanek)

w momencie określonym w opublikowanym rozkładzie jazdy, w ustalonych granicach to-

lerancji. Każda niezgodność z rozkładem jazdy, wykraczająca poza przyjęte ramy toleran-

cji jest określana jako przyspieszenie lub opóźnienie względem planowanego odjazdu

z przystanku. Według Bauera [5] najprostszą miarą punktualności jest odchyłka od roz-

kładu jazdy, wyrażająca różnicę między rozkładowym i rzeczywistym momentem odjazdu.

Ujemne wartości odchyłek odpowiadają odjazdom opóźnionym, a wartości dodatnie – od-

jazdom przyspieszonym względem rozkładu jazdy. Zauważył on również, że bezwzględne

dotrzymywanie rozkładu jazdy (oznaczające odchyłkę równą 0,00 minut) ma miejsce nie-

zwykle rzadko i wcale nie jest potrzebne. To, czy odjazd z przystanku musi być potrakto-

wany jako opóźniony lub przyspieszony, zależy od przyjętego poziomu tolerancji, wtedy

odjazdy o relatywnie małych opóźnieniach i przyspieszeniach względem rozkładu jazdy są

traktowane jako punktualne [5].

biuro

Podświetlony


Punktualność jako element oceny jakości przewozów jest przedmiotem analiz wielu ba-

daczy w Polsce. Na szczególne wyróżnienie zasługuje tutaj dorobek zespołu prof. Wyszomir-

skiego [m.in. 20] oraz zespołu prof. Starowicza [m.in. 15, 16]. Również w innych krajach jest

to aktualny temat, który niejednokrotnie rozpatrywany jest w szerszej ocenie odnoszącej się do

pomiaru niezawodności świadczonych usług. Niezawodność ta jest przy tym definiowana jako

zdolność do dostarczenia usługi zgodnie z planem i jest zazwyczaj wyrażana jako proporcja

„utraconego” przebiegu, ze względu na takie czynniki jak natężenie ruchu lub awarie mecha-

niczne pojazdu [21]. Wczesne badania w tym obszarze przedstawione zostały m.in. przez Ster-

mana i Schofera [17] oraz Turnquista [19]. Abkowitz i Engelstein [1, 2] w swoich pracach ba-

dali czynniki wpływające na czas jazdy pojazdów na obsługiwanych trasach i metody utrzyma-

nia regularności usług przewozowych. Stwierdzili oni między innymi, iż średni czas przejazdu

jest silnie uzależniony od długości trasy, wsiadających i wysiadających ludzi oraz sygnalizacji

na skrzyżowaniach. Zaproponowali przy tym doskonalenie systemu planowania i kontroli

w czasie rzeczywistym oraz planowanie krótszych tras, w celu poprawy regularności przewo-

zów. Bates [3] natomiast przeprowadził badania ukierunkowane na określenie podstawowych

praktyk dotyczących pomiaru punktualności w przewozach autobusowych. W oparciu o wy-

wiady przeprowadzone wśród 146 przewoźników, stwierdził on, iż istnieją istotne różnice

w pomiarze wyników punktualności, choć w większości systemów stosuje się standardowo do-

puszczalne odchylenie w przedziale 1 minuta przyspieszenia – 5 minut opóźnienia. Badania

modelowe przygotowane przez Strathmana i Hoppera [18] udowodniły, że prawdopodobień-

stwo niedotrzymania terminowości przewozów wzrasta w okresach popołudniowego szczytu

komunikacyjnego, wraz ze zwiększonym poziomem aktywności pasażerów. Zauważyli oni

również, że kierowcy zatrudniani w niepełnym wymiarze czasu mają większą skłonność do

niedotrzymywania obowiązującego rozkładu jazdy. Podobne wnioski sformułowali badacze

z Malezji, którzy na podstawie przeprowadzonych pomiarów stwierdzili, iż wskaźnik termino-

wości przewozów zmienia się w ciągu dnia, ale przede wszystkim z powodu zwiększonego na-

tężenia ruchu na ulicach miast [13]. W 2004 r. Yin wraz z zespołem [22] opracowali ogólne

podejście wykorzystujące symulację do oceny niezawodności obsługi, biorąc pod uwagę inte-

rakcje pomiędzy wydajnością sieci a zachowaniem pasażerów w zakresie wyboru trasy.

W efekcie zdefiniowali oni trzy typy niezawodności określanej z punktu widzenia społeczeń-

stwa lub administracji odpowiedzialnej za organizację transportu, a mianowicie: niezawodność

czasu podróży w całym systemie, niezawodność względem rozkładu jazdy oraz niezawodność

względem bezpośredniego czasu oczekiwania na odjazd. Również Chen z zespołem [6] opra-

cowali trzy typy miar niezawodności przewozu, biorąc pod uwagę ocenę niezawodności na

trasie, na przystanku oraz na poziomie sieci. W ten sposób zdefiniowali oni:

wskaźnik punktualności na podstawie przejazdu na trasie, który jest definiowany

jako prawdopodobieństwo, że pojazd opuści przystanek w założonym prze-

dziale czasu;

wskaźnik odchyleń na podstawie przystanków, który jest definiowany jako zdolność

do utrzymania odstępów pomiędzy odjazdami kolejnych pojazdów i minimalizację

przeciętnego czasu oczekiwania pasażer na przystanku;

wskaźnik równomierności na podstawie przystanków, który jest definiowany jako

zdolność do określenia spójności i równomierności odstępów pomiędzy odjazdami

kolejnych pojazdów.


Podsumowując, można więc zauważyć, iż badania poświęcone pomiarowi terminowo-

ści przewozów w transporcie zbiorowym podzielić można na dwie grupy – badania ukierun-

kowane na modelowanie systemu pomiaru i definiowanie punktualności oraz badania pole-

gające na ocenie punktualności w wybranych systemach transportowych.

3. POMIAR TERMINOWOŚCI PRZEWOZÓW

I JEJ WPŁYW NA JAKOŚĆ ŻYCIA MIESZKAŃCÓW

3.1. CHARAKTERYSTYKA PROWADZONYCH BADAŃ

Głównym celem prowadzonych badań była ocena punktualności komunikacji miejskiej

we Wrocławiu i ocena jej wpływu na jakość życia mieszkańców. Badania prowadzone były

w okresie kwiecień – maj 2015 i miały dualny charakter. Terminowość przewozów badana

była na podstawie wywiadu bezpośredniego przeprowadzonego w formie ankiety wśród pa-

sażerów komunikacji miejskiej oraz na podstawie informacji przekazanych przez Wydział

Transportu Urzędu Miejskiego Wrocławia pochodzących z systemu ITS. Ocena wpływu ter-

minowości przewozów na jakość życia mieszkańców realizowana była na podstawie prze-

prowadzonych wywiadów bezpośrednich.

We Wrocławiu, od kwietnia 2014 r., Urząd Miejski wraz z ZDiUM prowadzą stałą ob-

serwację kursowania pojazdów komunikacji miejskiej pod kątem identyfikacji obecnego po-

ziomu terminowości przejazdów autobusów i tramwajów. Dane potrzebne do przeprowadze-

nia analiz punktualności wrocławskiej komunikacji miejskiej pozyskiwane są dzięki funk-

cjonującemu w mieście Inteligentnemu Systemowi Transportu, a konkretnie dzięki jego czę-

ści – tzw. Systemowi Dynamicznej Informacji Przystankowej. Wyniki analiz przedstawione

w niniejszym opracowaniu, została przygotowane właśnie w oparciu o dane udostępnione

przez Wydział Transportu UM. Do badania wybrano kilka reprezentatywnych linii komuni-

kacji tramwajowej (linie z priorytetem – 32, linie średnicowe – 7, 11, linie zwykłe – 2, 17)

i autobusowej (149, 110), w większości przypadków nie pokrywających się. Dane zostały

zebrane w dwutygodniowych okresach (nie uwzględniając weekendów): (1) tydzień roboczy

trwający od 16 do 20 marca 2015 r. cechujący się normalną częstotliwością kursowania oraz

(2) tydzień ferii zimowych trwający od 26 do 30 stycznia 2015 r. cechujący się mniejszą

częstotliwością kursowania. Typ danych źródłowych udostępnionych przez Wydział Trans-

portu to: czas rozkładowy podany w formacie godzinowym, czas przejazdu, opóźnienie za-

mknięcia drzwi, opóźnienie odjazdu oraz czas na przystanku. Analizy dokonano, uwzględ-

niając konkretne odcinki tras wybranych linii wrocławskiej komunikacji miejskiej i przyj-

mując jednocześnie, że przedział tolerancji przejazdów punktualnych to: +1 i –3 [min] (jedna

minuta przyspieszenia, 3 minuty opóźnienia).

Badanie w formie wywiadu bezpośredniego przeprowadzono za pomocą ankiety, skła-

dającej się z dziewięciu pytań, odnoszących się do respondenta i jego doświadczeń związa-

nych z korzystaniem z usług komunikacji miejskiej we Wrocławiu. Liczba pytań była silnie

zdeterminowana przez miejsce wykonywania badań, tzn. przystanek komunikacji miejskiej.

Kluczowym aspektem była możliwość wypełnienia ankiety w trakcie oczekiwania na przy-

jazd środka transportu, a zatem badanie mogło trwał nie więcej niż 3 do 5 minut. Próba ba-

dawcza liczyła 547 osób, wybranych w sposób losowy wśród pasażerów znajdujących się na


przystankach autobusowych i tramwajowych. W badaniu brało udział 289 kobiet oraz

258 mężczyzn. Na uwagę zasługuje również fakt, iż w badaniach brały udział przede wszyst-

kim osoby regularnie korzystające z usług komunikacji miejskiej. Blisko połowa ankietowa-

nych, tj. 44% deklarowało, że jeździ codziennie środkami MPK, a 32% badanych wskazało,

że korzysta z usług transportu zbiorowego bardzo często (min. 2 razy w tygodniu). Tylko 6%

respondentów wskazało, że korzysta z komunikacji publicznej rzadko (raz w miesiącu – 5%)

lub sporadycznie (raz na pół roku – 1%). 18% badanych uznało, że przemieszcza się pojaz-

dami MPK często (min. raz na dwa tygodnie).

3.2. OCENA TERMINOWOŚCI PRZEWOZÓW

NA PODSTAWIE DANYCH HISTORYCZNYCH

Analiza danych historycznych udostępnionych przez Wydział Transportu UM przepro-

wadzona została w sposób odrębny dla autobusów i tramwajów. Wynikało to z faktu, iż spe-

cyfika przejazdów tych dwóch środków transportu we Wrocławiu nadal jest różna. Tramwaje

w większości przypadków mają wydzielone torowiska, co częściowo uniezależnia je od na-

tężenia ruchu drogowego występującego na ulicach miasta. Natomiast ze względu na niewy-

starczającą liczbę buspasów, autobusy nadal narażone są na występującą kongestię na głów-

nych arteriach komunikacyjnych.

Ocena czasu przejazdów wybranych linii tramwajowych pozwoliła stwierdzić, że anali-

zowane kursy cechowały się odchyłką od obowiązujących rozkładów jazdy. Opóźnienia dla

obu okresów badawczych sięgały 58,1 %. W większości były jednak na tyle niewielkie, że nie

wpływały istotnie na ogólną ocenę terminowość przejazdu. Zdecydowana większość nie prze-

kroczyła progu tolerancji ustalonego na poziomie 3 minut. Jeżeli jednak opóźnienia zostały już

zanotowane, to główną przyczyną ich występowania była nieodpowiednio zsynchronizowana

sygnalizacja świetlna, dedykowana osobno dla pojazdów komunikacji miejskiej, a osobno dla

pojazdów prywatnych. Płynność ruchu zaburzał również zbyt krótki cykl świetlny na skrzyżo-

waniach, który z reguły pozwalał na przejazd tylko jednego tramwaju, gdzie często oczekiwało

na to kilka innych środków transportu publicznego. Niewielkie opóźnienia pojawiały się także

na prostych odcinkach, nieprzerwanych przez żadne skrzyżowania, ale z drugiej strony niewy-

dzielonych z jezdni. Wielokrotnie powodem takiej sytuacji był zły stan torowiska, wymusza-

jący znaczne ograniczenie prędkości, czy też zlokalizowanie na trasie stale użytkowanych

przejazdów kolejowych. Najczęściej jednak brak terminowego czasu przejazdu zależał tutaj od

natężenia ruchu samochodowego – w godzinach szczytu porannego i popołudniowego odnoto-

wano zdecydowanie większe odchylenia od czasu rozkładowego. Należy również zwrócić

uwagę na wysoki procent przejazdów przyspieszonych – 41,9 %. Jedną z przyczyn może być

szybkość jazdy, zależna od motorniczego i jego przestrzegania przepisów ruchu. We Wrocła-

wiu regularnie obserwowano przekraczanie dozwolonej prędkości m.in. pod wiaduktami i na

mostach, po których tramwaj maksymalnie ma osiągać odpowiednio 10 oraz 15 km/h. Same

osoby prowadzące środki komunikacji miejskiej twierdzą jednak, że takie obostrzenia są ode-

rwane od rzeczywistości, dlatego też często jeżdżą niezgodnie z przepisami, ale w dalszym

ciągu zachowując wymagany poziom bezpieczeństwa [23].

Przejazdy linii autobusowych również cechuje względnie wysoki poziom terminowości.

Średnie odchylenia od rozkładu jazdy mieściły się w przedziale tolerancji punktualności


kursowania (+1; –3). Wartości opóźnień i przyspieszeń w ciągu tygodnia roboczego w sto-

sunku do wszystkich kursów wynosiły kolejno 52,5 % i 47,5 %. Co ciekawe dla jednej z linii

autobusowych, w trakcie ferii zimowych, kiedy to ruch we Wrocławiu cechuje się mniejszym

natężeniem, procent opóźnień był blisko o 20 punktów wyższy. W większości przypadków re-

jestrowane odchylenia od rozkładu jazdy nie obejmowały całości kursu, a jedynie wybrane od-

cinki obsługiwanej trasy. Główna przyczyna opóźnień w przypadku autobusów jest podobna,

jak ta dla tramwajów, tj. niedostosowana synchronizacja sygnalizacji świetlnej oraz nieodpo-

wiednia przepustowość skrzyżowań. Dodatkowo jednak autobusy zmagają się również z wy-

sokim poziomem natężenia ruchu, w szczególności na głównych arteriach miasta. Bardzo mało

linii może korzystać ze specjalnie wytyczonych dla nich „buspasów”, co powoduje obniżenie

terminowości przewozów w szczególności w godzinach szczytu w dniach roboczych.

3.3. OCENA TERMINOWOŚCI PRZEWOZÓW

NA PODSTAWIE WYWIADÓW WŚRÓD PASAŻERÓW

Badania przeprowadzone w formie wywiadu bezpośredniego w pierwszej kolejności

miały na celu określić hierarchię postulatów przewozowych zgłaszanych przez mieszkańców

Wrocławia (1 – największe znaczenie; 5 – najmniejsze znaczenie) (tab. 1).

Tab. 1. Określenie znaczenia postulatów przewozowych [%]

Postulaty przewozowe Hierarchia

1 2 3 4 5

Bezpieczeństwo 42 32 17 7 2

Częstotliwość kursowania 18 26 44 8 1

Komfort podróżowania 16 22 39 19 3

Koszt przejazdu 20 24 42 7 7

Punktualność kursowania 44 29 18 8 1

Na czołowym miejscu pasażerowie wskazali punktualność kursowania oraz bezpieczeń-

stwo przejazdu. Wysokie znaczenie punktualności, w ocenie preferencji pasażerów trans-

portu publicznego, jest zgodne z większością badań prowadzonych w Polsce w ostatnich la-

tach (np. [12]). Natomiast wysoki priorytet bezpieczeństwa może wynikać z faktu, iż badania

prowadzone są w dużej aglomeracji miejskiej (w odróżnieniu od [12], w badaniu których

bezpieczeństwo znalazło się wśród najmniej ważnych cech jakości). Wysoki stopień odczu-

walnego ryzyka zagrożenia bezpieczeństwa osobistego i drogowego pasażerów przekłada się

w tym przypadku na wzrost znaczenia tego postulatu przewozowego.

Jednym z ważniejszych celów badania była ocena samej terminowości kursowania środ-

ków komunikacji miejskiej we Wrocławiu. Ocena dokonywana była przez pasażerów

w oparciu o ich subiektywne odczucia. Ankietowani w większości mieli krytyczne podejście

w stosunku do analizowanego czynnika. Odpowiedź „źle” zaznaczyło, aż 42% osób, a „bar-

dzo źle” – 17% (rys. 1). Taki stan może być spowodowany złymi doświadczeniami, związa-

nymi z opóźnieniem lub przyspieszeniem odjazdu linii, którą pasażerowie planowali


podróżować. Niewykluczone, że przejazd poza czasem rozkładowym, niejednokrotnie zawa-

żył na niepowodzeniu zrealizowania jakiegoś planu przez negatywnie wypowiadających się

respondentów.

Rys. 1. Ocena terminowości przejazdów pojazdów komunikacji miejskiej

Mimo tego wysokiego poziomu niekorzystnej oceny, 27% ankietowanych określiło jed-

nak terminowość w sposób pozytywny, wybierając odpowiedź „dobrze”, a 9% nawet wy-

brało „bardzo dobrze”. Ta część respondentów w trakcie przeprowadzania badania definio-

wała swoje podejście do rozważanego czynnika jako podejście elastyczne. Osoby te dekla-

rowały świadomość niedoskonałości systemu komunikacji miejskiej, uwzględniając w cza-

sie przeznaczonym na podróż, pewien zapas minutowy w razie nieterminowego przejazdu.

Należy przy tym również zauważyć, iż subiektywna ocena pasażerów odnosząca się do

punktualności kursowania środków komunikacji miejskiej jest znacznie bardziej krytyczna

niż wyniki uzyskane na podstawie przeprowadzonej analizy danych historycznych.

Istotnym elementem przeprowadzonych badań było również stwierdzenie akceptowa-

nego przez pasażerów poziomu odchyłki od obowiązującego rozkładu jazdy. W ankiecie

przyjęto przy tym format minutowy dla dopuszczalnych odstępstw czasowych, zgodnie ze

standardem dopuszczalnych odchyleń rejestrowanych przez Wydział Transportu UM.

Wyniki badań przedstawione na rysunku 2 dowodzą, iż w stosunku do późniejszego

odjazdu pojazdu komunikacji miejskiej z przystanku, najwięcej osób, bo aż 197 (36%) nie

dopuszcza do żadnego opóźnienia lub toleruje opóźnienie na poziomie jednej minuty

(177 respondentów – 32%). Mniejsza ilość ankietowanych podawała dopuszczalne

odchylenie z zakresu 2, 3 i 5 minut (łącznie 32%). Tak niski poziom akceptacji ewentualnych

odchyleń od obowiązującego rozkładu jazdy tłumaczy rozbieżności ocen dotyczących

punktualności przejazdów, zarejestrowane pomiędzy badaniami ankietowymi wśród

pasażerów a analizą danych historycznych. 68% respondentów uznaje bowiem przejazd za

opóźniony, jeżeli odchylenie czasowe od rozkładu jazdy przekroczy jedną minutę.

Tymczasem w przeprowadzanych analizach kursy te uznane zostaną za terminowe, gdyż

mieszczą się w przyjętym przedziale (+1; –3).

9%

27%

42%

17%

5%

OCENA TERMINOWOŚCI

PRZEJAZDÓW

Bardzo dobrze

Dobrze

Źle

Bardzo źle

Nie mam zdania

biuro


to można wywalić, jest w podpisie rysunku, za to odkleić trochę rysunek od tekstu


Rys. 2. Dopuszczalne opóźnienia i przyspieszenia przejazdów w komunikacji miejskiej

Analizując z kolei odpowiedzi dotyczące ewentualnego przyspieszenia, można

stwierdzić, że zdecydowana większość respondentów (51% ankietowanych) opowiedziała

się za poziomem „0 minut”. 190 osób dopuszcza wcześniejszy przyjazd o maksymalnie

3 minuty jedynie pod warunkiem, że oczekują już na przystanku komunikacji miejskiej

(warunek ten był wyraźnie podkreślany przez respondentów w trakcie prowadzonych

wywiadów).

3.4. TERMINOWOŚCI PRZEWOZÓW A JAKOŚĆ ŻYCIA MIESZKAŃCÓW

Ostatnim etapem prowadzonych badań przez autorki było stwierdzenie, jak brak punk-

tualności świadczonych usług przewozowych wpływa na jakość życia mieszkańców. Pytanie

badające opinie respondentów w tym obszarze pojawiło się w ankiecie jako pytanie otwarte.

Ocena wpływu terminowości przewozów na jakość życia mieszkańców była w większości

przypadków determinowana przez cel podróży oraz wiek użytkownika komunikacji miej-

skiej. Według respondentów terminowość jest ważna dla nich i w sposób istotny wpływa na

ich życie w sytuacjach, kiedy mają dotrzeć na czas, np. na uczelnię (zajęcia, egzaminy); na

pociąg/autobusów, aby udać się w dalszą podróż; na wydarzenie, w trakcie których spóźnie-

nia są nietolerowane; na umówioną wizytę u lekarza lub też do pracy, gdzie spóźnienie po-

woduje dodatkowe negatywne konsekwencje.

36%

32%

18%

9%

5%

OPÓŹNIENIE [min]

0

1

2

3

5

51%35%

8%6%

PRZYSPIESZENIE [min]

0

1

2

3

biuro

Notatka

strasznie gruba i toporna ta ramka - może ze składu? (a na rysunku) obok cienka i ledwie widoczna


Ankietowani wyrażali także swoje zdanie na temat wpływu niskiego poziomu termino-

wości na ich emocje. Padły m.in. takie odpowiedzi:

„Nie lubię się spóźniać – jest to dla mnie stresujące i frustrujące.”

„Punktualne dotarcie do wyznaczonego celu pozbawia mnie zbędnego stresu oraz

nieprzyjemności wywołanych spóźnieniem na wyznaczone miejsce.”

Takie opinie pokazują, jak istotną kwestią jest również komfort psychiczny pasażera,

mogący wpływać na jego zachowanie ogólne oraz w stosunku do innych użytkowników ko-

munikacji miejskiej. Komfort ten budowany jest przede wszystkim przez terminowy i bez-

pieczny przejazd. Brak takiego komfortu obniża ocenę jakości życia w danej aglomeracji

w subiektywnej ocenie jej mieszkańców.

Na uwagę zasługuje również fakt, iż w ramach tej części badania pojawiały się również

odpowiedzi respondentów świadczące o ich przezorności i umiejętności dostosowania się do

zmiennego poziomu terminowości przejazdów komunikacji miejskiej. Pasażerowie chcąc

uniknąć ewentualnych opóźnień, zostawiają sobie pewien zapas czasowy np. poprzez wcze-

śniejsze wyruszenie w podróż. Ponadto potrafią znaleźć alternatywne wyjście w przypadku

wystąpienia znacznego opóźnienia przyjazdu oczekiwanego środka transportu – planują ina-

czej swoją podróż, wybierając inne kursujące linie. Wymaga to jednak dobrej znajomości

systemu komunikacji miejskiej.

4. PODSUMOWANIE

Wiadome jest, że tylko atrakcyjna dla pasażera komunikacja miejska ma możliwość

skutecznego konkurowania z transportem indywidualnym, cechującym się większą dostęp-

nością, wyższą elastycznością i komfortem podróżowania. Jeżeli jednak publiczny transport

zbiorowy stale będzie utrzymywać poziom satysfakcjonujący klientów, wówczas korzyści

z podróżowania samochodem nie będą aż tak znaczące. Wysoki poziom satysfakcji użytkow-

ników komunikacji miejskiej może być osiągany tylko poprzez uwzględnienie ważności po-

stulatów przewozowych zgłaszanych przez mieszkańców danej aglomeracji. W badaniach

przeprowadzonych przez autorki najwyższy priorytet pasażerowie nadali punktualności prze-

wozu i jego bezpieczeństwu.

Analizując oczekiwania i tolerancję wrocławskiego pasażera względem terminowości

kursowania, należy uwzględniać aktualne miejsce oczekiwania na przejazd. Osoba mająca

zamiar odbyć podróż publicznym transportem zbiorowym opiera bowiem swoje decyzje na

podstawie informacji, które w danym momencie posiada. Użytkownik kierujący się na przy-

stanek komunikacji miejskiej posiada ogólne informacje pochodzące z oferty przewozowej,

wsparte pewnym doświadczeniem regularnego korzystania z usług komunikacji zbiorowej

oraz akceptuje tylko opóźnienia. Odjazd przyspieszony stanowi dla niego zwiększenie ry-

zyka utracenia połączenia i konieczność oczekiwanie na przyjazd kolejnego pojazdu. Osoba

znajdująca się już na przystanku komunikacji miejskiej posiada pewne informacje na temat

czasu przyjazdu preferowanego środka transportu, akceptuje niewielkiego opóźnienia, a od-

jazd przyspieszony powoduje jego zadowolenie z wystąpienia możliwości wcześniejszego

dotarcia do punktu docelowego. Dla użytkownika znajdującego się już w pojeździe danej

linii komunikacji miejskiej informacje na temat czasu przyjazdu tracą na znaczeniu. Istotna


jest jednak pewność dotarcia do celu podróży w akceptowalnym przez niego czasie, a odjazd

przyspieszony traktuje jako możliwość wcześniejszego zakończenia podróży. Użytkownik

nie aprobuje opóźnień, jest niezadowolony z wydłużenia podróży w stosunku do przeznaczo-

nego na nią czasu. Wyniki wywiadów przeprowadzonych wśród mieszkańców Wrocławia

dowiodły, iż zgłaszany próg akceptowanych odchyleń od rozkładów jazdy jest niższy niż ten

ustalony oficjalnie dla komunikacji miejskiej.

Badania przeprowadzone przez autorki dostarczyły jeszcze jedną cenną informację. Ter-

minowość kursowania analizowana za pomocą różnorodnych wskaźników na podstawie da-

nych historycznych, nie musi iść wcale w parze z terminowością postrzeganą przez użytkow-

ników, oceniających transport zbiorowy przez pryzmat zaspokojenia swoich własnych po-

trzeb przewozowych i w oparciu o własne doświadczenia. Subiektywna opinia pasażera

może być po prostu niesprawiedliwa lub oparta o indywidualne standardy terminowości. Na-

leży jednak pamiętać, iż to pasażer podejmuje decyzję o skorzystaniu z komunikacji miej-

skiej – i właśnie dlatego należy się liczyć z jego oceną.

Podsumowując całość przeprowadzonych badań, autorki stwierdziły, że mimo wysokiej

oceny terminowości kursowania wybranych linii tramwajowych i autobusowych, uzyskanej

na podstawie analizy danych historycznych, mieszkańcy Wrocławia stosunkowo nisko oce-

niają punktualność usług przewozowych świadczonych przez komunikację miejską. Wynika

to w dużej mierze z faktu, iż standardowy zakres dopuszczalnego odchylenia od obowiązu-

jącego rozkładu jazdy, przyjęty dla komunikacji miejskiej, różni się od rozbieżności akcep-

towanych przez większość pasażerów. Jest więc to element komunikacji miejskiej wymaga-

jący doskonalenia. Szczególnie że, jak wykazały przeprowadzone badania, punktualność

przejazdu ma istotny wpływ na ocenę jakości życia mieszkańców i niejednokrotnie wpływać

będzie na decyzje dotyczące wyboru pomiędzy transportem indywidualnym a zbiorowym.

LITERATURA

[1] Abkowitz M., Engelstein I.: Factors affecting running time on transit routes. Transportation

Research Part a 17A (2), 1983, s. 107–113.

[2] Abkowitz M., Engelstein I.: Methods for maintaining transit service regularity. Journal of the

Transportation Research Board 961, 1984, s. 1–8.

[3] Bates J.: Definition of practices for bus on-time performance: preliminary study. Transportation

Research Circular 300. National Research Council, Washington 1986.

[4] Bauer M.: Oczekiwania względem punktualności pojazdów komunikacji miejskiej. Logistyka,

nr 3, 2014.

[5] Bauer M.: Badania tolerancji dla odjazdów punktualnych w miejskiej komunikacji zbiorowej na

przykładzie Kielc. Transport Miejski i Regionalny, nr 2, 2015, s. 33–37.

[6] Chen X., Yu L., Zhang Y., Guo J.: Analyzing Urban Bus Service Reliability At The Stop, Route

and Network Levels, Transportation Research Part a 43, 2009, s. 722–734.

[7] Chyba A., Chyba K.: Punktualność kursowania pojazdów miejskiego transportu zbiorowego

w Krakowie w latach 1997–2011. Transport Miejski i Regionalny, nr 12, 2012, s. 37–42.

[8] Ciastoń-Ciulkin A.: Jakość usług przewozowych i jej elementy składowe – ujęcie teoretyczne.

Transport Miejski i Regionalny, nr 1, 2015, s. 24–30.

[9] Czybała A., Jonas A., Smoleń T., Wiktor J. W.: Marketing usług. Wydanie II zmienione. Wyd.

Wolters Kluwer Polska Sp. z o.o., Warszawa 2012.


[10] Hebel K.: Zachowania transportowe mieszkańców w kształtowaniu transportu miejskiego,

Fundacja Rozwoju Uniwersytetu Gdańskiego, Gdańsk 2013.

[11] Koseleff Y.: Servie standard certification in the RATP operating sector. Public Transport

International, nr 5, 2002.

[12] Mikulska A., Starowicz W.: Analiza preferencji i satysfakcji pasażerów transportu publicznego

w Kielcach. Transport Miejski i Regionalny, nr 3, 2015, s. 23–29.

[13] Napiah M., Kamaruddin I., Suwardo: Punctuality Index and Expected Average Waiting Time of Stage

Buses in Mixed Traffic, 17th International Conference on Urban Transport and The Environment, 2011,

s. 279–310.

[14] Rudnicki A.: Jakość komunikacji miejskiej. Zeszyty Naukowo-Techniczne Oddziału SITK

w Krakowie, nr 5 (Zeszyt 71), Kraków 1999.

[15] Starowicz W.: Kształtowanie jakości usług przewozowych w miejskich transporcie zbiorowym.

Wydawnictwo Uniwersytetu Szczecińskiego, Szczecin 2001.

[16] Starowicz W.: Jakość przewozów w miejskim transporcie zbiorowym. Wydawnictwo Politechniki

Krakowskiej, Kraków 2007.

MEASURING THE PUNCTUALITY OF URBAN TRANSPORT

AND ITS IMPACT ON THE QUALITY OF PEOPLE’S LIVES

Abstract

The goal of this study is to present the results obtained within the research that evaluate the

punctuality of municipal transport services. In the research conducted the authors have used

historical data analysis that concern vehicle departure time from each stop for selected public

transport lines within considered period, as well as direct interview with the passengers based

on the survey sheets. The results presented in the article first of all concern the evaluation of

punctuality of rides, acceptable maximum deviations from the valid timetable and to determine

the influence of transport punctuality on the residents subjective life quality assessment

in chosen.

Keywords: punctuality, urban transport, quality of life

255

Maria ZYCH-LEWANDOWSKA*, Joanna BARAN*

EFEKTYWNOŚĆ

PUBLICZNEGO TRANSPORTU ZBIOROWEGO

W WYBRANYCH MIASTACH POLSKI

Streszczenie

W pracy dokonano oceny efektywności transportu zbiorowego w wybranych miastach Polski.

W badaniach wykorzystano metodę Data Envelopment Analysis. W pierwszym etapie badań

zdefiniowano nakłady i efekty w modelu DEA. Następnie przeprowadzono analizę efektyw-

ności miejskich systemów transportu i stworzono ich ranking. Zgodnie z ideą benchmarkingu

dla miast charakteryzujących się nieefektywnym transportem miejskim zdefiniowano wzorce

efektywności i zaproponowano zmiany.

Słowa kluczowe: transport miejski, efektywność, metoda DEA

1. WPROWADZENIE

W rozwoju współczesnych miast istotną rolę odgrywa logistyka miejska. Obejmuje ona

ogół procesów zarządzania przepływami osób, ładunków i informacji wewnątrz systemu lo-

gistycznego miasta, zgodnie z potrzebami i celami rozwojowymi miasta, z poszanowaniem

ochrony środowiska naturalnego, uwzględniając, że celem nadrzędnym jest zaspokojenie po-

trzeb swoich użytkowników [12].

Rozwój miejskich systemów transportowych powinien odpowiadać oczekiwaniom róż-

nych grup interesu i powinien być z jednej strony zgodny z założeniami zrównoważonego

rozwoju, a z drugiej efektywny ekonomicznie.

W założeniach zrównoważonego rozwoju istotną rolę odgrywają przede wszystkim kwe-

stie środowiskowe. Zauważa się nawet, że teoria ta ma wymiar tylko „ekologiczny”, zaś aspekt

społeczny i gospodarczy pozostają „w stanie uśpienia” [8]. Zatem wiele działań dotyczących

zrównoważonego rozwoju miast skupia się na ograniczaniu negatywnego oddziaływania miast

na środowisko, natomiast niekoniecznie uwzględnia aspekty ekonomiczne i gospodarcze.

W literaturze można znaleźć wiele opracowań dotyczących logistyki miejskiej, które

łączą ze sobą kwestie ekologiczne i kosztowe [2, 3, 7, 9–11, 13–15, 18, 19], np. badania

prowadzone przez grupę badawczą z Uniwersytetu Westminster [1]. Można tu zauważyć

silny nacisk kładziony na koszty kursowania pojazdów dostawczych w miastach, ale

* Szkoła Główna Gospodarstwa Wiejskiego w Warszawie, Wydział Nauk Ekonomicznych

256 M. Zych-Lewandowska, J. Baran

w odniesieniu głównie właśnie do polityki transportowej nakierowanej na ochronę środowi-

ska. Stąd też w definicjach zrównoważonego rozwoju (lub ekorozwoju) jak ta określająca, że

jest to „prowadzenie wszelkiej działalności gospodarczej w harmonii z przyrodą, aby nie

spowodować w żywej przyrodzie zmian nieodwracalnych” [17] słusznie podkreśla się istnie-

nie obu aspektów omawianej teorii.

W ocenie miejskich systemów transportowych istotną rolę odgrywają zatem zarówno

aspekty ekologiczne jak i ekonomiczne. Autorzy pracy w prezentowanych badaniach anali-

zie poddają jedynie aspekty ekonomiczne (efektywnościowe). Celem niniejszego opracowa-

nia jest porównanie wybranych polskich miast w zakresie efektywności transportu publicz-

nego w oparciu o metodę nieparametryczną DEA.

2. MATERIAŁ I METODA

Materiałem źródłowym do badań były dane z systemu monitorowania lokalnych usług

publicznych dostępne w Internetowym Systemie Analiz Samorządowych (ISAS). W ramach

niniejszych badań wybrano 21 miast, dla których w systemie ISAS dostępne były dane nie-

zbędne do przeprowadzenia oceny efektywności miejskich systemów transportowych.

Efektywność w ujęciu mikroekonomicznym można ogólnie zdefiniować jako relację

uzyskiwanych przez dany podmiot gospodarczy efektów do poniesionych nakładów. Miarą

efektywności jest relacja między ilością wytworzonych produktów, czyli wynikami produk-

cyjnymi, a ilością zużytych w procesie produkcji czynników produkcji, czyli nakładów.

Do oceny efektywności miejskich systemów transportowych wykorzystano metodę nie-

parametryczną – Data Envelopment Analysis (DEA). Matematycznie model DEA można

przedstawić w następujący sposób [5]:

m

i

iji

s

r

rjr

x

yu

1

1max

(1)

1

1

1

m

i

iji

s

r

rjr

x

yu

(2)

0, ir

vu (3)

gdzie:

s – liczba efektów,

m – liczba nakładów,

ur – wagi określające ważność poszczególnych efektów,

νi – wagi określające ważność poszczególnych nakładów,

yrj – wielkość efektu r-tego rodzaju (r = 1,…, R) w obiekcie j-tym,

xij – wielkość nakładu i-tego rodzaju (n =1,…, N) w obiekcie j-tym (j =1,…, J).

(1) (2)

(3)

Efektywność publicznego transportu zbiorowego w wybranych miastach… 257

W modelu DEA m nakładów i s różnych efektów sprowadzonych zostaje do pojedyn-

czych wielkości „syntetycznego” nakładu i „syntetycznego” efektu, które następnie są wy-

korzystywane przy obliczaniu wskaźnika efektywności obiektu. Iloraz „syntetycznego”

efektu i „syntetycznego” nakładu poniesiony przez obiekt jest funkcją celu, którą dla każdego

obiektu należy maksymalizować w ramach zadania programowania liniowego. Zmiennymi

optymalizowanymi są wagi ur i vi wielkości nakładów oraz efektów, a wielkości efektów oraz

nakładów są danymi empirycznymi [5].

Obiekty uważa się za efektywne technicznie, jeżeli znajdują się na krzywej efektywno-

ści, a wskaźnik ich efektywności wynosi 100 (lub odpowiednio 1), jeżeli natomiast znajdują

się poza krzywą efektywności, są nieefektywne technicznie. Efektywność danego obiektu

jest mierzona względem innych obiektów z badanej grupy.

Rys. 1. Efektywność według metody DEA (model: 1 efekt i 1 nakład)

Źródło: opracowane na podstawie [4, s. 174]

Modele DEA można podzielić ze względu na dwa kryteria: orientację modelu oraz ro-

dzaj efektów skali. W zależności od orientacji modelu oblicza się efektywność techniczną

zorientowaną na nakłady lub efektywność techniczną zorientowaną na wyniki (efekty). Z ko-

lei biorąc pod uwagę rodzaj efektów skali wyróżnia się: model CCR zakładający stałe efekty

skali (nazwa pochodzi od twórców modelu: Charnesa–Coopera–Rhodesa), model BCC za-

kładający zmienne efekty skali (nazwa pochodzi od twórców modelu: Bankera–Charnesa–

Coopera) oraz model NIRS zakładający niewzrastające efekty skali (Non-Increasing Re-

turns-to-Scale) (rys. 1). Model CCR jest wykorzystywany do obliczenia całkowitej efektyw-

ności technicznej (Technical Efficiency – TE), gdzie TE dla obiektu P = APC/AP. Model

BCC jest wykorzystywany do obliczenia czystej efektywności technicznej (Pure Technical

Efficiency – PTE), gdzie PTE dla obiektu P = APV/AP [4].


W metodzie DEA dla obiektu nieefektywnego można ustalić technologię optymalną,

która jest określana na podstawie technologii obiektów o najwyższej względnej efektywności

w badanej grupie. Technologia optymalna wyznaczana jest na podstawie wzoru [6]:

N

j

jojtT

1

*

0 (4)

gdzie:

*

0T – technologia optymalna dla o-tego obiektu,

tj – technologia empiryczna j-tego obiektu,

λoj – udział technologii j-tego obiektu w technologii optymalnej dla o-tego obiektu.

Podstawową zaletą podejścia nieparametrycznego bazującego na metodzie DEA jest to,

że umożliwia badanie efektywności przy uwzględnieniu wielu nakładów i wielu efektów. Za

pomocą metody DEA w łatwy sposób można ustalić, z jaką efektywnością dany obiekt prze-

kształca wielowymiarowy układ nakładów w wielowymiarowy układ efektów.

3. WYNIKI BADAŃ

Do określenia efektywności transportu zbiorowego w poszczególnych miastach zasto-

sowano model BCC ukierunkowany na maksymalizację wyników (output-oriented). Do ob-

liczanego modelu przyjęto następujące zmienne:

efekt y1 – liczba pasażerów przewożonych lokalnym transportem zbiorowym (bez

metra) w ciągu roku w granicach administracyjnych miast [osoby];

efekt y2 – wpływy ze sprzedaży biletów [zł];

nakład x2 – wydatki bieżące z budżetu miasta na lokalny transport zbiorowy [zł].

W pierwszym etapie badań rozpoznano poziom efektywności publicznego transportu

zbiorowego w poszczególnych miastach w 2012 r. oraz stworzono ranking miast według

wskaźnika efektywności transportu (rys. 2).

Rys. 2. Ranking efektywności zbiorowego transportu publicznego w wybranych miastach bazujący

na metodzie DEA (MODEL I)


(4)


W wyniku przeprowadzonej analizy średnia efektywność techniczna transportu miej-

skiego w analizowanej grupie kształtowała się na dość niskim poziomie – wskaźnik efektyw-

ności DEA wyniósł 0,50. Trzy miasta z 21 charakteryzowało się w pełni efektywnym trans-

portem, ich wskaźnik efektywności wyniósł 1. W grupie efektywnych DMU znalazły się

następujące miasta: Warszawa, Katowice, Gdańsk (rys. 2). Wskaźnik efektywności dla po-

zostałych miast kształtował się w przedziale od 0,09 do 0,99. Bardzo niskie wskaźniki efek-

tywności dla większości miast prawdopodobnie wynikały z dużej dysproporcji pomiędzy po-

równywanymi systemach logistyki miejskiej. Trudno bowiem odnosić np. transport miejski

w Głogowie, Płocku czy Koninie do transportu w Warszawie czy Katowicach. W celu uwia-

rygodnienia wyników analizy dokonano ujednolicenia badanej próby, poprzez wyelimino-

wanie z grupy obiektów efektywnych (rozwiniętych, dużych miast) i oszacowano kolejny

model DEA (tab. 1).

Tab. 1. Efektywność zbiorowego transportu publicznego w wybranych miastach

Lp. Miasto I model DEA II model DEA

1 Częstochowa 0,24 1,00

2 Ełk 0,49 1,00

3 Gdańsk 1,00 nu*

4 Gdynia 0,40 0,80

5 Głogów 0,09 0,45

6 Gorzów Wielkopolski 0,17 1,00

7 Grodzisk Mazowiecki 1,00 1,00

8 Kalisz 0,13 0,81

9 Katowice 1,00 nu*

10 Kielce 0,22 0,72

11 Konin 0,14 0,84

12 Kraków 0,77 1,00

13 Olsztyn 0,22 0,80

14 Ostrów Wielkopolski 0,10 0,40

15 Płock 0,14 0,90

16 Poznań 0,83 1,00

17 Przemyśl 0,38 1,00

18 Puławy 1,00 0,86

19 Radom 0,24 0,97

20 Siedlce 0,9999 1,00

21 Warszawa 1,00 nu*

*nu – nieuwzględnione w analizie


W kolejnym etapie badań bazując na metodzie DEA dla nieefektywnych DMU, ziden-

tyfikowano optymalne technologie, tak by ich efektywność mogła zwiększyć się do jedności.

Zgodnie z ideą benchmarkingu dla miast charakteryzujących się nieefektywnym transportem

miejskim zdefiniowano wzorce efektywności (benchmarki). Na podstawie tych wzorców dla


nieefektywnych miast wyznaczono kombinację technologii pozwalającą osiągnąć wyższe

efekty przy takich samych nakładach. Obliczenia przeprowadzono na podstawie wartości

współczynników kombinacji liniowej technologii wspólnej – λ (tab. 2).

Tab. 2. Współczynniki kombinacji liniowej (λ) technologii wspólnej dla miast

Miasto

Miasta charakteryzujące się efektywnym systemem publicznego transportu zbiorowego

Częstochowa Ełk Gorzów Wielkopolski Grodzisk Mazowiecki Kraków Poznań Przemyśl Siedlce

Gdynia 0,647 – – – 0,029 0,324 – –

Głogów – – 0,013 – – – 0,320 0,667

Kalisz – – 0,350 – – – – 0,650

Kielce 0,923 – – – 0,025 0,052 – –

Konin – – 0,397 – 0,339 0,264

Olsztyn 0,964 – – – 0,035 0,001

Ostrów Wielkopolski – – – – – – 0,522 0,478

Płock 0,166 – 0,834 – – – – –

Puławy – 0,893 – – – – 0,107 –

Radom 0,280 0,647 – – 0,073 – –


Na przykład dla transportu miejskiego w Kielcach ważnym benchmarkiem jest system

transportu miejskiego w Częstochowie i w mniejszym zakresie w Krakowie i Poznaniu. In-

nymi słowy, aby transport miejski w Kielcach można było uznać za efektywny powinien on

przy obecnych nakładach (wydatkach na transport) osiągnąć wyższe efekty – o 38% zwięk-

szyć liczbę pasażerów i wpływy ze sprzedaży biletów. Potencjalne zmiany, jakie powinny

dokonać się w zakresie efektów w transporcie miejskim w poszczególnych miastach przed-

stawiono w tabeli 3 – zalecenia bazują na drugim modelu DEA. Wyniki sugerują, że miasta

z nieefektywnymi systemami transportu zbiorowego powinny przy obecnych nakładach osią-

gnąć wyższe efekty, co pozwoliłoby im poprawić swoją efektywność i pozycję w rankingu.

Tab. 3. Zalecenia dotyczące zwiększenia efektów w ramach logistyki miejskiej w przekroju miast

Miasto Udział pasażerów przewożonych lokalnym transportem zbiorowym [%]

Gdynia 25,49%

Głogów 122,89%

Kalisz 38,75%

Kielce 38,24%

Konin 19,02%

Olsztyn 25,38%

Ostrów Wielkopolski 187,07%

Płock 61,43%

Puławy 15,74%

Radom 3,43%



4. PODSUMOWANIE I WNIOSKI

W wyniku przeprowadzonych badań z wykorzystaniem metody DEA stworzono ran-

king miast według efektywności publicznego transportu zbiorowego. Przodującymi miastami

w rankingu okazały się Warszawa, Katowice i Gdańsk. Miasta te posiadają rozbudowaną

sieć transportu miejskiego – zarówno infrastrukturę liniową, jak i punktową, a także często

posiadają nowoczesny tabor. Wątpliwość może zatem budzić, czy zasadne jest uwzględnie-

nie w tym samym rankingu miast różnej wielkości. Dlatego ujednolicając badaną próbę,

oszacowano kolejny model DEA, według którego do efektywnych aglomeracji pod wzglę-

dem logistyki miejskiej zaliczono m.in.: Częstochowę, Ełk, Gorzów Wielkopolski, Kraków,

Poznań, Przemyśl.

Organizacja systemu transportowego w miastach uznanych za liderów może stanowić

benchmark dla pozostałych badanych miast. W oparciu o to założenie zaproponowano

zmiany, jakie powinny dokonać się w nieefektywnych systemach transportu publicznego tak,

aby efektywność logistyki miejskiej w tych aglomeracjach poprawiła się.

Podsumowując należy stwierdzić, że metody nieparametryczne można i warto stosować

do oceny efektywności systemów transportowych miast. Z drugiej strony ze względu na zło-

żoność miejskich systemów transportu w celu ich kompleksowej analizy, uwzględnieniu in-

teresów różnych interesariuszy warto stosować również inne metody (np. wielokryterialne),

które będą się wzajemnie uzupełniać i dzięki temu dawać bardziej wiarygodne wyniki słu-

żące do podejmowania decyzji.

LITERATURA

[1] Allen J., Browne M., Tanner G., Anderson S., Christodoulou G., Jones P., Analysing the Potential

Impact of Sustainable Distribution Measures In UK Urban Areas, Logistics Systems for Sustainable

Cities, Proceedings of the 3rd International Conference on City Logistics, Elsevier, Madeira, 2003,

s. 251–262.

[2] Bartosiński T., Seminarium – jakość powietrza a ochrona klimatu – synergia działań, Biuro

drogownictwa i komunikacji Urzędu m.st. Warszawy, Warszawa, 2015.

[3] Brzeziński A., Bartosiński T., Krajowa polityka miejska: szanse i zagrożenia, Autobusy:

technika, eksploatacja, systemy transportowe, nr 3, 2015, s. 28–32.

[4] Coelli T. J., Prasada Rao D. S., O’Donnell C. J., Battese G. E., An Introduction to Efficiency and

Productivity Analysis, Springer, New York 2005.

[5] Cooper W. W., Seiford L. M., Tone K., Data Envelopment Analysis, a Comprehensive Text with

Models, Applications, References and DEA-Solver Software, Kluwer Academic Publisheres, New

York 2007.

[6] Guzik B., Podstawowe modele DEA w badaniu efektywności gospodarczej i społecznej,

Wydawnictwo UE, Poznań 2009

[7] Olszewski P., Krukowski P., Jędrzejczak R., Plany rozwoju zintegrowanego systemu zarządzania

ruchem w Warszawie, Polski Kongres ITS, Warszawa, 2011.

[8] Poskrobko B. (red), Teoretyczne aspekty ekonomii zrównoważonego rozwoju, Wyższa Szkoła

Ekonomiczna, Białystok, 2011, s. 33.

[9] Prognoza oddziaływania na środowisko do programu rozwoju i modernizacji technologicznej

transportu szynowego w województwie mazowieckim, Mazowieckie Biuro Planowania

Regionalnego w Warszawie, Warszawa, 2014.

[10] Reksnis T., Miasto przyjazne pieszym i rowerzystom, Konferencja Miasto i Transport 2007.


[11] Rytel K. (red), Warszawski raport rowerowy 2014, Biuro Drogownictwa i Komunikacji Urzędu

m.st. Warszawy, Stowarzyszenie Zielone Mazowsze, Warszawa 2014.

[12] Szołtysek J., Podstawy logistyki miejskiej, Wydawnictwo AE, Katowice 2009.

[13] Szołtysek J., Kreowanie mobilności mieszkańców miast, Wolters Kluwer Polska, 2011.

[14] Wałkuski R., Wesołowski J., Nowe inwestycje – postęp czy regres?, Stowarzyszenie Zielone

Mazowsze, Komisja dialogu społecznego ds. transportu, Warszawa, 2015.

[15] Zając A. P., Dostępność transportu publicznego na przykładzie Warszawy. Aktywność organizacji

pozarządowych w tworzeniu polityki transportowej w zakresie ogólnodostępnej komunikacji

zbiorowej, Studia Ekonomiczne, Uniwersytet Ekonomiczny w Katowicach, nr 165, 2014.

[16] Zintegrowany program rewitalizacji m.st. Warszawy do 2022 roku, projekt marzec 2015.

[17] Zaufal B., Problematyka i założenia ekorozwoju, w: Ekorozwój szansą przetrwania cywilizacji,

Prace naukowe PKE, t. III, Kraków 1993.

[18] Zych M., Identification of Potential Implementation of the Cargo Tram in Warsaw: a First

Overview, Procedia – Social and Behavioral Sciences, vol. 151, 2014, s. 360–369.

THE EFFICIENCY OF PUBLIC TRANSPORT

IN SELECTED POLISH CITIES

Abstract

This study assesses the effectiveness of public transport in selected Polish cities. The study

used method of Data Envelopment Analysis. In the first stage DEA model inputs and outputs

are defined. The second stage contains an analysis of the effectiveness of urban transport sys-

tems and their ranking. In line with the idea of benchmarking for cities with inefficient urban

transport efficiency patterns are described and changes are proposed.

Keywords: urban transportation, efficiency, Data Envelopment Analysis

263

Andrzej ŻAK*

WYZNACZANIE TRASY PRZEJŚCIA

W ZADANIACH POSZUKIWAWCZYCH

Streszczenie

W pracy przedstawiono metodę optymalnego wyznaczania tras przejścia dla pojazdów bezza-

łogowych realizujących zadanie poszukiwania w wybranym rejonie z uwzględnieniem ogra-

niczeń odnośnie systemów obserwacji technicznej. Omówiono metody prowadzenia akcji po-

szukiwawczych z użyciem pojazdów bezzałogowych. Zdefiniowano problem wyznaczanie

linii sondażowych w zadaniach przeszukiwania rejonu oraz przedstawiono algorytm umożli-

wiający optymalne, ze względu na długość trasy oraz usytuowanie względem rejonu, wyzna-

czenie tras przejścia przy ograniczeniach określonych kształtem rejonu oraz zastosowanymi

środkami obserwacji technicznej. Na zakończenie zaprezentowano przykładowy wynik wy-

znaczenia trasy przejścia dla wybranego przypadku.

Słowa kluczowe: zadanie poszukiwania, pojazd bezzałogowy, linie sondażowe, trasy przejścia

1. WPROWADZENIE

Od lat siedemdziesiątych nastąpił rozwój pojazdów bezzałogowych UV (Unmanned Ve-

hicle) dysponujących obecnie wszystkimi charakterystycznymi cechami robota, a więc moż-

liwością przemieszczania się, zdolnością technicznej obserwacji otoczenia, w niektórych

przypadkach manipulacji i oddziaływania na otoczenie a także niekiedy samodzielnego wy-

pracowywania decyzji i autonomicznego działania. Wraz z postępem technologicznym upo-

wszechniła się technika pojazdów bezzałogowych, a dzięki redukcji kosztów ich produkcji

weszły one na wyposażenie wielu jednostek i instytucji militarnych, rządowych, administra-

cyjnych, badawczych i wielu innych. Pojazdów bezzałogowe mogą być sterowane przez

wszelkiego rodzaju kabloliny, takie jak np. pojazdy podwodne; zdalnie sterowane z wyko-

rzystaniem fal radiowych lub mechanicznych ewentualnie mogą działać autonomiczne pro-

wadząc własną nawigacji, obserwując otoczenie i podejmując decyzje. Wśród pojazdów bez-

załogowych, w zależności od miejsca użycia wyróżnia się:

bezzałogowe pojazdy naziemne UGV (Unmanned Ground Vehicle), takie jak wszel-

kiego rodzaju roboty jeżdżące, kroczące czy chociażby autonomiczne samochody;

* Akademia Marynarki Wojennej, Wydział Nawigacji i Uzbrojenia Okrętowego

biuro


może: W zależności od przeznaczenie wyróżnia sie kilka kategorii pojazdów bezzałogowych. pierwszy człon wyliczanki na str 264 poprzedzony zdaniem Sa to:

264 A. Żak

bezzałogowe pojazdy latające (bezzałogowe aparaty latające) UAV (Unmanned Ae-

rial Vehicle), bezpilotowe statki powietrzne powszechnie znany jako drony, w tym

również powietrzne pojazdy bojowe;

bezzałogowe pojazdy pływające USV (Unmanned Surface Vehicle), które prowadzą

działania na powierzchni wody;

bezzałogowe pojazdy podwodne (bezzałogowe pojazdy głębinowe) UUV (Unman-

ned Underwater Vehicles), działające pod powierzchnią wody;

bezzałogowe statki kosmiczne, obejmujące zarówno zdalnie sterowane pojazdy pro-

wadzące misje kosmiczne, jak również roboty kosmiczne czy sondy kosmiczne.

W ostatnich latach jednym z podstawowych zadań realizowanych przez pojazdy bezza-

łogowe są prace poszukiwawcze, które nabierają znaczenia w wymiarze bezpieczeństwa,

szczególnie w aspekcie zagrożenia terrorystycznego.

Misje poszukiwawcze prowadzone w określonym rejonie są najczęściej rodzajem dzia-

łalności pomiarowej realizowanej na potrzeby zapewnienia bezpieczeństwa. Stwarzają ona

możliwość uzyskania informacji obrazowej na temat obecności, położenia i cech geome-

trycznych obiektów mogących stanowić niebezpieczeństwo lub na temat zmian środowisko-

wych, szczególnie wystąpienia pewnych nieregularności. Najczęściej misje poszukiwawcze

dzieli się na pomiary sondujące oraz pomiary uzupełniające. Głównym celem prowadzenia

pomiarów sondujących jest uzyskanie wiarygodnej informacji dotyczącej położenia i pod-

stawowych cech geometrycznych obiektów znajdujących się na dnie lub w toni wodnej, na

powierzchni ziemi czy wody lub w powietrzu w badanym rejonie [3, 7]. Pomiary uzupełnia-

jące są wykonywane przeważnie na potrzeby wsparcia informacyjnego i technicznego i prze-

ważnie są związane z identyfikacją lub weryfikacją wykrytych obiektów na etapie pomiarów

sondujących. Głównym celem pomiarów uzupełniających i wspierających jest dostarczenie

danych pozwalających na uzupełnienie informacji o obiekcie i jego podstawowych cechach

w ramach prowadzonych działań weryfikacyjnych lub identyfikacyjnych. Gdy istnieją wąt-

pliwości dotyczące stanu, rodzaju lub stopnia zagrożenia wykrytego obiektu, najczęściej wy-

korzystywane są techniki wizyjne lub w szczególnych przypadkach zwiadu wykonywanego

przez człowieka. W wyniku tych czynności spodziewane jest uzyskanie potwierdzenie obec-

ności wykrytych obiektów oraz uzupełnienie wiedzy na temat ich typu, ilości, cech geome-

trycznych oraz właściwości, w tym stopnia zagrożenia dla środowiska oraz człowieka.

W obu przypadkach w celu zapewnienia bezpieczeństwa człowiekowi popularnie wykorzy-

stywane są w takich pracach pojazdy bezzałogowe w wersji uwięziowej oraz coraz częściej

pojazdy autonomiczne [10]. Te ostatnie są wodowane lub startują w danym rejonie, a następ-

nie wykonują autonomicznie zadanie poszukiwawcze jednocześnie rejestrując przebieg całej

misji. Zadanie to sprowadza się do precyzyjnego prowadzenia pojazdu po zadanej trajektorii

oraz wykonywania pomiarów systemami aktywnymi i pasywnymi obserwacji technicznej

[11]. Po znalezieniu obiektu poszukiwania przekazują informację do centrum nadzoru i kon-

tynuują misję do momentu przeszukania całego zadanego rejonu. Po wykonaniu misji po-

jazdy najczęściej powracają do miejsca startu czy wodowania, gdzie przekazują zebrany ma-

teriał pomiarowy.

Istnieje wiele algorytmów planowania przejścia pomiędzy zadanymi punktami początko-

wym i końcowym, z uwzględnieniem ograniczeń. Jednakże algorytmy te nie nadają się do

biuro


+ 3 wiersze z poprzedniej strony

biuro


na str. 265, ciut zmniejszyc rysunek

biuro

Podświetlony

Wyznaczanie trasy przejścia w zadaniach poszukiwawczych 265

zastosowania w przypadku problemów wyznaczania trasy w celu przeszukiwania danego re-

jonu. W takich przypadkach trzeba zastosować algorytmy planowania ścieżek pokrycia danego

obszaru, które zapewnią, że poruszający się wzdłuż wyznaczonej ścieżki nosiciel urządzeń ob-

serwacji technicznej będzie w stanie zrewidować cały zadany obszar [1, 2, 5, 9]. W najprostszej

postaci wykorzystuje się metody geometryczne, jednakże wymagają one interwencji użytkow-

nika. Część rozwiązań wykorzystuje algorytmy heurystyczne, które mogą dać prawidłowe roz-

wiązanie, jednakże nie we wszystkich przypadkach. Innym obecnie dyskutowanym rozwiąza-

niem jest tak zwana dekompozycja komórkowa, bazująca na dekompozycji regionu na

komórki, w których uzyskanie pokrycia „jest proste”. Metoda ta zapewnia pokrycie całego re-

gionu, jednakże nie ma w niej pewności, co do optymalności wyznaczonej trasy.

W związku z powyższym głównym celem badań prezentowanych w niniejszej pracy

było opracowanie metody automatycznego wyznaczania optymalnej, ze względu na długość,

trasy przejścia w zadaniach poszukiwawczych realizowanych przez pojazdy bezzałogowe.

2. METODYKA PROWADZENIA POSZUKIWANIA

Realizacja zadań poszukiwawczych jest nierozerwalnie związana z zastosowaniem

urządzeń obserwacji technicznej. Urządzenia obserwacji technicznej przenoszone przez po-

jazdy bezzałogowe obrazują jedynie wycinek danego rejonu. W związku z tym, aby możliwe

było przeszukanie całego obszaru należy przemieszczać te urządzenia zgodnie z określoną

metodą. W przypadku prowadzenia akcji poszukiwawczych z wykorzystaniem pojazdów

bezzałogowych stosuje się dwie metody przemieszczania, a mianowicie: metodę powiększa-

jącego się okręgu – polegającą na poruszaniu się wokół ustalonego punktu odniesienia

(rys. 1a) oraz metodę równoległego profilu – polegającą na poruszaniu się wzdłuż określo-

nego torów zwanych liniami sondażowymi (rys. 1b). Metoda równoległego profilu znalazła

szczególne zastosowanie przy tworzeniu map a ponadto jest znacznie prostsza do realizacji

w przypadku napotkania przeszkód na drodze pojazdu i obecnie jest ona najbardziej popu-

larną metodą poszukiwania [8].

Rys. 1. Metody przeszukiwania przestrzeni: a) metoda powiększającego się okręgu,

b) metoda równoległych profili

Źródło: [10]

a) b)

266 A. Żak

W zależności od warunków panujących w danym rejonie jak na przykład silny wiatr,

prąd podwodny czy specyficzne ukształtowanie dna lub terenu wybierany jest optymalny

kierunek przebiegu linii sondażowych. W innych sytuacjach na przykład, gdy przeszukiwany

rejon jest ograniczony przeszkodami naturalnymi lub budowlami technicznymi, jak w przy-

padku portów morskich czy rejonów silnie zurbanizowanych, wówczas optymalne wyzna-

czenie kierunku linii sondażowych polega na minimalizacji ilości zwrotów jakie podczas

prac poszukiwawczych musi wykonać pojazd bezzałogowy.

Odstęp między liniami sondażowymi powinien być zaplanowany zgodnie z wymaga-

niami zawartymi w zadaniu technicznym wykonania prac poszukiwawczych. Zależeć on bę-

dzie od ustawionego zakresu pracy urządzeń obserwacji technicznej (kamer, sonarów itp.)

oraz wymaganej szerokości pasa przykrycia między sąsiednimi liniami [3, 7, 8].

W celu wykonania skutecznych poszukiwań przy najmniejszym nakładzie sił i środków

pojazd bezzałogowy powinien przemieszczać się według ustalonego schematu profili pomia-

rowych. Z zadaniem przeszukania danego rejonu ściśle związane jest określenie parametrów

przeszukania w tym [3]:

szerokości pasa przeszukania, czyli szerokości pasa terenu czy dna równa szerokości

obszaru obrazowanego przez użytkowany system obserwacji technicznej;

krotności przeszukania, czyli liczby przeszukań tego samego obszaru podczas prze-

mieszczania się po profilach; dla celów poszukiwawczych stopień pokrycia wyrażany

jest wielokrotnością 100%; oznacza to, że obszar może być pokryty jednokrotnie

(100% pokrycie), dwukrotnie (200% pokrycie) czy też czterokrotnie (400% pokrycie);

przysłon pasa terenu lub dna zbadany dwukrotnie lub więcej razy podczas przejścia

na sąsiednich profilach, którego szerokość wyrażana jest jako procent całkowitego

pasa przeszukania;

prędkości prowadzenia poszukiwań.

Obszar, w którym obszary obserwacji nachodzą na siebie podczas przejścia dwoma,

przystającymi do siebie torami, nazywany jest przysłonem. W przypadku odchyłki pojazdu

od profilu czy generowanych błędów pozycyjnych pojawiają się „przerwy” w pokryciu te-

renu lub dna szczególnie na granicznych odległościach wybranego zakresu. Przysłon zapew-

nia adekwatne przykrycie, wypełniając niezbadane obszary. Jego wielkość nie jest zdefinio-

wana, jednakże zależy w głównej mierze od typu dna akwenu czy rzeźby terenu, w którym

realizowane jest zadania poszukiwania.

Na wybór prędkości prowadzenia poszukiwania zasadniczy wpływ będzie miał cel prac,

parametry techniczne zastosowanych urządzań obserwacji technicznej oraz wielkości obiek-

tów, jakie mają być wykrywane podczas sondażu. Każdy obiekt, aby go wykryć i zobrazować,

powinien zostać zwizualizowany na wystarczającej ilości klatek obrazu lub opromieniowany

odpowiednią liczbą impulsów ściśle powiązaną z prędkością [3, 4, 8]. W przypadku stosowania

aktywnych systemów obserwacji, im więcej odbić (ech) od badanego obiektu, tym większe

prawdopodobieństwo jego wykrycia, zobrazowania, a w rezultacie identyfikacji.

Odległość między torami sondażowymi jest uzależniona od wymiarów obszaru jakie

może jednorazowo zobrazować dane urządzenie obserwacji technicznej. Dla przykładu roz-

patrując echosondę wielowiązkową, można określić szerokość pasa obserwacji znając


szerokość kątową wiązki, która uzależniona jest od parametrów technicznych głowicy echo-

sondy oraz znając odległość echosondy od dna. To samo dotyczy kamery wizyjnej, z tym że

w tym przypadku należy wziąć pod uwagę ogniskową kamery. Znając szerokość jednora-

zowo obrazowanego obszaru obserwacji, można określić odległości między liniami sonda-

żowymi, po których ma poruszać się pojazd bezzałogowy.

Podstawowym sposobem stosowanym w trakcie prowadzenia poszukiwań w danym ob-

szarze jest przeszukiwanie terenu kursami równoległymi ze 100% pokryciem [3, 8]. Oznacza

to, że wyznaczony rejon został przeszukany jednokrotnie z wyjątkiem wąskich pasów na

styku dwóch sąsiednich profili, przysłon, które zbadane zostały dwukrotnie. Typowy sche-

mat 100% pokrycia przedstawia rysunek 2.

Rys. 2. Przeszukiwanie z 100% pokryciem

Źródło: [10]

W niektórych przypadkach zalecane jest stosowanie pokrycia 200% i 400%, które mi-

nimalizują skutki niedokładności metody 100% pokrycia [3, 8].

Pokrycie 200% oznacza, że proces zbierania danych w wyznaczonym akwenie realizo-

wany był dwukrotnie. Pokrycie 200% uzyskać można na kilka sposobów. Jednym z nich jest

wykonanie pojedynczego przeszukania z odstępem między profilami wynoszącym połowę

odstępu wymaganego dla 100% pokrycia (rys. 3a). Technika ta umożliwia zobrazowanie tych

samych obiektów w różnych odległościach bocznych i zawsze wzdłuż tej samej osi obiektu,

co niekoniecznie jest korzystne. Innym sposobem 200% przeszukania jest system dwóch sia-

tek profili zapewniających 100% pokrycie, jednakże druga siatka zorientowana jest prosto-

padle do kierunku profili pierwszego pokrycia (rys. 3b) [3, 8]. Zaletą tego sposobu jest moż-

liwość dwukrotnego zobrazowania poszukiwanego obiektu pod kątami różnymi o 90, co

znacznie zwiększa prawdopodobieństwo wykrycia. Jest to szczególnie ważne w sytuacjach,

gdy nie wiemy, jak ułożona jest oś długa obiektu.

268 A. Żak

Rys. 3. Przeszukiwanie akwenu z 200% pokryciem

Źródło: [10]

Poszukiwanie z 400% pokryciem uzyskuje się poprzez wykonanie dwóch wspomnia-

nych powyżej sondaży sonarowych z 200% pokryciem, przy czym zaleca się stosować kom-

binację schematów, których generalne kursy profili są do siebie prostopadłe [3, 8]. Każdy

z obiektów jest wtedy zobrazowany czterokrotnie pod kątami różnymi o 90 i z różnej odle-

głości. Gwarantuje to wysokie prawdopodobieństwo wykrycia obiektu. Niestety technika ta

wiąże się z dość wysoką czasochłonnością.

3. METODYKA PROWADZENIA POSZUKIWANIA

Wyznaczenie linii sondażowych polega na zaplanowaniu przejść pomiędzy kolejnymi

punktami zwrotu tak, aby cały obszar został przeszukany.

Do rozwiązania problemu wyznaczania linii sondażowych dla zadanego rejonu działa-

nia pojazdu bezzałogowego opracowano metodę, która w swoim działaniu będzie wykorzy-

stywała naniesioną na zadany rejon siatkę punktów pomocniczych oraz obliczała koszt w po-

staci długości drogi jaką ma pokonać pojazd do kolejnego punktu siatki. Metodę tą można

przedstawić w postaci algorytmu wyznaczania linii sondażowych jak na rysunku 4 [10].

W opracowanej metodzie założono, że znany jest obszar działania, który jest ograni-

czony krawędziami opisanymi zbiorem punktów współrzędnych w przyjętym układzie od-

niesienia. Ponadto obszar działania może mieć nieregularny kształt i posiadać obszary za-

strzeżone dla ruchu. Dodatkowo znana jest głębokość zanurzenia w przypadku pojazdów

podwodnych czy wysokość lotu w przypadku pojazdów powietrznych oraz parametry tak-

tyczno-techniczne urządzeń obserwacji, co pozwala na wyznaczenie odległości między li-

niami sondażowymi. Musi być znane również miejsce startu pojazdu, które jest jednocześnie

punktem początkowym rozpoczęcia przeszukiwania. W pierwszym kroku następuje określe-

nie przez operatora kąta poruszania się pojazdu względem rejonu. Można również, jeżeli nie

ma innych przesłanek, określić ten kąt automatycznie tak, aby pojazd wykonał jak najmniej

zwrotów. W związku z tym bada się ilość przecięć linii sondażowych z krawędziami rejonu

dla różnych kątów obrotu względem obszaru zainteresowania (rys. 5). Następnie, dla danego

a) b)


obszaru, tworzona jest siatka punktów pomocniczych. Siatka ta jest siatką prostokątną i jest

tak konstruowana, aby odległości w jednej osi między punktami były równe przyjętej odle-

głości między liniami sondażowymi, zaś w drugiej osi były o połowę krótsze (rys. 6). Po tym

ustaleniu odrzuca się z siatki te punkty, które leżą poza obszarem wyznaczonym przez kra-

wędzie rejonu.

Rys. 4. Algorytm wyznaczania trasy przejścia dla zadania przeszukiwania rejonu zainteresowania

270 A. Żak

Rys. 5. Przykład wyznaczenia optymalnego kursu linii sondażowych; czerwonymi punktami ozna-

czono miejsca zwrotu: a) kurs linii sondażowych 0° odpowiada wykonaniu 50 zwrotów; b) kurs linii

sondażowych 90° odpowiada wykonaniu 28 zwrotów

Rys. 6. Punkty siatki naniesione na obrys rejonu zainteresowania

Kolejny etap to wyznaczenie trasy przejścia dla całego akwenu. Etap ten, ogólnie mó-

wiąc, polega na przemieszczaniu się między kolejnymi punktami siatki, przy czym rozpo-

czyna się od najbliższego punktu w stosunku do określonego miejsca startu. Określanie, do

którego punktu siatki należy się przemieścić, polega na rekurencyjnym wykonywaniu kolej-

nych czynności. Pierwszą z nich jest odczytanie bieżącej pozycji. Następnie wyznaczenia

macierzy kosztów przemieszczanie, które polega na określeniu dla wszystkich jeszcze „nie-

sprawdzonych” punktów kosztu dojścia do tego punktu w postaci drogi, jaką należy pokonać

z bieżącej pozycji. W tym przypadku ruch powinien być wykonywany wzdłuż określonych

wcześniej linii sondażowych, ponieważ w tej osi odległość między punktami jest dwukrotnie

mniejsza od odległości pomiędzy liniami sondażowymi. W przypadku, gdy droga do danego

punkt siatki przecina krawędź rejonu wyznaczane jest najkrótsze obejście pozwalające na

osiągnięcie danego punktu, a w tym przypadku koszt osiągnięcia tego punktu jest równy ca-

łości drogi wraz z wyznaczonym obejściem. Mając określoną macierz kosztów dla całego

rejonu zainteresowania wyznaczany jest kolejny ruch poprzez znalezienie w macierzy war-

tości minimum i odpowiadającemu mu punktowi siatki. Gdy osiągnięcie punktu docelowego

a) b)


wiąże się z przecięciem krawędzi zadanego rejonu, następuje przemieszczenie do pierwszego

punktu obejścia a następnie cały proces wyznaczanie kolejnego punktu docelowego powta-

rza się do momentu, gdy wszystkie punkty siatki zostaną „sprawdzone” [10].

4. WYNIKI BADAŃ

Przyjrzyjmy się przykładowi użycia opisanej metody. Założono zastosowanie bezzało-

gowego pojazdu podwodnego działającego w akwenie, którym będzie port Władysławowo.

Powierzchnia tego akwenu to 117 768 m2, zaś długość linii brzegowej wynosi 3097 m. Wie-

dząc, że pojazd podwodny wyposażony jest w echosondą wielowiązkową typu P900-130

firmy BlueView, która ma szerokość kątową wiązki równą 130°, oraz przyjmując, że pojazd

będzie się poruszał 4 metry nad dnem, można ustalić, że szerokość toru wyniesie 17,2 m,

a odległość między liniami sondażowymi przy pokryciu 100% oraz przysłonie 10% wyniesie

16,3 m. Optymalny kierunek linii sondażowych, jak wynika z rysunku 7, wynosi 79° wzglę-

dem akwenu, ponieważ pojazd wykona wtedy 118 zwroty.

Rys. 7. Wykres ilości zwrotów w zależności od przyjętego kursu linii sondażowych

W wyniku działania przedstawionego wcześniej algorytmu otrzymujemy trasę, pokazaną na

rysunku 8, po jakiej powinien poruszać się pojazd podwodny, aby przy dokonanych założeniach

wykonać zadanie przeszukania danego akwenu. Długość wyznaczonej trasy wynosi 9250,1 m.

272 A. Żak

Rys. 8. Wynik wyznaczania trasy przejścia przy wykonywaniu zadania przeszukania

portu Hel na podkładzie mapy

5. PODSUMOWANIE

Wyznaczanie linii sondażowych dla zadanego rejonu nie jest zadaniem prostym, ze

względu na wiele czynników, jakie należy wziąć pod uwagę przed rozpoczęciem prac poszu-

kiwawczych. Należy rozpatrzyć zarówno sytuację środowiskową w rejonie działania, określić

skuteczność z jaką ma być wykonane przeszukiwanie, w tym w przybliżeniu określić wymiary

poszukiwanego obiektu, jak również wziąć pod uwagę dostępne środki obserwacji technicznej

oraz uwzględnić bieżącą sytuację terenową. Problem ten znacznie komplikuje się, gdy rejon

ma silnie nieregularne kształty lub występują obszaru zastrzeżone dla ruchu, ponieważ należy

wtedy również określić kierunek przebiegu linii sondażowych oraz wyznaczyć trasę, która za-

pewni pokrycie całego rejonu przy jednoczesnej minimalizacji jej długości.

Zaproponowany algorytm pozwala wyznaczyć przebieg linii sondażowych dla rejonu

zainteresowania o dowolnym kształcie przy założonych parametrach urządzeń obserwacji

technicznej. Cechuje się on prostotą matematyczną, co przekłada się na niewielkie zapotrze-

bowanie na moc obliczeniową oraz szybkie działanie a także łatwość implementacji na kom-

puterze. Algorytm pozwala na optymalne określenie kierunku przebiegu linii sondażowych

względem rejonu, minimalizując w ten sposób czas niezbędny do wykonania zadania prze-

szukiwania. Ponadto zastosowanie zasady minimalizacji drogi w każdej iteracji działania al-

gorytmu, zapewnia quasi-optymalne wyznaczenie najkrótszej trasy, co także przekłada się

na skrócenie czasu niezbędnego do realizacji zadania poszukiwania.


LITERATURA

[1] Choset H., Coverage for robotics – a survey of recent results, Annals of Mathematics and

Artificial Intelligence 31, Kluwer Academic Publishers, s. 113–126, 2011.

[2] Hert S., Tiwari S., Lumelsky V., a Terrain-Covering Algorithm for an AUV, Underwater Robots,

Kluwer Academic Publisher, Boston, 1996, s. 17–45.

[3] International Hydrographic Bureau, Manual on Hydrography, Publication M-13, Monaco 2005.

[4] National Oceanic and Atmospheric Administration, Hydrographic Surveys Specifications and

Deliverables, 2011, pozyskano z: www.nauticalcharts.noaa.gov

[5] Maza I., Ollero A., Multiple UAV cooperative searching operation using polygon area decompo-

sition and efficient coverage algorithms, Distributed Autonomous Robotic Systems 6, 2007,

s. 221–230.

[6] Rowiński L., Pojazdy głębinowe. Budowa i wyposażenie, Przedsiębiorstwo prywatne „WiB”,

Gdańsk 2008.

[7] Umbach M. J., Hydrographic Manual, National Oceanic and Atmospheric Administration, 1976.

[8] U.S. Army Corps of Engineers, Engineering and Design – Hydrographic Surveying, Washington

2002, on-line: http://140.194.76.129/publications/eng-manuals/EM_1110-2-1003_pfl/toc.htm

[9] Yeun-Soo J., Kong-Woo L., Beom-Hee L., Advances in Sea Coverage Method Using Autonomous

Underwater Vehicles (AUV) [w] Recent Advances in Multi-Robot Systems, ed. Lazinica A.,

I-Tech Education and Publishing, Austria, Vienna, 2008, s. 71–100.

[10] Żak A., Wybrane zagadnienia sterowania zespołem autonomicznych pojazdów podwodnych,

Zeszyty Naukowe AMW, Rok LIV, Nr 192A, Gdynia 2013.

[11] Żak B., The search and identification of underwater object by sonar and vision systems of

underwater vehicle, Systems Theory And Applications, Electrical And Computer Engineering,

Vol. 2, 2007, s. 237–242.

[12] Żak B., Garus J., Using of Soft Computing Techniques to Control of Underwater Robot,

15th International Conference On Methods And Models in Automation And Robotics (MMAR),

2010, s. 415–419.

DETERMINATION OF ROUTES IN THE TASKS OF SEARCHING

Abstract

Paper presents a method of optimal route determination for unmanned vehicles which are re-

alizing task of searching in given area with the restrictions of technical surveillance systems.

There were discussed methods of using unmanned vehicles during searching tasks. There were

defined the problem of line survey determination in the task of searching for given area as well

as were presented algorithm of optimal, due to the length of the route and its situation to the

area, routes determination according to the shape of the area and the devices of survey systems.

At the end some example results of determination routes for the selected area was presented.

Keywords: searching task, unmanned vehicle, survey lines, routes of passing

Część 2

INFORMATYKA

W LOGISTYCE

277

Krzysztof BARTCZAK*, Agnieszka BARAŃSKA**

ANALIZA

ZASTOSOWANIA SZTUCZNEJ INTELIGENCJI

W POSTACI SYSTEMÓW EKSPERTOWYCH

W LOGISTYCE

Streszczenie

W prezentowanej pracy omówione zostały zagadnienia dotyczące zastosowania sztucznej in-

teligencji w logistyce. Przy tym skupiono się na opisaniu kwestii odnoszących się do systemów

ekspertowych. Postawiono trzy następujące pytania badawcze:

1. W jakich obszarach logistyki najczęściej znajdują zastosowanie systemy eksperckie?

2. Jakie rodzaje systemów ekspertowych są na najszerszą skalę wykorzystywane w logi-

styce?

3. Jakie korzyści można osiągnąć podczas wykorzystywania systemów eksperckich w logi-

styce?

Praca została podzielona na trzy części. W pierwszej wyjaśniono podstawowe terminy, takie

jak sztuczna inteligencja i system ekspertowy. W drugiej części scharakteryzowano budowę

systemów ekspertowych. Z kolei w trzeciej części omówiono kwestie odnoszące się do zasto-

sowania tych systemów w logistyce, skupiając się między innymi na opisaniu obszarów tego

zastosowania, rodzajów tych systemów oraz przykładów ich wykorzystywania w logistyce.

Słowa kluczowe: chatterbot, logistyka, sztuczna inteligencja, inteligentny budynek, system

ekspertowy, zarządzanie logistyczne

1. WSTĘP

Współcześnie na coraz szerszą skalę rozwijane są i użytkowane różnorodne technolo-

gie, programy i systemy, które bazują na sztucznej inteligencji. Są one wykorzystywane

w wielu różnych dziedzinach wiedzy, w tym między innymi w robotyce, przemyśle, medy-

cynie czy ekonomii, służąc na przykład do rozpoznawania tekstu, cyfr czy zdjęć, do stero-

wania określonymi czynnościami, do przeprowadzania symulacji finansowych, jak również

do rozwiązywania, za pomocą sieci neuronowych, różnorodnych problemów.

* Politechnika Warszawska, Wydział Elektryczny; Szkoła Główna Handlowa

** Uniwersytet Medyczny w Lublinie, Zakład Matematyki i Biostatyki Medycznej

278 K. Bartczak, A. Barańska

Systemy sztucznej inteligencji są coraz powszechniejsze, na co wpływ ma ich duża

przydatność dla człowieka. Ich stosowanie jest zauważalne również w logistyce, przy czym

na szeroką skalę w jej ramach wykorzystuje się funkcjonalności, które są oferowane przez

systemy eksperckie. Jak bowiem stwierdził Z. Buchalski, „szczególnie zauważalne jest za-

stosowanie systemów ekspertowych na prężnie rozwijającym się rynku usług logistycz-

nych” [3, s. 60].

W prezentowanej pracy omówione zostaną kwestie odnoszące się do wykorzystywania

tych systemów w logistyce, przy czym podjęta zostanie próba sformułowania odpowiedzi na

następujące pytania badawcze:

w jakich obszarach logistyki najczęściej znajdują zastosowanie systemy eksperckie?

jakie rodzaje systemów ekspertowych są na najszerszą skalę wykorzystywane

w logistyce?

jakie korzyści można osiągnąć podczas wykorzystywania systemów eksperckich

w logistyce?

Podczas realizacji tematu odnoszącego się do systemów ekspertowych wykorzystano me-

todę desk research, a więc analizy danych zastanych. Dzięki niej możliwe stało się gromadze-

nie oraz analizowanie szeregu materiałów dotyczących podjętej w pracy tematyki, przy czym

materiały te miały charakter wtórny, a więc zostały już opublikowane [10, s. 9–20]. Wpływ na

wybór tej metody miał przede wszystkim fakt, że na temat systemów ekspertowych zostało jak

dotąd opublikowanych szereg prac, przy czym konieczne jest dokonanie syntezy tych informa-

cji w nich zawartych, które odnoszą się do wykorzystywania tych systemów w logistyce.

2. ISTOTA SZTUCZNEJ INTELIGENCJI

I SYSTEMÓW EKSPERTOWYCH

2.1. CZYM JEST SZTUCZNA INTELIGENCJA?

Rozpatrywanie kwestii związanych z wykorzystywaniem systemów eksperckich w lo-

gistyce byłoby niemożliwe bez omówienia podstawowych definicji. Jedną z nich jest

sztuczna inteligencja (artificial intelligence – AI). Termin ten został po raz pierwszy zapro-

ponowany przez Johna McCarthy’ego podczas konferencji w Dartmouth, odbytej w 1956 r.

[9, s. 15]. Według K. Różanowskiego termin ten nie jest łatwy do zdefiniowania, co wynika

przede wszystkim z braku jasnego i precyzyjnego wyjaśnienia samej inteligencji [13, s. 110].

W literaturze przedmiotu podejmowane są jednak próby opisywania istoty sztucznej inte-

ligencji. Tak na przykład zdaniem W. Ducha AI to dziedzina nauki, której celem jest projekto-

wanie inteligentnych systemów, a więc takich, które wykazują „cechy podobne do cech inteli-

gentnego działania człowieka: rozumowania, uczenia się, rozumienia języka, rozwiązywania

problemów. Celem głównym [AI] jest więc zrobienie sprawniejszych komputerów. Celem

wtórnym […] jest zrozumienie umysłu człowieka i natury jego inteligencji” [5, s. 295].

H. Kwaśnicka uznała, że sztuczna inteligencja to próba modelowania aspektów ludz-

kiego rozumowania (myślenia), co odbywa się za pomocą komputerów. Według tej autorki

AI może być również uważana za próbę rozwiązywania za pomocą komputerów takich

Analiza zastosowania sztucznej inteligencji w postaci systemów… 279

problemów, które człowiek jest w stanie rozwikłać szybciej [9, s. 15]. Z. Korzeń z kolei

uważa, że sztuczna inteligencja jest powiązana głównie z cybernetyką i że dotyczy:

badania reguł, które rządzą tzw. inteligentnym zachowaniem człowieka,

tworzenia modeli formalnych tych zachowań,

budowy wszelkiego rodzaju urządzeń, systemów i układów fizycznych, za pośred-

nictwem których odwzorowuje się wspomniane zachowania [7, s. 207].

W tym miejscu warto jeszcze zaprezentować definicję zaproponowaną przez K. Róża-

nowskiego. Jego zdaniem AI to „dział informatyki zajmujący się konstruowaniem maszyn

i algorytmów, których działanie posiada znamiona inteligencji. Rozumie się przez to zdol-

ność do samorzutnego przystosowywania się do zmiennych warunków, podejmowania

skomplikowanych decyzji, uczenia się, rozumowania abstrakcyjnego itp. Przedmiotem

sztucznej inteligencji jest badanie i określanie reguł rządzących inteligentnymi zachowa-

niami człowieka i wykorzystanie ich w algorytmach i programach komputerowych potrafią-

cych te zasady wykorzystywać” [13, s. 111].

Ze sztuczną inteligencją wiąże się również definicja inteligentnego budynku, który to

termin pojawi się w niniejszej pracy. Zdaniem Z. Korzenia można go rozpatrywać dwojako,

a więc jako:

organizacyjno-funkcjonalne otoczenie, które w jednoczesny sposób prowadzi do

maksymalizowania wydajności procesów związanych z jego użytkowaniem oraz do

efektywnego zarządzania wszelkimi zasobami znajdującymi się w jego ramach;

zespół możliwości, które pozwalają na pozyskiwanie informacji na temat stanów

wewnętrznych i zewnętrznych danego budynku, co z kolei umożliwia szybkie jego

reagowanie w celu zapewnienia jego użytkownikom maksymalnego bezpieczeń-

stwa, wydajności oraz odpowiednich warunków pracy [7, s. 207].

2.2. CZYM JEST SYSTEM EKSPERTOWY?

W ramach stosowania różnych narzędzi związanych ze sztuczną inteligencją znajdują

się także systemy ekspertowe (SE), które są również nazywane systemy eksperckimi bądź

doradczymi [5, s. 308]. Według M. Topolskiego i K. Topolskiej systemy te są metodami

komputerowymi, za pomocą których wspomagana jest praca człowieka i podejmowane są

różnorodne decyzje. Odbywa się to w następstwie proponowania przez te systemy rozwiązań

w warunkach istnienia nieprecyzyjnych, niepełnych danych, przy czym wykorzystywane są

do tego jawne algorytmy oraz różnorodne metody wnioskowania, takie jak na przykład sieci

neuronowe (są to struktury matematyczne i ich programowe modele, które realizują oblicze-

nia poprzez rzędy elementów nazywanych sztucznymi neuronami), possibilistyka, czyli ra-

chunek prawdopodobieństwa, a także statystyka matematyczna [15, s. 69].

K. Różanowski sądzi, że systemy ekspertowe są rozbudowanymi bazami danych, które

posiadają wszczepioną sztuczną inteligencję i które umożliwiają zadawanie im pytań w języku

naturalnym, a następnie uzyskiwanie konkretnych odpowiedzi w tym języku [13, s. 112].

Zdaniem W. Ducha systemy ekspertowe charakteryzują się przede wszystkim tym, że

pomagają one w rozwiązywaniu różnorodnych problemów wymagających specjalistycznej

wiedzy, co odbywa się w następstwie formułowania propozycji w zakresie sposobów


postępowania, uzyskanych od prawdziwych ekspertów. Autor ten zaznaczył, że wspomniana

wiedza może być gromadzona, a następnie przekazywana przez systemy ekspertowe pod po-

stacią faktów z danej dziedziny wiedzy, ogólnych strategii postępowania, teorii danej dzie-

dziny, a także różnego rodzaju reguł oraz heurystyk [5, s. 308].

Z kolei według Z. Buchalskiego systemy ekspertowe są systemami, które pozwalają na

transfer wiedzy od specjalistów z zakresu dziedziny, która dotyczy funkcjonowania tych syste-

mów, do użytkowników tych systemów, którzy wprawdzie posiadają określony stopień wiedzy

i znają zagadnienia z danej dziedziny, ale nie w takim stopniu, by możliwe było samodzielne

podejmowanie przez nich istotnych decyzji zarządczych czy organizacyjnych. Co ważne, sys-

temy ekspertowe posiadają umiejętność samouczenia się, bowiem automatycznie pozyskują

informacje zawarte w określonych bazach danych. Ich wykorzystywanie jest jednak zasadne

tylko wtedy, gdy będą wykorzystywane przez długi okres czasu i przez wielu użytkowników.

Ich budowa wymaga bowiem konieczności poniesienia szeregu kosztów [3, s. 60].

Warto w tym miejscu zaprezentować również ujęcie zaproponowane przez M. Pokoj-

skiego [12, s. 29]. Uznał on, że systemy ekspertowe to programy komputerowe opracowy-

wane z wykorzystaniem wiedzy posiadanej przez ekspertów z zakresu, którego te systemy

dotyczą, lub które naśladują ludzkich ekspertów.

3. ARCHITEKTURA SYSTEMÓW EKSPERTOWYCH

3.1. TWORZENIE SYSTEMU EKSPERTOWEGO

Budowa systemu ekspertowego jest procesem wieloetapowym i realizowanym w stop-

niowy sposób. Jest to związane z tym, że osiąganie biegłości w danej dziedzinie i zdobycie

wiedzy umożliwiającej realizowanie różnorodnych czynności, zadań oraz projektów niesie

ze sobą konieczność przeprowadzenia szeregu eksperymentów [11, s. 109].

Ogólnie konstruowanie bazy wiedzy, niezbędnej do funkcjonowania systemu eksperc-

kiego, przebiega według następujących etapów:

1) Identyfikacji – podczas tego etapu dochodzi do określenia zakresu problemu, który

należy rozwiązać, jak również środków i narzędzi, za pomocą których będzie to

możliwe; jest to realizowane przez ekspertów oraz inżynierów wiedzy.

2) Reprezentacji – eksperci oraz inżynierowie wiedzy analizują problem, a więc pre-

zentują kluczowe koncepcje i relacje oraz charakterystykę przepływu informacji, co

jest niezbędne do rozwiązania problemu; w dalszej kolejności określają strategie

oraz możliwe trudności podczas ich wdrażania, jak również poszukują danych i in-

formacji na temat rozwiązywanego problemu.

3) Formalizacji – podczas niej dochodzi do zaprojektowania struktur organizujących

wiedzę, co polega głównie na przełożeniu wcześniej wyodrębnionych koncepcji,

relacji i reguł na język formalny; syntaktyka i semantyka tego języka jest opraco-

wywana przez inżyniera wiedzy, natomiast ustalenie podstawowych pojęć i relacji

odbywa się przy jego współpracy z ekspertem.


4) Implementacji – obejmuje sformułowanie reguł zawierających wiedzę oraz dopro-

wadzenie do tego, by wiedza ta stała się zgodna z charakterystyką przepływu infor-

macji danego problemu, dzięki czemu tworzony jest prototyp systemu

ekspertowego.

5) Testowania – polega na sprawdzaniu zastosowanych w systemie reguł pod kątem

tego, czy generowane przez niego odpowiedzi są zgodne z wymaganiami eksperta

[11, s. 109–110].

Rys. 1. Procedury realizowane podczas funkcjonowania systemów ekspertowych

Źródło: [8, s. 22]

Podczas budowy systemu ekspertowego niezwykle ważne staje się uwzględnienie

w nim czterech procedur (rys. 1). Pierwsza z nich, nazywana procedurą wnioskowania,

umożliwia, za pomocą określonych reguł i rozkazów, wykorzystywanie oraz prezentowanie

zawartych w bazie wiedzy reguł i faktów oraz łączenie ich w celu sformułowania odpowiedzi

dla użytkownika systemu. Procedura sterowania dialogiem umożliwia sprawne komuniko-

wanie się użytkownika z systemem, jak również przekazywanie temu użytkownikowi tez

wynikających z wnioskowania. Z kolei procedura pozyskiwania wiedzy, nazywana także

procedurą aktualizacji bazy wiedzy, zapewnia rozszerzanie oraz modyfikację wiedzy, którą

dysponuje system ekspercki. Dzięki czwartej, czyli procedurze objaśniającej, możliwe staje

się natomiast objaśnianie strategii, na podstawie której system sformułował określone wnio-

ski. Warto podkreślić, że szczególne znaczenie ma ta ostatnia procedura, która, co ważne,

zdecydowanie odróżnia systemy ekspertowe od innych metod sztucznej inteligencji. Umoż-

liwia ona bowiem zapoznanie się ze wszystkimi regułami, które zostały użyte podczas wnio-

skowania, co tym samym stwarza podstawy do tego, by użytkownicy systemów eksperto-

wych uzyskiwali całościową wiedzę na temat mechanizmów działania różnych procesów czy

zjawisk, w tym również tych, które uwidaczniają się w logistyce [6, s. 142; 11, s. 23].


3.2. ELEMENTY SKŁADOWE SYSTEMU EKSPERTOWEGO

Każdy system ekspertowy składa się z trzech podstawowych części, które są wprawdzie

niezależne od siebie, to jednak na szeroką skalę ze sobą współpracują. Zalicza się do nich

bazę wiedzy, bazę danych oraz aparat wnioskujący (rys. 2).

Rys. 2. Podstawowe elementy systemu ekspertowego

Źródło: [14, s. 60]

Pierwszy element SE, czyli baza wiedzy, zawiera reguły i procedury wnioskowania. Re-

guły te są złożone z warunków, które reprezentują wzorce lub wymogi konieczne do spełnienia,

by możliwe było wykorzystanie danej reguły, jak również konsekwencje, czyli akcje, które

powinno się wykonać lub konkluzje, czyli stwierdzenia, które stają się faktem w przypadku

wypełnienia określonego warunku [4, s. 28]. Jako przykład można podać regułę typu: jeżeli

(if)… (jest to warunek), to (then)… i/lub (and/or)… (są to konsekwencje/konkluzje) [12, s. 29].

Drugi element SE to baza danych. Zawarte są w niej fakty z określonej dziedziny pod

postacią na przykład słowników czy bazy modeli. Z kolei aparat wnioskujący kieruje całym

procesem rozumowania, co odbywa się poprzez dopasowywanie faktów pochodzących

z bazy danych do warunków reguł, a następnie rozpatrywaniem konkluzji reguł jako przesła-

nek do kolejnych reguł [14, s. 60].

4. ZASTOSOWANIE SYSTEMÓW EKSPERTOWYCH W LOGISTYCE


Obecnie systemy ekspertowe są już na szeroką skalę wykorzystywane w logistyce i za-

rządzaniu logistycznym. Wśród obszarów tej logistyki, w których zastosowanie SE uwidacz-

nia się w największym stopniu, znajduje się:

sterowanie i zarządzanie różnymi procesami logistycznymi, takimi jak na przykład

zaopatrzenie, magazynowanie, transport, produkcja czy dystrybucja;

optymalizowanie poszczególnych procesów i zadań realizowanych w ramach zarzą-

dzania logistycznego;

rozpoznawanie obrazów i liter, które staje się szczególnie przydatne na przykład

podczas pracy magazynów;

analizowanie szeregów czasowych, a więc ciągów obserwacji pewnych zjawisk,

które są realizowane w kolejnych jednostkach czasu;

prognozowanie różnych zjawisk i procesów [15, s. 69–70].


Ogólnie należy stwierdzić, że systemy ekspertowe znajdują zastosowanie praktycznie

we wszystkich obszarach logistyki. Przede wszystkim należy tutaj wspomnieć o zaopatrze-

niu. Dzięki omawianym systemom możliwe staje się sprawne realizowanie zamówień, jak

również formułowanie prognoz odnośnie wielkości zapotrzebowania działów produkcyjnych

na poszczególne surowce i materiały, pakowanie, wprowadzanie zamówień do systemu in-

formatycznego firmy oraz ustalanie priorytetów odbioru [8, s. 25].

Systemy ekspertowe odgrywają niezwykle ważną rolę również w ramach magazynowa-

nia. Dzięki tym systemom możliwe staje się bowiem tworzenie i sprawne funkcjonowanie

inteligentnych budynków magazynowych. W ramach tych budynków zapewniane jest

w pełni zautomatyzowane i zrobotyzowane sterowanie procesami związanymi z przepływem

i składowaniem materiałów oraz surowców w strefach dostawy, przyjęcia, składowania,

kompletacji, wydań oraz ekspedycji, jak również, w przypadku magazynów wyrobów goto-

wych, produktów przeznaczonych do sprzedaży.

Poza tym inteligentne magazyny zapewniają w pełni automatyczną:

komunikację interpersonalną pomiędzy poszczególnymi częściami magazynu;

kontrolę ruchu i bezpieczeństwa osób przebywających na terenie magazynu, która

obejmuje kontrolę dostępu, kontrolę czasu pracy, wizualną obserwację za pomocą

kamer czy wewnętrzną pocztę pneumatyczną;

monitoring nadzorująco-kontrolny, który obejmuje wszystkie znajdujące się na te-

renie magazynu instalacje strukturalne, takie jak na przykład dozór antywłamaniowy

i nagłośnienie alarmowe, zabezpieczenia przeciwpożarowe, zasilanie elektroenerge-

tyczne i gazowe, sterowanie oświetleniem czy systemy wentylacyjne i grzew-

cze [7, s. 208].

Należy dodać, że funkcjonowanie systemów ekspertowych na terenie magazynu jest

możliwe dzięki różnym technologiom telematycznym, w tym multimediom, radiokomuni-

kacji ruchomej oraz sieciom szerokopasmowym [7, s. 209]. Co ważne, wykorzystywanie

SE podczas pracy magazynu zapewnia przede wszystkim sprawne zarządzanie zapasami,

a więc dbanie o to, by nie doszło do powstawania nadwyżek bądź braku surowców i mate-

riałów potrzebnych do realizacji procesów produkcyjnych, a tym samym dbanie by pro-

cesy te odbywały się terminowo i zgodnie z aktualnym popytem, a także by wyroby go-

towe trafiały do klientów zgodnie z zasadą 7W. Zasada ta mówi o tym, że właściwemu

klientowi należy dostarczyć właściwy produkt, we właściwym czasie, w odpowiednim

miejscu, we właściwej ilości, o odpowiedniej jakości i po odpowiednich kosztach

[1, s. 40]. W ten sposób systemy ekspertowe przyczyniają się także do sprawnego funkcjo-

nowania działów dystrybucyjnych.

Systemy te biorą wydatny udział również w realizowaniu procesów transportowych. Do

podstawowych funkcji tych systemów w odniesieniu do transportu zalicza się:

pomoc w przydzieleniu odpowiedniego pojazdu i kierowcy do określonego typu

przewozu;

usprawnienie obsługi zleceń poprzez ich przyporządkowywanie do konkretnego

przewozu przy uwzględnieniu takich elementów, jak na przykład czas realizacji zle-

cenia, miejsce dostarczenia towaru czy waga tego towaru;


pomoc w udzielaniu klientom upustów, rabatów i bonifikat, uwzględniająca odpo-

wiednie poziomy tych preferencji dla konkretnych grup klientów;

proponowanie cen za wykonane usługi przy uwzględnieniu na przykład aktualnych

cen paliwa, odległości do pokonania czy wysokości marży;

planowanie procedur dotyczących kierowców i pojazdów, takich jak na przykład

opłacanie składek OC czy terminowe dokonywanie przeglądów technicznych;

przeprowadzanie analiz i ekspertyz dotyczących funkcjonowania firmy, w tym na

przykład analizy finansowej oraz analizy pracy kierowców;

zarządzanie bazą danych, umożliwiające szybkie wprowadzanie, edytowanie bądź

usuwanie tych danych [2, s. 159–161].

Wśród najważniejszych obszarów zastosowania systemów ekspertowych w dziedzi-

nie logistyki znajduje się także produkcja. Systemy te odpowiadają między innymi za pra-

widłowe planowanie w zakresie ilości materiałów i surowców potrzebnych do realizacji

procesów produkcyjnych, prognozowanie popytu i dostosowywanie wielkości produkcji

do niego, sprawny przepływ produktów pomiędzy działem produkcji a magazynem wyro-

bów gotowych, a także efektywną gospodarkę odpadami produkcyjnymi oraz opakowa-

niami. Należy jeszcze dodać, że systemy ekspertowe umożliwiają także gromadzenie, prze-

twarzanie i przekazywanie wszelkich informacji związanych z powyżej opisanymi proce-

sami logistycznymi.

4.2. RODZAJE SYSTEMÓW EKSPERCKICH

STOSOWANYCH NA NAJSZERSZĄ SKALĘ W LOGISTYCE

Najważniejsza typologia odnosząca się do systemów ekspertowych dzieli je na dorad-

cze, podejmujące decyzje bez kontroli człowieka oraz krytykujące. Za pomocą systemów

pierwszego rodzaju możliwe staje się prezentowanie człowiekowi pewnych rozwiązań,

spośród których samodzielnie wybiera on te, które, jego zdaniem, są najbardziej ade-

kwatne. Systemy podejmujące decyzje bez kontroli człowieka nie konsultują wyników

końcowych z ludźmi, ale w sposób samodzielny i całkowicie zautomatyzowany wdrażają

je w życie. Wykorzystywanie tego typu systemów wypływa z przekonania o tym, że

w każdym przypadku rozwiązania proponowane przez nie będą najlepsze i najbardziej

przydatne. Z kolei systemy krytykujące przyjmują jako wartości wejściowe określone pro-

blemy i ewentualne ich rozwiązania, a następnie ustosunkowują się do tych ostatnich, ko-

mentując je i omawiając ich zalety oraz wady [14, s. 60].

Znacznie szerszą klasyfikację odnoszącą się do systemów ekspertowych używanych

w logistyce zaproponował W. Duch. Ich charakterystyka znajduje się w tabeli 1.


Tab. 1. Rodzaje systemów ekspertowych wykorzystywanych w logistyce

Rodzaje

systemów Opis

Kontrolne umożliwiają sterowanie skomplikowanymi układami, w tym na przykład

automatycznymi zakładami produkcyjnymi

Diagnostyczne za ich pomocą diagnozuje się określone problemy pojawiające się podczas

zarządzania logistycznego

Testujące są zwykle częścią systemów kontrolnych i diagnostycznych, umożliwiając

wyszukiwanie problemów

Naprawcze przeprowadzają one testy oraz planują działania naprawcze

Projektujące wspomagają projektowanie na przykład układów elektronicznych

Interpretujące wspomagają realizowanie procesów związanych z pozyskiwaniem, analizowaniem

i interpretowaniem informacji

Planistyczne umożliwiają planowanie procesów logistycznych

Prognostyczne za ich pomocą można przewidywać określone tendencje, związane na przykład

z wielkością popytu na konkretne produkty

Źródło: [5, s. 308–309]

4.3. PRZYKŁADY SYSTEMÓW EKSPERTOWYCH

UŻYWANYCH W LOGISTYCE

Systemy ekspertowe są stosowane na szeroką skalę w logistyce, przy czym ich wydatny

wpływ uwidacznia się w odniesieniu do szeregu różnych procesów. W literaturze przedmiotu

pojawiają się liczne propozycje dotyczące budowy takich systemów doradczych, które mają

wspomagać realizację poszczególnych zadań i czynności w ramach zarządzania logistycz-

nego. W prezentowanym rozdziale opisane zostaną niektóre spośród nich, dzięki czemu

można będzie zorientować się w tym, jak wyglądają takie systemy i jakie funkcjonalności

posiadają.

Systemy ekspertowe są stosowane przede wszystkim do wspomagania zarządzania ca-

łością określonych procesów logistycznych. Uwidacznia się to między innymi w odniesieniu

do procesów transportowych i spedycyjnych. Istotą tych ostatnich jest organizowanie prze-

wozów towarów i realizowanie wszelkich czynności z tym związanych, w tym na przykład

dokonywanie wyboru środków transportowych, ubezpieczanie przesyłek, załatwianie for-

malności związanych z odprawą celną czy prowadzenie dokumentacji. Schemat systemu eks-

pertowego Komplogis, umożliwiającego wspomaganie działalności firmy spedycyjnej, znaj-

duje się na rysunku 3.

System Komplogis składa się z pięciu elementów. Interfejs akwizycji służy do wpro-

wadzania wiedzy do bazy (jest to realizowane przez inżyniera wiedzy), co może odbywać

się przy wykorzystaniu na przykład zwykłego edytora plików tekstowych. W bazie wiedzy

znajdują się wszelkie najważniejsze informacje dotyczące logistyki i spedycji, w tym na

przykład podstawowe pojęcia, fakty, reguły wnioskowania oraz zależności między róż-

nymi procesami logistycznymi. Z kolei edytor wiedzy umożliwia użytkownikowi wprowa-

dzanie nowych danych i informacji do bazy, jak również modyfikowanie tych spośród


nich, które są już w niej zawarte. Kolejny element systemu Komplogis to mechanizm wnio-

skujący. Obejmuje on zespół rozkazów, które przetwarzają znajdujące się w bazie wiedzy

reguły i fakty, a następnie łączą je, formułując konkretne odpowiedzi dla użytkowników

omawianego systemu. Z mechanizmem tym ściśle powiązany jest interfejs użytkownika,

który zapewnia sprawną komunikację pomiędzy użytkownikiem a systemem, umożliwia

zadawanie pytań przez tego pierwszego i uzyskiwanie konkretnych odpowiedzi od sys-

temu [2, s. 158–159].

Interfejs akwizycji Baza Mechanizm

Interfejs użytkownika

Edytor bazy wiedzy

Inżynier wiedzy Użytkownik systemu ekspertowego

Rys. 3. Struktura systemu ekspertowego Komplogis

Źródło: [2, s. 158]

Jak już wspomniano, systemy ekspertowe mogą stawać się szczególnie przydatne w ra-

mach funkcjonowania inteligentnych magazynów. Mogą one nadzorować ich pracę, przy-

czyniając się między innymi do sprawnej komunikacji pomiędzy wszystkimi częściami tych

magazynów. Schemat systemu ekspertowego zapewniającego automatyczną komunikację

w obrębie magazynu znajduje się na rysunku 4.

Omawiany system składa się z kilku serwerów (analiz obliczeniowych, z bazą danych

wideo, z tekstową i graficzną bazą danych oraz rozpoznawania głosu, znaków i obrazu),

a także z bezprzewodowej stacji bazowej, która za pośrednictwem terminali przenośnych

umożliwia automatyczną komunikację systemu z wszelkimi jego użytkownikami, czyli pra-

cownikami magazynu, dyspozytorami itp. Dzięki temu możliwe jest sprawne pozyskiwanie

przez system informacji na przykład na temat wielkości zapasów magazynowych, co z kolei

stanowi podstawę do określania przez niego potrzeb zaopatrzeniowych czy do dokonywania

analiz w zakresie popytu i podaży.


Rys. 4. Schemat systemu ekspertowego przeznaczonego do nadzorowania komunikacji w ramach

pracy magazynu

Źródło: [7, s. 210]

Funkcjonowanie systemów ekspertowych opiera się na kierowaniu do nich określonych

pytań i uzyskiwaniu konkretnych odpowiedzi. Wśród systemów tych znajdują się na przy-

kład boty, które służą do konwersacji z ludźmi. Ich odmianą są chatterboty, nazywane także

wirtualnymi ekspertami bądź konsultantami, dzięki którym można prowadzić dialogi przy

użyciu języka naturalnego z uwzględnieniem kontekstu wypowiedzi rozmówcy. W ten spo-

sób każdy operator logistyczny może w szybki sposób uzyskiwać informacje dotyczące sfery

zarządczej czy organizacyjnej, jak również zakresu czy cen usług, które są mu niezbędne do

prowadzenia codziennej działalności. W tabeli 2 zamieszczono przykładowe pytania i odpo-

wiedzi chatterbota, dotyczące usług oferowanych przez operatora pocztowego InPost w za-

kresie wysyłek paczek.

Tab. 2. Przykładowe pytania i odpowiedzi udzielone przez chatterbota

Pytanie Odpowiedź systemu

Jaki jest koszt dostar-

czenia towaru?

system generuje stronę internetową, zawierającą cennik usług oferowanych

przez firmę

Jaki jest czas doręczenia

przesyłki?

system powiadamia, że okres doręczenia paczki do wybranego Paczkomatu

24/7 wynosi 2 dni robocze

Czy klientom są udzie-

lane rabaty?

system informuje, że rabaty są udzielane firmom, wysyłającym większą

liczbę przesyłek, a także poleca wypełnienie formularza kontaktowego

w celu podpisania umowy o dłuższej współpracy

Źródło: [16, s. 119]

Dzięki chatterbotom każde przedsiębiorstwo może uzyskać interesujące go informacje

w szybki i automatyczny sposób, bez konieczności bezpośredniego kontaktowania się z po-

tencjalnym kontrahentem, co może wiązać się z utratą dużej ilości czasu. Co ważne, oma-

wiany typ systemów ekspertowych automatycznie przekierowuje użytkownika na przykład

do formularza kontaktowego czy stron z cennikami innego przedsiębiorstwa. W ten sposób

informacje podawane przez niego są aktualne i mają bardzo szeroki zakres, umożliwiając

biuro


zwiększyć światła między tekstem a rysunkami (por. str 286)

biuro


na stronę 288


poszczególnym przedsiębiorstwom uzyskiwanie wszelkich interesujących je danych, co

z kolei może przekładać się na usprawnianie i optymalizowanie ich funkcjonowania.

5. WNIOSKI

Podsumowując pracę należy przede wszystkim spróbować odnieść się do pytań badaw-

czych, które zostały sformułowane we wstępie. Pierwsze z nich brzmiało: w jakich obszarach

logistyki najczęściej znajdują zastosowanie systemy eksperckie? Ogólnie należy stwierdzić,

że omawiane systemy są z powodzeniem wykorzystywane we wszystkich procesach logi-

stycznych. Można jednak wskazać te, w ramach których funkcjonalności oferowane przez te

systemy są używane na szczególnie dużą skalę. Są to niewątpliwie procesy zaopatrzenia,

magazynowania, transportu oraz produkcji.

Drugie pytanie badawcze brzmiało: jakie rodzaje systemów ekspertowych są na najszer-

szą skalę wykorzystywane w logistyce? Wśród rodzajów tych należy niewątpliwie wspo-

mnieć o systemach planistycznych i prognostycznych, umożliwiających formułowanie pla-

nów na przykład odnośnie wielkości produkcji czy poziomu popytu na określone produkty,

jak również systemy testujące, za pomocą których poszukuje się określone problemy do roz-

wiązania. Duże znaczenie w logistyce odgrywają także systemy diagnostyczne oraz

naprawcze.

Trzecie pytanie badawcze dotyczyło korzyści, które są osiągane w następstwie wyko-

rzystywania systemów ekspertowych. Ogólnie należy stwierdzić, że korzyści tych jest spora

liczba. Systemy ekspertowe bowiem prowadzą do usprawniania i zwiększania efektywności

zarządzania logistycznego, co odbywa się na przykład poprzez zapewnienie sprawnej pracy

magazynu czy wspomaganie realizacji procesów transportu wewnętrznego i zewnętrznego.

Dzięki tym systemom każde przedsiębiorstwo może w szybki sposób rozwiązywać różne

problemy zarządcze czy organizacyjne, a także pozyskiwać w zautomatyzowany sposób in-

formacje na temat cen usług oferowanych przez inne firmy. W ten sposób systemy te wpły-

wają na całokształt realizacji procesów logistycznych, przyczyniając się wydatnie do ich

usprawniania i przyspieszania, a co za tym idzie – do generowania oszczędności. Ich wpływ

na logistykę jest więc wręcz ogromny.

LITERATURA

[1] Beier F., Rutkowski K., Logistyka. Wprowadzenie do logistyki, podejmowanie menedżerskich decyzji

logistycznych, studia przypadków logistycznych, logistyczna gra decyzyjna. Oficyna Wydawnicza –

Szkoła Główna Handlowa, Warszawa 2003.

[2] Buchalski Z., Komputerowe wspomaganie zarządzania procesem logistycznym przy wykorzysta-

niu wiedzy eksperckiej, [w:] R. Knosala (red.), Komputerowo Zintegrowane Zarządzanie Tom I.

Oficyna Wydawnicza Polskiego Towarzystwa Zarządzania Produkcją, Opole 2009.

[3] Buchalski Z., Wspomaganie organizacji pracy firmy spedycyjnej przez regałowy system

ekspertowy. Studia Informatica 2009, nr 84.

[4] Chwiałkowska E. Sztuczna inteligencja w systemach eksperckich. Zakład Nauczania Informatyki

„Mikom”, Warszawa 1991.

[5] Duch W., Fascynujący świat komputerów. Wydanictwo Nakom, Poznań 1997.

[6] Flasiński M., Wstęp do sztucznej inteligencji, PWN, Warszawa 2011.

biuro


str. 289


[7] Korzeń Z., Inteligentne magazyny – logistyczne uwarunkowania integracji systemów,

[w:] J. Wojtczak (red.), Logistics 2000: Wyjść naprzeciw logistycznym wyzwaniom XXI wieku.

Polski Kongres Logistyczny, Poznań 1–2 czerwca 2000. Materiały kongresowe. Instytut

Logistyki i Magazynowania, Poznań 2000.

[8] Kubiak N., Inteligentny system hybrydowy zarządzania logistyką zaopatrzeniową, rozprawa

doktorska, Wydział Inżynierii i Zarządzania Politechniki Poznańskiej, Poznań 2013.

[9] Kwaśnicka H., Sztuczna inteligencja – meandry przeszłości i kierunki dalszego rozwoju.

[w:] J. Tchórzewski (red.), IV Krajowa Konferencja Naukowa nt. Sztuczna inteligencja

SzI-15'2000, Siedlce-Warszawa, 27–28 września 2000 roku: (badania, zastosowania, rozwój).

Wydawnictwo Akademii Podlaskiej, Siedlce 2000.

[10] Makowska M., Boguszewski R., Analiza danych zastanych – zagadnienia wstępne.

[w:] M. Makowska (red.), Analiza danych zastanych. Przewodnik dla studentów. Wydawnictwo

Naukowe Scholar, Warszawa 2013.

[11] Mulawka J., Systemy ekspertowe. WNT, Warszawa 1996.

[12] Pokojski J., Systemy doradcze w projektowaniu maszyn. WNT, Warszawa 2005.

[13] Różanowski K., Sztuczna inteligencja. Rozwój, szanse, zagrożenia. Zeszyty Naukowe Warszawskiej

Wyższej Szkoły Informatyki 2007, nr 2.

[14] Słowiński B., Wprowadzenie do logistyki. Wydawnictwo Uczelniane Politechniki Koszalińskiej,

Koszalin 2008.

[15] Topolski M. Topolska K., Fuzja systemu ekspertowego z technologią RFID na przykładzie

wybranego fragmentu łańcucha logistycznego. Logistyka i Transport, nr 1, 2008.

[16] Wappa P., Wykorzystanie metod sztucznej inteligencji w logistyce. Ekonomia i Zarządzanie,

nr 4/2011.

ANALYSIS OF THE APPLICATION OF ARTIFICIAL INTELLIGENCE

IN THE FORM OF EXPERT SYSTEMS

WITHIN THE LOGISTIC

Abstract

In the present study we discussed the issues concerning the application of artificial intelligence

in the framework of logistics. At the same time it focused on describing issues relating to expert

systems. There are three research questions:

1. In what areas of logistics are mostly used expert systems?

2. what types of expert systems are widely used in logistics?

3. what benefits can be achieved when using expert systems within the logistic?

The work is divided into three parts. The first explains the basic terms, such as artificial intel-

ligence and expert system. In the second part we characterized the construction of expert sys-

tems. On the other hand, in the third part we discuss issues relating to the use of these systems

in the framework of logistics, focusing inter alia on describing areas of application types such

systems and examples of their use in the framework of logistics.

Keywords: logistics, logistics management, artificial intelligence, intelligent building, expert

system, chatterbot

290

Krzysztof BARTCZAK*, Agnieszka BARAŃSKA**

ZASTOSOWANIE I PRZYDATNOŚĆ

SYMULACJI W LOGISTYCE

Streszczenie

W prezentowanej pracy omówione zostaną zagadnienia odnoszące się do wykorzystywania

symulacji w logistyki, a także znaczenia, jakie ma ona dla procesów logistycznych, takich jak

zaopatrzenie, produkcja czy dystrybucja. Główna uwaga zostanie skupiona na próbie sformu-

łowania odpowiedzi na pytania, które dotyczą tego, czy symulacja jest narzędziem, które sku-

tecznie wspomaga zarządzanie procesami logistycznymi, w jakich obszarach logistyki uwi-

dacznia się największy wpływ symulacji, a także jakie metody i narzędzia symulacji są najczę-

ściej wykorzystywane podczas realizacji procesów logistycznych. Praca została podzielona na

trzy główne części. W pierwszej wyjaśniono najważniejsze terminy powiązane z omawianą

tematyką, a więc symulację, w tym symulację komputerową i symulację w logistyce, a także

logistykę. W drugiej części pracy skupiono się na omówieniu podstawowych kwestii dotyczą-

cych działania modeli symulacyjnych w dziedzinie logistyki. W ten sposób scharakteryzo-

wano etapy projektowania i tworzenia tych modeli, jak również metody symulacji, które są

najczęściej wykorzystywane w logistyce. Z kolei w trzeciej części pracy zanalizowano naj-

ważniejsze obszary zastosowania symulacji w logistyce, jak również opisano korzyści, które

są widoczne na skutek wykorzystywania symulacji w działaniach logistycznych.

Słowa kluczowe: symulacja, symulacja komputerowa, modelowanie, logistyka, proces

logistyczny, zaopatrzenie, produkcja, dystrybucja

1. WSTĘP

W wielu dziedzinach i sferach funkcjonowania człowieka konieczne staje się wykorzysty-

wanie różnorodnych metod i narzędzi, dzięki którym możliwe jest prognozowanie przebiegu

określonych zjawisk, wyznaczanie przybliżonych parametrów pracy różnych urządzeń czy po-

znawanie istoty konkretnych procesów. Wśród wspomnianych metod znajdują się między in-

nymi działania praktyczne polegające na obserwacji, jak również analizy teoretyczne, w których

wykorzystuje się aparat matematyczny. Zaliczyć do nich należy również różnego rodzaju symu-

lacje, które obecnie, w dobie intensywnego rozwoju narzędzi informatycznych, odgrywają coraz

bardziej istotną rolę w badaniach prowadzonych w szeregu różnych dziedzin wiedzy [6, s. 843].

* Politechnika Warszawska, Wydział Elektryczny; Szkoła Główna Handlowa w Warszawie

** Uniwersytet Medyczny w Lublinie, Zakład Matematyki i Biostatyki Medycznej

Zastosowanie i przydatność symulacji w logistyce 291

Symulacje na szeroką skalę są wykorzystywane również w logistyce. Jak podkre-

ślił S. Abt,

„Obok badań operacyjnych, których dorobek znalazł powszechne zastosowanie do

wspomagania decyzji menedżerskich, w obszarze zarządzania logistycznego wyjątkową rolę

może odegrać symulacja komputerowa” [za: 3, s. 10].

W prezentowanej pracy uwaga zostanie skupiona na opisaniu tego, w jaki sposób symu-

lacja jest stosowana podczas procesów logistycznych, a także jaka jest jej przydatność dla

logistyki. W pracy podjęta zostanie próba odpowiedzi na następujące pytania badawcze:

czy symulacja jest narzędziem, które skutecznie wspomaga zarządzanie procesami

logistycznymi?

w jakich obszarach logistyki uwidacznia się największy wpływ symulacji?

jakie metody i narzędzia symulacji są najczęściej wykorzystywane podczas realiza-

cji procesów logistycznych?

By możliwe stało się sformułowanie odpowiedzi na tak określone pytania badawcze

konieczne jest wykorzystanie określonej metody badawczej. W pracy zdecydowano się na

wybór desk research, a więc analizy danych zastanych. Metoda ta polega na poszukiwaniu,

kompletowaniu i analizowaniu wszelkich informacji, które odnoszą się do interesującego ba-

dacza zagadnienia, przy czym informacje te są zawarte w już opracowanych i opublikowa-

nych materiałach. Stąd źródła, które zostały wykorzystane w niniejszej pracy, mają charakter

wtórny [8, s. 9–20]. Należy dodać, że zdecydowano się na wybór takiej właśnie metody, gdyż

literatura przedmiotu jest stosunkowo bogata, jeśli chodzi o treści dotyczące stosowania sy-

mulacji w logistyce, stąd warto dokonać analizy tych treści i zsyntetyzować informacje od-

noszące się do stosowania symulacji podczas procesów logistycznych.

2. WYJAŚNIENIE NAJWAŻNIEJSZYCH POJĘĆ

By móc omawiać zagadnienia odnoszące się do stosowania narzędzi symulacyjnych

w logistyki konieczne jest scharakteryzowanie najważniejszych pojęć pojawiających się

w pracy. Zaliczyć do nich należy symulację. Słowo to pochodzi z języka łacińskiego – simulo

oznacza naśladowanie, odtwarzanie czegoś innego, a także przyjmowanie wyglądu podob-

nego do innej rzeczy [7, s. 165]). Zdaniem M. Wrony symulacja to „proces budowania i uży-

wania oparty na czasie wizualnego modelu, który emuluje każdy znaczący krok jaki ma miej-

sce w symulowanym fragmencie rzeczywistego procesu oraz każdą znaczącą interakcję po-

między szeroko pojętymi zasobami oraz ograniczeniami, po to, aby uzyskać wgląd na efekt,

jaki potencjalne decyzje będą miały na rzeczywisty proces”. Wspomniany badacz dodał, że

symulacja pozwala na badanie i analizowanie elektronicznego modelu projektu, który

uwzględnia wszelkie występujące w rzeczywistości zasoby oraz czynnik czasowy, a także

bierze pod uwagę wszystkie ograniczenia oraz wzajemny wpływ różnych aspektów i elemen-

tów rzeczywistości. W ten sposób symulacja umożliwia wierne odtworzenie rzeczywistości,

tak więc to, co zostanie wykonane za jej pomocą będzie miało takie same skutki jak w nor-

malnych warunkach [12, s. 386].


W logistyce, podobnie zresztą jak w szeregu innych nauk i dziedzin wiedzy, najczęściej

wykorzystuje się symulację komputerową. Według T. Naylora symulacja ta jest metodą nu-

meryczną, która pozwala na dokonywanie eksperymentów na pewnych rodzajach modeli

matematycznych umożliwiających opisywanie, przy pomocy maszyny cyfrowej, tego, w jaki

sposób będzie się zachowywał w rzeczywistości konkretny złożony system w przeciągu sto-

sunkowo długiego okresu czasu [10, s. 21].

W. Gierulski, S. Luściński oraz R. Serafin podkreślili, że symulacja komputerowa jest

odwzorowaniem badanego zjawiska lub procesu, które przyjmuje postać programu kompu-

terowego nazywanego również modelem komputerowym i które jest tworzone z wykorzy-

staniem modelu matematycznego. Autorzy ci dodali, że w takim ujęciu symulacja kompute-

rowa jest metodą badawczą, której przydatność w sposób szczególny uwidacznia się w od-

niesieniu do charakterystyki procesów dynamicznych opisujących zmiany zachodzące

w funkcji czasu [6, s. 843].

W tym miejscu warto jeszcze zaprezentować ujęcie definicyjne dotyczące symulacji

komputerowej, które zostało zaproponowane przez J. Tyszera. Uznał on, że symulacja ta jest

„algorytmiczną metodą prowadzenia (za pomocą komputera) eksperymentów na modelach

dynamicznych istniejących lub projektowanych systemów” [11, s. 13].

Warto tutaj scharakteryzować także termin dotyczący symulacji w logistyce i w proce-

sach logistycznych. Ogólnie, za M. Łatuszyńską, należy stwierdzić, że symulacja ta polega

na dokonywaniu eksperymentów na dynamicznych modelach, które opisują istniejące bądź

dopiero projektowane systemy logistyczne, przy czym jej celem jest uzyskanie wiedzy na

temat funkcjonowania takich systemów w określonym czasie, a narzędzia, które służą do

tego to specjalistyczne programy komputerowe mające charakter formalnej reprezentacji mo-

deli badanych systemów. Praktycznie wszystkie symulacje stosowane w logistyce mają cha-

rakter symulacji maszynowych, a więc takich, podczas których kontrolę nad przebiegiem

eksperymentów sprawuje człowiek za pomocą rozkazów kierowanych do programu opisują-

cego funkcjonowanie systemu będącego przedmiotem badań [7, s. 163].

Wszelkie symulacje komputerowe oraz te stosowane w logistyce są, według typologii

zaproponowanej przez G. S. Fishmana, zaliczane do form symulacji systemów. Te ostatnie

są czynnościami, za pomocą których możliwe staje się przedstawianie określonych systemów

za pomocą modeli symbolicznych. Modele te są łatwe do operowania i na ich podstawie

można otrzymać wyniki numeryczne [5, s. 27].

Należy dodać, że w literaturze przedmiotu symulacje komputerowe, w tym również te,

które są realizowane w logistyce, są różnie klasyfikowane i dzielone. Podstawowa typologia

dzieli te symulacje na takie, dzięki którym możliwe staje się odzwierciedlenie procesów dys-

kretnych (jest to symulacja dyskretna), jak również procesów ciągłych (symulacja ciągła).

Procesy dyskretne dotyczą procesów, w ramach których zmiany stanu odbywają się w nie-

ciągły sposób, a więc w konkretnych chwilach czasu. Procesy te dotyczą na przykład zmian

w zakresie stanu zapasów w magazynie. Z kolei procesy ciągłe obejmują wszelkie obiekty

dynamiczne, których zachowanie można opisać przy wykorzystaniu równań różniczkowych

liniowych bądź nieliniowych. W ramach tych procesów zmiany stanu wyrażają się pod po-

stacią ciągłych funkcji. Przykładem tego typu procesów jest na przykład zmiana prędkości

pojazdu [9, s. 21–27].


3. SYMULACJA W PROCESACH LOGISTYCZNYCH

3.1. ETAPY OPRACOWYWANIA MODELU SYMULACYJNEGO

Pomimo tego, że tworzenie modeli symulacyjnych przydatnych podczas zarządzania

logistycznego bardzo często składa się z różnych, odrębnych etapów, co ma związek między

innymi z obszarem logistyki, w ramach którego ma dojść do symulacji, jak i narzędziami,

które mają zostać zastosowane, to jednak można w sposób ogólny wyznaczyć pewne kroki,

które prowadzą do opracowywania symulacji w logistyce.

Według W. Gierulskiego, S. Luścińskiego i R. Serafina budowa modelu komputero-

wego, który umożliwia symulację, jest końcowym etapem procesu modelowania, który obej-

muje model abstrakcyjny (fizyczny), matematyczny oraz komputerowy. Zostało to zaprezen-

towane na rysunku 1.

Rzeczywistość

zjawisko, proces

Model

abstrakcyjny

Model

matematyczny

Model

komputerowy

Rys. 1. Elementy procesu modelowania, umożliwiające opracowanie symulacji komputerowej

Źródło: [6, s. 843]

Model abstrakcyjny jest pewnym bytem, który odzwierciedla modelowaną rzeczywi-

stość, przy czym odbywa się to w określonym uproszczeniu wynikającym z celu badaw-

czego. Model ten jednak musi mieć pewien stopień złożoności, uwzględniający istotne dla

badania cechy. Model matematyczny jest zestawem funkcji i równań, takich jak na przykład

równania różniczkowe, których parametry i zmienne są skorelowane z modelem abstrakcyj-

nym. Z kolei model matematyczny umożliwia dokonywanie różnych, nawet najbardziej

skomplikowanych obliczeń zgodnie z tymi zależnościami i zmiennymi, które tworzą model

matematyczny. Należy podkreślić, że obecny rozwój technologii komputerowej umożliwia

przekształcanie modelu matematycznego na komputerowy bez konieczności tworzenia peł-

nego kodu programu [6, s. 843–844].

Budowa symulacji opiera się na konieczności uwzględnienia kilku podstawowych kro-

ków. Zostały one zaprezentowane na rysunku 2.

Od razu należy podkreślić, że zaprezentowane na rysunku 2 etapy tworzenia symulacji

mają jedynie charakter orientacyjny, gdyż, jak już zaznaczono, praktycznie w każdym przy-

padku symulacja przebiega inaczej. Etapy te jednak powinny być uwzględnianie przez każ-

dego projektanta symulacji, by nie został pominięty żaden element, który składa się na model

symulacyjny.


Rys. 2. Etapy opracowywania modelu symulacji w logistyce

Źródło: [12, s. 387]

Wśród najważniejszych etapów projektowania modelu symulacyjnego znajduje się nie-

wątpliwie:

wysłuchanie klienta, a więc dokładne rozpoznanie tego, co chce on osiągnąć za po-

mocą symulacji i na jakie pytania chce uzyskać odpowiedzi, a także, już po budowie

wstępnej symulacji, konsultowanie z nim wszelkich podejmowanych kroków;

budowa wstępnego modelu, uwzględniającego wyłącznie główne aspekty procesu;

ustalenie zakresu modelu, a więc dokonanie wyboru tego, czy symulację należy

ograniczyć do granic jednego przedsiębiorstwa czy też zasadne jest uwzględnienie

także zewnętrznych systemów;

uruchamianie modelu oraz jego weryfikacja pod kątem tego, czy dany system pra-

cuje w taki sposób jak funkcjonowałby w rzeczywistości;

wizualna eksploracja modelu, co jest niewątpliwie najważniejszym etapem symula-

cji – polega ona na uruchomieniu symulacji i obserwowaniu przedmiotów znajdują-

cych się na ekranie monitora, co umożliwia na przykład wychwycenie podstawo-

wych błędów i niedoskonałości symulacji [12, s. 387–391].

3.2. METODY SYMULACJI KOMPUTEROWEJ

WYKORZYSTYWANE W LOGISTYCE

Jedną z najpełniejszych i najbardziej wyczerpujących klasyfikacji odnoszących się do

metod symulacji, które są wykorzystywane w logistyce, zaproponowała M. Łatuszyńska.

Klasyfikacja ta została zaprezentowana na rysunku 3.


Rys. 3. Metody symulacji komputerowej stosowanej w logistyce

Źródło: [7, s. 172]

W logistyce najczęściej wykorzystuje się:

biorąc pod uwagę kryterium dotyczące uwzględniania przewidywalności zdarzeń –

symulację deterministyczną, w ramach której powiązania pomiędzy poszczegól-

nymi elementami systemów logistycznych są jednoznacznie określone;

biorąc pod uwagę kryterium dotyczące liczby użytych komputerów – symulację roz-

proszoną (odbywa się ona przy wykorzystaniu wielu komputerów połączonych

siecią internetową bądź siecią LAN);

biorąc pod uwagę kryterium dotyczące poziomu agregacji symulowanych elemen-

tów systemu – makrosymulację, która uwzględnia perspektywę całego systemu lo-

gistycznego;


biorąc pod uwagę kryterium dotyczące czasu objętego symulacją – symulację ex-

ante, która jest realizowana dla okresu, dla którego nie można pozyskać informacji

statystycznych; informacje te pochodzą z innych badań lub z doświadczeń osób

przeprowadzających symulację;

biorąc pod uwagę kryterium dotyczące celu modelowania i symulacji – symulację

predykcyjną (generuje informacje na temat przyszłych stanów systemu logistycz-

nego);

biorąc pod uwagę kryterium dotyczące upływu symulowanego czasu – symulację

ciągłą, realizowaną przez cały, ściśle określony czas funkcjonowania danego sys-

temu logistycznego [7, s. 168–173].

S.M. Alessi i S.R. Trolli sformułowali własną klasyfikację odnoszącą się do symulacji,

które są wykorzystywane w logistyce. W ramach tej typologii wyróżnili oni symulację:

fizyczną – w jej ramach nabywanie określonych umiejętności czy przyswajanie so-

bie wiedzy odbywa się w następstwie realizacji symulacji obiektów fizycznych,

w tym na przykład różnego rodzaju pojazdów;

proceduralną – umiejętności i wiedza są zdobywane przez operowanie modelami sy-

mulacyjnymi urządzeń;

sytuacyjną – umiejętności zdobywa się na skutek odgrywania określonych ról w ra-

mach na przykład przeprowadzania gier symulacyjnych;

procesową – dotyczy ona obserwacji symulowanych stanów w określonych prze-

działach czasowych [2, s. 55].

4. WYKORZYSTYWANIE SYMULACJI W LOGISTYCE


Jak już wspomniano, symulacje komputerowe są na szeroką skalę wykorzystywane

w ramach zarządzania logistycznego. Ogólnie do głównych obszarów ich zastosowania zali-

cza się następujące rodzaje logistyki:

logistykę zaopatrzenia – głównym jej celem jest dostarczenie materiałów i surow-

ców potrzebnych do realizacji procesów produkcyjnych w odpowiednim czasie, ilo-

ści i jakości oraz zgodnie z zapotrzebowaniem przedsiębiorstwa;

logistykę dystrybucji – w jej ramach prowadzone są działania i czynności umożli-

wiające sprawny przepływ dóbr od wytwórcy (producenta) do finalnego odbiorcy

(hurtowni, detalisty, klienta prywatnego);

logistykę produkcji – funkcjonuje ona pomiędzy logistyką zaopatrzenia oraz dystry-

bucji i obejmuje realizację wszelkich czynności, które są związane z dostarczeniem

surowców, półproduktów i materiałów do miejsca realizacji procesu produkcyjnego,

wytworzeniem z nich określonych wyrobów, a także przemieszczeniem tych ostat-

nich do magazynu produktów gotowych [6, s. 844].


Jeśli chodzi o logistykę zaopatrzenia oraz dystrybucji to wśród najczęściej symulowa-

nych procesów znajduje się magazynowanie. Jest tak niewątpliwie z tego względu, że to

w dużej mierze od wydajności i skuteczności procesów realizowanych w ramach pracy ma-

gazynu zależy sprawny przebieg procesów produkcyjnych czy transportowych. Warto na

przykład zaznaczyć, że to właśnie magazyn powinien zapewniać, by w terminowy sposób

i w odpowiedniej ilości poszczególne materiały i surowce zostały dostarczone do miejsca

produkcji, a także by w magazynie było zlokalizowanych tyle wyrobów gotowych, by moż-

liwe było całkowite zaspokojenie popytu. W ten sposób najczęściej przeprowadza się symu-

lację obrotów magazynowych, która pozwala na sprawdzenie tego, jak będzie wyglądała

zmiana stanów magazynowych w określonym czasie, ile materiałów i surowców będzie po-

trzebnych do tego, by zaspokoić popyt zgłaszany przez klientów na określone towary, a także

jak często powinny odbywać się dostawy tych materiałów i surowców do przedsiębiorstwa

oraz transporty gotowych wyrobów do klientów końcowych. Symulacje dotyczące funkcjo-

nowania magazynu pozwalają więc na podejmowanie najważniejszych decyzji odnoszących

się do działalności całego przedsiębiorstwa. Przykładowy wynik symulacji obrotów maga-

zynowych dotyczący tego, jak zmieniałaby się ilość zapasów w przypadku 2- oraz 6-dnio-

wego czasu realizacji zamówienia, prezentuje rysunek 4.

Rys. 4. Przykładowy wynik symulacji komputerowej dotyczącej zmian stanów magazynowych

w przypadku różnych czasów realizacji zamówienia

Źródło: [3, s. 8–9]


Symulację komputerową wykorzystuje się na szeroką skalę również w logistyce pro-

dukcji. Stosowanie tej symulacji umożliwia analizę i prześledzenie funkcjonowania wybra-

nych obiektów, takich jak na przykład stanowiska, poszczególne operacje czy zakłócenia,

a następnie zaprojektowanie wytycznych odnoszących się na przykład do tego, jak powinna

wyglądać linia montażowa, by proces produkcyjny był prowadzony w jak najbardziej

sprawny i efektywny sposób. Przykładowa symulacja, w wyniku której stworzono model sy-

mulacyjny linii montażowej, znajduje się na rysunku 5.

Rys. 5. Przykładowy wynik symulacji komputerowej dotyczącej wyglądu linii montażowej,

która została wykonana w programie FlexSim

Źródło: [4, s. 44]

W tabeli 1 zamieszczono przykładowe nazwy programów komputerowych przeznaczo-

nych do symulowania procesów logistycznych.

biuro


może włamać kawałek tabeli. Zmieściłby się nagłóek i 3 pierwsze wiersze


Tab. 1. Wybrane programy wykorzystywane podczas symulacji komputerowych w logistyce

Nazwa programu Producent programu Główne przeznaczenie

eM-Plant Tecnomatix

Technologies Inc.

analiza procesów logistycznych,

harmonogramowanie i szeregowanie zadań,

integracja łańcuchów dostaw

Enterprise Dynamice

Simulation Software

Production Modeling

Corporation

analiza, weryfikacja i optymalizacja procesów

produkcyjnych

Enterprise Dynamice

Studio

Incontrol Enterprise

Dynamics analiza procesów logistycznych

FlexSim Flexsim Software

Products Inc.

symulacja zaopatrzenia, dystrybucji,

produkcji, transportu międzystanowiskowego

i międzyoperacyjnego oraz wysyłki towarów

Lean MAST CMS Research Inc analiza przepływu materiałów w łańcuchu

logistycznym

Plant Simulation UGS

symulacja procesów dyskretnych, a więc

takich, których wynikiem są wyróżniające się

spośród innych wyroby

ShowFlow 2 Incontrol Enterprise

Dynamice GmbH

symulacja procesów produkcyjnych, w tym

ich organizacji i wydajności

SIMUL8 Professional SIMUL8 Corporation zarządzanie przepływem materiałów

w ramach procesów logistycznych

Systemflow 3D Animator Systemflow Simulations

Inc. wizualizacja 3D procesów dyskretnych

Stella Modeling &

Simulation Software Dynamics

wieloaspektowa analiza procesów

logistycznych

Vensim PLE Ventana Systems Inc.

symulacja dowolnych systemów

zawierających elementy i relacje opisane

zależnościami matematycznymi

Witness Simulation

Software Witness

tworzenie symulacji dotyczących wszystkich

procesów logistycznych, a więc zaopatrzenia,

dystrybucji, produkcji, transportu, obsługi

klienta itp.

Źródło: [1, s. 73–75; 4, s. 41]

4.2. KORZYŚCI Z WYKORZYSTANIA SYMULACJI W LOGISTYCE

Stosowanie symulacji w ramach zarządzania logistycznego może przynosić szereg ko-

rzyści. Przede wszystkim należy podkreślić, że umożliwia ona zanalizowanie oraz prześle-

dzenie przebiegu różnych procesów oraz czynności logistycznych, które trwają nawet kilka

– kilkanaście lat, w przeciągu zaledwie kilku minut, pokazując, jakie ewentualnie zmiany

mogą w tym czasie wystąpić. Jak podkreśliła M. Łatuszyńska:

„[Symulacja] może »skondensować« w takim stopniu czas, że istnieje możliwość »wysy-

mulowania« kilku lat działalności systemu w ciągu minuty, lub w niektórych przypadkach

w ciągu kilku sekund – zależy to od stopnia skomplikowania problemu i komputera. Zdolność

biuro

Podświetlony

na str. 298?


ta pozwala badaczowi rozważyć różnorodne plany, które chciałby zbadać w bardzo krótkim

czasie, podczas gdy przeprowadzenie próby na każdym, realnym systemie (jeśli w ogóle by-

łoby to możliwe) trwałoby bardzo długo. Symulacja komputerowa pozwala również na rozsze-

rzenie czasu działania systemu, gdyż można za jej pomocą zbadać szczegółową strukturę

zmian, których nie można byłoby zaobserwować w czasie rzeczywistym” [7, s. 164].

Tym samym symulacje przyczyniają się do opracowywania strategii działania przez po-

szczególne przedsiębiorstwa i umożliwiają im prowadzenie sprawnych oraz efektywnych

działań z zakresu logistyki zaopatrzenia, produkcji oraz dystrybucji, zapewniając dostarcza-

nie na czas materiałów niezbędnych do produkcji oraz gotowych wyrobów do klientów koń-

cowych [4, s. 40].

Symulacje dają ponadto możliwość porównywania ze sobą różnych scenariuszy wyda-

rzeń, przy uwzględnieniu różnorodnych parametrów i wartości dotyczących na przykład

pracy magazynu. W ten sposób na ich podstawie można wywnioskować, jaki będzie:

stan zapasów w zależności od długości realizacji zamówienia,

czas przebiegu procesu produkcyjnego w zależności od pojemności magazynu,

czas dostaw materiałów i realizacji procesów produkcyjnych w przypadku wystą-

pienia określonych zakłóceń,

poziom sprzedaży w zależności od ceny określonych wyrobów

długość realizacji określonych procesów w zależności od rodzaju używanych ma-

szyn i urządzeń.

Takie informacje przyczyniają się do usprawniania funkcjonowania poszczególnych

działów przedsiębiorstwa, jak również do wprowadzania oszczędności i generowania licz-

nych zysków. Jest to możliwe na przykład dzięki temu, że symulacje umożliwiają opracowy-

wanie planów dotyczących wielkości zamówień na materiały i surowce potrzebne do pro-

dukcji. W ten sposób w magazynach znajduje się optymalna, dostosowana do aktualnych

możliwości produkcyjnych i popytu klientów na określone towary wielkość tych materiałów

i surowców, umożliwiająca realizowanie w sprawny sposób procesów produkcyjnych oraz

dystrybucyjnych i nie występuje sytuacja związana na przykład z ich niedoborem, wywołu-

jąca przestoje produkcyjne i powstawanie strat finansowych.

Dzięki symulacjom kierownictwo przedsiębiorstwa uzyskuje możliwość weryfikacji przy-

jętych założeń i celów jeszcze przed ich zastosowaniem w praktyce, jak również określenia

nieprawidłowości w przebiegu poszczególnych procesów logistycznych, w tym tych, które od-

noszą się do słabych punktów projektowanych lub już realizowanych czynności i zadań. W wy-

niku symulacji można uzyskać zestawy raportów, na podstawie których można dokonać wy-

boru w zakresie formy organizacyjnej poszczególnych stanowisk pracy (czy ma być szere-

gowa, czy też raczej równoległa bądź mieszana, szeregowo-równoległa), zakresu czynności

dokonywanych w ich ramach, a także rodzajów i liczby magazynów oraz środków transporto-

wych. Co ważne, w każdej chwili można udoskonalać i realizować kolejne symulacje, wyko-

rzystując podczas nich kolejne parametry i wartości. Dużym atutem symulacji komputerowych

jest również to, że ich wyniki można łatwo przechowywać i porównywać ze sobą [4, s. 40–41].


Wykorzystywanie symulacji w procesie zarządzania logistycznego, a przede wszystkim

podczas realizacji procesów zaopatrzenia, produkcji i dystrybucji, jest niewątpliwie jak naj-

bardziej uzasadnione, a dodatkowym argumentem za stosowaniem jej w logistyce są stosun-

kowo niskie koszty realizacji całego procesu z nią związanego. Jak bowiem podkreślił

M. Wrona:

„Koszty związane z przeprowadzeniem całego procesu symulacji są stosunkowo nie-

wielkie biorąc pod uwagę potencjalne ryzyko przeprowadzenia nieuzasadnionej moderni-za-

cji oraz zakupienia maszyn, które wbrew pozorom nie przyniosą oczekiwanych efektów.

Możliwość zamodelowania całego procesu wytwórczego i sprawdzenie jakie zmiany oraz

modernizacje będą najbardziej efektywne może stać się nieocenionym źródłem informacji,

dzięki któremu zaoszczędzi się ogromną ilość środków pieniężnych związanych z błędnymi

decyzjami strategicznymi. […] Nie ma wątpliwości co do zasadności stosowania [symula-

cji], a biorąc pod uwagę względnie niskie koszty konstrukcji modelu oraz szybkość jego re-

alizacji można stwierdzić, że symulacje komputerowe powinny towarzyszyć wszelkim pla-

nom strategiczno-rozwojowym każdego przedsiębiorstwa, zarówno tym długo-, jak i krótko-

terminowym. Jednocześnie taki model jest doskonałym narzędziem wspomagającym podej-

mowanie decyzji przy konkretnych, indywidualnych zamówieniach o niesprawdzonej dotąd

pod względem wykonalności strukturze asortymentowej” [12, s. 386, 392].

5. WNIOSKI

Obecnie symulacje są stosowane na szeroką skalę, nie tylko w logistyce. Wpływ na to

ma fakt, że umożliwiają one planowanie i zwiększanie efektywności realizacji różnych pro-

cesów oraz czynności. Z uwagi na ciągły postęp technologiczny poszczególne programy i na-

rzędzia symulacyjne są coraz bardziej udoskonalane, co powoduje, że stopniowo zwiększa

się ich użyteczność i przydatność.

Przydatność ta w sposób szczególny uwidacznia się w odniesieniu do realizacji proce-

sów logistycznych, w tym głównie tych, które mają związek z obszarem zaopatrzenia, pro-

dukcji oraz dystrybucji. Dzięki wykorzystywaniu symulacji można w wydatny sposób

usprawnić zarządzanie logistyczne przedsiębiorstwem. Jest tak z tego względu, że dzięki sy-

mulacjom można prześledzić przebieg nawet kilkunastoletniego procesu w przeciągu kilku

minut i tym samym dokładnie zaplanować ten proces oraz zorganizować wszelkie czynności

i zadania realizowane w jego ramach w taki sposób, by generowało to jak największe zyski

i jednocześnie minimalizowało straty. Symulacje umożliwiają ponadto porównywanie ze

sobą różnych scenariuszy dotyczących przebiegu procesów logistycznych, przy uwzględnie-

niu szeregu parametrów i wskaźników. Co ważne, koszty stosowania symulacji są stosun-

kowo niskie, tak więc tym bardziej, z uwagi na możliwość uzyskania licznych korzyści, prak-

tycznie wszystkie przedsiębiorstwa wykorzystujące podczas swojego funkcjonowania

zarządzanie logistyczne powinny wykorzystywać te symulacje. Należy dodać, że wśród naj-

częściej wykorzystywanych w logistyce metod symulacji komputerowych znajdują się sy-

mulacje deterministyczne, ex ante, ciągłe, predykcyjne oraz makrosymulacje, natomiast

wśród narzędzi należy wspomnieć o licznych programach komputerowych dostępnych na

rynku, takich jak na przykład FlexSim czy Enterprise Dynamice Simulation Software.


LITERATURA

[1] Abu-Taieh E., El Sheikh A., Commercial simulation Packages: a comparative study.

International Journal of Simulation, No. 8, 2007.

[2] Alessi S. M., Trollip S. R., Computer based instruction, methods and development. Prentice-Hall,

Englewood Cliffs, New York 1985.

[3] Chodak G., Symulator obrotów magazynowych w sklepie internetowym. Propozycja implementacji.

Gospodarka Materiałowa i Logistyka, nr 8, 2004.

[4] Ciszak O., Komputerowo wspomagane modelowanie i symulacja procesów produkcyjnych.

Zeszyty Naukowe Politechniki Poznańskiej, nr 6, 2007.

[5] Fishman G. S., Symulacja komputerowa. Pojęcia i metody. PWE, Warszawa 1981.

[6] Gierulski W., Luściński S., Serafin R., Symulacja komputerowa procesów logistycznych

z wykorzystaniem programu Vensim. [w:] R. Knosala (red.), Innowacje w zarządzaniu i inżynierii

produkcji, Oficyna Wydawnicza Polskiego Towarzystwa Zarządzania Produkcją, Opole 2015.

[7] Łatuszyńska M., Metody symulacji komputerowej – próba klasyfikacji logicznej. Studia

i Materiały Polskiego Stowarzyszenia Zarządzania Wiedzą, nr 41, 2011.

[8] Makowska M., Boguszewski R., Analiza danych zastanych – zagadnienia wstępne.

[w:] M. Makowska (red.), Analiza danych zastanych. Przewodnik dla studentów. Wydawnictwo

Naukowe Scholar, Warszawa 2013.

[9] Pidd M., Computer Simulation in Management Science. John Wiley & Sons, Chichester-New

York-Singapore-Toronto 1998.

[10] Naylor T., Modelowanie cyfrowe systemów ekonomicznych. PWN, Warszawa 1975.

[11] Tyszer J., Symulacja cyfrowa. WNT, Warszawa 1990.

[12] Wrona M., Metodyka konstruowania symulacji komputerowej w zarządzaniu systemem

produkcyjnym. Archiwum Odlewnictwa, nr 17, 2005.

THE APPLICATION AND SUITABILITY OF SIMULATION

WITHIN THE LOGISTIC

Abstract

In this paper we will discuss issues relating to the use of simulation within the logistics and the

importance of it for logistical processes such as procurement, production and distribution. The

main focus will be on trying to formulate a response to questions that include whether simula-

tion is a tool that effectively supports the management of logistics processes, in which areas of

logistics reveals the biggest impact simulation, and what methods and simulation tools are most

often used during the implementation process logistics. The work was divided into three main

parts. The first explains the most important terms related to the discussed topics, so the simu-

lation, including computer simulation and simulation in logistics, as well as logistics. In the

second part of the study focuses on discussing the fundamental issues relating to the operation

of simulation models in the framework of logistics. This method characterized the steps of

constructing the models, as well as simulation methods which are most often used in the con-

text of logistics. On the other hand, in the third part of the paper we analyzed the main areas of

application within the logic simulation, as well as describes the benefits that are visible through

the use of simulation in logistics operations.

Keywords: simulation, computer simulation, modeling, logistics, logistics process, supply,

production, distribution

303

Andrzej CZAPCZUK*, Jacek DAWIDOWICZ**

DRZEWA KLASYFIKACYJNE I REGRESYJNE

C&RT DO ANALIZY PRZEPŁYWÓW

W SIECIACH WODOCIĄGOWYCH

Streszczenie

W pracy dokonano analizy przepływów w sieciach wodociągowych z wykorzystaniem drzew

klasyfikacyjnych i regresyjnych C&RT. Niezwykle ważnym zadaniem w omawianej tematyce

jest przeanalizowanie przepływów z punktu widzenia dobranej średnicy, ale również położenia

w strukturze układu przewodów. W przypadku, gdy pojemność wewnętrzna przewodu, ze

względu na jego średnicę i długość, jest znacznie większa niż wydatek z węzła końcowego

oraz przepływ tranzytowy do dalszych przewodów, może wystąpić zjawisko przestoju wody.

Powyższe zjawisko może pojawić się w sieciach pierścieniowych oraz w końcówkach sieci.

Problemem może być również wzrastający przepływ przez przewody wraz z rozbudową sys-

temu dystrybucji wody, gdy podłączane tereny nie były wcześniej uwzględnione w planie

ogólnym wodociągu. Do rozwiązania postawionego zadania wykorzystano drzewo typu

C&RT realizujące klasyfikację problemów związanych z przepływami w sieci wodociągowej.

W tym celu zdefiniowano jedną klasę QK1 odpowiadającą zakresowi odpowiednich wartości

przepływu oraz sześć klas QK2–QK7 opisujących przyczyny niepoprawnego przepływu. Za-

prezentowano proces budowy drzewa C&RT oraz wyniki klasyfikacji. Reguły decyzyjne

drzewa C&RT mogą być zastosowane jako dodatkowy moduł programu komputerowego do

oceny przepływów przez przewody sieci wodociągowej.

Słowa kluczowe: drzewa klasyfikacyjne, sieci wodociągowe, obliczenia hydrauliczne

1. WPROWADZENIE

Systemy zaopatrzenia w wodę są skomplikowanymi układami obiektów inżynierskich.

Kluczową rolę w dostawie wody pełni sieć wodociągowa, składająca się z przewodów two-

rzących różnorodne układy. Projektowanie sieci wodociągowych wymaga przeprowadzenia

wielu obliczeń mających za zadanie doprowadzić do najlepszego rozwiązania przy zachowa-

niu wymagań technicznych, ekonomicznych i często niezawodnościowych. Jednym z celów

obliczeń jest wyznaczenie przepływów przez przewody, co jest podstawą do doboru średnic

przewodów oraz wyznaczenia strat ciśnienia. Przepływy mogą się zmieniać nie tylko w za-

* F.B.I. TASBUD S.A.

** Politechnika Białostocka, Wydział Budownictwa i Inżynierii Środowiska

304 A. Czapczuk, J. Dawidowicz

leżności od poborów wody przez odbiorców, ale również od układu sieci, położenia prze-

wodu w sieci. Właściwe zaprojektowanie sieci wodociągowej ma decydujący wpływ na

koszty inwestycyjne oraz eksploatacyjne, a ostatecznie na ilość i jakość dostarczanej odbior-

com wody [1, 2].

Obliczenia sieci wodociągowych są od wielu lat realizowane za pomocą programów

komputerowych, które pojawiły się w II połowie XX wieku [3–6]. Od tamtego czasu nastąpił

znaczny postęp w możliwościach technicznych tego rodzaju programów komputerowych

[7, 8]. Pozwalają one uzyskać podstawowe parametry pracy sieci, lecz nie dysponują meto-

dami oceny uzyskanych wyników. Wydaje się, że klasyczne algorytmy, można obecnie uzu-

pełnić znacznie bardziej zaawansowanymi technikami obliczeniowymi, których zasady funk-

cjonowania oparte są na analizie danych opisujących rozpatrywany problem. Do tego celu

stosowane są coraz częściej metody sztucznej inteligencji, w tym drzewa klasyfikacyjne i re-

gresyjne C&RT.

2. OCENA WYNIKÓW OBLICZEŃ SIECI WODOCIĄGOWYCH

ZA POMOCĄ METOD SZTUCZNEJ INTELIGENCJI

Obliczenia numeryczne, pomimo znacznego usprawnienia programów komputerowych,

wymagają wnikliwej oceny poprawności uzyskanych rozwiązań. Problem ten występuje

również w przypadku obliczeń sieci wodociągowych. Nie ma i zapewne nigdy nie będzie

programów komputerowych, które wyręczałyby projektanta z powyższych zadań. Obecnie

dąży się jednak do stworzenia programów obliczeniowych, które będzie charakteryzować

pewien stopień kreatywności, co powinno ułatwić użytkownikom podejmowanie decyzji na

różnych etapach realizacji zadania i poprawić jakość rozwiązań.

Powyższy problem podjęto w wielu pracach, stosując do jego rozwiązania różnorodne

techniki sztucznej inteligencji, co szeroko omówiono w artykule [9]. W monografii [10] za-

stosowano sztuczne sieci neuronowe do diagnostyki poprawności obliczeń systemów dystry-

bucji wody. Przyjęto, że obliczenia są wieloetapowym procesem obliczeniowym, a do ich

oceny zastosowano metody diagnostyki procesów. Opracowano metody diagnostyczne po-

zwalające zweryfikować dobór średnic przewodów wodociągowych oraz poprawność przy-

jętych stref ciśnienia. Zamieszczono przykłady obliczeniowe przedstawiające funkcjonowa-

nie metod diagnostycznych. W artykule [11] zaprezentowano metodę indukcji drzewa decy-

zyjnego metodą C4.5 przeznaczonego do oceny układu stref ciśnienia w systemie dystrybucji

wody. W pracy [12] opisano propozycję systemu ekspertowego i sztucznej sieci neuronowej,

przeznaczonych do oceny wysokości ciśnienia w węzłach sieci wodociągowej. W referacie

[13] zamieszczono propozycje sztucznej sieci neuronowej do oceny przebiegu linii ciśnienia

w sieci wodociągowej. W pracy [14] zastosowano metodę C4.5 indukcji drzew decyzyjnych

do oceny przepływów i strat ciśnienia w systemie dystrybucji wody. W niniejszej pracy do

oceny przepływów zastosowano drzewa klasyfikacyjne i regresyjne C&RT.

3. DRZEWA KLASYFIKACYJNE I REGRESYJNE

Drzewa klasyfikacyjne i regresyjne (Classification and Regression Trees – C&RT)

umożliwiają budowę modeli służących do rozwiązywania problemów klasyfikacyjnych lub

Drzewa klasyfikacyjne i regresyjne C&RT do analizy przepływów… 305

regresyjnych, w zależności od rodzaju zmiennej zależnej. W przypadku zmiennej zależnej

jakościowej, której wartość jest poszukiwana na postawie wartości jednej lub większej liczby

zmiennych predykcyjnych ciągłych lub jakościowych (atrybutów), drzewo realizuje zadanie

klasyfikacji. Metodę tą opisano po raz pierwszy w pracy [15].

Funkcjonowanie drzew klasyfikacyjnych polega na stopniowym podziale zbioru przy-

kładów opisujących badany problem na podzbiory tak długo, aż zostanie osiągnięta ich jed-

norodność ze względu na przynależność do klas.

Drzewa klasyfikacyjne i regresyjne C&RT, jeśli nie są zbyt rozbudowane, mają wiele

zalet w stosunku do innych technik. Najważniejszą jest prosta interpretacja wyników, gdyż

drzewo zapisane jest w postaci warunków logicznych, które można sprawdzić dla nowych

przypadków rozpatrywanego problemu. Na etapie budowy drzewa nie występuje koniecz-

ność zakładania, czy zależność pomiędzy zmiennymi jest liniowa, czy nieliniowa. W innych

metodach często wymagane jest obliczenie złożonych statystyk. Inna zaletą jest ułatwiona

możliwość zastosowania reguł drzewa w programach komputerowych. Drzewo klasyfika-

cyjne jest graficznym modelem konstruowanym za pomocą rekurencyjnego podziału zbioru

przykładów opisujących analizowany problem na rozłączne podzbiory, które odpowiadają

poszczególnym klasom. Podzbiory końcowe powinny być jak najbardziej jednorodne. Roz-

wiązanie uzyskuje się w wyniku rekurencyjnego procesu, podczas którego w każdym kroku

do podziału zbioru wyjściowego może być użyta inna zmienna niezależna (predyktor, atry-

but), która w danym kroku daje najlepszą poprawę w klasyfikacji. Do pierwszego węzła

w drzewie, nazywanego korzeniem, przypisany jest cały zbiór przykładów, który jest dzie-

lony na dwa (drzewa binarne) lub więcej podzbiorów (drzewa niebinarne). Wydzielone pod-

zbiory przypisane są do węzłów potomków. Węzeł wyższego poziomu, który podlega po-

działowi nazywa się węzłem macierzystym. Ostatni węzeł, który nie podlega podziałowi,

nosi nazwę liścia. Specyfiką drzewa klasyfikacyjnego i regresyjnego jest to, że korzeń znaj-

duje się u góry a liście na dole. Wielkość drzewa zdefiniowana jest liczbą liści, natomiast

głębokość drzewa określona jest liczbą krawędzi między korzeniem a najbardziej odległym

liściem [16, 17].

Drzewa klasyfikacyjne występują w różnych odmianach. Najważniejsze różnice doty-

czą postaci funkcji oceniającej oraz dopuszczalnej liczby krawędzi wychodzących z węzła.

W niniejszej pracy zastosowano drzewa klasyfikacyjne i regresyjne C&RT. Metoda powstała

w latach 80. XX wieku i była kilkukrotnie modyfikowana [15].

Model drzewa klasyfikacyjnego i regresyjnego (C&RT) powinien charakteryzować się

jak najlepszą trafnością predykcyjną. Proces budowy tego rodzaju drzewa ma tendencję do

jego nadmiernego rozbudowywania, stąd pojawia się konieczność przycinania. Polega ono

na usuwaniu części drzewa i porównywaniu poprawności klasyfikowania pełnego drzewa

i przyciętego. W przypadku, gdy mniejsze drzewo daje taki sam lub nieznacznie gorszy wy-

nik, należy przyjąć drzewo przycięte. Drzewo klasyfikacyjne powinno charakteryzować się

dobrymi właściwościami generalizacyjnymi, tzn. powinno dawać poprawne wyniki również

dla przykładów, które nie brały udziału w konstruowaniu drzewa. Właściwość powyższą

kontroluje się za pomocą sprawdzianu krzyżowego. Zdolność drzewa klasyfikacyjnego do

uzyskiwania poprawnych wyników dla przykładów ze zbioru uczącego, natomiast błędnych

dla zbioru testowego, nazywana jest „przeuczeniem” lub „nadmiernym dopasowaniem”.


Istotnym parametrem, wyróżniającym drzewa C&RT jest reguła, na podstawie której

dzielone są w poszczególnych węzłach drzewa przykłady opisujące badany problem.

W przypadku zadań klasyfikacyjnych w drzewach C&RT najczęściej stosuje się miarę nie-

jednorodności Giniego [15, 20].

Po skonstruowaniu drzewa bardzo interesującą informacją jest jaki wpływ na popraw-

ność klasyfikacji mają poszczególne zmienne niezależne, nazywane również predyktorami

lub argumentami. W tym celu tworzy się tzw. ranking ważności predyktorów, który pozwala

na ocenę średniego wpływu każdego z nich na trafność przewidywań w modelu. Oceny te są

najczęściej rangowane w przedziale od 0 do 100, gdzie 0 oznacza najmniejszą, a 100 naj-

większą ważność predyktora dla przewidywania poziomu zmiennej wynikowej.

4. OCENA PRZEPŁYWÓW W SIECI WODOCIĄGOWEJ

ZA POMOCĄ DRZEW KLASYFIKACYJNYCH C&RT

Ważnym zadaniem na etapie projektowania, jak i eksploatacji sieci wodociągowych jest

ocena przepływów z punktu widzenia dobranej średnicy, prędkości przepływu, ale również

położenia w strukturze układu przewodów w celu zapobieżenia przestojom wody. W przy-

padku, gdy pojemność wewnętrzna przewodu, ze względu na jego średnicę i długość, jest

znacznie większa niż wydatek z węzła końcowego oraz przepływ tranzytowy do dalszych

przewodów, może wystąpić zjawisko przestojów wody w sieci, które ma negatywny wpływ

na jakość wody. Problem ten może pojawić się w sieciach pierścieniowych oraz w końców-

kach sieci, gdzie występują relatywnie małe przepływy w stosunku do wymaganej średnicy

z punktu widzenia ochrony przeciwpożarowej. Zdarza się również, że rozbudowując sieć

wodociągową, wprowadza się dodatkowe przewody, łączące układy przewodów w pierście-

nie nie analizując mogących pojawić się przestojów wody. Problemem może być również

wzrastający przepływ przez przewody wraz z rozbudową systemu dystrybucji wody, gdy

podłączane tereny nie były wcześniej uwzględnione w planie ogólnym wodociągu.

W związku z powyższym, zagadnieniem rozważanym w niniejszej pracy jest ocena

przepływu na poszczególnych przewodach, a rozumieniu danych do obliczeń hydraulicz-

nych, odcinkach obliczeniowych sieci. Proponowana metoda oprócz wykrycia nieprawidło-

wości, pozwala wskazać na przyczynę takiego stanu. Zakładając, że program komputerowy

do obliczeń sieci wodociągowych ma charakteryzować się możliwością inteligentnej analizy

wyników, powinien mieć zdolność wskazania przyczyny, dla której należy uznać, że prze-

pływ jest niepoprawny.

Na potrzeby niniejszej pracy zdefiniowano jedną klasę QK1 odpowiadającą zakresowi

odpowiednich wartości oraz sześć klas QK2–QK7 opisujących przyczyny niepoprawnych

przepływów przez przewody sieci wodociągowej, co zilustrowano na rysunku 1 [14].

Za pomocą programu EPANET wykonano obliczenia hydrauliczne przykładowych sys-

temów dystrybucji wody i sporządzono zbiór przykładów uczących w celu generacji drzewa

klasyfikacyjnego C&RT do oceny przepływów. Sporządzono 1220 przykładów uczących

opisujących poszczególne klasy QK1–QK7.


Każdy przykład scharakteryzowany jest opisany jest następującymi atrybutami:

średnica nominalna przewodu DN (atrybut jakościowy),

natężenie przepływu przez przewód q,

prędkość przepływu V,

STR – atrybut informujący, czy przewód położony jest na rozgałęzieniu sieci „R”,

czy w pierścieniu „P” (atrybut jakościowy),

WK – atrybut informujący, czy w węźle końcowym odcinka obliczeniowego wystę-

puje odpływ wody do dalszych odcinków „W”, dopływ z innego przewodu „DO”,

ewentualnie jedynie pobór wody z węzła końcowego (koniec sieci) „0” (atrybut ja-

kościowy).

Rys. 1. Klasy do oceny przepływów w przewodach systemu dystrybucji wody


Opisane powyżej atrybuty mogą być odczytywane na etapie obliczeń hydraulicznych

sieci wodociągowej i przekazywane do oceny przez reguły drzewa klasyfikacyjnego.


Za pomocą programu Statistica podzielono zbiór przykładów na dwa podzbiory: uczący

i testowy. Przyjęto w zbiorze uczącym 70%, a w zbiorze testowym odpowiednio 30%

wszystkich przykładów. Wyboru przykładów do poszczególnych podzbiorów dokonano za

pomocą próbkowania losowego z programu Statistica, tak aby w zbiorze uczącym i testo-

wym znalazła się odpowiednia reprezentacja wszystkich klas. W związku z powyższym uzy-

skano podzbiór uczący zawierający 854 przykładów oraz podzbiór testowy 366. Przy użyciu

programu Statistica wygenerowano drzewo klasyfikacyjne C&RT dokonujące klasyfikacji

kategorii QK1–QK7. Schemat drzewa zamieszczono na rysunku 2, na którym w węzłach

znajdują się histogramy ilustrujące liczebność poszczególnych klas na danym etapie

podziałów.

Rys. 2. Drzewo klasyfikacyjne C&RT do oceny przepływów w przewodach sieci wodociągowej


Przed przystąpieniem do konstrukcji drzewa wybrano następujące parametry:

reguła podziału – miara Giniego,

prawdopodobieństwa a priori – szacowane z próby uczącej,

koszty błędnej klasyfikacji – równe,

kryterium stopu: przy błędnej klasyfikacji,

minimalna liczebność węzła końcowego n = 10,

maksymalna liczba poziomów (głębokość) drzewa n = 10,

maksymalna liczba węzłów n = 1000,

szacowanie błędu za pomocą walidacji testowej.


Ocena ważności predykatorów (rys. 3) wskazuje, że zgodnie z oczekiwaniami, najważ-

niejszą rolę odgrywa atrybut prędkości V. Na uwagę zasługuje wysoka pozycja w rankingu

atrybutów charakteryzujących położenie przewodu w układzie sieci wodociągowej, czyli

WK oraz STR.

Oceny jakości drzewa klasyfikacyjnego dokonano za pomocą globalnego sprawdzianu

krzyżowego, którego wyniki zamieszczono w tabeli 1. Uzyskane wyniki wskazują na bardzo

wysoką jakość uzyskanego drzewa klasyfikacyjnego. Błędnie sklasyfikowane przypadki po-

łożone są blisko granic wartości argumentów decydujących o podziale zbioru uczącego

w procesie uczenia. Należy mieć na uwadze, że tego rodzaju rozwiązanie w postaci drzewa

klasyfikacyjnego powinno mieć charakter doradczy i wskazywać odcinki, na których należy

przeanalizować przepływ. Ostateczna decyzja powinna należeć do projektanta.

Rys. 3. Ocena rankingu ważności predyktorów (argumentów)


Tab. 1. Błędne klasyfikacje w globalnym sprawdzianie krzyżowym

Klasa

Klasy przewidywane (wiersz), klasy obserwowane (kolumna)

koszty globalne = 0,0445; odch. std. = 0,00706

Klasa

QK4

Klasa

QK1

Klasa

QK3

Klasa

QK2

Klasa

QK5

Klasa

QK6

Klasa

QK7

QK4 0 0 0 0 0 0

QK1 3 5 4 2 3 2

QK3 0 8 0 0 0 0

QK2 0 2 0 0 0 0

QK5 0 2 0 0 0 0

QK6 0 7 0 0 0 0

QK7 0 0 0 0 0 0




Drzewa klasyfikacyjne ze względu na przejrzystość graficzną ułatwiają interpretację

otrzymanych wyników i są łatwiejsze w analizie problemu niż wyniki czysto liczbowe. Nie-

zwykle ważna jest również możliwość przedstawienia drzewa w postaci zbioru logicznych

warunków podziału, typu „jeżeli…, to…”, prowadzących do zaklasyfikowania przykładów

opisujących badany problem lub obiekt. Druga cecha umożliwia zastosowanie drzewa jako

dodatkowy moduł w programach obliczeniowych. W związku z powyższym wykorzystano

metodę drzew klasyfikacyjnych C&RT do oceny przepływów przez przewody wodociągowe

na podstawie parametrów obliczeniowych (argumentów), uzyskiwanych z programów do

obliczeń hydraulicznych. W tym celu zdefiniowano klasy QK1–QK7 opisujące potencjalne

problemy z przepływem, wskazujące jednocześnie na przyczynę. Reguły decyzyjne uzy-

skane za pomocą drzewa klasyfikacyjnego umieszczone jako dodatkowy moduł programu

komputerowego do obliczeń hydraulicznych sieci wodociągowych, powinny sygnalizować

w których miejscach sieci należy zwrócić uwagę na średnice przewodów i układ przewodów,

w celu poprawy warunków przepływu wody.

LITERATURA

[1] Knapik K., Bajer J.: Wodociągi. Podręcznik dla studentów wyższych szkół technicznych.

Wydawnictwo Politechniki Krakowskiej, Kraków 2010.

[2] Mielcarzewicz Wł.: Obliczanie systemów zaopatrzenia w wodę. Wyd. 2, Arkady, Warszawa

2000.

[3] Adams R.W.: Distribution Analysis by Electronic Computer. Institute of Water Engineers,

vol. 15, 1961, s. 415–428.

[4] Epp R., Fowler A. G.: Efficient Code for steady state Flows in Networks. Journal of the Hydraulics

Division, ASCE, vol. 96, no. HY1, 1970, s. 43–56.

[5] Hoag L. N., Weinberg G.: Pipeline network analysis by electronic digital computer. Journal of

the American Water Works Association, ASCE, vol. 49, no. 5, 1957, s. 517–524.

[6] Ormsbee L. E.: The History of Water Distribution Network Analysis: The Computer Age.

Proceedings of the 8th Annual Water Distribution Systems Analysis Symposium, ASCE,

27–30 August, Cincinnati, Ohio, USA 2006, s. 1–6.

[7] Knapik K.: Dynamiczne modele w badaniach sieci wodociągowych. Wydawnictwo Politechniki

Krakowskiej, Kraków 2000.

[8] Rossman L. A.: EPANET 2 User’s manual, EPA/600/R-00/057. National Risk Management

Research Laboratory, U.S. Environmental Protection Agency, Cincinnati, OH, USA 2000.

[9] Czapczuk A., Dawidowicz J., Piekarski J.: Metody sztucznej inteligencji w projektowaniu

i eksploatacji systemów zaopatrzenia w wodę, Rocznik Ochrona Środowiska (Annual Set the

Environment Protection), T. 17, cz. 2, 2015.

[10] Dawidowicz J.: Diagnostyka procesu obliczeń systemu dystrybucji wody z zastosowaniem mode-

lowania neuronowego. Biblioteka Inżynierii Środowiska, Rozprawy Naukowe nr 268, Oficyna

Wydawnicza Politechniki Białostockiej, Białystok 2015.

[11] Dawidowicz J.: System ekspertowy do oceny układu systemu dystrybucji wody sporządzony za

pomocą wnioskowania indukcyjnego. Rocznik Ochrona Środowiska (Annual Set the

Environment Protection), Tom 14, s. 650–659, Koszalin, 2012.

[12] Dawidowicz J.: Metody sztucznej inteligencji w diagnostyce wysokości ciśnienia w węzłach oraz

układów sieci wodociągowych w procesie obliczeń hydraulicznych. Rozdział w „Inteligentne

systemy w inżynierii i ochronie środowiska”, PZiTS, Poznań 2007a, s. 85–94.


[13] Dawidowicz J.: The estimation of the run of pressure line in water-pipe network by means of

artificial neural networks of MLP type. Proceedings of the 14th conference Problems of Water

and Sewage Management in Agricultural and Industrial Regions, Polish Journal of Environmental

Studies, vol.16, no.2A, Białystok-Białowieża 2007c, s. 119–122.

[14] Czapczuk A.: System ekspertowy do oceny przepływów i strat ciśnienia w układzie dystrybucji

wody. Dysertacja, Wydział Inżynierii Środowiska, Politechnika Warszawska, Warszawa, 2013.

[15] Breiman L., Friedman J. H., Olshen R. A., Stone, C. J.: Classification and Regression Trees.

Wadsworth, 1984.

[16] Koronacki J., Ćwik J.: Statystyczne systemy uczące się. Akademicka Oficyna Wydawnicza EXIT,

Warszawa 2008.

[17] Cichosz P.: Systemy uczące się. WNT, Warszawa 2000.

[18] Łapczyński M.: Drzewa klasyfikacyjne w badaniach satysfakcji i lojalności klientów. StatSoft

Polska, 2003.

[19] Quinlan J.R.: Induction of decision trees. Machine Learning, vol.1, s. 81–106, 1986.

[20] Internetowy Podręczni Statystki. Statsoft 2011: http://www.statsoft.pl/textbook/stathome.html

CLASSIFICATION AND REGRESSION TREES C&RT

TO ANALYZE FLOW IN WATER-PIPE NETWORKS

Abstract

Water supply systems are complex systems of engineering structures. The key role is played

by a water-pipe network consisting of diverse systems of water supply pipelines. Water-pipe

network designing requires numerous calculations to come out with the best possible solution.

One of the aims of the calculations is to determine the pipe flow rate in order to select pipe

diameters and calculate pressure losses. Water flow can fluctuate not only with respect to water

consumption by end users, but is also affected by the structure of network systems, or the lo-

cation of pipelines in the network. Calculations concerning water-pipe network were carried

out by means of computer software which provided basic network parameters but did not offer

any evaluation methods for the results. For this purpose artificial intelligence-based methods,

including Classification and Regression Trees (C&RT), are increasingly used. Water flow

analysis is highly important as far as selected diameters of pipelines and their location in the

structure are concerned. If the internal capacitance of a pipeline, due to its diameter and length,

exceeds the end node output and the transit flow to subsequent pipes, one can expect water

outage. The aforemen-tioned phenomenon may occur in ring networks and network terminals.

Another possible problem is related to the water flow increase due to the water distribution

network expansion when some connected areas were not included in the general plan of the

water supply network. The issue was resolved by the classification of water flow-related prob-

lems provided by C&RT trees. For this purpose one defined the QK1 class covering the range

of the given water flow values and six other classes, QK2–QK7, describing the reasons for

inadequate flow in the water supply network. One also presented the process of the C&RT tree

induction and the classification results. Decision principles for C&RT trees can be applied as

an additional software mode for the assessment of water flow in a water-pipe network.

Keywords: classification trees, water-pipe networks, hydraulic calculations

312

Marcin DĄBROWSKI*

WYKORZYSTANIE NARZĘDZI GIS

DO WSPOMAGANIA

ZARZĄDZANIA UTRZYMANIEM RUCHU

INFRASTRUKTURY KRYTYCZNEJ

NA TERENACH WYSTĘPOWANIA

SZKÓD GÓRNICZYCH

Streszczenie

W pracy omówiono wpływ podziemnej eksploatacji górniczej na powstawanie uszkodzeń sie-

ciowych systemów technicznych. Przedstawiono typowe uszkodzenia, które są wynikiem

szkód górniczych. Omówiono możliwości wykorzystania narzędzi klasy GIS dla potrzeb

wspomagania zarządzania utrzymaniem ruchu systemu zaopatrzenia w gaz. Zaprezentowano

przykładową analizę przestrzenną wskazującą potencjalne miejsca wystąpienia uszkodzeń

sieci gazowych w wyniku oddziaływania szkód górniczych.

Słowa kluczowe: System Informacji Geograficznej (GIS), sieciowe systemy techniczne,

uszkodzenia rurociągu, szkody górnicze, niezawodność

1. WPROWADZENIE

Ustawa o zarządzaniu kryzysowym [11] definiuje infrastrukturę krytyczną jako systemy

oraz wchodzące w ich skład powiązane ze sobą funkcjonalnie obiekty, wśród których wy-

mienić należy obiekty budowlane, urządzenia oraz instalacje. Infrastruktura ta umożliwiają

świadczenie usług kluczowych dla bezpieczeństwa państwa i jego obywateli oraz służy za-

pewnieniu sprawnego funkcjonowania organów administracji publicznej, instytucji i przed-

siębiorstw. Ważną rolę pośród obiektów infrastruktury krytycznej stanowią sieciowe sys-

temy techniczne, do których zaliczyć należy m.in.: system zaopatrzenia w energię cieplną,

system zaopatrzenia w gaz ziemny, system zaopatrzenia w energię elektryczną oraz system

zaopatrzenia w wodę.

Z punktu widzenia istotności bezpieczeństwa użytkowania oraz znaczenia zapewnienia

ciągłości dostaw – szczególny przypadek stanowi system zaopatrzenia w gaz. Głównym za-

daniem systemu zaopatrzenia w gaz jest zaspokojenie potrzeb odbiorców w zakresie dostaw

gazu, które powinny charakteryzować się odpowiednią ilością, ciśnieniem oraz spełniać

* Politechnika Śląska w Gliwicach, Wydział Organizacji i Zarządzania

Wykorzystanie narzędzi GIS do wspomagania zarządzania utrzymaniem ruchu… 313

wszelkie obowiązujące wymogi jakościowe [1]. Specyfika eksploatacyjna systemu zaopa-

trzenia w gaz warunkowana jest dużym rozproszeniem terytorialnym obiektów technicz-

nych, wchodzących w skład tego systemu oraz utrudnionym dostępem do elementów uzbro-

jenia sieci, które w większości przypadków zlokalizowane są pod ziemią [3].

Podczas eksploatacji systemu zaopatrzenia w gaz występują awarie o różnym stopniu

złożoności oraz różnorakie uszkodzenia elementów infrastruktury sieciowej. Najczęstszymi

zdarzeniami eksploatacyjnymi występującymi w systemie zaopatrzenia w gaz, są nieszczel-

ności pojawiające się na rurociągach gazowych oraz armaturze sieciowej.

Ze względu na możliwość wystąpienia wybuchu, nieszczelności te klasyfikowane są

według stopnia zagrożenia wybuchem [10]:

I stopień zagrożenia wybuchem oznacza wszelkie nieszczelności, które stwarzają

bezpośrednie zagrożenie wybuchu. Sytuacja taka dotyczy miejsc, w których wystę-

puje bliskie sąsiedztwo instalacji gazowych z miejscami przebywania ludzi lub in-

nymi instalacjami podziemnymi. Nieszczelności należące do tej kategorii powinny

być usuwane bezzwłocznie po ich wykryciu.

II stopień zagrożenia wybuchem dotyczy nieszczelności, w których ulatniają się

większe ilości gazu, niż w przypadku zdarzeń sklasyfikowanych w pierwszym stop-

niu zagrożenia, jednak ze względu na większą odległość od miejsc zamieszkania

ludzi (również większą odległość od innych obiektów lub instalacji), stanowią one

mniejsze zagrożenie i mogą być usunięte do kilku dni od ich wykrycia.

III stopień zagrożenia wybuchem stanowią nieszczelności, przez które uchodzi nie-

wielka ilość gazu, niestanowiąca niebezpieczeństwa dla otoczenia. Wśród przyczyn powstawania uszkodzeń rurociągów gazowych wymienić należy

przede wszystkim: korozję (wpływają na nią m.in. [4]: wilgotność oraz korozyjne właściwo-

ści niektórych gruntów, uszkodzenia izolacji rurociągu, prądy błądzące pochodzące od trak-

cji elektrycznych [6]), wady materiałowe, wady wykonanych spoin, wady armatury, działa-

nia osób trzecich (w szczególności uszkodzenia rurociągów podczas prowadzenia prac

ziemnych w sąsiedztwie gazociągu) oraz uszkodzenia powstałe w wyniku wstrząsów i ruchu

górotworu spowodowanego podziemną eksploatacją górniczą. Ostatnia z wymienionych

przyczyn ma istotne znaczenie przede wszystkim na terenie Górnego Śląska.

2. WPŁYW RUCHÓW GÓROTWORU

NA SIECIOWE SYSTEMY TECHNICZNE

Podziemna eksploatacja górnicza powoduje powstawanie deformacji terenu oraz wstrząsy

górotworu. Oba te zjawiska mają istotny wpływ na powstawanie uszkodzeń podziemnych sie-

ciowych systemów technicznych. O ile w wypadku uszkodzenia sieci wodociągowych czy cie-

płowniczych, ich rezultatem są wycieki wody, które wpływają na obniżenie efektywności

funkcjonowania tych systemów oraz stanowią straty, w wypadku systemu zaopatrzenia w gaz

– wycieki gazu dodatkowo mogą spowodować zagrożenie wybuchem, którego skutki mogą

być bardzo poważne [8]. Nawet jeśli wycieki gazu nie staną się przyczyną wybuchu, każde

uszkodzenie sieci powoduje wzrost kosztów eksploatacji, dodatkowe koszty diagnostyki zwią-

zanej z wykrywaniem wycieków oraz często niemałe koszty napraw i remontów.

314 M. Dąbrowski

Eksploatacja górnicza pokładów węgla i innych kopalin doprowadza do powstawania

w górotworze wyrobisk. Z biegiem czasu, w miarę rozszerzania się pustki poeksploatacyjnej,

warstwy górotworu w stropie wyrobiska ulegają deformacji, a następnie spękaniu i opadaniu

do przestrzeni wybranej, tworząc tzw. strefę zawału. Wielkość tej strefy jest rzędu pięcio-

krotnej grubości wyeksploatowanego pokładu. Warstwy nad strefą zawału opierające się na

zawale ulegają na skutek jego ściśliwości ugięciu i spękaniu, tworząc tzw. strefę spękań. Po-

nad strefą spękań, aż do powierzchni gruntu, warstwy skał uginają się i nie ulegają spękaniu,

tworząc tzw. nieckę osiadania. Opisane procesy zachodzące w górotworze powodują powsta-

wanie deformacji ciągłych (rys. 1a).

Drugi typ deformacji terenu jest nieciągły (rys. 1b) i charakteryzuje się tym, że wielkość

tej deformacji jest zróżnicowana i ujawnia się w postaci zapadlisk, lejów, rowów itp. Defor-

macjom nieciągłym towarzyszy zniszczenie spójności skał, a ich powstawanie związane jest

najczęściej z eksploatacją płytko zalegających pokładów z zawałem stropu, osuwaniem się

terenu, pożarami w resztkach pokładów i lokalnego odwodnienia powierzchni [9]. Deforma-

cje nieciągłe powstają w miejscach, gdzie wybierane pokłady kopalin zalegają na małej głę-

bokości (od 50 m w przypadku górotworu łupkowego, do 100 m w wypadku piaskowców),

i charakteryzują się nieregularnym kształtem [7].

Rys. 1. Deformacje górnicze terenu: a) deformacja ciągła; b) deformacja nieciągła: 1 – niecka

osiadania, 2 – pokład kopalin, 3 – wyrobisko, 4 – strefa spękań, 5 – strefa zawału, 6 – zapadlisko

Źródło: opracowanie własne na podstawie [7]

Obniżenia powierzchni gruntu powstałe w wyniku wybierania pokładów węgla, mogą

osiągnąć nawet kilkanaście lub więcej metrów.

Deformacje górotworu w otoczeniu wyrobisk i ugięcie powierzchniowe gruntu

zależą od [9]:

prędkości postępu frontu eksploatacji,

szerokości wyrobiska górniczego,

rodzaju podsadzki i jej ściśliwości,

grubości zalegającego pokładu,

budowy geologicznej i hydrologicznej górotworu,

zawodnienia i zaburzeń tektonicznych.

a) b)


Deformacje terenu powstające w wyniku podziemnej eksploatacji górniczej są przy-

czyną uszkodzeń bądź zniszczeń obiektów wybudowanych na jego powierzchni oraz pod

powierzchnią i dlatego nazywane są szkodami górniczymi.

3. USZKODZENIA SIECI PODZIEMNYCH

W WYNIKU ODDZIAŁYWANIA SZKÓD GÓRNICZYCH

Gazociągi eksploatowane na stabilnych terenach pracują w warunkach minimalnych

wymuszeń zewnętrznych, a otaczający je grunt stanowi dla nich stałe podparcie. Sytuacja

wygląda inaczej na terenach oddziaływań podziemnych wyrobisk górniczych, gdzie prze-

wody gazowe w znacznie większym stopniu współpracują z deformującym się podłożem

gruntowym. Na terenach szkód górniczych ośrodek gruntowy, doznaje wymuszonych od-

kształceń i przenosi je na wszelkie obiekty charakteryzujące się wydłużonym kształtem.

W szczególności na odkształcenia narażone są podziemne rurociągi, które poddawane zo-

stają działaniu poziomych sił tarcia (powstających od pełzania gruntu) oraz pionowych sił

pochodzących od ugięcia podłoża. W ten sposób dochodzi do zmiany warunków pracy ga-

zociągu, co prowadzi do powstania w nim dodatkowych naprężeń wewnętrznych, przemiesz-

czeń i odkształceń, które łącznie z wpływami od obciążeń eksploatacyjnych mogą doprowa-

dzić do stanu naruszenia ciągłości lub stateczności gazociągu [9].

Szkody górnicze są bezpośrednią przyczyną wielu awarii na sieciach gazowych, do któ-

rych zaliczyć należy przede wszystkim pęknięcia i zerwania spoin, rozszczelnienie kompen-

satorów oraz uszkodzenia armatury sieciowej. Na rysunku 2 przedstawiono przykładową

szkodę górniczą w postaci uszkodzonego trójnika sieciowego.

Rys. 2. Szkoda górnicza w postaci uszkodzonego trójnika DN160PE

Źródło: [3]

Awaryjność gazociągu na terenach występowania szkód górniczych zależy przede

wszystkim od materiału, z jakiego zbudowana jest sieć, od jej wieku oraz stanu technicznego.

Starsze sieci budowane były z rur stalowych lub żeliwnych. Materiały te charakteryzują się

dużą sztywnością, przeciwstawiają się powstającym odkształceniom gruntu, co powoduje

316 M. Dąbrowski

powstawanie koncentracji naprężeń lub przemieszczeń i w konsekwencji pęknięcie rury. Po-

nieważ wydłużalność materiałowa dla rur stalowych i żeliwnych jest niewystarczająca, dla

wyrównania zmian długości wynikających z ruchów gruntu na terenach szkód górniczych,

wymagane jest użycie kompensatorów dobieranych adekwatnie do przewidywanych od-

kształceń terenu.

Współcześnie powszechnie stosowane są rury polietylenowe, które posiadają znacznie

lepsze własności mechaniczne. Ich duża elastyczność, zdolność do wydłużeń oraz niski

współczynnik tarcia względem gruntu, minimalizują wpływ odkształceń terenu i zdecydo-

wanie lepiej pozwalają im dostosować się do trudnych warunków funkcjonowania na tere-

nach szkód górniczych.

4. WYKORZYSTANIE NARZĘDZI KLASY GIS

DO WSPOMAGANIA ZARZĄDZANIA

UTRZYMANIEM RUCHU SYSTEMU ZAOPATRZENIA W GAZ

Systemy klasy GIS (Geographic Information Systems) to zaawansowane narzędzia

komputerowe, służące do pozyskiwania, przechowywania, przetwarzania, wizualizacji i ana-

lizy oraz interpretacji zespołu danych przestrzennych, tworzących bazę danych geograficz-

nych [5]. Mapy cyfrowe, tworzone w systemach GIS w postaci warstw tematycznych, łączą

w sobie dane przestrzenne (graficzne obiekty zawarte na mapach) oraz dane opisowe (atry-

buty charakteryzujące obiekty graficzne w sposób ilościowy lub jakościowy). Zwykle oba

wymienione składniki map cyfrowych przechowywane są w sposób rozdzielny – osobno

mapa jako obraz graficzny i oddzielnie jej atrybuty opisowe jako typowa zawartość bazy

danych. Na rysunku 3 przedstawiono ogólną ideę systemów GIS.

Rys. 3. Ogólna idea Systemów Informacji Geograficznej (GIS)


Pełna informacja o wybranym fragmencie terenu uzyskiwana jest w GIS w wyniku nało-

żenia na siebie większej ilości warstw tematycznych. Poszczególne warstwy można wyświetlać


w dowolnej konfiguracji we wspólnych widokach, dzięki czemu użytkownik systemu GIS w da-

nej chwili korzysta tylko z tych danych, które są mu niezbędne w bieżącej analizie. Warstwy

nadmiarowe są w takim wypadku wyłączane, przez co mapa zyskuje większą przejrzystość.

Zastosowanie narzędzi GIS do wspomagania zarządzania eksploatacją i utrzymaniem

ruchu infrastruktury sieciowej umożliwia uwzględnienie w podejmowaniu decyzji wielu

czynników związanych z funkcjonowaniem gazociągu i odniesienie ich do konkretnego

obiektu technicznego wchodzącego w jego skład. Dzięki temu możliwe jest dokonanie kom-

pleksowych analiz wzajemnego oddziaływania wielu czynników, często pochodzących

z różnych źródeł, uwzględniając przy tym ich umiejscowienie przestrzenne.

Jednym z podstawowych zastosowań narzędzi GIS w obszarze zarządzania systemem

zaopatrzenia w gaz jest paszportyzacja utrzymywanej przez przedsiębiorstwo infrastruktury

sieciowej. Polega ona na szczegółowej inwentaryzacji zasobów majątku sieciowego, obej-

mującej ewidencję podstawowych informacji o elementach składowych sieci z uwzględnie-

niem ich danych technicznych, hierarchii zajmowanej w systemie, ich wzajemnych relacji

oraz położenia w przestrzeni. Wizualizacja na mapach tematycznych informacji pozyska-

nych podczas paszportyzacji sieci umożliwia zarządzanie topologią sieci oraz wyświetlanie

informacji opisowej o obiektach wchodzących w skład systemu zaopatrzenia w gaz.

Utworzone w GIS mapy tematyczne mogą zostać wykorzystane do przechowywania in-

formacji na temat zarejestrowanych awarii oraz wszelkich prac remontowych realizowanych

na sieci. Gromadzenie tego typu danych wymaga odpowiednio przygotowanych struktur da-

nych, pozwalających gromadzić nie tylko informację o miejscu zaistnienia zdarzenia, ale

również opis jego przyczyn, skutki, koszty i czas naprawy, dokumentację fotograficzną oraz

wiele innych danych [2]. Wizualizacja na warstwach tematycznych tego typu danych stwarza

możliwość dokonywania rozległych analiz dotyczących awaryjności różnych fragmentów

sieci, które stanowią następnie podstawę do planowania przeglądów i remontów sieci, pro-

wadzenia okresowych czynności eksploatacyjnych, planowania inwestycji odtworzenio-

wych, wyboru priorytetów w ramach podejmowanych działań itp. Proces planowania prac

przeglądowych lub remontowych może być poprzedzony analizą przestrzenną w GIS, która

uwzględni lokalizację obiektów sieciowych o podwyższonej awaryjności (np. wykonanych

we wskazanych latach lub zbudowanych z określonego materiału), zestawi je z miejscami

występowania dotychczasowych awarii i dodatkowo zwizualizuje na tle mapy koszty zreali-

zowanych prac naprawczych. Bez przedstawienia na mapie tego typu informacji utracony

zostałby kontekst przestrzenny analizowanych zagadnień, przez co wiele z tych informacji

nie zostałoby uwzględnionych w procesie decyzyjnym.

5. ANALIZY PRZESTRZENNE WSPOMAGAJĄCE ZARZĄDZANIE

UTRZYMANIEM RUCHU SYSTEMU ZAOPATRZENIA W GAZ

Szczególny typ analiz przestrzennych dotyczących systemu zaopatrzenia w gaz odnosi

się do bezpośredniego otoczenia tego systemu. Podstawowe mapy dotyczące otoczenia sys-

temu zaopatrzenia w gaz, takie jak mapa budynków, mapa ulic, czy mapy innych podziem-

nych obiektów infrastruktury technicznej – mogą być pozyskane z zasobów obcych. Wymie-

nione przykłady map pozwalają na prowadzenie analiz umożliwiających np. na rozpatrywa-

nie różnych wariantów poprowadzenia gazociągu w ramach planowanych inwestycji, czy

318 M. Dąbrowski

wskazanie miejsc, w których w związku z planowanymi remontami sieci wystąpią zajęcia

pasów nawierzchni drogowych i związane z tym utrudnienia komunikacyjne. Plany pod-

ziemnych instalacji sieciowych innych branż technicznych, np. wodociągowych, telekomu-

nikacyjnych czy energetycznych, pozwalają dokonać analiz w terenie, które są niezbędne

przed wykonaniem prac ziemnych. Dzięki temu zmniejszone zostaje ryzyko uszkodzenia in-

nych obiektów podziemnej infrastruktury sieciowej.

Odrębną grupę informacji o otoczeniu systemu zaopatrzenia w gaz stanowią czynniki

związane z fizycznym środowiskiem otaczającym podziemne przewody oraz jego parame-

trami fizyko-chemicznymi. W tym zakresie istotne znaczenie mają informacje o terenach

występowania prądów błądzących pochodzących od sieci trakcyjnych, miejsc występowania

gruntu o podwyższonej wilgotności lub gruntów o właściwościach korozyjnych, jak również

terenów występowania szkód górniczych.

Trzy pierwsze z wymienionych czynników mają istotny wpływ na powstawanie korozji

podziemnych przewodów, dlatego ich występowanie w miejscach posadowienia stalowych

rurociągów gazowych jest zjawiskiem niekorzystnym. Niestety nie istnieją mapy przedsta-

wiające tego typu parametry gruntów, w związku z czym warstwy tematyczne zawierające

informacje na temat przywołanych musiałyby być tworzone na bieżąco przez zakład gazowy

zarządzający sieciami na danym terenie. Informacje niezbędne do utworzenia tego typu

warstw pozyskiwane mogłyby być podczas rutynowych prac przeglądowych oraz realizowa-

nych czynności obsługowych i naprawczych.

W odróżnieniu od wymienionych powyżej czynników środowiska gruntowego,

w przypadku wystąpienia podziemnych tąpań informacja na ich temat jest rejestrowana

przez odpowiednie służby funkcjonujące w ramach zakładu górniczego. Zazwyczaj wystę-

pują formalne porozumienia pomiędzy zakładem górniczym a przedsiębiorstwem dystrybu-

ującym gaz ziemny, w wyniku których zakład górniczy bezzwłocznie przekazuje informa-

cję o zaistniałych podziemnych tąpaniach. Komunikat na temat zdarzeń tego typu przeka-

zywany jest najczęściej drogą telefoniczną dyspozytorowi zakładu gazowego wraz

z przesłaniem podstawowych parametrów zaistniałego zdarzenia za pośrednictwem faksu

lub wiadomości e-mail. Do przekazywanych parametrów zdarzenia należą: wartość siły tą-

pań, współrzędne epicentrum wstrząsów oraz promień oddziaływania danego zdarzenia

w terenie. Informacje te mogą zostać wykorzystane do utworzenia warstwy tematycznej wi-

zualizującej teren wystąpienia potencjalnych szkód górniczych. Na rysunku 4 przedsta-

wiono przykład takiej warstwy.

Widoczna na rysunku 4 warstwa tematyczna ‘teren_szkód_górniczych’ przedstawia

szary obiekt powierzchniowy odpowiadający terenowi, na którym doszło do podziemnych

tąpań. Na warstwie widoczne są strefy buforowe oddalające się stopniowo od epicentrum.

Strefom tym można przypisać różne kategorie siły oddziaływania na obiekty znajdujące się

na powierzchni oraz pod powierzchnią gruntu na terenie opisywanego zdarzenia.

Wykorzystując mechanizmy dostępne w GIS możliwe jest dokonanie automatycznego

wyboru obiektów sieciowych, które znalazły się na terenie oddziaływań podziemnych ru-

chów górotworu. Obiekty sieciowe wybierane są w tym wypadku z warstwy ‘gazociąg’ za

pomocą powierzchni warstwy ‘teren_szkód_górniczych’. Wybrane obiekty sieciowe zwizu-

alizowane zostały kolorem żółtym.


Rys. 4. Analiza przestrzenna wskazująca potencjalne miejsca uszkodzenia sieci


Dzięki takiemu mechanizmowi możliwe jest wskazanie przewodów sieciowych, które

mogły ulec uszkodzeniu przy okazji wystąpienia podziemnych tąpań. Informacja na ten te-

mat jest cenną wskazówką dla służb eksploatacyjnych, które uzyskają dzięki temu precyzyjne

wskazówki które obiekty należy skontrolować zaraz po wystąpieniu na danym terenie poten-

cjalnie niebezpiecznego dla sieci zdarzenia podziemnego.

W stosowanej obecnie praktyce w przypadku uszkodzeń sieci gazowych w wyniku od-

działywania podziemnej eksploatacji górniczej, dochodzi do sporządzania przy udziale

przedstawicieli górnictwa komisyjnego protokołu, w którym następuje stwierdzenie czy dane

uszkodzenie stanowi bezpośrednie następstwo robót górniczych. Protokół stanowi podstawę

do uzyskania odszkodowania od zakładu górniczego. Ze względy na fakt, że nie zawsze od

razu da się wykryć wszystkie uszkodzenia sieci oraz że część z nich ujawnia się dopiero po

pewnym czasie, nie każdy przypadek szkody górniczej jest zaklasyfikowany do tej kategorii.

Dzieję się tak z powodu dużej trudności w udowodnieniu związku przyczynowo-skutkowego

eksploatacji górniczej z danym uszkodzeniem przewodu. Dodatkowe uwzględnienie w tym

zakresie analiz przestrzennych mogłoby wspomóc służby eksploatacyjne w dokładniejszym

wytypowaniu przewodów narażonych na potencjalne uszkodzenia.

6. PODSUMOWANIE

Omówione w niniejszym opracowaniu przykłady analiz przestrzennych dotyczących

otoczenia systemu zaopatrzenia w gaz pokazują możliwy sposób wspomagania podejmowa-

nia decyzji związanych z zarządzaniem eksploatacją i utrzymaniem ruchu tego systemu. Na

podstawie przeprowadzonych analiz przestrzennych możliwe jest wytypowanie fragmentów

sieci, które mogły ulec uszkodzeniu w wyniku ruchów górotworu wywołanych podziemną

320 M. Dąbrowski

eksploatacja górniczą. Informacja tego typu stanowi cenną wskazówkę dla służb eksploata-

cyjnych prowadzących inspekcję sieci nastawioną na wykrywanie powstałych

nieszczelności.

Niniejsza praca powstała w wyniku projektu pt.: „Opracowanie zintegrowanego

zarządzania eksploatacją sieciowych systemów technicznych w aspekcie inżynierii

miejskiej” (nr na Politechnice Śląskiej BKM-561/ROZ3/2014).

LITERATURA

[1] Bąkowski K.: Sieci gazowe. Projektowanie, budowa. Wydawnictwo Arkady, Warszawa 1978.

[2] Dąbrowski M.: Budowa modeli GIS dla potrzeb wspomagania eksploatacyjnych procesów

decyzyjnych w systemie zaopatrzenia w gaz ziemny w: Kaźmierczak J., Bartnicka J.: Zarządzanie

Innowacjami w Produkcji i Usługach, Oficyna Wydawnicza PTZP, Opole 2014.

[3] Dąbrowski M.: Wykorzystanie informacji geograficznej do wspomagania obsługi zdarzeń

eksploatacyjnych w sieciowym systemie technicznym. Rozprawa doktorska, Politechnika Śląska,

Zabrze 2013.

[4] Fiedorowicz M., Jagiełło M.: Ochrona przeciwkorozyjna gazociągu DN 700 relacji Gustorzyn –

Mogilno. Gaz, Woda i Technika Sanitarna 3 (2009), Wydawnictwo SIGMA-NOT, Warszawa

2003.

[5] Gaździcki J.: Systemy Informacji przestrzennej. Polskie Przedsiębiorstwo Wydawnictw Karto-

graficznych, Warszawa 1990.

[6] Głowacki K., Onderka E.: Sieci trakcyjne. Zakład Projektowo-Budowlany "Emtrak", Bibice

2002.

[7] Hotloś H., Mielcarzewicz E.: Warunki i ocena niezawodności działania sieci wodociągowych

i kanalizacyjnych na terenach górniczych. Oficyna Wydawnicza Politechniki Wrocławskiej,

Wrocław 2011.

[8] Montiel H., Vilchez J.A., Arnaldos J., Casal J.: Historical analysis of accidents in the transportation

of natural gas. Journal of Hazardous Materials, No 51 (1996), s. 77–92.

[9] Wilk S.: Sieci gazowe. Zarys. Uczelniane Wydawnictwa Naukowo-Dydaktyczne, Kraków 2005.

[10] Górnośląska Spółka Gazownictwa. Zintegrowany System Zarządzania. Instrukcja kontroli sieci

gazowej.

[11] Ustawa z dnia 26 kwietnia 2007 r. o zarządzaniu kryzysowym art. 3 pkt. 2.

GIS TOOL FOR SUPPORTING

THE CRITICAL INFRASTRUCTURE MAINTENANCE MANAGEMENT

IN MINING DAMAGES AREAS

Abstract

The paper reveals the impact of underground mining exploitation on technical network sys-

tems. It shows typical damages which are caused by mining damages. Possibilities of using the

GIS tools for the needs of support maintenance management of gas supply system are discussed

in this paper. It presents sample of spatial analysis which points to the potential areas of occur-

ring gas networks damages caused by the effect of mining damages.

Keywords: Geographic Information System (GIS), pipeline damages, mining collapses,

network technical systems, reliability

321

Jerzy FELIKS*, Adam LICHOTA*, Katarzyna MAJEWSKA*

ROZMYTA ANALIZA

DRZEWA NIEZDATNOŚCI FFTA

DO OCENY NIEZAWODNOŚCI

SYSTEMÓW LOGISTYCZNYCH

Streszczenie

Analiza drzewa niezdatności FTA jest jedną z metod oceny ryzyka, którym może być zawod-

ność systemu. W konwencjonalnej analizie drzew niezdatności prawdopodobieństwa popraw-

nej/niepoprawnej pracy elementów systemu są przedstawiane jako dane precyzyjne. Podejście

takie nie zawsze ma zastosowanie do systemów logistycznych, w przypadku których na

parametry niezawodnościowe ma wpływ wiele czynników, w tym błędy ludzkie, błędy opro-

gramowania, warunki środowiskowe, a nawet warunki polityczne. W celu uwzględnienia nie-

pewności danych oraz umożliwienia stosowania ocen lingwistycznych niezawodności zapro-

ponowano nową metodę opartą na wiedzy eksperckiej i teorii zbiorów rozmytych. W rozmytej

analizie drzewa niezdatności FFTA liczby rozmyte stosowane są do oceny zawodności po-

szczególnych zdarzeń bazowych oraz całego systemu logistycznego.

Słowa kluczowe: system logistyczny, niezawodność systemów, liczby rozmyte, analiza

drzewa niezdatności

1. WPROWADZENIE

Teoria zbiorów rozmytych w ocenie ryzyka jest wykorzystywana od wielu lat dla syste-

mów o dużej złożoności i dynamice rozwoju, szczególnie w przypadku konieczności operacji

na danych, które są niepewne i dużą rolę w ich określeniu odgrywają subiektywne oceny eks-

perckie. Przykładem zastosowania zbiorów rozmytych do oceny ryzyka może być praca [10],

gdzie przedstawiono podejście fuzzy do oceny ryzyka projektów budowlanych lub praca [6],

gdzie zaproponowano rozmytą metodę AHP do wyboru dostawców. Niepewność wyrażana

poprzez liczby i miary rozmyte stosowana jest także w teorii niezawodności [1]. W [5] zapre-

zentowano zastosowanie zbiorów rozmytych do wyznaczania krytyczności obiektów technicz-

nych i doboru zadań obsługiwania z uwzględnieniem subiektywnych ocen ekspertów. Zapro-

ponowano tam także nowy, zmodyfikowany wskaźnik niezawodnościowej istotności elementu.

W pracy [9] przedstawiono wykorzystanie arytmetyki liczb rozmytych do obliczania

* AGH Akademia Górniczo-Hutnicza im. St. Staszica w Krakowie, Wydział Zarządzania

322 J. Feliks, A. Lichota, K. Majewska

wskaźników niezawodnościowych, takich jak: intensywność uszkodzeń λ, oczekiwany czas

naprawy MTTR, oczekiwany czas poprawnej pracy między uszkodzeniami MTBF, nieuszka-

dzalność R, czy gotowość a dla manipulatora sprzątającego. Podejście fuzzy w analizie drzew

zdarzeń ETA zostało zaprezentowane w [7], natomiast rozmyta analiza rodzajów, przyczyn

i skutków niezdatności FMEA w [2]. W przypadku oceny niezawodności systemów maszyna-

człowiek proponuje się hybrydowe drzewa niezdatności [3]. W wyżej przywołanym artykule

łączy się wartości ostre parametrów niezawodnościowych urządzeń z oceną słowną niezawod-

ności człowieka i niektórych zjawisk. Po definicji i określeniu prawdopodobieństwa błędu za

pomocą liczb rozmytych następuje przejście na tzw. rozmytą miarę możliwości (Fuzzy Possi-

bility Score – FPS), a następnie wyznacza się rozmytą intensywność uszkodzeń (Fuzzy Failure

Rate – FFR). Zarówno FPS jak i FFR są wartościami ostrymi (crisp value) i dalsze obliczenia

przebiegają jak w klasycznej FTA. Z kolei w [4] przedstawiono rozszerzenie metody hybrydo-

wych drzew niezdatności o uwzględnienie wag ekspertów.

W niniejszym opracowaniu przedstawiono nową metodę analizy rozmytych drzew nie-

zdatności FFTA, w której nie następuje zamiana liczb rozmytych na wartości ostre w począt-

kowej fazie, a obliczenia prowadzone są cały czas na liczbach rozmytych. Procedura metody

wygląda następująco:

1) Definicja i określenie prawdopodobieństwa. Ocena niezawodności w metodzie

FTA opiera się na określeniu prawdopodobieństwa niepoprawnego działania sys-

temu (zawodności systemu). Określenie tego prawdopodobieństwa przy pomocy

liczby ostrej dla systemów logistycznych często jest trudne lub niemożliwe do wy-

konania, a także obciążone dużą niepewnością, dlatego w metodzie FFTA stosuje

się określenia lingwistyczne, które następnie przekształca się na odpowiednie liczby

rozmyte z przedziału [0–1].

Wnioskowanie rozmyte. Związki prawdopodobieństw wejściowych z wyjściowymi

zdefiniowane są zgodnie z zasadami metody FTA (operacje wykonywane na bram-

kach AND i OR) i są funkcjami matematycznymi opisującymi operacje arytme-

tyczne na liczbach rozmytych.

2) Otrzymując na wyjściu drzewa niezdatności liczbę rozmytą możemy poddać ją dal-

szemu wnioskowaniu rozmytemu, nie tylko za pomocą operacji arytmetycznych,

ale także z wykorzystaniem reguł typu IF-THEN.

3) Podanie ostatecznego wyniku. W ostatniej fazie otrzymana liczba rozmyta prze-

kształcana jest w sformułowanie słowne. W przypadku, gdy do dalszego wniosko-

wania potrzebna jest wartość ostra liczba rozmyta podlega defuzyfikacji.

Powyższa metoda proponowana jest do oceny niezawodności systemów logistycznych

traktowanych jako układ człowiek–oprogramowanie–maszyna–środowisko, dla których nie-

zawodność oznacza wypełnienie reguły 7W (właściwy produkt, właściwa ilość, właściwa

jakość, właściwe miejsce, właściwy czas, właściwy odbiorca, właściwa cena) [11]. Zakłada

się, że dane potrzebne do wyznaczenia wskaźników niezawodności obarczone są niepewno-

ścią i są różnych typów – mogą to być dane liczbowe, dane przedziałowe, a również subiek-

tywne oceny słowne. Dlatego niezawodność poszczególnych elementów systemu jest oce-

niania w sposób lingwistyczny przez ekspertów, a liczby rozmyte odpowiadające określe-

niom lingwistycznym reprezentują prawdopodobieństwo realizacja reguły 7W.

Rozmyta analiza drzewa niezdatności FFTA do oceny niezawodności… 323

W rozdziale drugim pracy przedstawiono podstawowe informacje dotyczące działań na

liczbach rozmytych, takich jak dodawanie, mnożenie, przecięcie itp. Operacje te są wyko-

rzystywane do wyznaczania niezawodności systemu w oparciu o rozmytą analizę drzewa

niezdatności FFTA. Rozdział trzeci omawia kolejne kroki określania niezawodności z wy-

korzystaniem liczb rozmytych oraz obliczenia zawodności dla przykładowego systemu zao-

patrzenia. W ostatnim rozdziale dokonano krótkiego podsumowania metody i przedstawiono

propozycję dalszych badań.

2. TEORIA ZBIORÓW ROZMYTYCH

Teoria zbiorów rozmytych, wprowadzona przez Zadeha w 1965 roku [13], nadaje się

do wyrażania niepewności i subiektywnych ocen w szacowaniu niezawodności za pomocą

mało precyzyjnych sformułowań typu: duże ryzyko, małe prawdopodobieństwo, istotny

wpływ. Sformułowania te mogą być zdefiniowane w sposób matematyczny i poddane ope-

racjom arytmetycznym oraz logicznym wykorzystywanym w znanych metodach oceny nie-

zawodności, jak np. analiza drzewa niezdatności FTA.

W rozdziale przedstawiono podstawowe operacje na liczbach rozmytych, które wyko-

rzystuje się przy obliczaniu niezawodności systemów w oparciu o proponowaną metodę roz-

mytej analizy drzew niezdatności FFTA.

Zbiór rozmyty a w przestrzeni X jest zdefiniowany przez funkcję przynależności 𝜇𝐴(x)

przyporządkowującą każdemu elementowi x w przestrzeni X wartość rzeczywistą z prze-

działu [0, 1].

Liczbą rozmytą nazywamy zbiór rozmyty 𝐴 = {𝑥, 𝜇𝐴(𝑥)} , przy czym 𝑥 ∈ 𝑅, a 𝜇𝐴: 𝑅 →[0,1] oraz funkcja przynależności posiada następujące właściwości:

1. jest odwzorowaniem ciągłym;

2. przyjmuje wartość stałą 𝜇𝐴(𝑥) = 0 ∀𝑥 ∈ (−∞, 𝑎)oraz ∀𝑥 ∈ (𝑑,∞), ;

3. jest funkcją ściśle rosnącą dla x ∈ [𝑎, 𝑏];

4. przyjmuje wartość stałą 𝜇𝐴(𝑥) = 1 ∀𝑥 ∈ [𝑏, 𝑐] ;

5. jest funkcją ściśle malejącą dla x ∈ [𝑐, 𝑑];

przy czym a, b, c, d są liczbami rzeczywistymi oraz dopuszcza się a = b lub b = c lub c = d.

Dla liczb rozmytych reprezentujących prawdopodobieństwo P x należy do przedziału

[0, 1] (X=[0,1]).

Trapezoidalna liczba rozmyta a jest liczbą rozmytą oznaczoną przez a = (a, b, c, d), któ-

rej funkcja przynależności opisana jest zależnością:

𝜇𝐴(𝑥) =

{

(𝑥−𝑎)

(𝑏−𝑎)𝑎 ≤ 𝑥 ≤ 𝑏

1 𝑏 ≤ 𝑥 ≤ 𝑐(𝑑−𝑥)

(𝑑−𝑐)𝑐 ≤ 𝑥 ≤ 𝑑

0 𝑥 < 𝑎 𝑙𝑢𝑏 𝑥 > 𝑑

(1)


przy czym a, b, c, d są takimi liczbami rzeczywistymi, że a < b < c < d. Trapezoidalna funkcja

przynależności jest uogólnieniem funkcji trójkątnej, dla której b = c, może też reprezentować

liczbę przedziałową i singletonową.

Operacje arytmetyczne dwóch trapezoidalnych liczb rozmytych można przedstawić za

pomocą formuł [13]:

1. dodawanie

𝐴1⊕𝐴2 = (𝑎1 + 𝑎2, 𝑏1 + 𝑏2, 𝑐1 + 𝑐2, 𝑑1 + 𝑑2) (2)

2. odejmowanie

𝐴1Ө𝐴2 = (𝑎1 − 𝑑2, 𝑏1 − 𝑐2, 𝑐1 − 𝑏2, 𝑑1 − 𝑎2) (3)

3. mnożenie

𝐴1⊗𝐴2 ≈ (𝑎1 × 𝑎2, 𝑏1 × 𝑏2, 𝑐1 × 𝑐2, 𝑑1 × 𝑑2) (4)

4. dzielenie

𝐴1∅𝐴2 ≈ (𝑎1/𝑑2, 𝑏1/𝑐2, 𝑐1/𝑏2, 𝑑1/𝑎2) (5)

Wynik dodawania i odejmowania dwóch liczb trapezoidalnych jest również liczbą tra-

pezoidalną, natomiast wynik mnożenia i dzielenia dwóch liczb trapezoidalnych jest tylko

w przybliżeniu liczbą trapezoidalną.

W celu określenia funkcji przynależności dla operacji mnożenia i dzielenia stosuje się

koncepcję α-przekrojów [8]. Niech Aα oznacza α-przekrój zbioru a będący przedziałem za-

mkniętym:

Aα = {x|μ(x) ≥ α, 0 ≤ α ≤ 1}, Aα = [Alα, Ar

α] (6)

Mnożenie i dzielenie dwóch przedziałów [A1lα, A1r

α] oraz [A2lα, A2r

α] jest zdefiniowane

przez [8]:

(𝐴1 × 𝐴2)𝛼 = [A1l

α × A2lα, A1r

α × A2rα] (7)

(𝐴 ÷ 𝐵)𝛼 = [A1lα/A2r

α, A1rα/A2l

α] (8)

Zbiór rozmyty może być przedstawiona za pomocą α-przekrojów jako:

𝐴 = ⋃ 𝛼𝐴𝛼(𝑥)𝛼∈[0,1] (9)

przy czym u oznacza sumę zbiorów rozmytych, natomiast 𝛼𝐴𝛼 specjalny zbiór rozmyty

o funkcji przynależności takiej, że:

μαAα(x) = {

α dla x ∈ Aα

0 dla pozostałych x (10)


W oparciu o koncepcję α-przekrojów mnożenie i dzielenie liczb rozmytych definiuje się

jako:

𝐴1⊗𝐴2 = ⋃ 𝛼(𝐴 × 𝐵)𝛼(𝑥)𝛼∈[0,1] (11)

𝐴1∅𝐴2 = ⋃ 𝛼(𝐴/𝐵)𝛼(𝑥)𝛼∈[0,1] (12)

Mnożenie liczby trapezoidalnej przez skalar jest funkcją trapezoidalną zdefiniowaną

formułą:

𝑘 × 𝐴 = (𝑘 × 𝑎, 𝑘 × 𝑏, 𝑘 × 𝑐, 𝑘 × 𝑑) dla k > 0𝑘 × 𝐴 = (𝑘 × 𝑑, 𝑘 × 𝑐, 𝑘 × 𝑏, 𝑘 × 𝑎) dla k < 0

(13)

Jeżeli liczba a określa prawdopodobieństwo zdarzenia P, to 1-P oznaczać będziemy

liczbą ~A taką, że:

~𝐴 = (1 − 𝑑, 1 − 𝑐, 1 − 𝑏, 1 − 𝑎) (14)

Agregacja liczb rozmytych może być dokonywana na wiele sposobów, w prezentowa-

nej metodzie zastosowano średnią arytmetyczną:

�̅� =1

𝑛⊗ (𝐴1⊕𝐴2⊕…⊕𝐴𝑛) (15)

Przecięciem zbiorów rozmytych A1 i A2 jest zbiór rozmyty A1 ⋂ A2 o funkcji przyna-

leżności:

μA1∩A2

(x) = μA1(x) ∙ μ

A2(x) ∀x ∈ X (16)

Sumą zbiorów rozmytych A1 i A2 jest zbiór rozmyty A1 ∪ A2 o funkcji przynależności:

μA1∪A2

(x) = min (1, μA1(x) + μ

A2(x)) ∀x ∈ X (17)

3. PROPONOWANA METODA ROZMYTEJ ANALIZY

DRZEWA NIEZDATNOŚCI FFTA

Wiele podejść do oceny niezawodności bazuje na wykorzystaniu określeń lingwistycz-

nych zamiast wartości numerycznych. Najczęściej eksperci, w oparciu o swoją wiedzę i do-

świadczenie przyporządkowują odpowiednie określenia słowne do parametrów niezawodno-

ściowych poszczególnych elementów systemu. Następnie oceny poszczególnych ekspertów

poddawane są agregacji, w wyniku której wyznaczane są wypadkowe wartości parametrów

niezawodnościowych elementów. W końcowej fazie wartości rozmyte zamieniane są na war-

tości ostre jedną z metod defuzyfikacji.

Poniżej podano kroki postępowania przy wyznaczaniu niezawodności systemu logi-

stycznego metodą Rozmytej Analizy Drzew Niezdatności FFTA wraz z ich krótką charakte-

rystyką:

1. Wybór ekspertów. Ekspertami powinny być osoby ze sporym doświadczeniem, re-

prezentujące różne działy, a nawet różne firmy wchodzące w skład sieci

logistycznej.


2. Określenie ram badanego systemu i poziomu szczegółowości analizy. Eksperci de-

cydują jakie elementy wchodzą w skład badanego systemu i jak szczegółowo będą

one analizowane, np. czy w podsystemie transportu będą rozpatrywane oddzielnie

poszczególne środki transportu, infrastruktura i kierowcy, czy np. samochód wraz

z kierowcą będzie traktowany jako jeden element. Decyzje podejmowane są także

co do tego, czy w ocenie niezawodności będzie branych pod uwagę wszystkich sie-

dem składników zasady 7W, czy tylko niektóre lub czy część będzie zgrupowanych,

a część wydzielonych.

3. Dobór zmiennych rozmytych do określenia zawodności elementów systemu. Przy-

kładem może być zestaw określeń – zawodność: znikoma, b. mała, mała, średnia,

duża, b. duża, pewna, którym odpowiadają liczby trójkątne i trapezoidalne o warto-

ściach a, b, c i d przyjętych przez ekspertów.

4. Określenie zawodności poszczególnych elementów systemu przez ekspertów. W tym

kroku eksperci dokonują oceny słownej zawodności każdego z elementów bada-

nego systemu.

5. Wyznaczenie średniej liczby rozmytej dla zawodności poszczególnych elementów

systemu. Następuje agregacja ocen ekspertów do wypadkowej liczby rozmytej.

6. Obliczenie liczby rozmytej dla zawodności całego systemu. W tym kroku dokonuje

się budowy drzewa niezdatności i korzystając z operacji na liczbach rozmytych wy-

znacza zawodność systemu.

7. Prezentacja końcowego wyniku. Liczba rozmyta reprezentująca zawodność systemu

niekoniecznie jest liczbą trapezoidalną i nie pokrywa się ze zdefiniowanymi

w kroku 3 liczbami rozmytymi określającymi zawodność elementów. Chcąc uzy-

skać określenie lingwistyczne dla zawodności systemu wyznaczane jest maksy-

malne przecięcie liczby rozmytej określającej zawodność systemu z liczbami roz-

mytymi zdefiniowanymi w kroku 3. Informacja wizualna może pomóc w interpre-

tacji wyniku. Jeżeli istnieje konieczność podania zawodności w formie wartości

ostrej stosuje się jedną z metod defuzyfikacji.

Poniżej zamieszczono przykład oceny niezawodności dla systemu zaopatrzenia.

1. Wybór ekspertów

Na potrzeby przykładu przyjęto, że ocen zawodności dokonywać będzie trzech

ekspertów.

2. Określenie ram badanego systemu i poziomu szczegółowości analizy

System składa się z siedmiu elementów: podsystemu realizującego zlecenie, dostawcy

A, dostawcy B, podsystemów transportu A, B i C oraz podsystemu realizującego przyjęcie

dostawy. Dostawca a może skorzystać z własnego transportu a lub transportu zleceniodawcy

B, natomiast dostawca B może skorzystać tylko z własnego transportu C. Rysunki 1a i 1b

przedstawiają odpowiednio strukturę i drzewo niezdatności badanego systemu.

biuro

Podświetlony

biuro

Podświetlony


Rys. 1. Struktura funkcjonalna a) i drzewo niezdatności b) przykładowego systemu zaopatrzenia


3. Dobór zmiennych rozmytych do określenia zawodności elementów

W tabeli 1 zamieszczono przyjęte określenia lingwistyczne zawodności i odpowiadające

im liczby rozmyte. W tym przypadku funkcje przynależności wszystkich liczb pokrywają cały

przedział [0, 1]. W praktyce może istnieć uzasadnienie zawężenia tego przedziału (np. eksperci

ocenią, że prawdopodobieństwo niepoprawnego działania jest nie większe niż 20%) oraz

zmiany określeń lingwistycznych (np. na poziomy określające stopnie zawodności I, II, III,…).

Tab. 1. Przyjęte określenia lingwistyczne zawodności P wraz z opisem i odpowiadające

im liczby rozmyte

Określenie

lingwistyczne P Opis Liczba rozmyta

Znikoma problemy w wypełnieniu reguły 7W

są niedostrzegalne A1 = (0,0,0.05,0.15)

Bardzo mała bardzo niewielkie problemy w wypełnieniu

reguły 7W A2 = (0.05,0.15,0.15,0.25)

Mała niewielkie problemy w wypełnieniu

reguły 7W A3 = (0.15,0.25,0.3,0.45)

Średnia problemy w wypełnieniu reguły 7W

są znaczące A4 = (0.3,0.45,0.55,0.7)

Duża duże problemy w wypełnieniu reguły 7W A5 = (0.55,0.7,0.75,0.85)

Bardzo duża bardzo duże problemy w wypełnieniu

reguły 7W A6 = (0.75,0.85,0.85,0.95)

Pewna wypełnieniu reguły 7W jest praktycznie

niemożliwe A7 = (0.85,0.95,1,1)


a) b)


4. Określenie zawodności poszczególnych elementów systemu przez ekspertów

5. Wyznaczenie średniej liczby rozmytej dla zawodności poszczególnych elementów

systemu.

W tabeli 2 przedstawiono przykładowe oceny trzech ekspertów dotyczące zawodności

poszczególnych elementów i wyznaczone zgodnie z wzorem (15) wartości średnie zawod-

ności tych elementów.

Tab. 2 Zawodności poszczególnych elementów systemu

Element Oznaczenie

zawodności Ekspert

Ocena słowna

zawodności Liczba rozmyta

Zlecenie P1

E1

E2

E3

Ag

znikoma

bardzo mała

bardzo mała

(0,0,0.05,0.15)

(0.05,0.15,0.15,0.25)

(0.05,0.15,0.15,0.25)

(0.03,0.1,0.12,0.22)

Dostawca A P2

E1

E2

E3

Ag

bardzo mała

znikoma

bardzo mała

(0.05,0.15,0.15,0.25)

(0,0,0.05,0.15)

(0.05,0.15,0.15,0.25)

(0.03,0.1,0.12,0.22)

Dostawca B P3

E1

E2

E3

Ag

bardzo mała

bardzo mała

mała

(0.05,0.15,0.15,0.25)

(0.05,0.15,0.15,0.25)

(0.15,0.25,0.3,0.45)

(0.08,0.18,0.2,0.32)

Transport A P4

E1

E2

E3

Ag

bardzo mała

znikoma

mała

(0.05,0.15,0.15,0.25)

(0,0,0.05,0.15)

(0.15,0.25,0.3,0.45)

(0.07,0.13,0.17,0.28)

Transport B P5

E1

E2

E3

Ag

bardzo mała

mała

bardzo mała

(0.05,0.15,0.15,0.25)

(0.15,0.25,0.3,0.45)

(0.05,0.15,0.15,0.25)

(0.08,0.18,0.2,0.32)

Transport C P6

E1

E2

E3

Ag

średnia

mała

bardzo mała

(0.3,0.45,0.55,0.7)

(0.15,0.25,0.3,0.45)

(0.05,0.15,0.15,0.25)

(0.17,0.28,0.33,0.47)

Przyjęcie P7

E1

E2

E3

Ag

znikoma

znikoma

znikoma

(0,0,0.05,0.15)

(0,0,0.05,0.15)

(0,0,0.05,0.15)

(0,0,0.05,0.15)


6. Obliczenie liczby rozmytej dla zawodności całego systemu metodą FFTA

Korzystając z operacji realizowanych przez bramki AND i OR [12] dla drzewa niezdat-

ności z rysunku 1 otrzymujemy formułę określającą prawdopodobieństwo zdarzenia szczy-

towego P:

𝑃 = 1 − (1 − 𝑃1)(1 − 𝑃7)(𝑃2 + 𝑃4 ∙ 𝑃5 − 𝑃2 ∙ 𝑃4 ∙ 𝑃5) ∙ (𝑃3 + 𝑃6 − 𝑃3 ∙ 𝑃6)


Stosując wzory (2), (4) i (14) otrzymujemy liczbę rozmytą reprezentującą zawodność

badanego systemu zaopatrzenia:

P = (0.03, 0.14, 0.23, 0.46)

Znając zawodność P z formuły (14), możemy wyznaczyć liczbę rozmytą reprezentującą

niezawodność, czyli prawdopodobieństwo poprawnego działania systemu:

R = (0.54, 0.77, 0.86, 0.97)

Na rysunku 2 przedstawiono liczby rozmyte reprezentujące zawodność (kolor czer-

wony) i niezawodność (kolor zielony) badanego systemu zaopatrzenia.

Rys. 2. Funkcje przynależności odpowiadojące zawodności P i niezawodności 1-P systemu

zaopatrzenia


7. Prezentacja końcowego wyniku

Po wyznaczeniu przecięcia liczby reprezentującej zawodność systemu z liczbami repre-

zentującymi określenia: znikoma, bardzo mała, mała, średnia, duża, bardzo duża i pewna, dla

zawodności systemu przyjęto określenie „mała”. Rysunek 3 pokazuje funkcję przynależności

dla zawodności systemu oraz określeń „bardzo mała”, „mała” i „średnia”. Otrzymana liczba

reprezentująca zawodność systemu jest zbliżona do liczby reprezentującej określenie zawod-

ności „bardzo mała” i „mała”, a tylko w niewielkim stopniu pokrywa się z określeniem za-

wodności jako „średnia”. Największe przecięcie zbiorów (16), rozumiane jako pole po-

wierzchni figury ograniczonej osią X i μP∩Ai

(x), dla i = 1,…, 7, występuje z określeniem

„mała” (rys. 4).

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10

0.2

0.4

0.6

0.8

1

prawdopodobieństwo

funkcja

pry

znale

żności

Zawodność i niezawodność systemu

niezawodność systemu

zawodność systemu


Rys. 3. Zawodność systemu P na tle określeń „bardzo mała”, „mała” i „średnia”


Rys. 4. Przecięcie liczby rozmytej P z liczbami określającymi prawdopodobieństwo


0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

zawodność systemu

bardzo mała

mała

średnia

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

znikome

bardzo małe

małe

średnie

duże

bardzo duże

prawie pewne


W tabeli 4 zamieszczono wyniki defuzyfikcji dla zawodności systemu oraz wyjściowych

określeń „mała” i „średnia”.

Tab. 4 Wartości zawodności po defuzyfikacji

Metoda defuzyfikacji Wartość wyostrzona dla

zawodności systemu P

Wartość wyostrzona dla

określenia zawodność „mała”

i „średnia”

Środka ciężkości 0,22 0,29 0,50

Środka sum 0,18 0,29 0,50

Pierwszego maksimum 0,15 0,25 0.45

Środka maksimum 0,21 0,28 0,50

Ostatniego maksimum 0,22 0,30 0.55


W tabeli widać różnice między wartościami po defuzyfikacji dla zawodności systemu

P oraz dla określeń „mała” i „średnia”. Mimo, że różnice są mniejsze dla określenia przyję-

tego jako niezawodność systemu, czyli „mała”, nie należy dokonywać defuzyfikacji po przy-

jęciu określenia lingwistycznego, a bezpośrednio dla liczby rozmytej otrzymanej w wyniku

analizy drzewa niezdatności.

4. PODSUMOWANIE

W pracy zaproponowano nową metodę oceny niezawodności systemów logistycznych

z wykorzystaniem teorii zbiorów rozmytych. Proponowana ocena może być stosowana na

etapie projektowania systemu, a także na etapie jego użytkowania. Analiza różnych scena-

riuszy, z uwzględnieniem sytuacji kryzysowych, może pomóc w określeniu struktury odpor-

nej na nieprzewidziane zdarzenia oraz w podejmowaniu decyzji prowadzących do zwiększe-

nia jakości i ciągłości procesów logistycznych.

W dalszych pracach planuje się rozwinięcie analizy o uwzględnienie wag ekspertów

oraz wag składników zasady 7W w ocenie niezawodności. Zamierza się także zaimplemen-

towanie metody FFTA w programie SIMULINK. Kolejnymi krokami w rozwinięciu rozmy-

tej oceny niezawodności systemów logistycznych będzie zdefiniowanie i opracowanie

wzorów obliczeniowych do wyznaczania innych wskaźników niezawodności takich, jak

np.: przeciętny czas trwania dostawy, oczekiwany czas powrotu systemu do zdatności, czy

niezawodnościowa istotność elementu.

Praca sfinansowana została ze środków przeznaczonych na badania statutowe

nr 11/11.200.300.

LITERATURA

[1] Bukowski L., Majewska K., Uogólniona teoria niezawodności – cele, możliwości, koncepcje,

materiały XXXIV Zimowa Szkoła Niezawodności, Szczyrk, 2006.

[2] Bukowski L., Feliks J., Application of fuzzy sets in evaluation of failure likelihood, materiały 18th

International Conference on Systems Engineering ICSEng 2005, Las Vegas, Nevada, 2005.


[3] Ching-Torng Lin, Mao-Jiun J. Wang, Hybrid fault tree analysis using fuzzy sets, Reliability

Engineering and System Safety 58 (1997), Elsevier Science Limited, 1997.

[4] Dong Yuhuaa, Yu Datao, Estimation of failure probability of oil and gas transmission pipelines

by fuzzy fault tree analysis, Journal of Loss Prevention in the Process Industries 18 (2005),

Elsevier Science Limited, 2005.

[5] Feliks J., Majewska K., Application of fuzzy logic to selection and realization of optimal mainte-

nance tasks, w: Proceedings of the 16th International Conference on Systems Science. Vol. 2,

4–6 September 2007, Wrocław, Poland, 2007.

[6] Felix T. S. Chan , Kumar N. , Tiwari M.K., Lau H. C. W., Choy K. L., Global supplier selection:

a fuzzy-AHP approach, International Journal of Production Research, Vol. 46, No. 14,

Taylor&Francis, 2008.

[7] Huang, D., Chen, T., Wang, M.J.J., a fuzzy set approach for event tree analysis. Fuzzy Sets and

Systems 118, 2001.

[8] Klir G. J., Yuan B., Fuzzy sets and fuzzy logic. Theory and Applications, Prentice Hall, 1995.

[9] Kumar N., Borm J-H., Kumar A., Reliability analysis of waste clean-up manipulator using

genetic algorithms and fuzzy methodology, Computers & Operations Research 39 (2012),

Elsevier Science Limited, 2012.

[10] Nieto-Morote A., Ruz-Vila F., a fuzzy approach to construction project risk assessment,

International Journal of Project Management 29 (2011), Elsevier Science Limited, 2011.

[11] Nowakowski T., Niezawodność systemów logistycznych, Oficyna Wydawnicza Politechniki

Wrocławskiej, 2011.

[12] Rausand M., Højland A., System Reliability Theory. Models, Statistical Methods, and

Applications, 2nd Edition, Wiley, 2004.

[13] Zadeh L. A., Fuzzy sets, Information Control 8, 1965.

FUZZY FAULT TREE ANALYSIS FFTA FOR RELIABILITY ASSESSMENT

OF LOGISTICS SYSTEMS

Abstract

Fault tree analysis FTA is one of the methods for assessment of the risk that can be a system

failure. In the conventional analysis of fault trees probability of the correct operation of the

system elements (basic events) are treated as precise values. Such an approach is not always

applicable to the logistics systems, in which the reliability parameters are influenced by many

factors, including human errors, software errors, environmental conditions, and even political

conditions. In order to take into account the uncertainty of data and allow the application of

linguistic assessments of reliability a new method based on the expert opinions and the fuzzy

numbers is proposed. In fuzzy fault tree analysis FFTA the fuzzy numbers are used to assess

probabilities of the basic events (element failures) as well as the top event (system fault).

Keywords: logistic system, system reliability, fuzzy numbers, fault tree analysis

333

Adam GUBAŃSKI*, Paweł KOSTYŁA*, Jacek REZMER*,

Jarosław M. SZYMAŃDA*

BADANIE WYBRANYCH PARAMETRÓW

OCENY JAKOŚCI ENERGII ELEKTRYCZNEJ

W INSTALACJACH

Z UDZIAŁEM GENERACJI ROZPROSZONEJ

Streszczenie. W pracy przedstawiono możliwość identyfikacji i dystrybucji zdarzeń rejestro-

wanych w systemie elektroenergetycznym w ramach instalacji zlokalizowanej w stacjach

elektroenergetycznych Tauron Dystrybucja S.A. oraz Tauron Ekoenergia Sp. z o.o. Prezento-

wane wyniki obejmują wybrane elementy badań w ramach prac podstawowych dotyczących

oceny systemu monitorowania jakości energii w rozproszonych sieciach dystrybucyjnych.

Przedmiotowy obszar badań obejmuje elektrownie wodne o mocach rzędu 1MW oraz linie

WN 110kV., SN 10/20 kV i odbiorcę nN 0,4 kV. Potwierdzono możliwość szybkiej identyfi-

kacji zdarzeń synchronicznych z bazy danych uzyskanej w wyniku monitorowania badanego

systemu on-line od stycznia 2012 r. Umożliwia to analizę czasową lokalizacji awarii oraz pro-

pagacji zaburzeń. Opracowana procedura monitorowania propagacji zaburzeń może stanowić

uzupełnienie algorytmów związanych z systemami sieci inteligentnych (smart grid).

Słowa kluczowe: system elektroenergetyczny, propagacja zaburzeń, logistyka, jakość energii

elektrycznej

1. WPROWADZENIE

Praca nawiązuje do przedstawionego w publikacji [10] stanowiska badawczego wraz

infrastrukturą teleinformatyczną zlokalizowanego na terenie Politechniki Wrocławskiej oraz

w stacjach elektroenergetycznych Tauron Dystrybucja S.A. i Tauron Ekoenergia sp. z o.o.

Na podstawie przeprowadzonych dyskusji z partnerami gospodarczymi uzgodniono założe-

nia projektowe, na podstawie których zbudowano kompleksowy system rejestracji, archiwi-

zacji i przetwarzania danych jakości energii oparty na zsynchronizowanych czasowo anali-

zatorach włączonych do ogólnej sieci komputerowej. Wydzielono fragment sieci dystrybu-

cyjnej objęty logistyką identyfikacji i lokalizacji zdarzeń awaryjnych zawierającego źródła

rozproszone, a także objęto monitoringiem wytwórców oraz znaczące dla nich węzły sieci

elektroenergetycznej (rys. 1).

* Politechnika Wrocławska, Wydział Elektryczny

334 A. Gubański, P. Kostyła, J. Rezmer, J. M. Szymańda

Rys. 1. Fragment sieci dystrybucyjnej z udziałem generacji rozproszonej objętych logistyką

identyfikacji i lokalizacji zdarzeń awaryjnych

Ostatecznie operator zaproponował obszar obejmujący elektrownie wodne o mocach

rzędu 1MW oraz linię WN 110kV. W wybranym obszarze pracują elektrownie wodne

OBIEKT-Q4 i OBIEKT-Q1 na ciągu linii SN L-3 z OBIEKT-Q2, a także elektrownia wodna

OBIEKT-Q3 na promieniowym ciągu linii WN S-318. Na rysunku 1 przedstawiono schemat

lokalizacji pięciu blisko położonych punktów pomiarowych w sieciach WN, SN i nN:

OBIEKT-Q1: SN 10kV, pole liniowe L-1,

OBIEKT-Q2: WN 110kV, pole liniowe S-1,



OBIEKT-Q5: nN 0.4kV, wybrana stacja PT 20/0.4kV w ciągu liniowym L-3

Tak wybrana lokalizacja umożliwia pomiar synchroniczny parametrów jakości energii

elektrycznej w sieci dystrybucyjnej w sieciach WN, SN i nN, pomiar zjawisk dynamicznych

i na ich podstawie określanie logistyki identyfikacji i lokalizacji zdarzeń awaryjnych.

2. GENERACJA ROZPROSZONA

Generacja rozproszona (Distributed Generation) jest aktywnie rozwijaną obecnie gałęzią

energetyki, zaś przyczyną tego stanu rzeczy jest rozwój ekologicznych technologii wytwarza-

nia energii [12]. Współpraca generacji rozproszonej z siecią elektroenergetyczną obejmuje

obecnie wszystkie zagadnienia ruchu i eksploatacji sieci oraz jej wpływu na: warunki

6.3 kV 6.3 kV

20 kV

1250 kVA

L-2(20 km)

S = 10 kVA

1250 kVA

20 kV 20 kV

110 kV

110 kV

S-1(35 km)

6 MVA

16 MVA

S1 = 1150 kVA

S2 = 1150 kVA

OBIEKT - Q3

OBIEKT - Q1

10 kV 10 kV

L-1(5 km)4 MVA

20 kV

20 kV OBIEKT - Q2

L-3(8 km)

0.4 kV

350 kVA

OBIEKT - Q5

OBIEKT - Q4

S1 = 850 kVA

S2 = 850 kVA

S1 = 720 kVA

S2 = 720 kVA

Badanie wybranych parametrów oceny jakości energii elektrycznej… 335

napięciowe, obciążalność torów prądowych, warunki zwarciowe, stabilność systemową,

a także sposobów regulacji mocy w sytuacji zmian częstotliwości. W literaturze jest wiele prac

poświęconych tym zagadnieniom, między innymi w [1, 2, 8], jak również w opracowaniach

książkowych czy rekomendacjach towarzystw elektrotechnicznych [4–7, 9]. Obecnie definicja

„generacja rozproszona” jako pojęcie źródeł wytwarzania oparta jest na raporcie CIGRE [6],

który za źródła rozproszone proponuje traktować jednostki niepodległe centralnemu dyspono-

waniu mocą oraz niezależne od scentralizowanego planowania rozwoju systemu, jednocześnie

wprowadzając ograniczenie mocy do wartości 50–100 MW. polskie prawo energetyczne [15]

wprowadza wartość 5 MW mocy źródła, które nie wymaga uzyskania koncesji, w przypadku

źródeł nie zaliczanych do odnawialnych źródeł energii, oraz w przypadku odnawialnych źródeł

energii jako jednostek zwolnionych z opłat koncesyjnych. Warto jednak podkreślić, że wspo-

mnianą wartość 5MW nie należy traktować jako granicznej mocy dedykowanej generacji

rozproszonej. Ostatnie prace CIGRE nad generacją rozproszoną prowadzone przez Komitet

Studiów SC6 Distribution Systems & Dispersed Generation zaproponowały minimalizację de-

finicji jednostek rozproszonych jako elementów wytwórczych przyłączonych do sieci dystry-

bucyjnej bądź zasilających bezpośrednio odbiorcę [7]. Podejmując próbę unifikacji generacji

rozproszonej w krajowym systemie elektroenergetycznym [9] podkreślono ograniczenie mocy

zainstalowanej do 150 MW, usytuowanie w sieci dystrybucyjnej bądź sieci rozdzielczej od-

biorcy oraz wyłączenie z centralnej dyspozycji mocy. Zaproponowano podział generacji roz-

proszonej ze względu na kryterium mocy na: mikrogenerację (1 W–5 kW), małą generację

(5 kW–5 MW), średnią generację (5–50 MW) oraz dużą generację (50–150 MW). Zgodnie

z Ustawą o OZE (z dnia 20 lutego 2015 r.) [16] przyjmuje się następujące definicje i określenia:

mała instalacja – instalację odnawialnego źródła energii o łącznej mocy zainstalo-

wanej elektrycznej większej niż 40 kW i nie większej niż 200 kW, przyłączoną do

sieci elektroenergetycznej o napięciu znamionowym niższym niż 110 kV lub o mocy

osiągalnej cieplnej w skojarzeniu większej niż 120 kW i nie większej niż 600 kW;

mikroinstalacja – instalację odnawialnego źródła energii o łącznej mocy zainstalo-

wanej elektrycznej nie większej niż 40 kW, przyłączoną do sieci elektroenergetycz-

nej o napięciu znamionowym niższym niż 110 kV lub o mocy osiągalnej cieplnej

w skojarzeniu nie większej niż 120 kW.

Wyszczególnienie poszczególnych technologii wykorzystywanych w rozwiązaniach

generacji rozproszonej pozwala również na klasyfikację tego typu jednostek wytwórczych

w systemie elektroenergetycznym. Należy zwrócić uwagę na to, że poza rozwiązaniami opar-

tymi na spalaniu paliw konwencjonalnych czy biogazów ekologicznych, generacja rozpro-

szona wykorzystuje w dużej mierze źródła odnawialne oparte o energię wiatru, wody

i słońca. Klasycznym przykładem generacji rozproszonej są tzw. małe elektrownie wodne

(MEW). W Polsce dla obiektów hydroenergetyki MEW określono graniczną moc zainstalo-

waną na poziomie 5 MW, wprowadzając dodatkową klasyfikację na: mikroenergetykę – moc

70 kW, makroenergetykę – moc do 100kW oraz małą energetykę – moc do 5 MW. Ze wzglę-

dów konstrukcyjnych obiekty MEW realizowane są jako elektrownie przepływowe derywa-

cyjne, bądź przepływowe niskospadowe ze spadem 2–20 m, średniospadowe ze spadem do

150 m oraz wysokospadowe ze spadem powyżej 150 m. Zaproponowany system monitoro-

wania jakości energii elektrycznej SMJEE zainstalowany jest na obiektach generacji rozpro-

szonej w postaci małych elektrowni wodnych MEW o mocy do 1 MW.


3. PARAMETRY OCENY JAKOŚCI ENERGII ELEKTRYCZNEJ

Pojęcie jakości energii (power quality) wprowadzono w latach siedemdziesiątych ubie-

głego stulecia. Od lat dziewięćdziesiątych do dziś obserwuje się intensywny rozwój tego za-

kresu wiedzy, włączając opracowanie standardów, procedur i technik pomiarowych, wpro-

wadzanie nowych algorytmów czy rozszerzenie praktyk stosowania o nowe obszary pracy

sieci elektroenergetycznych. Współczesne zagadnienia jakości energii elektrycznej oscylują

wokół zagadnień z pogranicza stabilności pracy systemu, zagrożeń dla bezpiecznej pracy od-

biorników i elementów sieci elektroenergetycznych, a także liberalizacji rynku energii oraz

relacji odbiorca i dostawca energii. Jednak w ujęciu technicznym zakres tematyki jakości

energii mieści się przede wszystkim w problematyce kompatybilności elektromagnetycznej

(EMC – Electromagnetic Compatibility) [4]. Literatura obejmująca zagadnienia jakości ener-

gii jest bardzo bogata [3, 11].

Prace normalizacyjne IEC (International Electrotechnical Commission) klasyfikują za-

gadnienia jakości energii w kategorii zaburzeń kompatybilności elektromagnetycznej o ni-

skiej częstotliwości, tj. do 9 kHz. Mają one charakter głównie zaburzeń przewodzonych na

skutek sprzężenia pomiędzy obwodami źródła zaburzenia i obiektu zakłócanego (sprzężenia

galwaniczne, pojemnościowe i indukcyjne). W odróżnieniu od zaburzeń przewodzonych za-

burzenia promieniowane docierają do obiektu w postaci fali elektromagnetycznej, która

może spowodować indukowanie w obwodach zakłócanego obiektu sygnału stanowiącego

zagrożenie jego pracy. Wyindukowane napięcia i prądy zaburzenia są zjawiskiem wtórnym,

wywołane ekspozycją obiektu zakłócanego polem elektromagnetycznym, pochodzącym od

pierwotnego źródła zakłóceń. Tego typu zakłócenia są bliższe zagadnieniom kompatybilno-

ści elektromagnetycznej i dotyczą zaburzeń wysokiej częstotliwości.

W celu klasyfikacji zaburzeń elektromagnetycznych w tabelach 1 i 2 przytoczono

ogólne klasy zaburzeń EMC [4, 11].

Tab. 1. Ogólne klasy zaburzeń elektromagnetycznych według IEC

Rodzaj zaburzenia Przewodzone Promieniowane

Niskiej częstotliwości

(≤ 9 kHz)

wahania częstotliwości

wahania napięć (migotanie światła)

zapady i wzrosty napięcia

asymetria napięć

harmoniczne, interharmoniczne

sygnały modulacji radiowej

subharmoniczne i składowa stała

zaburzenia oscylacyjne

pole magnetyczne

pole elektryczne

Wysokiej częstotliwości

(> 9 kHz)

zaburzenia impulsowe

zaburzenia oscylacyjne

załamania komutacyjne

pole magnetyczne

pole elektryczne

pole elektromagnetyczne

Zaburzenia od wyładowań elektrostatycznych (ESD – Electrostatic Discharge)

Zaburzenia od nuklearnych impulsów elektromagnetycznych (NEMP – Nuclear Electromagnetic

Pulse)


Tab. 2. Typowe parametry zakłóceń jakości energii i ich kategoryzacja ze względu na czas trwania

Kategoria zaburze-

nia

Charakter

zaburzenia

Czas trwa-

nia Spektrum Amplituda

Zakłócenia impul-

sowe

Nanosekundowe <50 ns 5 ns narost –

Mikrosekundowe 50 ns–1 ms 1 μs narost –

Milisekundowe >1 ms 0,1 ms na-

rost

–

Zakłócenia oscyla-

cyjne

Wysokoczęstotliwościowe 5 μs 0,5–5 MHz 0–4 pu

Średnioczęstotliwościowe 20 μs 5–500 kHz 0–8 pu

Niskoczęstotliwościowe 0,3–50 ms <5 kHz 0–4 pu

Zapady, przepięcia,

przerwy

Krótka przerwa

10–500 ms

– <0,1 pu

Krótki zapad – 0,1–0,9 pu

Krótkie przepięcie – 1,1–1,4 pu

Chwilowa przerwa

500 ms–5 s

– <0,1 pu

Chwilowy zapad – 0,1–0,9 pu

Chwilowe przepięcie – 1,1–1,4 pu

Tymczasowa przerwa

5 s–1 min

– <0,1 pu

Tymczasowy zapad – 0,1–0,9 pu

Tymczasowe przepięcie – 1,1–1,4 pu

Odchylenia długo-

trwałe

Zanik napięcia

>1min

– 0,0 pu

Spadek napięcia – 0,8–0,9 pu

Wzrost napięcia – 1,1–1,2 pu

Odkształcenie prze-

biegu

Składowa stała – – 0–0,1%

Harmoniczne – 0–100

harm. 0–20%

Sub- oraz Interharmo-

niczne – 0–6 kHz 0–2%

Załamania komutacyjne – - –

Sygnały modulacji radio-

wej – pasmowy 0–1%

Wahania napięcia okresowo <25 Hz 0,1–7% 0,2–2%Pst

Wahania częstotliwości <10 s – –

Współczesny monitoring jakości energii wpisuje się w szerszą strategię monitoringu ja-

kości dostaw energii elektrycznej, w której wyróżnia się trzy aspekty: handlowy, ciągłości

dostaw oraz jakości energii. Podane ujęcie przyjęto również w opublikowanych raportach

Grupy Roboczej ds. Jakości Dostaw Energii Elektrycznej powołanej przez Radę Europej-

skich Regulatorów Energetyki (CEER), jak również w krajowym raporcie Urzędu Regulacji

Energetyki (URE) z grudnia 2009 roku. Jakość handlowa związana jest ściśle z konsumencką

relacją pomiędzy dostawcą energii a jej użytkownikiem. Ciągłość dostaw określa się przez


liczbę i czas trwania przerw w dostawie energii. Jakość energii (napięcia) jest najbardziej

technicznym z przywoływanych tu wymiarów jakości dostaw energii, określonym przez

zbiór parametrów technicznych zapewniających prawidłową pracę urządzeń. Przyjęta po-

wszechnie norma PN-EN 50160 Parametry napięcia zasilającego w publicznych sieciach

rozdzielczych uznaje za podstawę oceny jakości energii następujący zbiór parametrów: czę-

stotliwość, poziom napięcia i jego zmienność, nagłe spadki napięcia, okresowe lub przej-

ściowe zwyżki napięcia, wyższe harmoniczne napięcia oraz wahania napięcia. Wspomniana

norma obejmuje swoim zakresem napięcia niskie nN, tj. do 1kV, oraz napięcia średnie SN –

do 35kV, a w ostatniej aktualizacji z roku 2010 dodano również zapisy rekomendacji dla wy-

sokich napięć WN do 150kV. W zakresie najwyższych napięć 220–400 kV obowiązujące są

limity poziomów dopuszczalnych wskazanych w rozporządzeniu Ministra Gospodarki

w sprawie szczegółowych warunków funkcjonowania systemu elektroenergetycznego. Od-

niesienie do parametrów z tych grup napięciowych możemy również znaleźć w normach IEC

61000-3-6, 3-7, 3-13.

Wpływ źródła na pracę sieci elektroenergetycznej jest wypadkową kilku elemen-

tów [13, 14]:

warunków panujących w punkcie przyłączenia, określonych przez moc zwarciową

w punkcie przyłączenia SkPCC oraz tzw. tło, czyli parametry jakościowe pracy sieci

elektroenergetycznej;

warunków panujących w punkcie przyłączenia, określonych przez moc zwarciową

w punkcie;

przyłączenia SkPCC oraz tzw. tło, czyli parametry jakościowe pracy sieci elektroe-

nergetycznej;

podstawowych parametrów i charakterystyk pracy źródła;

cech kompatybilnościowych urządzeń składających się na instalację przyłączeniową

źródła.

Efekt przyłączenia źródła może zostać oceniony na podstawie analizy wskaźników ja-

kościowych.

Do grupy ocenianych parametrów zaliczamy obecnie:

częstotliwość zasilania, zmiany częstotliwości,

zmiany amplitudy napięcia, powolne zmiany napięcia, poziom napięcia,

wahania napięcia, wskaźnik migotania światła,

nagłe zmiany napięcia,

niesymetria (asymetria),

harmoniczne, interharmoniczne, subharmoniczne, składowa stała,

zdarzenia napięciowe (zapady, krótkie przerwy, długie przerwy, wzrost, szybkie

stany przejściowe, oscylacyjne, impulsowe, załamanie komutacyjne,

sygnały sterująco-kontrolne.

Techniki pomiarowe i obliczeniowe stosowane obecnie w klasycznej ocenie jakości

energii elektrycznej opisane są w przywołanych normach umieszczonych w tabeli 3.


Tab. 3. Zestawienie wybranych norm odnoszących się do monitoringu jakości energii i komunikacji

elementów systemu elektroenergetycznego według towarzystw normalizacyjnych IEC oraz IEEE

Nr normy wraz z tytułem PN-EN 61000-4-30:2015-05 Kompatybilność elektromagnetyczna (EMC) – Część 4–30: Metody

badań i pomiarów – Metody pomiaru jakości energii

PN-EN 61000-4-13:2007 Kompatybilność elektromagnetyczna (EMC) – Część 4–13: Metody badań

i pomiarów – Harmoniczne i interharmoniczne wraz z sygnałami sieciowymi w przyłączu

zasilającym prądu przemiennego – Badania odporności na zaburzenia małej częstotliwości

IEC 61000-4-16:2015 Electromagnetic compatibility (EMC) – Part 4–16: Testing and measurement

techniques - Test for immunity to conducted, common mode disturbances in the frequency range

0 Hz to 150 kHz

PN-EN 61000-4-15:2011 Kompatybilność elektromagnetyczna (EMC) – Część 4–15: Metody badań

i pomiarów – Miernik migotania światła – Specyfikacja funkcjonalna i projektowa

IEC TR 61000-3-6:2008 Electromagnetic compatibility (EMC) – Part 3–6: Limits – Assessment of

emission limits for the connection of distorting installations to MV, HV and EHV power systems

PN-EN 50160:2010 Parametry napięcia zasilającego w publicznych sieciach elektroenergetycznych

PN-EN 61850-7-410:2013-06 Systemy i sieci komunikacyjne automatyzacji przedsiębiorstw elek-

troenergetycznych – Część 7–410: Podstawowa struktura komunikacyjna – Elektrownie wodne –

Komunikacja dla celów nadzoru i sterowania

PN-EN 61850-7-420:2009 Systemy i sieci komunikacyjne w stacjach elektroenergetycznych – Część

7–420: Systemy komunikacyjne dla rozproszonych źródeł energii (DER) – Węzły logiczne

PN-EN 60870 Urządzenia i systemy telesterowania (Elektroenergetyczne Systemy Sterowania

i Nadzoru)

Przykłady wybranych nowych wskaźników jakości energii elektrycznej [12–14]:

Chwilowy współczynnik zawartości harmonicznych (ITHD – Instantaneous total

harmonic distortion, STHD – Short Term Harmonic Distortion), który może być

traktowany jako detektor zdarzenia na podstawie przekroczeń udziału harmonicz-

nych wyznaczanych w przesuwnym oknie pomiarowym.

Chwilowy wskaźnik zawartości energii harmonicznych w sygnale (DIN – Normali-

zed Instantanous Distortion Energy Ratio).

Chwilowa amplituda (IA – Instantaneous Amplitude) oraz chwilowa faza sygnału

(IF – Instantaneous Phase).

Współczynnik odchyłki częstotliwości (FDR – Power Frequency Deviation Ratio),

współczynnik odchyłki od symetrii (SDR – Symterical Components Deviation

Ratio) [21].

Chwilowy współczynnik kształtu (IFF – Instantaneous Form Factor) wyznaczany

w dziedzinie czasu określany jako stosunek amplitudy wszystkich zakłóceń zawar-

tych w sygnale do wartości średniej składowej podstawowej zawartej w sygnale

(50 Hz). Za pomocą transformaty S wyznaczane są amplitudy dla wszystkich czę-

stotliwości oraz S – amplituda dla składowej odstawowej.

Wskaźnik chwilowego wahania częstotliwości (IFI – Instantaneous Frequency Va-

riation Index) określany jest jako stosunek częstotliwości wyznaczanych za pomocą

transformaty S sygnału zakłóconego do częstotliwości składowej podstawowej wy-

znaczanej również za pomocą transformaty S.


Współczynnik charakterystyki obciążenia (LCI – Load Characterization Index)

wskazujący liniowy i nieliniowy udział w charakterze odbiornika. Współczynnik ten

bazuje na rozkładzie prądu obciążenia na dwie składowe. Pierwsza wprowadza har-

moniczne zniekształcenia do systemu, natomiast druga składowa prądu posiada takie

same harmoniczne zniekształcenia, które występują w napięciu.

Współczynnik asymetrii prądu (UCR – Unbalance Current Ratio). Bazuje na rozło-

żeniu prądu obciążenia na trzy składowe. Pierwsza składowa związana jest z niesy-

metrią liniowego obciążenia druga z nieliniowym obciążeniem a trzecia składowa

związana jest z symetrycznym liniowym obciążeniem.

4. ZDARZENIA REJESTROWANE SYNCHRONICZNIE

W bazie danych, która agreguje dane rejestrowane przez analizatory umieszczone

w monitorowanych obiektach systemu elektroenergetycznego, zapisywane są zdarzenia

przekraczające normy jakości energii oraz związane z nimi przebiegi wartości chwilowych

i skutecznych wszystkich napięć i prądów [10]. Analiza bazy, powala na wybranie sygnałów

do badań obszarowych wybranego wycinka systemu.

Na rysunku 2 przedstawiono znaczniki zarejestrowanych zdarzeń we wszystkich moni-

torowanych obiektów, które dotyczą całego roku 2014 oraz przebiegi wartości chwilowych

i skutecznych wszystkich napięć i prądów dla wybranego znacznika, definiującego wystą-

pienie zapadu napięcia w obiektach pod wpływem chwilowego przeciążenia prądowego sys-

temu. Opracowany algorytm współpracujący z bazą danych wyznacza tylko te zdarzenia,

które były zarejestrowane w co najmniej dwóch obiektach w tym samym czasie. Pozwala to

na wybranie przebiegów rejestrowanych synchronicznie do dalszych analiz jakościowych.

Wśród przykładowych nowych technik obliczeniowych wskazać można [2, 13]:

RLS (Recursive Least Squares),

LMS (Least Mean Squares),

FFT (Fast Fourier Transform),

KF (Kalman Filter),

MRGN (Modified Recursive Gauss Newton),

STFT (Short-Time Fourier Transform),

WT (Wavelet Transform),

S-transform,

HT (Hilbert Transform),

parametryczne metody estymacji widma,

narzędzia statystycznej analizy danych długoterminowych,

narzędzia korelacyjne.


Efektem badań nad możliwościami zastosowania nowych technik obliczeniowych są

propozycje nowych wskaźników jakościowych, w tym szczególnie, charakteryzujących mo-

nitorowany obszar systemu [13, 14]:

związanych z identyfikacją, klasyfikacją i oceną zaburzeń dynamicznych,

identyfikujących kierunek propagacji i źródło zaburzenia, a więc związanych z od-

powiedzialnością z utrzymanie jakości energii pomiędzy odbiorcą/wytwórcą a ope-

ratorem systemu,

wprowadzających ekonomiczne aspekty parametryzacji jakości energii,

wprowadzających wskaźniki globalne, obszarowe, charakterystyki wybranych ob-

szarów systemu, w tym wskaźniki niezawodności dostaw energii.

Rys. 2. Analiza wystąpienia zdarzeń synchronicznych w monitorowanych obiektach i wybór

rejestrowanych przebiegów wartości chwilowych i skutecznych napięć oraz prądów

31

-12-2

01

4 2

4:0

0:0

0

01-0

1-2

01

4 0

0:0

0:0

0

Q1

Q2

Q3

Q4

Q5

20-0

8-2

01

4 1

0:5

0:1

1

20

-08

-20

14

10

:49

:30

20

-08

-20

14

10

:50:0

3

20-0

8-2

01

4 1

0:4

9:2

6

20-0

8-2

01

4 1

0:5

0:1

4

Q1

Q2

Q3

Q4

Q5

-1.5

-1

-0.5

0

0.5

1

1.5

-6

-4

-2

0

2

4

6

0.65

0.7

0.75

0.8

0.85

0.9

0.95

1

1.05

0.5

1

1.5

2

2.5

3

3.5

4

Q1

Q2

Q3

Q4

Q5

Wybór zdarzeń synchronicznych

Przebiegi wartości chwilowych Przebiegi wartości skutecznych

Na

pię

cia

fa

zo

we

Prą

dy fa

zo

we

20

-08

-20

14

10

:49

:26


5. WNIOSKI

W pracy przedstawiono logistykę identyfikacji i lokalizacji zdarzeń awaryjnych wybra-

nego fragmentu systemu elektroenergetycznego zawierającego źródła rozproszone z możli-

wością monitorowania wytwórców oraz znaczących węzłów sieci. Systemem monitorowania

i akwizycji danych objętych było pięć punktów zlokalizowanych w obszarze obejmującym

elektrownie wodne oraz linie WN 110 kV, SN 10–20 kV i odbiorcę nN 0,4 kV. Do oznacza-

nia istotnych zdarzeń monitorowanych obiektów wybrano wskaźniki jakości energii z moż-

liwością rejestracji przebiegów wartości chwilowych i skutecznych wszystkich napięć i prą-

dów w chwili wystąpienia zdarzenia. Z wielu dostępnych w tym systemie metod parametry-

zacji zdarzeń, potwierdzono przydatność rejestracji oscyloskopowych wyzwalanych według

definiowanych progów monitorowanych wielkości. Opracowany algorytm współpracujący

z bazą danych wyznacza tylko te zdarzenia, które były zarejestrowane w co najmniej dwóch

obiektach w tym samym czasie. Pozwala to na wybranie przebiegów rejestrowanych syn-

chronicznie do dalszych analiz jakościowych, wykorzystując nowoczesne techniki oblicze-

niowe. Może to stanowić istotne uzupełnienie algorytmów w zakresie modernizacji zabez-

pieczeń i automatyki systemów elektroenergetycznych.

LITERATURA

[1] Ackerman T., Knyazkin V.: Interaction between distributed generation and the distribution

network: operation aspects, Transmission and Distribution Conference, 2002, s. 1357–1362.

[2] Barker P.P., De Mollo R.W.: Determining the impact of distributed generation on power system:

I. Radial distribution systems, Power Engineering Society Meeting, vol. 3, 2000, s. 1645–1656.

[3] Bollen M.H.J.: Understanding Power Quality Problems. Voltage sags and interruptions, IEE

Press Series on Power Engineering, 2000.

[4] Bollen M.H.J, Gu Y.H.I.: Signal processing of power quality disturbances, John Wiley&Sons,

2006.

[5] Bollen M., Hassan F.: Integration of distributed generation in the power systems, Wiley and IEEE

Press, 2011.

[6] CIGRE: Influence enhanced distributed generation on power system, TF 37.23 Report, Paris

1998.

[7] CIGRE: Task Force C6.04.01: Connection criteria at the distribution network for distributed

generation, Brochure 313, February 2007.

[8] Dugan R.C., Walling R.A. et al: Summary of Distributed Resources Impact on Power Delivery

Systems, IEEE Transactions on power delivery, vol. 23, no 3, 2008.

[9] Freris L., Infield D.: Renewable energy in power systems, John Wiley & Sons, 2010.

[10] Gubański A., Kostyła P., Szymańda J.M.: Logistyka systemów monitorowania jakości energii

elektrycznej w instalacjach z udziałem generacji rozproszonej, Logistyka 4/2015, s. 3572–3581.

[11] Hanzelka Z.: Jakość energii elektrycznej: Wczoraj, dziś i jutro, materiały, Twelve Electric.

[12] Sikorski T.: Monitoring i ocena jakości energii w sieciach elektroenergetycznych z udziałem

generacji rozproszonej, Politechnika Wrocławska, 2013.

[13] Sikorski T., Kostyła P.: Detection of power system transients disturbances in distributed generation

systems using Hilbert transform and signal decomposition, 18th Power Systems Computation

Conference, PSCC 2014 August 18–22, 2014, Wroclaw, IEEE, s. 1–7.

[14] Solak B. , Sikorski T.: Wybrane zagadnienia współczesnej oceny jakości energii: Prace Naukowe

Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia

i Materiały, nr 34/2014, s. 375–389.


[15] Ustawa z dnia 10 kwietnia 1997 r. – Prawo energetyczne (Dz. U. z 1997, nr 54, poz. 348) z póź-

niejszymi zmianami (jednolity tekst ustawy – Dz. U. 2006 nr 89 poz. 625, oraz ostatnie zmiany:

Dz. U. z 2007 r. Nr 21, poz. 124, Dz. U. z 2007 r. Nr 52, poz. 343, Dz. U. z 2007r. Nr 115,

poz. 790, Dz. U. z 2007 r. Nr 130, poz. 905).

[16] Ustawa o odnawialnych źródłach energii z dnia 20 lutego 2015 r. (jednolity tekst ustawy – Dz. U.

z dnia 3.04.2015r., poz. 478).

DETERMINATION OF SELECTED PARAMETERS

OF ELECTRICAL POWER QUALITY

IN SCATTERED DISTRIBUTION NETWORKS

Abstract

This article describes the possibility of identification and distribution of events registered in

the power stations of the system belonging to Tauron Distribution SA and Tauron Ekoenergia

sp. z o.o. The presented results contain selected elements of basic research on the evaluation of

the energy quality monitoring system in the scattered distribution networks. The area of this

research includes two hydroelectric plants, each delivering power of the order of 1 MW through

110 kV high voltage and 10/20 kV medium voltage power lines, respectively, as well as

an 0.4 kV low voltage end user. The system in question has been monitored since January

2012. From the data obtained, it has been determined that it is possible to quickly identify

synchronous events. This makes the temporal analysis of both failure location and disturbance

propagation possible. The procedure developed for monitoring the propagation of disturbance

may complement the algorithms implemented in smart grids.

Keywords: power grid, power quality, propagation of disturbance, logistics

344

Jacek JAKIEŁA*, Paweł LITWIN*, Marcin OLECH*

MODELOWANIE

WIRTUALNYCH ORGANIZACJI

Z WYKORZYSTANIEM PARADYGMATU

AGENTOWEGO

Streszczenie

W pracy przedstawiono nowatorskie podejście do modelowania wirtualnych organizacji z wy-

korzystaniem paradygmatu agentowego. W pierwszej kolejności omówiono podstawowe ce-

chy wirtualnych organizacji. Charakterystyka ta została następnie porównana ze struktural-

nymi i behawioralnymi cechami systemów wieloagentowych. Wykazano, że użycie metafory

systemu wieloagentowego w procesie wytwórczym informatycznych systemów zarządzania

dla wirtualnych organizacji, może być źródłem wielu korzyści. Pierwszą z nich jest to, że takie

podejście pozwala na lepsze zarządzanie złożonością dziedzin aplikacyjnej i realizacyjnej. Co

więcej, możliwe jest znaczne zmniejszenie luki semantycznej występującej pomiędzy mode-

lami biznesowymi i architekturą systemu informatycznego. W kolejnym rozdziale przedsta-

wiono i dokładnie objaśniono strukturę agentowo zorientowanej metodologii wytwarzania in-

formatycznych systemów zarządzania, wspierających działalność wirtualnych organizacji.

Słowa kluczowe: wirtualna organizacja, modelowanie biznesowe, agentowo zorientowana

metodyka projektowania, agentowo zorientowane systemy informacyjne zarządzania, orientacja

agentowa jako paradygmat modelowania

1. WPROWADZENIE

Organizacje biznesowe stają się coraz bardziej złożonymi systemami. Ta złożoność jest

wyraźnie widoczna podczas procesu wytwórczego systemów informatycznych wspierają-

cych działanie nowoczesnych firm. Organizacje przestały przyjmować formę monolitycz-

nych struktur z wyraźnymi granicami i ściśle zdefiniowanymi działami mieszczącymi się

w ramach hierarchii funkcjonalnej. Nowoczesne struktury organizacyjne przyjmują obecnie

różne formy. Przedsiębiorstwo może składać się ze zdecentralizowanych, niezależnych, po-

siadających zaplecze fizyczne organizacji, współdzielących zasoby oraz know-how przy re-

alizacji wspólnych celów [6]. Bardzo powszechne są sytuacje, w których przedsiębiorstwo

jest w pełni wirtualne i działa na elektronicznym rynku, jak np. różne rodzaje sieci bizneso-

wych (Business Web) [16].

* Politechnika Rzeszowska im. Ignacego Łukasiewicza, Wydział Budowy Maszyn i Lotnictwa

Modelowanie wirtualnych organizacji z wykorzystaniem paradygmatu agentowego 345

W związku ze wspomnianą transformacją wyraźnie widać, że strukturalne i behawioralne

charakterystyki organizacji biznesowych uległy głębokim zmianom, co spowodowało zwięk-

szenie złożoności dziedziny aplikacyjnej (Application Domain). Jak wiadomo, zgodnie z do-

brymi praktykami inżynierii oprogramowania, wszystkie te zmiany muszą zostać uwzględ-

nione podczas procesu projektowania informatycznych systemów zarządzania wspierających

działanie organizacji. Stanowi to duże wyzwanie dla zespołów zajmujących się projektowa-

niem i realizacją rozwiązań informatycznych dla biznesu. Niestety wykorzystywane obecnie

metodyki rozwoju oprogramowania nie są wyposażone w metody modelowania pozwalające

na przygotowywanie specyfikacji systemowej uwzględniającej charakterystyki nowocze-

snych modeli biznesowych. Efektem jest powstawanie tzw. luki semantycznej (Semantic

Gap), występującej pomiędzy modelami biznesowymi a modelami oprogramowania wyko-

rzystywanymi do implementacji informatycznych systemów zarządzania. Luka semantyczna

jest źródłem wielu problemów występujących podczas procesu przekształcania specyfikacji

biznesowej na architekturę rozwiązania informatycznego. Najistotniejszym jest to, że wielu

z aspektów działalności organizacji, które powinny być wspierane przez tworzony system nie

bierze się pod uwagę podczas procesu wytwórczego i w rezultacie oprogramowanie nie wspo-

maga we właściwym zakresie celów biznesowych przedsiębiorstwa. Ponadto niezależnie od

złożoności dziedziny aplikacyjnej, występuje również problem złożoności oprogramowania,

która jest jego inherentną własnością i ma swoje źródła w wielu obszarach, tj. zarządzanie

procesem rozwoju oprogramowania, szeroki zakres zastosowań systemu oraz problemy wy-

stępujące podczas modelowania systemów dyskretnych [2, 4].

Jak zostanie pokazane w niniejszej pracy, rozwiązaniem tych problemów jest wykorzy-

stanie odpowiednio dobranych pojęć modelowania na wszystkich etapach rozwoju oprogra-

mowania – modelowania biznesowego, analizy i projektowania oraz implementacji. Pojęcia

wykorzystywane na różnych etapach rozwoju oprogramowania muszą mieć dużą bliskość

semantyczną (Semantic Proximity). Dzięki temu transformacja modeli biznesowych na mo-

dele oprogramowania jest intuicyjnym i jednoznacznym odwzorowaniem artefaktów anali-

tyczno-projektowych.

Opracowanie przedstawia szkielet metodyki tworzenia informatycznych systemów za-

rządzania, której postawiono dwa główne cele. Pierwszym z nich jest usprawnienie zarzą-

dzania złożonością modeli biznesowych i oprogramowania. Drugi cel związany jest

z redukcją luki semantycznej pomiędzy specyfikacją biznesową i systemową tworzonego

rozwiązania informatycznego. Rdzeniem zaproponowanej metodyki jest pojęcie agenta pro-

gramowego (Software agent), którego własności predestynują go do wykorzystania jako

podstawowego bloku składowego tworzonych systemów. Takie podejście umożliwia

usprawnienie zarządzania złożonością procesu wytwórczego informatycznych systemów za-

rządzania oraz znaczną redukcję luki semantycznej występującej pomiędzy specyfikacją biz-

nesową i systemową.

2. ISTOTA WIRTUALNEJ ORGANIZACJI

Organizacje wirtualne są sieciami partnerskimi niezależnych, autonomicznych podmio-

tów, takich jak osoby, firmy lub instytucje badawcze, które zorganizowały swoje działania,

aby osiągnąć wspólny cel lub cele. Części składowe struktury wirtualnej organizacji są

346 J. Jakieła, P. Litwin, M. Olech

dobierane zgodnie z potrzebami wynikającymi z realizacji określonych zadań w ustalonym

czasie. Może to być partnerstwo niezależnych przedsiębiorstw posiadających zaplecze fi-

zyczne (linie produkcyjne, magazyny, biura etc.). W takim przypadku każdy z partnerów de-

leguje określoną jednostkę (pracownika, dział lub oddział), która staje się częścią struktury

wirtualnej organizacji. Przedsięwzięcie tego typu może również angażować całą organizację,

której wszystkie jednostki zostały delegowane do realizacji zadań.

Innym bardzo powszechnym wariantem tego typu struktur są organizacje, które przyj-

mują w pełni wirtualną formę miejsca realizacji działań operacyjnych. Wraz z rozwojem In-

ternetu, gospodarki cyfrowej i technologii informacyjno-komunikacyjnych, ewaluowały

nowe sposoby prowadzenia biznesu, a codziennie pojawiają się nowe, innowacyjne modele

biznesowe. Współcześnie wiele firm, nie posiadając fizycznego zaplecza, prowadzi działal-

ność na elektronicznych rynkach. W takim przypadku wirtualna organizacja stanowi elektro-

niczną platformę biznesową, która zapewnia środowisko, oraz odpowiednie mechanizmy

koordynacji i budowania zaufania, niezbędne przy dynamicznym konfigurowaniu sieci war-

tości (Value Net) [6]. W tym przypadku projektowanie wirtualnej organizacji sprowadza się

do projektowania oprogramowania, w formie platformy e-biznesowej, które będzie odpo-

wiednio wspierało wszystkie działania partnerów związanych z rozszerzonym przedsiębior-

stwem (Extended Enterprise).

W obu wariantach możliwe jest wyodrębnienie najistotniejszych cech organizacji

wirtualnych:

struktura organizacji jest zorientowana procesowo, a nie na podstawie hierarchii

funkcjonalnej;

struktura organizacji ma dynamiczny charakter i może się zmieniać w trakcie jej

cyklu życia;

występuje wysoki poziom autonomii partnerów tworzących wirtualną organizację;

każdy partner biznesowy jest samowystarczalny, co oznacza, że posiada wszystkie

niezbędne kompetencje oraz zasoby do realizacji określonej kategorii zadań;

wszystkie zadania są zorientowane na realizację wspólnego celu lub celów;

partnerzy tworzący wirtualną organizację mogą być fizycznie rozproszeni.

Proponowana w opracowaniu metodyka może być wykorzystana w procesie wytwór-

czym informatycznych systemów zarządzania wspierających obydwie kategorie wirtualnych

organizacji.

3. PODEJŚCIE AGENTOWE JAKO PARADYGMAT MODELOWANIA

WIRTUALNYCH ORGANIZACJI

Przed przedstawieniem zalet agentowo zorientowanego modelowania organizacji i pro-

jektowania systemu, warto przybliżyć istotę podejścia agentowego i zdefiniować dwa główne

pojęcia stanowiące bazę proponowanej metodyki – agenta i systemu wieloagentowego.

W ciągu ostatnich trzech dekad koncepcja inteligentnego agenta stała się bardzo popu-

larna. Wiele ośrodków naukowych zajmujących się dziedziną sztucznej inteligencji

koncentruje swoje badania na systemach agentowych. Wooldridge i Jennings [18] opisują


agenta jako sprzęt lub (częściej) oprogramowanie systemu komputerowego, które posiada

następujące właściwości:

autonomia: agenty działają bez bezpośredniej interwencji użytkownika lub innych

zewnętrznych podmiotów i posiadają kontrolę nad swoimi działaniami i stanem we-

wnętrznym;

umiejętności społeczne: agenty oddziałują z innymi agentami oraz użytkownikiem

systemu za pośrednictwem języka komunikacji międzyagentowej lub odpowiedniego

interfejsu użytkownika, co umożliwia wymianę wiedzy w ramach społeczności;

reaktywność: agenty w sposób ciągły monitorują swoje środowisko i jeżeli zajdzie

określone zdarzenie, uznane za istotne z perspektywy celów społeczności, odpo-

wiednio na nie reagują;

pro-aktywność: agenty działają nie tylko w odpowiedzi na zdarzenia zachodzące

w środowisku, ale są również w stanie podejmować inicjatywę zmierzając do reali-

zacji postawionego celu.

Wszystkie te charakterystyki stanowią ramy koncepcyjne, które zostały użyte przy two-

rzeniu metodyki i dzięki którym proponowane podejście może przyczynić się do poprawy

zarządzania złożonością w procesie wytwórczym informatycznego systemu zarządzania i re-

dukcji wspomnianej wcześniej luki semantycznej.

System wieloagentowy z kolei jest definiowany jako zbiór (społeczność) zdecentralizo-

wanych komponentów programowych (z których każdy wykazuje omówione wcześniej wła-

ściwości agenta), które wspólnie wykonują zadania (często w sposób równoległy), w sposób

umożliwiający osiągnięcie celu całej społeczności. Zgodnie z przedstawioną definicją,

agenty programowe mają zdolność do współpracy, co umożliwia tworzenie systemów wie-

loagentowych. Współpraca definiowana jest jako proces, w którym społeczność koordynuje

swoje działania, aby osiągnąć wspólne cele.

Współpraca pomiędzy agentami jest możliwa dzięki komunikacji i współdzieleniu wie-

dzy. Komunikacja jest wymianą informacji i wiedzy pomiędzy agentami (agenty mogą wysyłać

do siebie wiadomości oraz wzajemnie obserwować stan i zachowanie członków społeczności).

Przez ostatnie trzy dekady opracowano wiele środowisk programowych wspierających

tworzenie systemów wieloagentowych oraz architektur agenta. Metodyka prezentowana

w niniejszej pracy została oparta na architekturze BDI (Belief-Desire-Intension) [7], która

jest jedną z najczęściej używanych platform rozwoju systemów wieloagentowych i oferuje

struktury implementacyjne, które są semantycznie najbliższe strukturom wykorzystywanym

przy tworzeniu modeli biznesowych wirtualnych organizacji.

Rozważając wykorzystanie paradygmatu agentowego jako podstawy podejścia do mo-

delowania i projektowania wirtualnych organizacji, należy odpowiedzieć na dwa zasadnicze

pytania: Jakie charakterystyki agenta i systemu wieloagentowego powodują, że agent jest

naturalnym i intuicyjnym konstruktem modelowania organizacji? oraz Dlaczego modelowa-

nie organizacji wirtualnych z wykorzystaniem paradygmatu agentowego pozwala skuteczniej

zarządzać złożonością dziedzin aplikacyjnej oraz realizacyjnej?

Jednym z podstawowych założeń proponowanej metodyki jest to, że proces modelowa-

nia wirtualnej organizacji oparty jest na metaforze systemu wieloagentowego. Oznacza to, że


wirtualna organizacja jest modelowana w formie systemu wieloagentowego, zgodnie z zasa-

dami inżynierii oprogramowania systemów tej kategorii, ale równocześnie z uwzględnie-

niem wszystkich cech istotnych z perspektywy biznesowej (cele, strategie, zadania, role or-

ganizacyjne, odpowiedzialności związane z rolami etc.). Tego typu podejście jest zasadne ze

względu na zaobserwowane podobieństwa pomiędzy modelem generycznym wirtualnych or-

ganizacji i systemów wieloagentowych.

Kolejne pytanie dotyczy zarządzania złożonością dziedziny aplikacyjnej i realizacyjnej.

Jak pisze Grady Booch "Podstawowym zadaniem zespołu odpowiedzialnego za rozwój opro-

gramowania jest tworzenie iluzji prostoty" [2]. Wiadomo jednak, że zarządzanie złożonością

jest poważnym problemem w przypadku modelowania nowoczesnych organizacji i rozwoju

oprogramowania wspierającego ich funkcjonowanie. Wyczerpująca analiza obydwu

ww. kwestii znajduje się w pracy [10] i wyraźnie pokazuje, dlaczego orientacja agentowa

proponowanej metodyki jest dobrze uzasadnionym wyborem podejścia, które pozwala zre-

dukować lukę semantyczną i daje wymierne korzyści przy zarządzaniu złożonością modeli

tworzonych na wszystkich etapach rozwoju informatycznych systemów zarządzania dla wir-

tualnych organizacji.

4. METODYKA PROJEKTOWANIA WIRTUALNYCH ORGANIZACJI

Z WYKORZYSTANIEM PARADYGMATU AGENTOWEGO

4.1. ZAŁOŻENIA METODYKI

Przy tak dużej liczbie dostępnych obecnie metodyk rozwoju oprogramowania pojawia

się pytanie o realną potrzebę tworzenia kolejnej. Motywacje do utworzenia nowej metodyki

wynikają ze szczegółowej analizy wyników badań dotyczących wykorzystywanych metodyk

rozwoju międzyorganizacyjnych systemów informatycznych (Inter-organizational Informa-

tion Systems) oraz systemów wspomagających funkcjonowanie wirtualnych organizacji

[8, 13, 14, 17, 19, 20]. Analiza ww. opracowań wykazała możliwości wprowadzenia ulep-

szeń, pozwalających rozwiązać kilka istotnych problemów. Pierwszym z nich jest brak

w analizowanych metodykach wytycznych dla dyscypliny modelowania biznesowego, która

ma duże znaczenie przy projektowaniu informatycznych systemów zarządzania. Co więcej,

w niektórych metodykach dyscyplina ta nie jest w ogóle brana pod uwagę. Kolejną ważną

kwestią jest łatwość adopcji metodyki do praktycznych zastosowań. Założono, że katalizato-

rem adopcji metodyki jest wykorzystanie zunifikowanych języków, które są międzynarodo-

wymi standardami modelowania systemów biznesowych oraz oprogramowania. Jak poka-

zała analiza, część używanych metodyk (np. COMMA, TROPOS) opiera się na nietypowych,

oryginalnych notacjach, co znacznie obniża tempo adopcji do zastosowań biznesowych

i przemysłowych, oraz znacznie zawęża krąg ich użytkowników.

Aby rozwiązać te problemy sformułowano następujące wytyczne:

projektowanie systemów informatycznych dla wirtualnych organizacji wymaga

szczegółowego modelu biznesowego, który opisuje strukturalne i behawioralne cha-

rakterystyki dziedziny aplikacyjnej, dla której tworzone jest rozwiązanie informa-

tyczne;


aby w pełnym zakresie wspierać cele i działania organizacji, model biznesowy musi być

dokładnie odwzorowany w architekturze i funkcjonalnościach systemu informatycznego;

rozwój systemu powinien być wspierany przez metody modelowania biznesowego,

analizy i projektowania oraz implementacji wykorzystujące ujednolicony język mo-

delowania powszechnie stosowany w produkcji oprogramowania.

Przedstawione wytyczne wykorzystano następnie do przygotowania następujących założeń:

metodyka powinna zawierać dyscyplinę modelowania biznesowego, która obejmuje

takie aspekty biznesowe jak: model strategii (Business Motivation Model), model

procesów biznesowych (Business Processes Model), model reguł biznesowych (Bu-

siness Rules Model) i model struktury organizacyjnej (Organizational Structure Mo-

del). Pozwoli to na zawarcie w specyfikacji biznesowej najważniejszych cech dzie-

dziny aplikacyjnej i znacznie ulepszy proces zarządzania wymaganiami;

wszystkie metody modelowania opracowane w ramach metodyki powinny być

oparte na zunifikowanych językach, co pozwoli na zwiększenie tempa adopcji do

zastosowań biznesowych i przemysłowych;

metodyka powinna być zorientowana agentowo, co pozwoli zmniejszyć lukę seman-

tyczną między wymaganiami biznesowymi i systemowymi oraz ułatwi zarządzanie

złożonością modelowania organizacji i oprogramowania wspierającego jej funkcjo-

nowanie; orientacja agentowa metodyki oznacza, że wszystkie wykorzystane poję-

cia modelowania, wywodzą się z paradygmatu agentowego i są ściśle powiązane

z charakterystykami wirtualnych organizacji; co więcej, na etapie implementacji in-

formatyczny system zarządzania powinien być opracowany jako system wieloagen-

towy w architekturze BDI.

4.2. STRUKTURA METODYKI

Proponowana metodyka posiada strukturę wielowarstwową, którą można przedstawić

w dwóch wymiarach – statycznym i dynamicznym. Wymiar statyczny opisuje jak elementy

procesu wytwórczego są logicznie pogrupowane w kluczowe dyscypliny. Podstawowymi

składowymi procesu w tym ujęciu są: metody modelowania, dyscypliny, artefakty i role.

Wymiar dynamiczny pokazuje układ metodyki w terminach cykli, faz, iteracji i kamieni mi-

lowych, w kontekście cyklu życia projektu systemu (rys. 1). Struktura dynamiczna została

zapożyczona z metodyki RUP (Rational Unified Process), która definiuje cztery główne

etapy: rozpoczęcia (Inception Phase), opracowania (Elaboration Phase), budowy (Construc-

tion Phase) i przekazania systemu (Transition Phase). Wynikiem fazy rozpoczęcia jest zro-

zumienie potrzeb interesariuszy oraz celów tworzonego systemu. Odbywa się to poprzez

rozpoznanie wszystkich wymagań i określenie zakresu systemu. Na tym etapie celem jest

również łagodzenie ryzyka biznesowego oraz opracowanie uzasadnienia biznesowego dla

projektu systemu. Ważne jest również, aby uzyskać akceptację wszystkich zainteresowanych

stron i podjąć decyzję, czy projekt ma zostać uruchomiony. Podczas fazy opracowania reali-

zowane są najtrudniejsze technicznie zadania, takie jak: projektowanie, implementacja, te-

stowanie oraz definiowanie konfiguracji architektury wykonywalnej (w tym podsystemów,

ich interfejsów, kluczowych elementów i mechanizmów architektonicznych) [1].


Rys. 1. Struktura agentowo zorientowanej metodyki

Źródło: [1]

Implementacja odbywa się głównie w fazie budowy. Programiści rozwijają pierwszą

działającą wersję systemu w oparciu o projekt architektury wykonywalnej zapisany w odpo-

wiedniej notacji (najczęściej jest to język UML). Następnie wdrażana jest wersja alfa, po-

zwalająca sprawdzić, czy rozwijany system spełnia wymagania interesariuszy. Na koniec

tego etapu wydawana jest w pełni funkcjonalna wersja beta, jednak system nadal wymaga

dostrajania do wymagań funkcjonalnych i niefunkcjonalnych, oraz ciągłej poprawy jakości.

Głównym celem fazy przekazania systemu jest zebranie opinii końcowych i zapewnie-

nie, że wydanie systemu odpowiada potrzebom wszystkich zainteresowanych stron. Podczas

tego etapu wykonuje się kolejne testy i wprowadza drobne korekty. Działania obejmują do-

strajanie produktu, konfigurację i analizę użyteczności. Ważnym elementem jest szkolenie

użytkowników oraz zagadnienia integracji, jak również przygotowywanie finalnej wersji do-

kumentacji projektowej oraz podręczników użytkownika.

Oryginalny wkład wniesiony przy tworzeniu prezentowanej w pracy metodyki zwią-

zany jest z jej wymiarem statycznym. Przede wszystkim znacznie rozszerzono dyscypliny

modelowania biznesowego, zarządzania wymaganiami oraz analizy i projektowania. Co wię-

cej, zgodnie z założeniami metodyki, implementacja rozwiązania informatycznego może być

realizowana w architekturze BDI systemu wieloagentowego, co znacznie ułatwia przekształ-

canie artefaktów projektowych do struktur implementacyjnych. Rysunek 2 przedstawia

strukturę metodyki w zakresie dyscypliny modelowania biznesowego.


Rys. 2. Struktura dyscypliny modelowania biznesowego

Każda warstwa jest odpowiedzialna za modelowanie konkretnych aspektów bizneso-

wych wirtualnych organizacji. Są one następujące:

Warstwa strategii jest podzielona na dwie części: Ends i Means. Sekcja Ends jest

używana do opisywania stanu, jaki wirtualna organizacja chce osiągnąć. Ta sekcja

zawiera takie elementy, jak: wizje, cele i zadania. Sekcja Means opisuje możliwe do

podjęcia działania i sposoby ich realizacji. W tej sekcji znajdują się takie elementy

jak misje i kierunki działań wyrażone przez strategie i taktyki. Pojęcia modelowania

dla warstwy strategii zostały zaadaptowane ze standardu BMM (Business Motiva-

tion Model). Elementy warstwy strategii są modelowane wizualnie z użyciem roz-

szerzeń języka UML opracowanych dla każdego z pojęć modelowania.

Warstwa Procesów Biznesowych jest przeznaczona do modelowania procesów biz-

nesowych, pod-procesów, czynności, akcji i logiki przepływu kontroli. Elementy

warstwy procesów biznesowych są wizualnie modelowane z wykorzystaniem nota-

cji BPMN (Business Process Modeling Notation).

Warstwa Aktywów jest odpowiedzialna za modelowanie wszystkich zasobów i środ-

ków trwałych, które są wykorzystywane w procesach biznesowych wirtualnych or-

ganizacji. Notacja modelowania w warstwie aktywów jest utworzona z wykorzysta-

niem rozszerzeń języka UML w oparciu o standard BMM.

Warstwa Reguł Biznesowych służy do modelowania dyrektyw, które regulują lub

kierują procesami biznesowymi. Istnieją trzy kategorie dyrektyw: Polityka Bizne-

sowa, Reguły Biznesowe i Regulaminy. Notacja modelowania w warstwie reguł biz-

nesowych jest utworzona z wykorzystaniem rozszerzeń języka UML w oparciu

o standard BMM.


Warstwa Struktury Organizacyjnej odpowiada za modelowanie struktury wirtualnej

organizacji. Zawiera ona takie elementy jak: pracownicy, sekcje, działy i firmy, które

tworzą wirtualną organizację. Notacja wykorzystywana w tej warstwie została

oparta na wzorcach biznesowych Erikssona i Penkera [5] opracowanych w formie

rozszerzeń języka UML.

Wszystkie warstwy są ze sobą ściśle skorelowane, dzięki czemu możliwe jest śledzenie

każdego artefaktu projektowego pomiędzy warstwami z wykorzystaniem mechanizmów

identyfikowalności (Traceability). Dla każdej warstwy opracowano metody modelowania

zgodnie z wytycznymi opublikowanymi w [12]. Każda metoda modelowania jest opisana

z podaniem nazwy, definicji (motywacje, cele, pojęcia modelowania), dyscypliny (słownik,

gramatyka, szczegółowe procedury tworzenia modeli z wykorzystaniem metody) i sposobu

wykorzystania w cyklu projektowym (metoda jest stosowana niezależnie lub w połączeniu

z innymi metodami).

Integralną częścią każdej warstwy jest wizualny język modelowania. Notacja języka zo-

stała oparta na języku UML i standardach BMM oraz BPMN. Język wizualny został utwo-

rzony dla każdej warstwy oraz dyscyplin dostępnych w ramach metodyki z wykorzystaniem

techniki metamodelowania opracowanej przez grupę OMG [15]. Część metamodelu języka

wizualnego utworzonego dla warstwy strategii i sekcji means przedstawiono na rysunku 3.

Rys. 3. Fragment meta-modelu języka wizualnego dla Warstwy strategii (Modelowanie biznesowe)

biuro



Elementy wypełnione ciemniejszym kolorem należą do innych sekcji/warstw. Elementy

z jaśniejszym tłem należą do warstwy i sekcji które opisuje diagram. Jak widać, podstawowy

element w sekcji means to misja, która określa bieżącą działalność operacyjną przedsiębior-

stwa. Misja pozwala na realizację wizji. Każda misja jest planowana za pomocą strategii,

która reprezentuje zbiór działań prowadzących do osiągnięcia określonych celów. Każda

strategia jest realizowana poprzez taktykę, która jest ukierunkowaniem działań reprezentują-

cych część strategii. Taktyka jest skoncentrowana na osiąganiu celów. Wszystkie strategie

i taktyki formułowane są w oparciu o dyrektywy. Dyrektywy wskazują, jakie działania po-

winny lub nie powinny być wykonywane i pozwalają na definiowanie ograniczeń.

Po wykonaniu wszystkich działań związanych z dyscypliną modelowania biznesowego

planowanych dla konkretnej iteracji, prowadzone są działania w ramach dyscypliny analizy

i projektowania. Strukturę dyscypliny analiza i projektowanie przedstawiono na rysunku 4.

Rys. 4. Struktura dyscypliny analiza i projektowanie

Jak już wspomniano wcześniej, dyscypliny analizy i projektowania oraz implementacji

zostały opracowane zgodnie z paradygmatem agentowym. Zatem wszystkie pojęcia modelo-

wania, które są stosowane przy tworzeniu specyfikacji agentowo zorientowanego systemu są

zgodne z architekturą BDI. Co więcej wszystkie pojęcia są związane z dyscypliną modelowa-

nia biznesowego w taki sposób, że istnieje bezpośrednie i jednoznaczne odwzorowanie pomię-

dzy specyfikacją systemową i biznesową. Dyscyplina implementacji wykorzystuje konstrukcje

programistyczne języka AgentSpeak wykonywane w środowisku interpretera Jason [3].


W dyscyplinach analizy i projektowania oraz implementacji wykorzystano następu-

jące pojęcia:

Przekonania (Beliefs), które są używane do reprezentowania przechowywanych

przez agentów faktów na temat środowiska, innych agentów oraz stanu mentalnego

agenta, który je posiada. Przekonania w środowisku Jason mogą być opatrzone ad-

notacją, a zatem mogą być przechowywane na metapoziomie. Istnieją trzy główne

adnotacje przekonań: percepcja (Percept), własne (Self) i nazwa agenta (Agent

Name). „Percepcja” jest używana do określania informacji na temat środowiska po-

chodzących z sensorów agenta. Adnotacja „własne” oznacza, że przekonanie jest

tworzone przez agenta, jako zapis jego stanu mentalnego. „Nazwa agenta” infor-

muje, że źródłem przekonania jest inny agent.

Cele (Goals) przedstawiają stan do którego agent dąży. Zapis celu jest taki jak zapis

przekonania z tym, że jest poprzedzony symbolem wykrzyknika.

Plany (Plans) stanowią kierunki działań jakie agent będzie podejmował, aby osią-

gnąć swoje cele lub w reakcji na zmiany w jego otoczeniu. Każdy agent posiada bi-

bliotekę planów, które określają jego zachowanie. Poniżej przedstawiono przykła-

dowy zapis planu:

triggering_event : context <- body.

Wyzwalacz (Triggering Event) oznacza zdarzenie, które będzie obsługiwane przez

plan. Kontekst opisuje okoliczności, w których plan jest odpowiedni do obsługi da-

nego zdarzenia. Ciało planu (Body) jest sekwencją działań, które będą realizowane

lub nowych celów do osiągnięcia przez agenta. Zachowanie agenta może się zmie-

niać w czasie, jeśli nowe plany zostały pozyskane w trakcie komunikacji z innymi

agentami. Zdarzenia są rezultatem zmiany przekonań i celów. Przekonania mogą zo-

stać zaktualizowane i ustanowione nowe cele lub otrzymane od innych agentów,

w ramach procesu delegowania zadań. Zdarzenia uruchamiają realizację planów,

pod warunkiem, że zdarzenie pasuje do wyzwalacza, a plan może być wykonany

w danym kontekście.

Protokoły (Protocols) określają reguły, zgodnie z którymi komunikaty są wymie-

niane pomiędzy agentami. Relacje znajomości agenta opisują, w jaki sposób agenty

są ze sobą powiązane.

Role (ang. Roles) opisują zakres odpowiedzialności każdego agenta.

Zgodnie z założeniami metodyki wszystkie elementy modelowane w dyscyplinie mo-

delowania biznesowego muszą być odwzorowane na pojęcia paradygmatu agentowego

w dyscyplinie analizy i projektowania i ostatecznie zaimplementowane jako rozwiązanie

w formie informatycznego systemu zarządzania. Co również bardzo ważne, odwzorowanie

powinno odbywać się w sposób, który zmniejszy lukę semantyczną pomiędzy specyfikacją

biznesową i systemową.

Rysunek 5 przedstawia odwzorowania pomiędzy pojęciami modelowania z różnych

dyscyplin. Elementy z warstwy organizacji są reprezentowane za pomocą ról agentów, relacji

znajomości agentów i protokołów. Zasoby modelowane głównie w warstwie aktywów są

opisane w bazie przekonań agentów. Pojęcia warstwy strategii i sekcji Ends są odwzorowane


jako cele i przekonania agentów. Pojęcia z sekcji Means są odwzorowywane jako cele i plany

agentów. Polityka biznesowa, reguły biznesowe i regulaminy stosowane są w planach głów-

nie do sprawdzenia ich kontekstu. Procesy biznesowe są konwertowane do zdarzeń lub ko-

munikatów i planów.

Rys. 5. Odwzorowania pomiędzy pojęciami modelowania

Końcowe czynności rozwoju systemu związane są z jego implementacją, która może

być zrealizowana w języku AgentSpeak interpretowanym w środowisku Jason. Ponieważ

w dyscyplinie analizy i projektowania wszystkie pojęcia modelowania są ściśle związane

z architekturą BDI, realizacja sprowadza się do przekształcenia modelu projektowego do

agentowo zorientowanej implementacji.

5. WNIOSKI I PLAN DALSZYCH BADAŃ

Wysoka złożoność i specyficzne charakterystyki współczesnych struktur biznesowych

wymagają nowego podejścia do rozwoju informatycznych systemów zarządzania. Podejście

to powinno rozwiązywać dwa główne problemy: pozwolić zmniejszyć lukę semantyczną po-

między modelem biznesowym dziedziny aplikacyjnej i modelem projektowanego systemu,

jak również usprawnić proces zarządzania złożonością. W pracy przedstawiono rozwiązanie

w postaci agentowo zorientowanej metodyki rozwoju systemów wspierających funkcjonowa-

nie wirtualnych organizacji. Orientacja agentowa pozwala zawrzeć w modelu biznesowym


strukturę i zachowanie współczesnych przedsiębiorstw. Jest to możliwe dzięki dużej blisko-

ści semantycznej pojęć modelowania wykorzystywanych w podejściu agentowym oraz cech

wirtualnych organizacji. Proponowana metodyka jest uniwersalna, co oznacza, że może być

stosowana w rozwoju systemów dla organizacji o dowolnej specyfice i branży, w której

funkcjonują. Dzięki unifikacji języków modelowania i procesu zastosowanego w metodyce,

możliwa jest jej szybka adopcja do zastosowań biznesowych i przemysłowych. Ponadto ze

względu na dobrze rozwiniętą dyscyplinę modelowania biznesowego możliwe jest zawarcie

w specyfikacji wszystkich istotnych aspektów organizacji, i ostatecznie określenie funkcjo-

nalności, które będą w pełni wspierać cele biznesowe wirtualnego przedsiębiorstwa.

Obecnie metodyka jest we wstępnej fazie rozwoju. Przyszłe badania będą związane

z budową szczegółowych meta-modeli dla dyscypliny implementacji, jak również transfor-

macji artefaktów specyfikacji do struktur implementacyjnych wykorzystujących techniki

i narzędzia MDA (Model Driven Architecture). Pomimo ciągle trwających prac nad meto-

dyką, już w obecnej postaci, może być ona stosowana do budowy prototypowych informa-

tycznych systemów zarządzania.

LITERATURA

[1] Barnes J.: Implementing the IBM Rational Unified Process and Solutions: a Guide to Improving

Your Software Development Capability and Maturity. IBM Press, 2007.

[2] Booch G., Maksimchuk R., A., Engel M., W., Young B., J.: Object-Oriented Analysis and Design

with Applications. Addison-Wesley, 2007.

[3] Borodini R. H., Hubner J. F., Wooldridge M.: Programming Multi-Agent Systems in AgentSpeak

Using Jason. Wiley, Chichester, 2007.

[4] Brooks F., P.: The Mythical Man-Month: Essays on Software Engineering. Addison-Wesley,

1995.

[5] Eriksson H. E., Penker M.: Business modeling with UML: Business patterns at work. John Wiley

& Sons, 2000.

[6] Franke U., J.: Managing Virtual Web Organizations in the 21st Century: Issues and Challenges.

Idea Group Publishing, 2002.

[7] Georgeff, M., Pell B., Pollack M., Tambe M., Wooldridge M.: The Belief-Desire-Intention Model

of Agency. Intelligent Agents V: Agents Theories, Architectures, and Languages. Springer-

Verlag, 1999.

[8] Huemer Ch. et al.: The Development Process of the UN/CEFACT Modeling Methodology. 10th

International Conference on Electronic Commerce (ICEC)’08 Innsbruck, Austria.

[9] Jakieła, J.: AROMA – Agentowo zoRientowana metodyka Modelowania orgAnizacji. WAEiI,

Politechnika Ślaska, Gliwice, 2006.

[10] Jakieła J., Pomianek B.: Agent Orientation as a Toolbox for Organizational Modeling and Per-

formance Improvement. International Book Series “Information Science and Computing”, Book

13, Intelligent Information and Engineering Systems, INFOS 2009, s. 113–124, 2009.

[11] Jennings N. R., Wooldridge M.: Agent-oriented software engineering. Proceedings of the 9th

European Workshop on Modeling Autonomous Agents in a Multi-Agent World: Multi-Agent

System Engineering, 2000.

[12] Mayer, R. J., Crump, J. W., Fernandes, R., Painter, M. K., Keen A.: Information Integration for

Concurrent Engineering. Compendium of Methods Report. Interim Technical Paper. Wright-

Patterson Air Force Base. Ohio, 1995.

[13] Mili H. et al.: Business Process Modeling Languages: Sorting Through the Alphabet Soup, ACM

Computing Surveys, Vol. 43, No. 1, Article 4, 2010.


[14] Mylopoulos J., Castro J., Kolp M.: Towards requirements-driven information systems engineering:

the Tropos project, Information Systems 27 (2002), Elsevier, 2002, s. 365–389.

[15] Object Management Group: Meta-Object Facility, ver. 2.4.1, June 2013.

[16] Tapscott, D., Lowy, A., Ticoll, D.: Digital Capital: Harnessing the Power of Business Webs.

Harvard Business Review Press, 2000.

[17] Telang R. P., Singh P. M.: Comma: a Commitment-Based Business Modeling Methodology and

its Empirical Evaluation, Proceedings of the 11th International Conference on Autonomous

Agents and Multiagent Systems (AAMAS 2012), Conitzer, Winikoff, Padgham, and van der

Hoek (eds.), 4–8 June 2012, Valencia, Spain.

[18] Wooldridge, M., Jennings, N., R.: Agent Theories, Architectures, and Languages: a Survey.

Springer-Verlag, 1995.

[19] Yu E.: Modelling Strategic Relationships for Process Reengineering, Ph.D. Thesis, University of

Toronto, Department of Computer Science, Toronto, 1995.

[20] Zaborowski M. Model informacyjno-decyzyjny struktury danych o obiektach zarządzania,

W: Kozielski St. i inni (red.) „Bazy danych. Modele, technologie, narzędzia. Analiza danych

i wybrane zastosowania”, WKŁ, 2006.

VIRTUAL ORGANIZATIONS MODELING WITH AGENT PARADIGM

Abstract

The paper presents newly built, original approach to virtual organizations modeling with agent

paradigm. At first the basic characteristics of virtual organizations have been presented and

compared with structural and behavioral features of multi-agent systems. It was shown that

using multi-agent system metaphor during the development process of Management Infor-

mation Systems for virtual organizations may be a source of several benefits. The first one is

that such approach enables to better manage the complexity of application and realization do-

mains. What is more it is possible to significantly reduce the semantic gap between business

models and information system architecture. Finally the skeleton of agent oriented methodol-

ogy for development of management information systems supporting the operations of virtual

organizations has been presented and carefully explained.

Keywords: virtual organization, business modeling, agent-oriented management information

systems, agent-oriented development methodology, agent orientation as a modeling paradigm

358

Krzysztof JURCZYK*, Kamil KRAWCZYK*, Wojciech WOŹNIAK*

IMPLEMENTACJA STRATEGII

UZUPEŁNIANIA POZIOMU ZAPASÓW

W SYSTEMIE PRZEGLĄDU CIĄGŁEGO

W ŚRODOWISKU MATLAB

Streszczenie

Jednym z pięciu podsystemów logistycznych jest gospodarka magazynowa i bezpośrednio

z nią związane zarządzanie zapasami. Decyzje menedżerskie dotyczące tego obszaru dotyczą

przemieszczania towarów z miejsc ich nadania do miejsc odbioru. Złożoność problemu wy-

maga wykorzystania nowoczesnych narzędzi mogących go wspomóc. Celem niniejszej pracy

było wykazanie możliwości zastosowania pakietu Matlab do projektowania systemu sterowa-

nia zapasami. Obiektem badań były prognozy sprzedaży jednego z produktów oferowanych

przez wybrane przedsiębiorstwo. W pracy została przedstawiona struktura zapasów, a także

metody sterowania zapasami w systemie przeglądu ciągłego. Poza informacjami teoretycz-

nymi zamieszczono przykłady liczbowe oraz omówiono związek poziomu zapasów z przyję-

tym poziomem obsługi klienta. Następnie zaprezentowano zapis w programie Matlab omawia-

nych modeli oraz wyniki testów jakie przeprowadzono.

Słowa kluczowe: poziom obsługi klienta, sterowanie zapasami, system wspomagania decyzji

1. WPROWADZENIE

Decyzje planistyczne dotyczące sfery zaopatrzenia dotyczą w głównej mierze umiejęt-

nego zarządzania zapasami, tzn. takiego, dzięki któremu można uniknąć nadmiernych stanów

magazynowych, a jednocześnie zapewnić odpowiednio wysoki poziom obsługi klienta. Do-

bór odpowiedniej strategii sterowania zapasami jest ściśle związany z rozkładem popytu jaki

na te zapasy zgłasza rynek. Koniecznym staje się kompleksowa analiza wybranego procesu.

Korzystnym narzędziem umożliwiającym implementację wybranych metod sterowania za-

pasami są specjalistyczne pakiety obliczeniowe, których przykładem może być Matlab.


Tematyka związana ze sterowaniem zapasami jest bardzo popularna zarówno w litera-

turze polskiej, jak i zagranicznej. Jako pierwsze zostaną przedstawione te prace, w których

* AGH Akademia Górniczo-Hutnicza im. St. Staszica w Krakowie, Wydział Zarządzania

Implementacja strategii uzupełniania poziomu zapasów w systemie… 359

do optymalizacji poziomu zapasów i/lub poziomu obsługi klienta autorzy wykorzystywali

narzędzie jakim jest symulacja.

N. Szozda i M. Jakubiak zaprezentowali przykład wykorzystania pakietu symulacyj-

nego ARENA do budowy modelu symulacyjnego procesu kontroli poziomu zapasów [49].

Autorzy zaprezentowali model umożliwiający skrócenie czasu realizacji zamówień oraz za-

spokojenie potrzeb każdego klienta. Wcześniej B. Rodawski zauważył, że symulacja kom-

puterowa może okazać się efektywnym i stosunkowo prostym w implementacji narzędziem

mogącym służyć podejmowaniu decyzji dotyczących sterowania zapasami [39]. Autor za-

prezentował przykład wykorzystania aplikacji Crystal Ball do ustalenia wielkości dostaw

w taki sposób, aby zminimalizować całkowite koszty zapasów. W innej pracy, pokazano

w jaki sposób kształtowanie funkcji poprawy płynności sprzedaży wpływa na efektywność,

a także jaka jest wrażliwość systemu na funkcje poprawy płynności przesyłu [54]. W swoich

badaniach autorzy wykorzystali pakiet Simulink. Podobną pracę, w której zaprezentowano

model symulacyjny oparty na paradygmacie agentowym przedstawili M. Xie i J. Chen [56].

Wykorzystanie symulacji do ustalenia odpowiedniej polityki uzupełniania zapasów

było tematem kolejnej anglojęzycznej pracy [38]. Autorzy zwracają uwagę na fakt, iż w przy-

padku złożonych problemów decyzyjnych jakich przykładem jest problem wyboru odpo-

wiedniej strategii sterowania zapasami konieczne jest stosowanie szybkich i jednocześnie

skutecznych metod i narzędzi, a takim jest symulacja zdarzeń dyskretnych. Zbudowany mo-

del symulacyjny pozwalał na dynamiczne wprowadzanie zmian w wielkościach popytu dla

poszczególnych produktów. Badania symulacyjne przeprowadzone dla kilku strategii zama-

wiania pozwoliły na wybór odpowiedniej polityki zaopatrzeniowej. Podobne wnioski można

znaleźć w pracach wielu innych autorów [4, 11, 24, 40].

Koniecznym jest zwrócenie uwagi na fakt, że klasyczne metody sterowania zapasami

są podstawą do tworzenia nowych, lepszych metod. C. E. Larson i in. proponują model ste-

rowania zapasami w sytuacji, gdy profil popytu nie podlega rozkładowi normalnemu [31].

W innej pracy można z kolei znaleźć heurystykę do kontroli poziomu zapasów zbudowaną

na bazie metody (s, S) [15]. R. M. Hill w swojej pracy rozważa system ciągłej kontroli zapa-

sów w sytuacji, gdy profil popyt podlega rozkładowi Poissona [18]. W innej pracy, możemy

znaleźć strategię (s, Q) zmodyfikowaną w taki sposób, że uwzględniane są w niej zaległe

zamówienia [8]. Podobne prace, w których uwzględniono częściową realizację zleceń klien-

tów przedstawili m. in. S.-P. Wang [52] oraz H. E. Scarf [44]. Ponadto duża liczba prac

została poświęcona dynamicznym modelom sterowania zapasami [5, 7, 14, 58, 60].

Spośród polskich autorów tematyka sterowania zapasami stanowiła domenę nieżyją-

cego już dr Z. Sarjusza-Wolskiego [42]. Autor w jednej ze swoich prac zwrócił uwagę na

możliwość wykorzystania metod programowania dynamicznego w sterowaniu produkcją

i zapasami [43]. Matematyczną formalizację wielowymiarowych modeli sterowania zapa-

sami przedstawiono z kolei w innej pracy [53]. Analiza porównawcza klasycznych modeli

sterowania zapasami była z kolei tematem pracy A. Jodejko [20]. Badaniem efektywności

systemów ekspertowych do sterowania zapasami wyrobów gotowych zajmowali się z kolei

M. Dudek i D. Sala [13].

Kolejną grupę publikacji stanowi literatura dotycząca sterowania zapasami w struktu-

rach wieloszczeblowych. Jedna z pierwszych, obszernych prac zawierających przegląd

360 K. Jurczyk, K. Krawczyk, W. Woźniak

literatury dotyczący analizy wieloszczeblowych systemów dystrybucji została przygotowana

przez A. J. Clarka [10]. N. McCollom oraz L. Blank [32] prezentują model symulacyjny

czteroszczeblowego systemu dystrybucji dziesięciu produktów, w którym zjawiska losowe

generowane są na podstawie klasycznych rozkładów prawdopodobieństwa lub danych em-

pirycznych wprowadzonych przez użytkownika. E. P. Chew oraz L. A. Johnson [9] propo-

nują model wyznaczania poziomu obsługi klienta w wieloszczeblowych systemach dystry-

bucji. A. J. Stenger [48] przedstawia sposób zmniejszenia poziomu zapasów w wieloszcze-

blowych systemach dystrybucji. Podobne prace zaprezentowali później m.in. M. C. van der

Heijden, E. B. Diks i A. G. de Kok [51], S. Yanagi, K. Hasegawa i T. Yuge [55], B. R. Jung,

B. G. Sun, J. S. Kim i S. E. Ahn [21] oraz L. Song, X. Li i A. Garcia-Diaz [47]. Symulacyjne

modele transportu towarów w wieloszczeblowych systemach dystrybucji przedstawili z ko-

lei m.in. J. B. McGee, M. D. Rossetti i S. J. Mason [33]. Spośród polskich autorów wielosz-

czeblowe systemy dystrybucji są obiektem badań m.in. T. Ambroziaka, M. Jacyny oraz

R. Jachimowskiego [1–3, 19]. Autorzy ci przedstawiają modele optymalizacyjne wyznacza-

nia terminowych dostaw w wieloszczeblowych systemach dystrybucji. Zastosowanie metod

sztucznej inteligencji w modelowaniu wieloszczeblowych systemów dystrybucji było przed-

miotem badań wielu innych prac [17, 34, 50, 57, 59]. W pracach tych wykorzystano logikę

rozmytą do reprezentacji danych wejściowych. Niepewność informacji i jej prezentacja przy

użyciu zbiorów rozmytych to z kolei temat innego zestawu publikacji [6, 22, 25, 46]. Wśród

prac dotyczących tego obszaru brakuje jednak modeli kompleksowo uwzględniających nie-

pewność w wieloszczeblowych systemach dystrybucji, pojawiającą się po stronie dostaw-

ców, po stronie odbiorców oraz ze strony przewoźnika towarów.

3. METODY STEROWANIA ZAPASAMI

Literatura przedmiotu dostarcza podziału struktury zapasu na dwie główne części –

część rotującą oraz część nierotującą [12, 16, 26, 41], co zobrazowano rysunkiem 1.

Zapas

Czas

Dostawa Dostawa

Średni poziom

zapasu rotującego

Dostawa Dostawa Dostawa

Zapas

bezpieczeństwa

Zapas

rotujący

Rys. 1. Zapas rotujący i zapas bezpieczeństwa



Łatwo można zauważyć, że zapas rotujący to ta część zapasu całkowitego, która jest

zużywana i odnawiana cyklicznie. Ponadto poziom zapasu rotującego zależy od wielkości

aktualnych dostaw – średni poziom zapasu rotującego jest równy połowie średniej wielkości

dostawy uzupełniającej.

Zapas bezpieczeństwa to z kolei ta część zapasu całkowitego, która jest utrzymywana

celem zabezpieczenia ciągłości produkcji lub dystrybucji w sytuacji wystąpienia nietermino-

wych dostaw lub wahań zapotrzebowania. Jak zauważa S. Krzyżaniak często zdarza się, że

przedsiębiorstwa utrzymują zbyt wysokie i niczym nieuzasadnione poziomy zapasu bezpie-

czeństwa co prowadzi do występowania zapasu nadmiernego, a czasami nawet zapasu

martwego [30]. Przykładem zapasu martwego mogą być na przykład zapasy części zamien-

nych do nie produkowanych już samochodów. Rysunek 2 szczegółowo obrazuje struk-

turę zapasu.

Cykl dostaw

Zapas nadmierny

Zapas bezpieczeństwa

Za

pa

s

Czas

Wielkość

partii

dostawy

Zapas informacyjny

Zapas maksymalny

Moment dostawy Moment dostawy Moment dostawy

Moment złożenia

zamówienia

Moment złożenia

zamówienia

Moment złożenia

zamówienia

Rys. 2. Składowe zapasu magazynowego


Poza omówionymi wcześniej pojęciami na powyższym rysunku zaznaczono takie skła-

dowe jak zapas informacyjny oraz zapas maksymalny. Znaczenie tych pojęć zostanie omó-

wione w kolejnych akapitach niniejszego opracowania.

3.1. PARAMETRY STERUJĄCE

Zanim przedstawione zostaną podstawowe metody sterowania zapasami koniecznym

jest jednak omówienie podstawowych parametrów sterujących w nich wykorzystywanych.

Jako jedne z podstawowych pojęć należy wymienić terminy zapas informacyjny oraz

zapas maksymalny. Zapas informacyjny to poziom zapasu wyznaczający moment złożenia

zamówienia uzupełniającego. Zapas maksymalny to z kolei poziom zapasu, do którego skła-

dane jest zamówienie uzupełniające. Wyznaczenie poziomu obu tych parametrów, podobnie

jak i poziom zapasu bezpieczeństwa zależy od przyjętego poziomu obsługi klienta.

W literaturze można znaleźć wiele prac dotyczących wyznaczania poziomu obsługi

klienta [16, 27–29, 35, 36, 45]. Najczęściej przyjmuje się definicję, że jest to miara wyzna-

czająca prawdopodobieństwo niewystąpienia braku w zapasie. Dla uproszczenia przyjmuje


się, że popyt na dany asortyment w dłuższym okresie czasu podlega rozkładowi normalnemu.

Graficzna interpretacja problemu została przedstawiona na rysunku 3.

0 1 2 3123

PP _

_

P

Poziom obsługi klienta = 84 %




Rys. 3. Poziom obsługi klienta definiowany jako prawdopodobieństwo nie wystąpienia

braku w zapasie


Jak można zauważyć na powyższym rysunku wartość poziomu obsługi klienta jest ściśle

związana ze współczynnikiem bezpieczeństwa oznaczonym przez ω. Współczynnik ten –

odczytywany z tablic rozkładu normalnego – jest wykorzystywany do obliczania poziomu

zapasu bezpieczeństwa, zapasu informacyjnego oraz zapasu maksymalnego. Sposób oblicza-

nia tych parametrów opisano równaniami 1–3.

222 PTZB

TP (1)

TPTPZIPT 222 (2)

22

0

2

0max)( PTTTTPZ

TP (3)

gdzie:

ZB – poziom zapasu bezpieczeństwa,

ZI – poziom zapasu informacyjnego,

Zmax – poziom zapasu maksymalnego,

ω – współczynnik bezpieczeństwa,

P – średni popyt,

P – odchylenie standardowe średniego popytu,

T – średni czas cyklu uzupełniania,

T0 – cykl przeglądu poziomu zapasów,

T – odchylenie standardowe średniego czasu cyklu uzupełniania.

Obliczone wartości zapasu informacyjnego oraz zapasu maksymalnego są podstawo-

wymi parametrami sterującymi w omówionych w kolejnym podrozdziale strategiach stero-

wania zapasami.


3.2. STRATEGIE ZAMAWIANIA W SYSTEMIE PRZEGLĄDU CIĄGŁEGO

Można rozróżnić dwie strategie zamawiania w systemie ciągłego przeglądu poziomu

zapasów, a mianowicie metodę (s, Q) oraz metodę (s, S).

Pierwsza z omawianych strategii sterowania zapasami w systemie ciągłego przeglądu

poziomu zapasów – metoda (s, Q) – zakłada złożenie zamówienia uzupełniającego w mo-

mencie, w którym poziom zapasu bieżącego spadnie poniżej pewnego ustalonego poziomu s

odpowiadającego opisanemu w poprzednim podrozdziale poziomowi zapasu informacyj-

nego. Zapas bieżący jest definiowany jako suma aktualnych stanów magazynowych i przy-

szłych dostaw. Nieuwzględnienie przyszłych dostaw w zapasie bieżącym może skutkować

dublowaniem się zamówień uzupełniających [45]. W przypadku tej metody wielkość zamó-

wienia uzupełniającego jest stała i wynosi w każdym okresie Q. Główną zaletą omawianej

metody jest prostota jej implementacji w praktyce. Jako główną wadę należy z kolei wymie-

nić konieczność jej modyfikacji w sytuacji, gdy wielkości zamówień są znacząco mniejsze

od średnich wielkości wydań. Przykład zastosowania metody (s, Q) zaprezentowano poniżej.

Przykład 1

Rozważmy sytuację, w której prognoza popytu na pewien artykuł na kolejne 10 dni przed-

stawia się następująco: 70, 40, 30, 25, 60, 55, 40, 35, 40, 50 sztuk, a stan magazynowy tego

artykułu w pierwszym dniu wynosił 285 sztuk. Ustalono, że poziom zapasu informacyjnego

s jest równy 200 sztuk, a wielkość dostawy Q, realizowanej w czasie 2 dni jest równa 100

sztuk.

Rozwiązanie powyższego przykładu zobrazowano tabelą 1.

Tab. 1. Przykład zastosowania metody (s, Q)

Czas Dostawa Zapas

początkowy Popyt

Zapas

końcowy

Zapas

bieżący Zamówienie

1 – 285 70 215 215 –

2 – 215 40 175 175 100

3 – 175 30 145 245 –

4 100 245 25 220 220 –

5 – 220 60 160 160 100

6 – 160 55 105 205 –

7 100 205 40 165 165 100

8 – 165 35 130 230 –

9 100 230 40 190 190 100

10 – 190 50 140 140 –


Można łatwo zauważyć, że poziom zapasu końcowego jest obliczany jako różnica mię-

dzy poziomem zapasu początkowego a popytem jaki wystąpił w danym okresie. Zapas bie-

żący z kolei stanowi sumę zapasu końcowego oraz wcześniej złożonych zamówień. Zmiany

poziomów poszczególnych składowych zapasu zaprezentowano na rysunku 4.


Rys. 4. Zmiany poziomów poszczególnych składowych zapasu dla danych z przykładu 1


Drugą z omawianych strategii sterowania zapasami w systemie ciągłego przeglądu po-

ziomu zapasów jest metoda (s, S). Podobnie jak to miało miejsce w przypadku metody (s, Q)

zakłada ona złożenie zamówienia uzupełniającego w momencie, w którym poziom zapasu

bieżącego spadnie poniżej pewnego ustalonego poziomu s odpowiadającego opisanemu

w poprzednim podrozdziale poziomowi zapasu informacyjnego. W przypadku tej metody

wielkość zamówienia uzupełniającego jest zmienna i jej wielkość jest wyznaczana jako róż-

nica między ustalonym poziomem S odpowiadającym poziomowi zapasu maksymalnego,

a aktualnym poziomem zapasu bieżącego. Przykład zastosowania metody (s, S) zaprezento-

wano poniżej.

Przykład 2

Dla danych z przykładu 1 zaproponowano system sterowania zapasami wg metody (s, S).

Przyjęto ponadto, że poziom zapasu maksymalnego wynosi 300 sztuk.

Rozwiązanie powyższego przykładu zobrazowano tabelą 2. Zmiany poziomów po-

szczególnych składowych zapasu zaprezentowano z kolei na rysunku 5.

Tab. 2. Przykład zastosowania metody (s, S)

Czas Dostawa Zapas

początkowy Popyt

Zapas

końcowy

Zapas

bieżący Zamówienie

1 – 285 70 215 215 –

2 – 215 40 175 175 125

3 – 175 30 145 270 –

4 125 270 25 245 245 –

5 – 245 60 185 185 115

6 – 185 55 130 245 –

7 115 245 40 205 205 –

8 – 205 35 170 170 130

9 – 170 40 130 260 –

10 130 260 50 210 210 –


1 2 3 4 5 6 7 8 9 10100

120

140

160

180

200

220

240

260

280

300

dzień

pozio

m z

apasu

Zapas początkowy

Zapas końcowy

Zapas bieżący

Poziom informacyjny


Rys. 5. Zmiany poziomów poszczególnych składowych zapasu dla danych z przykładu 2


4. PLIKI FUNKCYJNE DO STEROWANIA ZAPASAMI

Matlab to zaawansowane interaktywne środowisko przeznaczone do obliczeń nume-

rycznych, programowania oraz symulacji. Dzięki temu oprogramowaniu możliwa jest sku-

teczna analiza danych, rozwijanie algorytmów oraz tworzenie modeli i aplikacji. Dzięki pro-

gramowi Matlab rozważane zadania można rozwiązywać szybciej niż przy wykorzystaniu

tradycyjnych języków programowania, takich jak C, C++ czy Java. Oprogramowanie Matlab

może być wykorzystane w wielu płaszczyznach, takich jak np. przetwarzanie sygnałów,

przetwarzanie obrazów, telekomunikacja, projektowanie układów sterowania czy matema-

tyka finansowa. W kolejnych podrozdziałach wykazano możliwość wykorzystania tego

oprogramowania we wspomaganiu decyzji dotyczących zarządzania zapasami.

4.1. PLIK FUNKCYJNY DO STEROWANIA ZAPASAMI WG METODY (S, Q)

W niniejszym podrozdziale zaprezentowano utworzone w programie Matlab pliki funk-

cyjne do sterowania zapasami wg każdej z wcześniej opisanych metod.

W tabeli 3 zaprezentowano kod programu umożliwiającego sterowanie zapasami

wg metody (s, Q).

Kod programu rozpoczyna się od deklaracji, że utworzony program będzie plikiem

funkcyjnym (linia kodu 01). Po słowie kluczowym function następuje deklaracja zmien-

nych wejściowych oraz wyjściowych tworzonej funkcji. Jako zmienne wejściowe określono

wektor prognozy popytu Popyt, czas realizacji zamówienia T, przyjęty poziom obsługi

klienta Poziom_obslugi, wielkość pojedynczej dostawy Partia_dostawy, aktualny

stan magazynowy zapas_poczatkowy oraz aktualnie uruchomione zamówienia

zapas_w_drodze. Jako zmienne wyjściowe funkcji przyjęto terminy uruchomienia za-

mówień uzupełniających ZAM, terminy prawdopodobnego wystąpienia braków O_STRAT,

wielkości prawdopodobnych braków W_STRAT oraz przewidywany stopień ilościowej rea-

lizacji prognozowanego popytu ST_REAL. Utworzonej funkcji przypisano nazwę

metoda_sQ i w m-pliku o dokładnie takiej nazwie zapisano program.

1 2 3 4 5 6 7 8 9 10

150

200

250

300

350

400

dzień

pozio

m z

apasu

Zapas początkowy

Zapas końcowy

Zapas bieżący

Poziom informacyjny

Zapas maksymalny


W linii kodu o numerze 04 zapisano warunki jakie spełnić muszą argumenty funkcji,

aby zadziałała poprawnie. Program sprawdza czy użytkownik podał dokładnie sześć argu-

mentów oraz właściwości każdego z nich. Sprawdzane jest czy wprowadzony czas realizacji

zamówienia jest liczbą większą od zera, czy wprowadzony poziom obsługi klienta mieści się

w przedziale od zera do jeden, czy wprowadzony stan zapasów magazynowych, stan zapasu

w drodze oraz wielkość zamówienia uzupełniającego są liczbami nieujemnymi oraz czy dane

dotyczące prognozowanego popytu wprowadzono w postaci wektora. Jeżeli jakikolwiek

z tych warunków niezostanie spełniony, program wyświetli komunikat błędu zapisany

w linii 72.

Tab. 3. Plik funkcyjny do sterowania zapasami wg metody (s, Q) Nr linii Kod programu

01

02

03

04

05

06

07

08

09

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

function [ZAM, O_STRAT, W_STRAT, ST_REAL] = ...

metoda_sQ(Popyt, T, Poziom_obslugi, Partia_dostawy, zapas_poczatkowy, zapas_w_drodze)

if nargin == 6 && isvector(Popyt) == 1 && T > 0 && Poziom_obslugi <= 1 && ...

Poziom_obslugi > 0 && Partia_dostawy > 0 && zapas_poczatkowy >=0 && zapas_w_drodze >=0

% Obliczenie wartości średniej popytu

P = mean(Popyt);

% Współczynnik bezpieczeństwa dla zadanego poziomu obsługi klienta

Omega = norminv(Poziom_obslugi,0,1);

% Zapas informacyjny

Zapas_inf = P * T + Omega * P * sqrt(T);

% Wymiary modelu

n = length(Popyt);

% Przestrzeń na zmienne (żeby program działał szybciej):

Zapas_poczatkowy = zeros(n+1,1);

Zapas_koncowy = zeros(n,1);

Braki = zeros(n,1);

Zapas_w_drodze = zeros(n,1);

Zamowienie = zeros(n,1);

% Początkowe wartości zapasu początkowego i zapasu w drodze

Zapas_poczatkowy(1) = zapas_poczatkowy;

Zapas_w_drodze(1) = zapas_w_drodze;

% Dostawy w pierwszych T okresach nie występują

Dostawa = zeros(T,1);

for i = 1:n

if Zapas_poczatkowy(i) > Popyt(i)

Zapas_koncowy(i) = Zapas_poczatkowy(i) - Popyt(i);

Braki(i) = 0;

else

Zapas_koncowy(i) = 0;

Braki(i) = Popyt(i) - Zapas_poczatkowy(i);

end

if Zapas_koncowy(i) + Zapas_w_drodze(i) <= Zapas_inf

Zamowienie(i) = Partia_dostawy;

else

Zamowienie(i) = 0;

end


Tab. 3. (cd.) Nr linii Kod programu

46

47

48

49

50

51

52

53

54

55

56

57

58

59

60

61

62

63

64

65

66

67

68

69

70

71

72

73

Dostawa(i+T) = Zamowienie(i);

Zapas_poczatkowy(i+1) = Zapas_koncowy(i) + Dostawa(i+1);

Zapas_w_drodze(i+1) = Zapas_w_drodze(i) + Zamowienie(i) - Dostawa(i+1);

end

% Informacja kiedy realizowane są zamówienia

ZAM = find(Zamowienie==Partia_dostawy);

% Informacja kiedy pojawiają się braki

O_STRAT = find(Braki~=0);

% Informacja o wielkościach braków

m = length(O_STRAT);

k = 0;

for i = 1:n

for j = 1:m

if O_STRAT(j) == i

k = k + 1;

W_STRAT(k) = Braki(i);

end

end

end

% Stopień ilościowej realizacji popytu

ST_REAL = 1 - sum(Braki)/sum(Popyt);

else

error('Wprowadź poprawnie argumenty funkcji');

end


W linii kodu 08 ma miejsce obliczenie średniej wartości prognozowanego popytu i za-

pisanie jej do zmiennej P. Ze względu na przyjęte założenie o stałym i zawsze dotrzymywa-

nym czasie dostawy obliczanie odchylenia standardowego popytu jest zbędne. W linii kodu

o numerze 11 obliczany jest współczynnik bezpieczeństwa Omega dla zadanego poziomu

obsługi klienta Poziom_obslugi. Wykorzystywana jest funkcja wbudowana norminv

zwracająca funkcję odwrotną skumulowanego, standardowego rozkładu normalnego. War-

tości średniego popytu oraz współczynnika bezpieczeństwa są wykorzystywane w linii 14 do

obliczenia poziomu zapasu informacyjnego zapisanego pod zmienną Zapas_inf. Należy

zauważyć, że ze względu na niewystępowanie odchyleń w czasie realizacji zamówień

uproszczeniu uległ wzór do wyznaczania tej wielkości.

W linii kodu 17 obliczana jest długość wektora Popyt. Obliczona wartość n jest

następnie wykorzystywana do zarezerwowania przestrzeni dla przyszłych zmiennych (linie

kodu od 20 do 24).

W liniach kodu 27 oraz 28 wprowadzone przez użytkownika zmienne

zapas_poczatkowy oraz zapas_w_drodze są przypisywane na pierwsze pozycje

wektorów Zapas_poczatkowy oraz Zapas_w_drodze. Ponadto w linii 31 należy

wyzerowanie pierwszych T okresów wektora Dostawa.


Określenie poziomów jakie przyjmują poszczególne składowe struktury zapasów

w każdym z n okresów jest efektem działania linii kodu od 33 do 49. W liniach o numerach

od 34 do 40 obliczane są poziomy zapasu końcowego oraz ewentualnych braków. Jeżeli po-

pyt w danym okresie i nie przewyższa poziomu zapasu początkowego z tego okresu, różnica

między aktualną wartością zmiennej Zapas_poczatkowy a aktualną wartością zmien-

nej Popyt jest wpisywana do wektora Zapas_koncowy na i-tą pozycję. Liczba braków

w zapasie wtedy nie występuje, więc do zmiennej Braki wpisywana jest wartość zero.

W przeciwnym wypadku, tj. W sytuacji wystąpienia przewagi popytu nad podażą, do wek-

tora Zapas_koncowy na i-tą pozycję wpisywana jest wartość zero, natomiast do zmien-

nej Braki na i-tą pozycję wpisywana jest różnica między aktualną wartością zmiennej

Popyt a aktualną wartością zmiennej Zapas_poczatkowy.

W liniach kodu od 41 do 45 zapisano podjęcie decyzji o uruchomieniu zamówienia uzu-

pełniającego. Zamówienie uzupełniające zostaje uruchomione w momencie, gdy suma war-

tości zmiennych Zapas_koncowy oraz Zapas_w_drodze na pozycji (i) jest mniej-

sza lub równa obliczonemu wcześniej poziomowi zapasu informacyjnego Zapas_inf.

Zmienna Zamowienie na pozycji (i) przyjmuje wtedy wartość wielkości dostawy wpro-

wadzonej na samym początku przez użytkownika pod zmienną Partia_dostawy.

W przeciwnym wypadku zamówienie uzupełniające nie jest uruchamiane, a zmienna

Zamówienie na pozycji (i) przyjmuje wartość równą zero. W linii kodu 46 określony

zostaje moment realizacji zamówienia.

Następnie w linii 47 obliczany jest poziom zapasu początkowego w kolejnym okresie.

Stanowi on sumę aktualnego zapasu końcowego oraz aktualnego zapasu w drodze. W linii

kodu o numerze 48 obliczany jest z kolei poziom zapasu w drodze w kolejnym okresie. Sta-

nowi on sumę aktualnego zapasu w drodze i aktualnych zamówień pomniejszonych o przy-

szłe dostawy.

W liniach kodu od 52 do 70 ma miejsce obliczanie zmiennych wyjściowych pliku funk-

cyjnego. W linii 52, przy użyciu funkcji wbudowanej find do wektora ZAM wypisywane

są te numery pozycji wektora Zamowienie, które przyjmują wartości równe zmiennej

Partia_dostawy. Analogicznie w linii 55 do wektora O_STRAT wypisywane są te

numery pozycji wektora Braki, które przyjmują wartości różne od zera. W liniach kodu od

58 do 67 do zmiennej W_STRAT wypisywane są wielkości braków dla każdego z okresów

wyróżnionych w wektorze O_STRAT. W linii 70 następuje obliczenie ostatniej zmiennej

wyjściowej, którą jest prognozowany stopień realizacji popytu. Do zmiennej ST_REAL

przypisana zostaje różnica między wartością jedności a ilorazem całkowitej sumy braków

z wektora Braki i całkowitej sumy prognozowanego popytu z wektora Popyt.

4.2. PLIK FUNKCYJNY DO STEROWANIA ZAPASAMI WG METODY (S, S)

W tabeli 4 zaprezentowano kod programu umożliwiającego sterowanie zapasami wg

metody (s, S).

Kod programu rozpoczyna się od deklaracji, że utworzony program będzie plikiem

funkcyjnym (linia kodu 01). Po słowie kluczowym function następuje deklaracja zmien-

nych wejściowych oraz wyjściowych tworzonej funkcji. W porównaniu do wcześniej


omówionego pliku metoda_sQ.m w analizowanym przypadku pojawia się jedna nowa

zmienna wyjściowa W_ZAM określająca wielkości przyszłych zamówień. Ponadto z listy

zmiennych wejściowych usunięta została zmienna Partia_dostawy – wielkości zamó-

wień będą obliczane w programie. Program zapisano pod nazwą metoda_sS.m.

W przypadku tego programu w kodzie (linia 11) pojawia się jedna dodatkowa stała T_0,

określająca cykl przeglądu poziomu zapasów. W związku z tym, że (s, S) jest metodą ciągłej

kontroli poziomu zapasów zmiennej T_0 przypisana została wartość jeden. Zmienna ta jest

następnie wykorzystywana w linii 18 do obliczenia poziomu zapasu maksymalnego

Zapas_max.

Tab. 4. Plik funkcyjny do sterowania zapasami wg metody (s, S)

Nr linii Kod programu

01

02

03

04

05

06

07

08

09

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

function [ZAM, W_ZAM, O_STRAT, W_STRAT, ST_REAL] = ...

metoda_sS(Popyt,T,Poziom_obslugi,zapas_poczatkowy,zapas_w_drodze)

if nargin == 5 && isvector(Popyt) == 1 && T > 0 && Poziom_obslugi <= 1 && ...

Poziom_obslugi > 0 && zapas_poczatkowy >=0 && zapas_w_drodze >=0

% Obliczenie wartości średniej popytu

P = mean(Popyt);

% Czas przeglądu

T_0 = 1;

% Współczynnik bezpieczeństwa dla zadanego poziomu obsługi klienta

Omega = norminv(Poziom_obslugi,0,1);

% Zapas informacyjny i zapas maksymalny

Zapas_inf = P * T + Omega * P * sqrt(T);

Zapas_max = P * (T + T_0) + Omega * P * sqrt(T + T_0);

% Wymiary modelu

n = length(Popyt);

% Przestrzeń na zmienne (żeby program działał szybciej):

Zapas_poczatkowy = zeros(n+1,1);

Zapas_koncowy = zeros(n,1);

Braki = zeros(n,1);

Zapas_w_drodze = zeros(n,1);

Zamowienie = zeros(n,1);

% początkowe wartości zapasu początkowego i zapasu w drodze

Zapas_poczatkowy(1) = zapas_poczatkowy;

Zapas_w_drodze(1) = zapas_w_drodze;

% Dostawy w pierwszych T okresach nie występują

Dostawa = zeros(T,1);

for i = 1:n

if Zapas_poczatkowy(i) > Popyt(i)

Zapas_koncowy(i) = Zapas_poczatkowy(i) - Popyt(i);

Braki(i) = 0;

else

Zapas_koncowy(i) = 0;

Braki(i) = Popyt(i) - Zapas_poczatkowy(i);

end


Tab. 4. (cd.) Nr linii Kod programu

45

46

47

48

49

50

51

52

53

54

55

56

57

58

59

60

61

62

63

64

65

66

67

68

69

70

71

72

73

74

75

76

77

78

79

80

81

82

83

84

85

86

87

88

89

if Zapas_koncowy(i) + Zapas_w_drodze(i) <= Zapas_inf

Zamowienie(i) = Zapas_max - Zapas_koncowy(i) - Zapas_w_drodze(i);

else

Zamowienie(i) = 0;

end

Dostawa(i+T) = Zamowienie(i);

Zapas_poczatkowy(i+1) = Zapas_koncowy(i) + Dostawa(i+1);

Zapas_w_drodze(i+1) = Zapas_w_drodze(i) + Zamowienie(i) - Dostawa(i+1);

end

% Informacja kiedy realizowane są zamówienia

ZAM = find(Zamowienie~=0);

% Informacja o wielkościach zamówień

p = length(ZAM);

q = 0;

for i = 1:n

for h = 1:p

if ZAM(h) == i

q = q + 1;

W_ZAM(q) = Zamowienie(i);

end

end

end

% Informacja kiedy pojawiają się braki

O_STRAT = find(Braki~=0);

% Informacja o wielkościach braków

m = length(O_STRAT);

k = 0;

for i = 1:n

for j = 1:m

if O_STRAT(j) == i

k = k + 1;

W_STRAT(k) = Braki(i);

end

end

end

% Stopień ilościowej realizacji popytu

ST_REAL = 1 - sum(Braki)/sum(Popyt);

else

error('Wprowadź poprawnie argumenty funkcji');

end


Kolejne modyfikacje pojawiają się w linii 46 – wielkość zamówienia uzupełniającego jest

obliczana jako różnica między zapasem maksymalnym Zapas_max a sumą zapasu końco-

wego Zapas_koncowy i zapasu w drodze Zapas_w_drodze w danym okresie.

Obliczanie wartości zmiennych wyjściowych ma miejsce w liniach kodu od 55 do 86.

W linii o numerze 56 do wektora ZAM wypisywane są numery indeksów wektora

Zamowienie, które przyjmują wartości różne od zera. W liniach kodu od 59 do 68 ma


miejsce wypisanie do wektora W_ZAM wielkości kolejnych uruchomionych zamówień. Zmienne

określające okresy braków, wielkości braków oraz stopień ilościowej realizacji popytu –

O_STRAT, W_STRAT, ST_REAL – obliczane są analogicznie jak w przypadku metody (s, Q).

5. TESTY UTWORZONYCH PLIKÓW FUNKCYJNYCH

Utworzone pliki funkcyjne zostały przetestowane na danych rzeczywistych pochodzą-

cych z wybranego przedsiębiorstwa. Na rysunku 6 zaprezentowano 200-dniową prognozę na

wybrany produkt oferowany przez analizowane przedsiębiorstwo.

Rys. 6. Dzienna prognoza sprzedaży analizowanego produktu

Źródło: opracowanie własne na podstawie danych analizowanego przedsiębiorstwa

Jak można łatwo zauważyć, spodziewany jest stały wzrost sprzedaży analizowanego

produktu przez okres kolejnych 150 dni. Po tym okresie spodziewane jest odwrócenie trendu

i spadek sprzedaży. Zestawione numerycznie wartości prognoz wraz z pozostałymi parame-

trami wejściowymi (tab. 5) posłużyły testom utworzonych plików funkcyjnych.

Tab. 5. Dane wejściowe plików funkcyjnych

Nazwa zmiennej Symbol w kodzie programu Wartość

Popyt Popyt patrz rysunek 6.

Czas realizacji zamówienia T 10 [dni]

Poziom obsługi klienta Poziom_obslugi 0,95

Wielkość dostawy Partia_dostawy 3 000 [sztuk]

Zapas początkowy zapas_poczatkowy 1 000 [sztuk]

Zapas w drodze zapas_w_drodze 0 [sztuk]

Źródło: opracowanie własne na podstawie danych analizowanego przedsiębiorstwa

0 20 40 60 80 100 120 140 160 180 2000

100

200

300

400

500

600

700

800

dzień roboczy

pro

gnozow

ana s

prz

edaż [

szt.

]


Efektem uruchomienia programów dla zadanego zestawu zmiennych były zmienne wy-

nikowe zaprezentowane w tabelach 6 i 7.

Tab. 6. Dane wyjściowe pliku funkcyjnego metoda_sQ.m


Okresy zamówień ZAM

[1, 2, 24, 40, 52, 62, 72, 81, 90, 98, 105, 113, 120, 126, 132, 138, 143, 149, 154, 161, 168, 177, 189]

Okresy wystąpienia braków O_STRAT [147, 152, 158]

Wielkości braków W_STRAT [496, 455, 192]

Stopień ilościowej realizacji

popytu ST_REAL 0,9823


Tab. 7. Dane wyjściowe pliku funkcyjnego metoda_sS.m


Okresy zamówień ZAM

[1, 10, 15, 19, 22, 25, 28, 31, 34, 36, 38, 40, 42, 44, 46, 48, 50, 52, 54, 56, 58, 60, 62, 64,

66, 68, 70, 72, 74, 76, 78, 80, 82, 84, 86, 88, 90, 92, 94, 96, 98, 100, 102, 104, 106, 108,

109, 110, 111, 112, 113, 114, 115, 116, 117,

118, 119, 120, 121, 122, 123, 124, 125, 126, 127, 128, 129, 130, 131, 132, 133, 134, 135,

136, 137, 138, 139, 140, 141, 142, 143, 144,

145, 146, 147, 148, 149, 150, 151, 152, 153, 154, 155, 156, 157, 158, 159, 160, 161, 162,

163, 165, 167, 169, 171, 173, 175, 177, 179,

181, 183, 185, 187, 190, 193, 196]

Wielkości zamówień W_ZAM

[4336, 419, 441, 491, 427, 482, 522, 530, 608, 433, 443, 453, 475, 494, 502, 508, 516, 541,

565, 575, 578, 582, 586, 596, 610, 616, 620,

641, 652, 657, 663, 669, 684, 695, 700, 712, 725, 736, 749, 756, 769, 776, 782, 791, 802,

808, 407, 407, 408, 412, 419, 423, 430, 432,

441, 442, 444, 446, 458, 471, 471, 476, 477, 483, 485, 487, 488, 489, 492, 500, 501, 501,

503, 514, 523, 524, 532, 539, 540, 542, 588,

522, 503, 514, 523, 524, 532, 539, 540, 542, 588, 522, 503, 493, 490, 480, 465, 464, 450,

435, 427, 797, 776, 772, 717, 670, 632, 611,

580, 566, 536, 478, 436, 573, 548, 480]

Okresy wystąpienia braków O_STRAT [144, 145, 146, 147, 148, 149, 150, 151, 152,

153, 154, 155]

Wielkości braków W_STRAT [74, 98, 87, 91, 147, 164, 166, 197, 104, 55, 58, 3]

Stopień ilościowej realizacji popytu

ST_REAL 0,9808



W przypadku metody (s, Q) program sugeruje uruchomienie zamówienia uzupełniają-

cego w 23 okresach. Wielkość każdego zamówienia jest stała i wynosi 3 000 sztuk. Ponadto

planista otrzymuje informację, że w okresach 147, 152 oraz 158 mogą pojawić się braki w za-

pasie analizowanego produktu. Szacowany stopień ilościowej realizacji popytu dla zadanego

zestawu danych wg tej metody wynosi 98,23%.

W przypadku metody (s, S) program sugeruje uruchomienie zamówień w 116 okresach.

Wielkości kolejnych zamówień są jednak niewielkie – pojedyncze zamówienie jest w stanie

pokryć maksymalnie trzydniowy popyt. Zwiększeniu uległa również liczba okresów, w któ-

rych przewidywane są braki w zapasie – okresy te przypadają na dni od 144 do 155. Suma-

ryczna liczba braków jest jednak podobna jak w przypadku sterowania zapasami wg me-

tody (s, Q), o czym świadczy szacowany stopień ilościowej realizacji popytu na pozio-

mie 98,08%.

6. PODSUMOWANIE

Korzystając z dwóch omówionych w niniejszej pracy metod sterowania zapasami, usta-

lono harmonogram składania zamówień uzupełniających na wybrany produkt w pewnym

przedsiębiorstwie. Cel pracy, jakim było wykazanie możliwości zastosowania pakietu Ma-

tlab do sterowania zapasami w analizowanym przedsiębiorstwie został osiągnięty. Przy uży-

ciu tego oprogramowania napisano dwa programy umożliwiające ustalenie harmonogramów

zleceń. Programy zostały przetestowane na danych rzeczywistych pochodzących z wybra-

nego przedsiębiorstwa. Ponadto wykazano, że napisane programy są na tyle stabilne i szyb-

kie w działaniu, że nadają się do praktycznego zastosowania w analizowanym przedsiębior-

stwie. Wybór konkretnego programu, a co jest z tym ściśle związane – wybór konkretnej

metody sterowania zapasami pozostaje w rękach kierownictwa firmy.

Praca realizowana w ramach grantu dziekańskiego nr 15.11.200.329.

LITERATURA

[1] Ambroziak T., Jachimowski R.: Zadania optymalizacyjne wyznaczania terminowych dostaw

w systemach dystrybucji. Prace Naukowe Politechniki Warszawskiej. Transport, 2009, z. 69,

s. 5–14.

[2] Ambroziak T., Jachimowski R.: Model wieloszczeblowego systemu dystrybucji dla realizacji

terminowych dostaw. Logistyka, 2/2011, s. 23–34.

[3] Ambroziak T., Jacyna I..: Projektowanie regularnych hierarchicznych sieci logistycznych.

Logistyka, 4/2010, dysk CD-Rom, s. 1–10.

[4] Akcay A., Biller B., Tayur S.: a Simulation-Based Approach To Capturing Autocorrelated

Demand Parameter Uncertainty In Inventory Management, Proceedings of the 2012 Winter

Simulation Conference, Berlin 2012, s. 3213–3224.

[5] Arasteh A., Aliahmadi A., Norang A.: Inventory policies and dynamic pricing under possibility

and rivals. The International Journal of Advanced Manufacturing Technology, Volume: 72,

Issue: 5–8, 2014, s. 627–642.

[6] Celikyilmaz A., Burhan Türksen I.: Modeling Uncertainty with Fuzzy Logic. Springer-Verlag,

Berlin Heidelberg 2009.


[7] Chao X., Yang B., Xu Y.: Dynamic inventory and pricing policy in a capacitated stochastic

inventory system with fixed ordering cost. Operations Research Letters, Volume: 40, Issue: 2,

2012, s. 99–107.

[8] Chen F.: Worst-case analysis of (R,Q) policies in a two-stage serial inventory system with determin-

istic demand and backlogging. Operations Research Letters, Volume: 25, Issue: 2, 1999, s. 51–58.

[9] Chew E. P., Johnson L. A.: Service level approximations for multiechelon Inventory systems.

European Journal of Operational Research 91, 1996, s. 440–455.

[10] Clark A. J.: An Informal survey of Multi-Echelon Inventory Theory. Naval Research Logistics

Quarterly, vol. 19, no. 4, December 1960, s. 621–650.

[11] Clay G. R., Grange F.: Evaluating Forecasting Algorithms and Stocking Level Strategies Using

Discrete-Event Simulation, Proceedings of the 1997 Winter Simulation Conference, Atlanta

1997, s. 817–824.

[12] Coyle, J. J., Bardi, E. J., Langley Jr., S. J.: Zarządzanie Logistyczne, Polskie Wydawnictwo

Ekonomiczne, Warszawa 2002.

[13] Dudek M., Sala D.: Badanie efektywności systemów ekspertowych do sterowania zapasami

wyrobów gotowych. Mechanika, T. 17, z. 4, 1998, s. 503–510.

[14] Fadiloglu M. M., Bulut Ö.: a dynamic rationing policy for continuous-review inventory systems.

European Journal of Operational Research, Vol. 202, Issue: 3, 2010, s. 675–685.

[15] Gavirneni S.: An efficient heuristic for inventory control when the customer is using a (s,S) policy.

Operations Research Letters, Volume: 28, Issue: 4, 2001, s. 187–192.

[16] Gudehus T., Kotzab H.: Comprehensive logistics. Springer, Berlin 2012.

[17] Gumus A. T., Guneri A. F.: a multi-echelon inventory management framework for stochastic and

fuzzy supply chains. Expert Systems with Applications 36, 2009, s. 5565–5575.

[18] Hill, R. M.: On the suboptimality of (S-1, S) lost sales inventory policies. International Journal of

Production Economics, Volume: 59, Issue: 1–3, 1999, s. 387–393.

[19] Jacyna M., Kaniowski G., Kaniowski R.: Optymalizacja obsługi logistycznej w trójszczeblowym

systemie dystrybucji. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2003.

[20] Jodejko A.: The comparative analysis of classic inventory control models. Systems: journal of

transdisciplinary systems science, Vol. 12, nr 2, 2007, s. 79–89.

[21] Jung B. R., Sun B. G., Kim J. S., Ahn S. E.: Modeling lateral transshipments in multiechelon

repairable-item inventory systems with finite repair channels. Computers & Operations Research

30, 2003, s. 1401–1417.

[22] Kahraman C., Yavuz M., Kaya I.: Fuzzy and Grey Forecasting Techniques and Their

Applications in Production Systems. W: Production Engineering and Management under

Fuzziness. Springer Verlag, Berlin Heidelberg 2010, s. 1–24.

[23] Karkula M.: Modelowanie i symulacja procesów logistycznych. AGH, Kraków 2013.

[24] Khromenko A. A.: Boundary Analysis and Simulation in Distributed Inventory Management,

Russian Engineering Research, Vol. 30, No. 11, 2010, s. 1182–1187.

[25] Kim H., Lu J. Ch., Kvam P. H., Tsao Y. Ch.: Ordering Quantity Decisions Considering Uncertainty

in Supply-Chain Logistics Operations. International Journal of Production Economics 134, 2011,

s. 16–27.

[26] Krawczyk S. [red.]: Logistyka. Teoria i praktyka. Tom II, Difin, Warszawa 2011.

[27] Krzyżaniak S.: Poziom obsługi w gospodarce z zapasami. Logistyka, 1/2003, s. 19–21.

[28] Krzyżaniak S.: o skutkach błędnej interpretacji wskaźnika poziomu obsługi przy wyznaczaniu

zapasu zabezpieczającego – część I. Logistyka, 6/2010, s. 40–43.

[29] Krzyżaniak S.: o skutkach błędnej interpretacji wskaźnika poziomu obsługi przy wyznaczaniu

zapasu zabezpieczającego – część II. Logistyka, 1/2011, s. 41–45.

[30] Krzyżaniak S.: Podstawy zarządzania zapasami w przykładach. ILiM, Poznań 2008.

[31] Larson C. E., Olson L. J., Sharma S.: Optimal Inventory Policies when the Demand Distribution

Is Not Known. Journal of Economic Theory, Vol: 101, Issue: 1, 2001, s. 281–300.

[32] McCollom N., Blank L.: Simulation Model for Multi-Level Distribution System Planning.

W: Proceedings of the 1982 Winter Simulation Conference, 1982, s. 491–499.


[33] McGee J. B., Rosetti M. D., Mason S. J.: Simulating Transportation Practices in Multi-Indenture

Multi-echelon (MIME) Systems. W: Proceedings of the 2004 Winter Simulation Conference,

2004, s. 974–981.

[34] Miller S., John R.: An Interval Type-2 Fuzzy multiple echelon supply chain model. Knowledge-

Based Systems 23, 2010, s. 363–368.

[35] Okulewicz J.: Verification of a service level estimation method. Total Logistic Management,

No. 2, 2009, s. 67–78.

[36] Okulewicz J., Salamonowicz T.: Preventive maintenance of technical systems as part of risk

management. Total Logistic Management, No. 1, 2008, s. 137–144.

[37] Pfohl H.: Systemy logistyczne: podstawy organizacji i zarządzania. Instytut Logistyki

i Magazynowania, Poznań 2001.

[38] Ramirez Cerda C. B., Espinoza de los Monteros F. A. J.: Evaluation of a (R,s,Q,c) Multi-Item

Inventory Replenishment Policy Through Simulation, Proceedings of the 1997 Winter Simulation

Conference, Atlanta 1997, s. 825–831.

[39] Rodawski B.: Wspomagana komputerowo symulacja procesu sterowania zapasami, LogForum,

Issue 1(3), 2005, s. 1–11.

[40] Sang H., Takakuwa S.: a Simulation-Based Approach For Obtaining Optimal Order Quantities

Of Short-Expiration Date Items At a Retail Store, Proceedings of the 2012 Winter Simulation

Conference, Berlin 2012, s. 1466–1477.

[41] Sarjusz-Wolski Z.: Strategia zarządzania zaopatrzeniem. PLACET, Warszawa 1998.

[42] Sarjusz-Wolski Z.: Sterowanie zapasami w przedsiębiorstwie. PWE, Warszawa 2000.

[43] Sarjusz-Wolski Z.: Programowanie dynamiczne i sterowanie produkcją i zapasami. Gospodarka

Materiałowa i Logistyka, Nr. 7–8, 2000, s. 181–182.

[44] Scarf H. E.: Optimal inventory policies when sales are discretionary. International Journal of

Production Economics, Volume: 93–94, 2005, s. 111–119.

[45] Silver E. A., Pyke D. F., Peterson R.: Inventory Management and Production Planning and

Scheduling, John Wiley & Sons, New York 2006.

[46] Snyder L. V., Max Shen Z.-J.: Supply and Demand Uncertainty in Multi-Echelon Supply

Chains. September 2006 [http://coral.ie.lehigh.edu/~larry/wp-content/pubs/suppdem10.pdf

dostęp: 20 października 2015].

[47] Song L., Li X., Garcia-Diaz A.: Multi-echelon supply chain simulation using metamodel.

W: Proceedings of the 2008 Winter Simulation Conference, 2008, s. 2691–2699.

[48] Stenger A. J.: Reducing inventories in a Multi-echelon manufacturing firm. A case study.

International Journal of Production Economics 45, 1996, s. 239–249.

[49] Szozda N, Jakubik M.: Analysis of the inventory level in the production cell, LogForum, Issue

6(3), 2010, s. 57–68.

[50] Torabi S. A., Ebadian M., Tanha R.: Fuzzy hierarchical production planning (with a case study).

Fuzzy Sets and Systems 161, 2010, s. 1511–1529.

[51] van der Heijden M. C., Diks E. B., de Kok A. G.: Stock allocation in general multi-echelon

distribution systems with (R, S) order-up-to-policies. International Journal of Production

Economics 49, 1997, s. 157–174.

[52] Wang S.-P.: An inventory replenishment policy for deteriorating items with shortages and partial

backlogging. Computers and Operations Research, Volume: 29, Issue: 14, 2002, s. 2043–2051.

[53] Wojna A., Kłodzińska A.: Wielowymiarowe modele sterowania zapasami i ich zastosowanie.

Badania Operacyjne i Decyzje, 2/2005, s. 83–90.

[54] White A. S., Gill R., Censlive M.: The Effect of Sales Smoothing on Inventory Performance,

Journal of KONBiN, No. 5(8), 2008, s. 201–210.

[55] Yanagi S., Hasegawa K., Yuge T.: An approximation to the steady state probabilities of a multi-

echelon repair model for a series system. Computers and Industrial Engineering, Volume 33,

Number 3, December 1997, s. 745–748.

[56] Xie M., Chen J.: Studies on horizontal competition among homogenous retailers through agent-based

simulation, Journal of Systems Science and Systems Engineering, Vol.: 13, Issue: 4, 2004, s. 490–505.


[57] Xie Y., Petrovic D., Burnham K.: a heuristic procedure for the two-level control of serial supply

chains under fuzzy customer demand. International Journal of Production Economics 102, 2006,

s. 37–50.

[58] Xu N.: Optimal policy for a dynamic, non-stationary, stochastic inventory problem with capacity

commitment. European Journal of Operational Research, Volume: 199, Issue: 2, 2009, s. 400–408.

[59] Zhou Ch., Zhao R., Tang W.: Two-echelon supply chain games in a fuzzy environment. Computers

& Industrial Engineering 55, 2008, s. 390–405. [60] Zhou L., Naim M. M., Ou T., Towill D. R.: Dynamic performance of a hybrid inventory system with

a Kanban policy in remanufacturing process. Omega, Volume: 34, Issue: 6, 2006, s. 585–598.

IMPLEMENTATION OF SELECTED INVENTORY CONTROL METHODS

IN A CONTINUOUS REPLENISHMENT SYSTEM

IN MATLAB SOFTWARE

Abstract

One of the five subsystems of logistics is warehouse management and inventory management,

both directly related to each other. Management decisions in this business area of interest con-

cern the movement of goods from source points to destination points. The complexity of the

problem requires the usage of modern tools. The aim of this study is to demonstrate the possi-

bility of using Matlab to design an inventory control system. The object of the study were sales

forecasts of one of the products offered by the selected enterprise. This article presents the

structure of inventories as well as different methods of inventory control in a continuous re-

plenishment system. Theoretical introduction is confronted with numerical examples and cus-

tomer service level is discussed. Finally, Matlab models as well as test results are presented.

Keywords: customer service level, inventory control, decision suport system

377

Karolina KOZŁOWSKA*, Monika BAŃDURA*

BADANIA EFEKTYWNOŚCI

WYKORZYSTANIA SYSTEMU RFID UHF

DO USPRAWNIENIA ZARZĄDZANIA

MAGAZYNEM

Streszczenie

Systemy identyfikacji towaru mają kluczowe znaczenie dla efektywnego funkcjonowania każ-

dej firmy produkcyjnej i magazynu. Obecnie na świecie coraz częściej stosowane są systemy

identyfikacji towaru oparte na technologii RFID UHF. Technologia ta wg. doniesień literatu-

rowych umożliwia identyfikację do kilkuset produktów w ciągu sekundy i z odległości do

kilku metrów. W pracy przedstawiono wyniki badań efektywności wykorzystania systemu

opartego na technologii RFID dalekiego zasięgu w magazynie. Badania przeprowadzono

w magazynie producenta odzieży.

Słowa kluczowe: Technologia RFiD UHF, magazyn, inwentaryzacja, logistyka

1. SYSTEMY AUTOMATYCZNEJ IDENTYFIKACJI

Stały wzrost produkcji towarów wymusza rozwój w dziedzinie automatyzacji procesów

magazynowych i logistycznych. Alternatywą dla systemów bazujących na kodach kresko-

wych może być technologia RFiD UHF (Radio Frequency Identyfication). W odróżnieniu od

kodów kreskowych identyfikator z zakodowanymi danymi nie musi być widoczny bezpo-

średnio przez czytnik – wystarczy, że jest w jego zasięgu. Ponadto czytniki mogą identyfi-

kować jednocześnie wiele obiektów, nawet będących w ruchu. Z tego powodu technologia

ta zdobywa coraz większe zastosowanie, m.in. W transporcie, w bankowości i w handlu.

Dane zapisane w transponderze w odpowiednim formacie zawierają niepowtarzalny identy-

fikator (tagID), mogą być szyfrowane, zabezpieczane hasłem, wielokrotnie odczytywane

i zapisywane [4, 5]. Porównanie technologii kodów kreskowych z technologią RFiD zawiera

tabela 1.

* Smart Technology Group, Kraków

biuro

Podświetlony

378 K. Kozłowska, M. Bańdura

Tab. 1 . Porównanie technologii kodów kreskowych z technologią RFiD

Charakterystyka technologii Kody kreskowe Technologia RFID

Konieczność optycznego

kontaktu z identyfikatorem tak

odczyt nawet ukrytych

identyfikatorów

Pamięć 249 znaków od 10 do 10 000 bajtów

Możliwość edycji danych

i wielokrotnego użycia taga nie tak

Zasięg do kilkudziesięciu

centymetrów do kilkudziesięciu metrów

Równoczesny odczyt

identyfikatorów nie

do 100 elementów

w kilka sekund

Odporność na działanie

czynników zewnętrznych,

mechanicznych, temperatury,

wilgotności

zależy od materiału do którego

przylega podwyższona odporność

Trwałość identyfikatora zależy od sposobu druku

i materiału ok. 10 lat

Bezpieczeństwo i ochrona

przed podrobieniem można podrobić

podrabianie praktycznie

niemożliwe

Praca z uszkodzonym

identyfikatorem utrudniona niemożliwa

Identyfikacja obiektów

w ruchu nie tak

Wpływ pola

elektromagnetycznego nie tak

Identyfikacja powierzchni

metalowych możliwa możliwa

Możliwość skanowania

czytnikami mobilnymi tak tak

Wymiary identyfikatorów małe małe i średnie

Koszty niższe wyższe


System RFID składa się z czytnika, anteny i identyfikatora. Wyróżniamy dwa rodzaje

czytników RFID: stacjonarne oraz ręczne, w tym mobilne, lub w postaci oddzielnych modu-

łów [7] (rys. 1).

Do wymiany informacji pomiędzy czytnikiem RFID a znacznikami wykorzystywane są

fale elektromagnetyczne o odpowiedniej częstotliwości. W przypadku systemów pracują-

cych w paśmie UHF zakres częstotliwości obejmuje 865–868 MHz.

Czytnik generuje zmienne pole elektromagnetyczne ukierunkowane na taga. Tag odsyła

unikalny numer identyfikacyjny określony przez użytkownika jako EPC lub producenta taga

Badanie efektywności wykorzystania systemu RFID UHF… 379

jako TID. Czytnik dekoduje sygnał w celu odczytu numeru identyfikacyjnego taga i odsyła

jego wartość do systemu komputerowego lub kontrolera nadrzędnego. Wybór anteny w sys-

temach RFID jest zdeterminowany przez parametry jakie użytkownik chce uzyskać w swoim

systemie. Do czytnika można dołączyć kilka anten, dzięki czemu możliwe jest zwiększenie

jego zasięgu.

Rys. 1. Podstawowe elementy systemu RFiD UHF

Zazwyczaj stosowane są anteny kierunkowe, które muszą być skierowane wprost na

identyfikator, z którym mają się komunikować. Anteny różnią się polaryzacją wiązki oraz

gabarytami co wpływa na zasięg odczytu.

2. OPIS FUNKCJONOWANIA MAGAZYNU OBJĘTEGO BADANIAMI

Badania efektywności wprowadzenia systemu identyfikacji opartego na technologii

RFID dalekiego zasięgu wykonano w zakładzie produkcyjnym firmy Pellini w Bejrucie. Na

rysunku 2 schematycznie zilustrowano magazyn firmy wraz z zaznaczoną halą produkcyjną.

Hala produkcyjna jest bezpośrednio połączona z magazynem surowców i magazynem

wyrobów gotowych. Sytuacja ta usprawnia wymianę surowców i produktów.

W hali produkcyjnej odbywa się:

produkcja wyrobów gotowych,

znakowanie wyrobów gotowych,

pakowanie wyrobów gotowych w opakowania zbiorcze.


Rys. 2. Schemat magazynu firmy z zaznaczonymi wyjściami wyrobów z hali produkcyjnej


W magazynie wyrobów gotowych odbywa się:

przyjmowanie wyrobów gotowych z hali produkcyjnej,

składowanie wyrobów gotowych,

inwentaryzacja wyrobów gotowych,

załadunek i wysyłka wyrobów gotowych.

Firma, w której przeprowadzono badania wytwarza 8000 sztuk produktów miesięcznie,

a asortyment firmy obejmuje około 200 pozycji asortymentowych. Magazyn wyrobów goto-

wych jest magazynem wysokiego składowania o wymiarach ok. 20 m × 30 m i podzielony

jest na cztery strefy:

strefa przyjęcia towaru z produkcji,

magazyn główny,

strefa kompletacji i pakowania,

strefa wysyłki.

Mnogość procesów wykonywanych od momentu znakowania produktu do momentu

jego wysyłki oraz zależność poprawności ich wykonywania od człowieka wpływa na duże

prawdopodobieństwo pomyłek i błędów.

Dane udostępnione przez producenta wykazują, że do sklepu docelowego dociera mię-

dzy 10–15 % błędnego towaru lub zamówiony towar nie dociera w ogóle. Z danych tych

wynika więc, że ok. 10–15 % załadunków jest błędnych.

Błędne załadunki, a w konsekwencji zwroty zwiększają koszty transportu a tym samym

koszty pracy. Błędy załadunków wynikać mogą z:

błędnej kompletacji zamówienia,

braku możliwości weryfikacji poprawności zawartości opakowania zbiorczego (po-

prawności ilościowej i jakościowej),

brak dostępu do informacji w czasie rzeczywistym na temat rzeczywistych stanów

magazynowych i ich lokalizacji.

Badanie efektywności wykorzystania systemu RFID UHF… 381

3. BADANIA WYKORZYSTANIA SYSTEMU RFID

W ZARZĄDZANIU WYBRANYM MAGAZYNEM

W celu zoptymalizowania procesów na magazynie wyrobów gotowych wdrożono sys-

tem oparty na technologii radiowej identyfikacji dalekiego zasięgu. Wdrożenie systemu po-

przedzone było analizą procesów produkcyjnych, magazynowych oraz informatycznych.

Przeprowadzono identyfikację stref i procesów o największym prawdopodobieństwie gene-

rowania strat i pomyłek.

Wdrożenie systemu poprzedzone było testami i optymalizacją pod względem doboru

parametrów poszczególnych elementów systemu: znaczników (tagów), anten oraz czytników

oraz integracją z oprogramowaniem wysokopoziomowym. Dodatkowo, ze względu na ko-

nieczność identyfikacji towaru w sklepach w oparciu o kody kreskowe, wdrożony system

musiał być systemem dualnym, umożliwiającym identyfikację zarówno w oparciu o kody

kreskowe, jak i o identyfikatory RFID UHF.

Aby zapewnić płynne przejście z systemu identyfikacji opartego na kodach kreskowych

na system oparty na RFID UHF i nie wprowadzać dodatkowych procesów, oznaczanie to-

waru tagami wprowadzono na etapie produkcji. W strefie, gdzie oznaczany był wyrób go-

towy kodem kreskowym, wprowadzono system dualny. Zamieniono drukarkę kodów

kreskowych na drukarkę z funkcją programowania identyfikatorów RFID, która została zin-

tegrowana z oprogramowaniem wysokopoziomowym. Produkt gotowy oznaczany jest iden-

tyfikatorem RFID, na którym nadrukowany jest kod kreskowy. W ten sposób zapewniona

jest dualność systemu i możliwość identyfikacji zarówno w oparciu o kody kreskowe jak i

o identyfikatory RFID. W ten sam sposób oznaczane są opakowania zbiorcze. W strefach

przyjmowania wyrobu gotowego na magazyn, kompletacji i załadunku zamontowano portale

czytające etykiety. Każdy portal zbudowany został z czterech anten o polaryzacji kołowej

oraz jednego czytnika RFID UHF. Dodatkowo personel wyposażony został w czytnik mo-

bilny umożliwiający inwentaryzację, odnajdywanie i identyfikację produktów na magazynie

oraz sprawdzanie poprawności załadunku.

W celu zbadania efektywności działania sytemu identyfikacji radiowej dalekiego za-

sięgu w badanym magazynie porównano parametry procesów uzyskane w oparciu o identy-

fikację radiową z parametrami tych samych procesów prowadzonych w oparciu o identyfi-

kację opartą na kodach kreskowych.

W wyniku przeprowadzonych badań porównania systemu identyfikacji radiowej dale-

kiego zasięgu i systemu opartego na kodach kreskowych stwierdzono, że wprowadzony sys-

tem identyfikacji radiowej w badanym magazynie powoduje:

zmniejszenie liczby pomyłek w załadunku o 99,7%,

poprawę dokładności danych dotyczących zapasów do 99,7%,

skrócenie czasu cyklu koniunkturalnego o 75%,

zmniejszenie kosztów inwentaryzacji o 59%,

skrócenie czasu inwentaryzacji o 76%,

zwiększenie dokładności inwentaryzacji do 99,6%.



System RFID wdrożony i właściwie wykorzystany w badanym magazynie pozwoli na:

zmniejszenie liczby pomyłek w załadunku,

pozyskanie dokładnych informacji na temat zapasów,

zmniejszenie kosztów inwentaryzacji,

zmniejszenie kosztów inwentaryzacji,

prawniejsze zarządzanie firmą.

Pomimo faktu, iż wdrożenie systemu zarządzania magazynem oraz systemu do inwen-

taryzacji opartego na technologii RFiD dalekiego zasięgu wymaga nakładów finansowych to

wykorzystanie opisanego w niniejszej pracy rozwiązania pozwoli na znaczne zmniejszenie

kosztów wynikających z redukcji niepotrzebnych zapasów, wyeliminowania błędnych wy-

syłek czy pomyłek w zamówieniach. Ponadto skrócenie procesów inwentaryzacji przyczyni

się redukcji utraconych korzyści wynikających ze zwiększenia skuteczności inwentaryzacji

oraz możliwości sprawnego przeszukiwania stanów magazynowych.

LITERATURA

[1] Juszka H., Janosz R., Tomasik M., Lis S.: Inżynieria Rolnicza, Agricultural Engineering, 2013,

Z. 4(147), T. 1, s. 101–110.

[2] Kozłowski, R. Tomczyk, I.: Nowoczesne rozwiązania w logistyce, Wyd. ILiM, Poznań 2009.

[3] Szymonik, A.: Technologie informatyczne w logistyce, Placet, Warszawa 2010.

[4] Technologie RFID i EPC. (2013). RFID Pozyskano z: http:// www.rfid-lab.pl

[5] Mazur Z., Mazur H.: Systemy automatycznej identyfikacji – zastosowania i bezpieczeństwo,

Politechnika Wrocławska.

[6] Szymszal J., Furman J., Kaczmarczyk G.: Innowacje w zarządzaniu i inżynierii produkcji. T. 1. pod

red. Ryszarda Knosali. Opole: Oficyna Wydaw. Polskiego Towarzystwa Zarządzania Produkcją,

2014, s. 1031–1042.

[7] Glover B., Himanshu Bhatt: RFID Essentials, O'Reilly, 2006.

EFFICIENCY STUDY ON RFID UHF SYSTEM

IN WAREHOUSE MANAGEMENT

Abstract

Product identification systems are crucial for any manufacturing company and warehouse man-

agement. Currently identification systems based on UHF RFID technology are increasingly

used all over the world. According to the literature RFID UHF technology allows for identifi-

cation of hundreds of products within seconds and from a distance of a few meters. The article

presents the results of efficiency study of an identification system based on long-range RFID

technology in the warehouse. The study was performed in the warehouse of clothing manufac-

turer.

Keywords: RFiD UHF technology, warehouse, inventory, logistics

http://www.rfid-lab.pl/

383

Jolanta KRYSTEK*

PLANOWANIE I HARMONOGRAMOWANIE

PRODUKCJI POWTARZALNEJ

W MODUŁOWYM, DYDAKTYCZNYM MODELU

ELASTYCZNEGO SYSTEMU PRODUKCYJNEGO

Streszczenie

W niniejszej pracy opisano dydaktyczny, modułowy model elastycznego systemu produkcyj-

nego. Stanowisko wyposażono w elementy umożliwiające symulację procesów i zdarzeń rze-

czywistych obiektów produkcyjnych. Na stanowisku możliwe jest symulowanie elementów

procesów produkcyjnych takich jak: planowanie (produkcji, dostaw komponentów, produkcji

powtarzalnej i rytmicznej), niedopasowanie wydajności odcinków produkcyjnych, wąskie gar-

dła, przezbrojenia, montaż, kontrola jakości. Proces produkcji został zaimplementowany

w zintegrowanym systemie informatycznym IFS Applications. W procesie harmonogramowa-

nia produkcji wykorzystano system Asprova APS.

Słowa kluczowe: planowanie produkcji, harmonogramowanie, IFS Applications, Asprova

APS, elastyczny system produkcyjny – ESP

1. WPROWADZENIE

Elastyczny system produkcyjny (ESP) (ang. Flexible Manufacturing System – FMS) jest

złożonym systemem zawierającym w sobie wiele elementów sprzętowych i oprogramowa-

nia. Może składać się z kilku elastycznych modułów produkcyjnych powiązanych typem

wyrobów lub procesem technologicznym, zintegrowanych poprzez system transportu i ma-

gazynowania oraz wspólne planowanie i sterowanie. Łączy podstawowe wymagania

nowoczesnej produkcji: wysoką wydajność (jak w zautomatyzowanych liniach produkcyj-

nych – produkcja powtarzalna i rytmiczna) oraz różnorodność asortymentu produkcji, cha-

rakterystyczną dla gniazd technologicznych – produkcja nierytmiczna [1, 5, 6]. Poziom ela-

styczności elastycznego systemu produkcyjnego powinien być przystosowany do stopnia

skomplikowania bieżących zadań produkcyjnych [4, 7].

Produkcja powtarzalna (repetitive production) jest jednym z najczęściej występujących

typów produkcji realizowanych w elastycznych systemach produkcyjnych. Można ją zdefi-

* Politechnika Śląska, Instytut Automatyki

384 J. Krystek

niować jako produkcję w komórce produkcyjnej systemu, w której (w nieregularnych odstę-

pach czasu) powtarzane są asortymenty wytwarzanych produktów oraz uzbrojenie maszyn

(wariant produkcyjny) i ich przydział do operacji. W czasie pracy w danym wariancie pro-

dukcyjnym w komórce produkcyjnej wytwarzana jest określona partia produktu lub współ-

bieżnie produkowane są partie produktów z określonej grupy. Jednocześnie wytwarzanych

może być wiele różnych wyrobów a dla niektórych z nich niemożliwe może być wykonanie

ich na dokładnie na czas – najczęściej wykonywane są one zbyt wcześnie lub zbyt późno. Ze

względów ekonomicznych oba przypadki są równie niekorzystne. Szczególnym przypad-

kiem produkcji powtarzalnej jest produkcja rytmiczna, w której okres powtarzalności (nazy-

wany rytmem) jest stały. W przeciwieństwie do produkcji powtarzalnej, produkcja rytmiczna

występuje tylko w stanie ustalonym, gdy wyroby są wytwarzane w określonym porządku,

z zachowaniem stałego okresu między kolejnymi uruchomieniami / zakończeniami serii tych

samych wyrobów.

Do harmonogramowania procesów produkcji powtarzalnej można wykorzystać metodę

nadążnego sterowania produkcją (NSP) [2], w tym algorytm nadążnego harmonogramowania

produkcji (NHP) [8]. Algorytm NHP jest algorytmem lokalnym w systemie nadążnego stero-

wania produkcją i jest przeznaczony do bieżącej generacji planów wykonawczych danej ko-

mórki systemu produkcyjnego w taki sposób, by plany te nadążały za operacyjnymi planami

komórki, pochodzącymi z jednostki koordynacyjnej systemu. Plany operacyjne (zlecenia pro-

dukcyjne) spełniają w algorytmie rolę wielkości wiodących. Nadążanie harmonogramów (pla-

nów wykonawczych) za zmiennymi planami operacyjnymi polega na utrzymaniu w określo-

nych granicach tych części składowych zapasów, których wahania zależą od różnic pomiędzy

planami operacyjnymi i wykonawczymi. Istnieje dowód, że jeśli plany operacyjne nie przekra-

czają zdolności produkcyjnych danej komórki, to algorytm gwarantuje ograniczoność zaległo-

ści w nadążaniu planów wykonawczych za operacyjnymi przy nieskończonym horyzoncie ob-

serwacji [9]. Dzieje się tak dzięki odpowiednio dobranym wartościom progowym zaległości,

poniżej których algorytm podejmuje decyzję o postoju. Ponadto udowodniono, że jeśli plany

operacyjne począwszy od pewnej chwili są stałe, to algorytm zapewnia zbieżność planów wy-

konawczych do idealnych harmonogramów cyklicznych, po skończonej liczbie kroków two-

rzących przedział czasowy stanu nieustalonego [10]. Przy tym w każdym okresie powtarzalno-

ści poszczególne warianty produkcyjne, czyli warianty uzbrojenia komórki produkcyjnej, wy-

stępują dokładanie jeden raz. Obie wymienione wyżej, podstawowe właściwości algorytmu

NHP, nie zależą od tego, według jakich reguł priorytetu (FIFO, LIFO, LPT, SPT) wybierany

jest wariant produkcyjny dla bieżącego okresu pracy. Wystarczy, że jest to jeden z wariantów,

dla których zaległości osiągnęły lub przekroczyły wartości progowe.

Elastyczne systemy produkcyjne należą do najbardziej kosztownych obiektów przemy-

słowych co oznacza, że kluczowe jest optymalne wykorzystanie wszystkich możliwości, ja-

kie stwarza ich potencjał wytwórczy. Jedną z istotnych przeszkód stojących na drodze do

lepszego poznania własności elastycznych systemów produkcyjnych stosowanych w prze-

myśle jest ich niedostępność dla naukowców i studentów oraz ograniczona możliwość inge-

rowania w procesy produkcyjne realizowane w tych systemach w działających zakładach

przemysłowych. Rozwiązaniem problemów związanych z analizą i projektowaniem ela-

stycznych systemów produkcyjnych oraz planowaniem i harmonogramowaniem produkcji,

może być wykorzystanie w dydaktyce i pracach naukowo-badawczych modeli, zarówno

Planowanie i harmonogramowanie produkcji powtarzalnej… 385

symulacyjnych, jak i fizycznych, systemów produkcyjnych. Przykładem systemu, który

może być wykorzystywany w procesie kształcenia studentów w tym zakresie może być sys-

tem będący fizycznym modelem elastycznego systemu produkcyjnego, wykonanym

w zmniejszonej skali. Ogólny widok stanowiska znajdującego się w Laboratorium Elastycz-

nych Systemów Produkcyjnych na Wydziale Automatyki, Elektroniki i Informatyki Poli-

techniki Śląskiej przedstawia rysunek 1. Na stanowisku możliwe jest symulowanie różnych

elementów procesów produkcyjnych jak: montaż wielowersyjny, planowanie produkcji (ryt-

micznej, powtarzalnej, masowej), planowanie dostaw komponentów, sekwencjonowanie za-

dań, planowanie potrzeb materiałowych i zdolności produkcyjnych poszczególnych podsys-

temów, identyfikacja wąskiego gardła, przezbrojenia, kontrola jakości i paletyzacja, analiza

dopasowania wydajności podsystemów. System wykorzystywany jest również do implemen-

tacji i weryfikacji opracowywanych metod, algorytmów oraz oprogramowania systemu ste-

rowania produkcją. Prowadzone prace obejmują modernizację, konfigurację i programowa-

nie lokalnych układów sterowania.

Rys. 1. Stanowisko badawcze modułowego, dydaktycznego modelu elastycznego systemu

produkcyjnego

2. OPIS STANOWISKA

Przedstawiane stanowisko dydaktyczne umożliwia wielowersyjny montaż testowego

produktu będącego zestawem krążków wykonanych z różnych materiałów (tworzywo, alu-

minium) i o zróżnicowanym kolorze, połączonych ze sobą magnetycznie. Możliwy jest mon-

taż 60 różnych zestawów. Zmontowany zestaw może zostać dodatkowo oznakowany za po-

mocą jednego z dwóch magnetycznych znaczników wielokrotnego użytku. Drzewo struktury

wybranego produktu testowego przedstawia rysunek 2.

386 J. Krystek

a)

b)

Rys. 2. Drzewo struktury wybranego produktu (a) – zestawu KR 001 (b)

Stanowisko wyposażone jest w napędy pneumatyczne i elektryczne sterowane za po-

mocą sterownika PLC zintegrowanego z panelem operatorskim wyposażonym w ekran do-

tykowy, który umożliwia definiowanie, wizualizację i modyfikację nadrzędnego harmono-

gramu produkcji. Prace badawcze realizowane na opisywanym stanowisku obejmują proces

projektowania, konfigurowania, technicznego planowania produkcji, programowania ste-

rowników, uruchamiania oraz identyfikacji i eliminacji błędów w działaniu systemu. Ekspe-

rymenty umożliwiają poznanie mechanizmów i zasad stosowanych w rzeczywistym syste-

mie produkcyjnym. Możliwa jest również realizacja różnych scenariuszy produkcyjnych

oraz badanie wpływu awarii poszczególnych urządzeń na wydajność systemu.


Dążenie do jak najlepszego odzwierciedlenia procesów produkcyjnych zachodzących

w rzeczywistych przedsiębiorstwach narzuciło określoną strukturę dydaktycznego elastycz-

nego systemu produkcyjnego oraz związany z tą strukturą podział modułów ze względu na

ich funkcje:

moduł dystrybucji – magazyn grawitacyjny, z którego kolejne krążki dostarczane są

na transporter taśmowy;

moduł kontroli który wykorzystuje czujniki kontrolno-pomiarowe (indukcyjne, po-

jemnościowe, fotoelektryczne) i realizuje następujące zadania:

o identyfikacja własności materiałowych krążków,

o przekazanie elementów do następnej fazy procesu wytwórczego,

o wizyjna kontrola jakości montażu;

moduł segregacji – kierowanie krążków na odpowiednie ścieżki produkcyjne;

moduł montażu – połączenie krążków w zestaw oraz montaż odpowiedniego markera;

moduł inspekcji – system wizyjny sprawdzający prawidłowość montażu

końcowego;

moduł wyjściowy – trzy niezależne linie transportowe prowadzące do magazynów

wyjściowych (a po rozbudowie stanowiska – do magazynu wysokiego składowania).

Proces produkcji w dydaktycznym systemie produkcyjnym realizowany jest zgodnie

z planem produkcji wprowadzanym do systemu z panelu kontrolnego lub zewnętrznej apli-

kacji nadzorującej pracę systemu.

Do detekcji koloru zastosowano zaawansowany czujnik koloru RGB, japońskiej firmy

Keyence, model CZ-H32, który w połączeniu ze wzmacniaczem CZ-V21AP pozwala na za-

programowanie detekcji do 4 różnych kolorów.

Dla przedstawianego systemu produkcyjnego można wyodrębnić następujące podsys-

temy powiązane między sobą przepływem określonych rodzajów strumieni:

podsystem przepływu materiałów,

podsystem przepływu strumieni energetycznych,

podsystem przepływu informacji.

Stanowisko wyposażono w elementy umożliwiające symulację procesów i zdarzeń rze-

czywistych obiektów produkcyjnych takich jak:

grawitacyjny magazyn wejściowy z czujnikiem pojemnościowym – umożliwiający

podawanie detali z możliwością zadawania częstotliwości podawania,

transportery taśmowe – zapewniające transport (ze zmienną prędkością) detali po-

między elementami wykonawczymi stanowiska,

separator pneumatyczny wyposażony w czujnik wizyjny KEYENCE CZ-H32 –

umożliwiający identyfikację podzespołów i zmianę ich marszruty produkcyjnej

w zależności od zadanych parametrów produkcji,

dwa dwuosiowe manipulatory (pneumatyczny i elektropneumatyczny) – pozwala-

jące na symulację procesów montażu i segregacji,

388 J. Krystek

mechanizm znakowania produktów – pozwalający na znakowanie produktu znacz-

nikiem wielokrotnego użytku w zależności od wybranej wersji, wyposażony w au-

tomatyczny system przezbrajania,

system kontroli z czujnikiem wizyjnym – zapewniający kontrolę i identyfikację wy-

robów pod względem np. poprawności montażu,

trzy magazyny wyjściowe do których kierowane są posortowane, ze względu na ro-

dzaj wyrobu lub jakość montażu, produkty.

3. PLANOWANIE I HARMONOGRAMOWANIE

ANALIZOWANEGO PROCESU

Harmonogramowanie produkcji można zdefiniować jako zadanie wyznaczenia takiego

rozdziału w czasie dostępnych zasobów produkcyjnych, który zapewni zaspokojenie zapo-

trzebowania na produkowane wyroby przy najlepszym ich wykorzystaniu. Niezbędna jest

szczegółowa znajomość struktury informacyjnej procesu produkcyjnego oraz szybka reakcja

na zmiany występujące w systemie produkcyjnym (popyt, awarie) przy zachowaniu możli-

wego do realizacji harmonogramu produkcyjnego. Większość producentów nie jest w stanie

szybciej reagować na rosnące potrzeby klientów oraz na obniżkę kosztów produkcji, dopóki

nie zastosuje odpowiedniej metodyki harmonogramowania. Musi ona uwzględniać wszyst-

kie ograniczenia w procesie produkcji oraz integrować proces harmonogramowania z funk-

cjonalnością procesu produkcyjnego.

W opisywanym systemie realizowany jest proces montażu wielowersyjnego. W celu

przeprowadzenia procesu technicznego planowania produkcji i jego implementacji analizo-

wano pełny proces produkcji. Implementację tego procesu można traktować jako wdrożenie

procesu produkcji w wirtualnym przedsiębiorstwie stworzonym na potrzeby modelowania

stanowiska badawczego. Proces produkcji został zaimplementowany w zintegrowanym sys-

temie informatycznym klasy ERP – IFS Applications i szczegółowo opisany w [2].

Stosowanie w przedsiębiorstwach produkcyjnych systemów wspomagania zarządzania

klasy ERP stało się obecnie standardem. Systemy te pozwalają na uporządkowanie struktury

informacyjnej przedsiębiorstwa, na zwiększenie efektywności przetwarzania danych i obni-

żenie kosztów tego przetwarzania. Należy jednak zauważyć, że w zakresie planowania i har-

monogramowania produkcji oferowane przez te systemy narzędzia stały się nieefektywne

w zetknięciu z obecnymi wymogami rynku, wymuszającymi skracanie terminów realizacji

zleceń i zapewnieniem dotrzymywania terminów dostaw, dużą zmiennością procesu produk-

cji oraz elastycznym dostosowaniu się do zmieniających się potrzeb klientów. W takiej sy-

tuacji mogą wystąpić problemy przy wyznaczaniu optymalnych planów produkcyjnych,

opartych na prognozach popytu i zamówieniach klienta. Rozwiązaniem jest coraz powszech-

niejsze stosowanie narzędzi APS (Advanced Planning and Scheduling) do skutecznego

planowania produkcji. Narzędzia APS wykorzystywane są w warstwie planowania wyko-

nawczego. Służą do przetworzenia planu produkcyjnego przedsiębiorstwa w szczegółowy

harmonogram tak aby plan ten mógł być jak najlepiej wykonany. Systemy APS generują

odpowiedź na pytania: co, gdzie, kiedy, ile, czym i jak ma być wykonywane (który zasób

i co powinien wykonać, w jaki sposób, za pomocą jakich narzędzi i kiedy). Dają możliwość

planowania i harmonogramowania produkcji z uwzględnieniem ograniczeń materiałowych,


zasobowych oraz logistycznych. Podstawową cechą narzędzi APS jest to, że opierają się rze-

czywistych i aktualnych danych, a nie wartościach średnich i zgrubnych oszacowaniach. Re-

akcja na wypadki losowe w systemie produkcyjnym (awarie, spóźnienie dostaw, anulowanie

zleceń) może być natychmiastowa, a korekty harmonogramu dokonywane są w czasie rze-

czywistym bez zagrożenia wprowadzenia dodatkowych zakłóceń w proces wytwarzania. Na-

rzędzia APS wyposażane są również funkcje symulacji, analiz „co, jeśli” i przewidywania

stanu systemu produkcyjnego co jest przydatne np. przy sprawdzaniu możliwości wykonania

dodatkowych zleceń czy rozpatrywaniu różnych strategii produkcji.

Rys. 3. Stanowisko badawcze – marszruta produkcyjna zestawu

Na rysunku 3 zaznaczono marszrutę produkcyjną realizowaną na stanowisku badaw-

czym. Proces produkcji rozpoczyna się od magazynu pionowego (1), z którego siłownik wy-

pycha krążek na taśmę transportową 1. Czujniki (wizyjny i fotoelektryczny) na stacji 2 iden-

tyfikują kolor krążka i materiał, z jakiego jest on wykonany. Na podstawie tych informacji

podejmowana jest decyzja o kolejnych krokach algorytmu. Jeśli zidentyfikowany krążek nie

jest właściwy, to zostaje przesunięty do magazynu karuzelowego. Zbuforowane w nim krążki

czekają do czasu pojawienia się zapotrzebowania na nie i wówczas zostają powtórnie wpro-

wadzone do procesu. Jeśli krążek jest właściwy, to przemieszczany jest na stację 3, na której

sprawdzany jest plan produkcji. Jeśli produkowany jest zestaw podwójny, to za pomocą ta-

śmy transportowej 2 następuje przesunięcie krążka na stację 4 i będzie to krążek dolny

w montowanym zestawie. Jeśli produkowany jest zestaw pojedynczy, to następuje przesu-

nięcie krążka na stację 5. Krążek dolny czeka na stacji 4 na pojawienie się na stacji 2 właści-

wego krążka górnego, który musi pojawić się na taśmie transportowej 2. Wówczas chwytak

podciśnieniowy manipulatora YZ przenosi krążek na stację montażu 5. Kolejny krążek ze-

stawu transportowany jest na stację 4 i za pomocą chwytaka umieszczany na znajdującym

się na stacji montażu krążku. Magnesy umieszczone w krążkach umożliwiają ich połączenie.

Następnie następuje pozycjonowanie produktu i z dozownika kulek, w wyżłobieniu górnego

krążka umieszczony zostaje znacznik. W planie produkcji definiowany jest rodzaj znacznika:

kulka mała lub duża i podajnik kulek odpowiednio do tego planu przezbraja się. Na stacji 5

znajduje się czujnik wizyjny, który sprawdza poprawność montażu. Jeśli zestaw jest zmon-

towany prawidłowo to drugi chwytak podciśnieniowy przenosi gotowy zestaw do określo-

nego magazynu końcowego (rys. 4–7).

390 J. Krystek

Rys. 4. Stanowisko badawcze – moduł

wejściowo-transportowy (1, 2) z magazynem

karuzelowym

Rys. 5. Stanowisko badawcze – stacja 3

Rys. 6. Stanowisko badawcze – moduły

montażu i inspekcji (5, 6)

Rys. 7. Stanowisko badawcze – moduł

wyjściowy (7, 8, 9)

4. PRZYKŁAD

Do harmonogramowania produkcji powtarzalnej realizowanej na opisywanym stano-

wisku badawczym wykorzystano zaawansowane narzędzie wspomagające planowanie i har-

monogramowanie produkcji Asprova APS. Dla każdego produkowanego zestawu otwierane

jest w systemie odpowiednie zlecenie. Listę realizowanych w tym przykładzie zleceń, które

zostaną uwzględnione w przykładowym harmonogramie, przedstawia rysunek 8.

Rys. 8. Wykaz planowanych zleceń produkcyjnych


Na rysunku 9 przedstawiono fragment tabeli głównej opisującej realizację

przykładowego zlecenia ZLC 054, które zostało zaplanowane do realizacji. Zlecenie

dotyczyło montażu zestawu numer 54: krążek dolny – plastikowy biały, krążek górny –

metalowy czarny, marker – kulka duża. Tabela główna umożliwia zarządzanie

podstawowymi danymi, które tworzone są w oparciu o informacje dotyczące procesu

produkcji (wykaz zaangażowanych w proces produkcji zasobów: maszyn, pracowników,

narzędzi; marszruty technologicznej; parametrów operacji; przezbrojeń i sposobu

przetwarzania materiałów w wyrób finalny).

Rys. 9. Dane podstawowe dla zlecenia 54

392 J. Krystek

Dla zaplanowanych zleceń produkcyjnych został wygenerowany harmonogram

produkcji który przedstawiono na rysunku 10. System Asprova APS umożliwia

modyfikację wielu parametrów harmonogramu. Po przygotowaniu harmonogramu

możliwa jest dodatkowo jego ręczna modyfikacja przez planistę. Wskazania planisty mają

najwyższy priorytet przy ponownym przeliczaniu harmonogramu. Wszystkie te działania

prowadzą do uzyskania najlepszej oceny harmonogramu określanej na podstawie

wskaźników bazujących na cenach jednostkowych materiałów i komponentów, kosztach

kooperacji oraz kosztach wykorzystania zasobów. Wyliczone wskaźniki odnoszą zarówno

do całego harmonogramu, jak również do poszczególnych zleceń, zasobów czy

materiałów. Istnieje możliwość definiowania własnych wskaźników oceny jakości

harmonogramu. Kolejnym niezwykle pomocnym elementem procesu planowania

produkcji jest wykres obciążeń dla posz-czególnych zasobów który pokazuje rysunek 11.

Wykaz tych zasobów podano w tabeli 1.

Rys. 10. Wykres Gantta dla zamówień

Rys. 11. Wykres obciążeń dla zasobów


Tab. 1. Wykaz zasobów

Kod zasobu Zasób Stacja

MP-1_ACT magazyn grawitacyjny 1

CK czujnik pojemnościowy 2

P-1 siłownik_1 – pochylnia 3

P-2 siłownik_2 – prostopadły 3

P-3 siłownik_3 – równoległy 4

PRZ-1 chwytak podciśnieniowy – montaż 4

TM2-ACT01 siłownik_4 – pozycjonowanie, lewy 5

TM2-ACT02 siłownik_5 – pozycjonowanie, prawy 5

TM2-DISS podajnik – kulki małe 5

TM2-DISB podajnik – kulki duże 5

TM2-CAM czujnik – identyfikacja 6

PRZ-2 chwytak podciśnieniowy – segregacja 6

TR1-ACT siłownik_6 – segregacja, magazyn_1 7

TR3-ACT siłownik_7 – segregacja, magazyn_2 9

5. PODSUMOWANIE

Prezentowane stanowisko dydaktyczno-badawcze jest fizycznym modelem elastycz-

nego systemu produkcyjnego, wykonanym w zmniejszonej skali. Jest wyposażone w ele-

menty będące modelami systemów produkcyjnych stosowanych w przemyśle. Umożliwia

zapoznanie się przyszłych planistów i projektantów takich systemów z problematyką projek-

towania systemów o wymaganym, niezbędnym poziomie elastyczności. Na stanowisku moż-

liwe jest symulowanie wielu elementów procesu produkcyjnego, takich jak: planowanie róż-

nych typów produkcji (między innymi: powtarzalnej i rytmicznej), przezbrojenia, montaż,

planowanie dostaw komponentów, niedopasowanie wydajności odcinków produkcyjnych,

identyfikacja wąskiego gardła, zakłócenia procesu produkcji. Możliwości te wynikają z przy-

jętej koncepcji – modułowej konstrukcji całego systemu co jest zgodne z najnowszymi tren-

dami tworzenia elastycznych systemów produkcyjnych.

W pracy opisano proces planowania i harmonogramowania produkcji powtarzalnej re-

alizowanej na stanowisku. Proces planowania produkcji został zaimplementowany w zinte-

growanym systemie wspomagającym zarządzanie produkcją klasy ERP, IFS Applications.

Należy jednak zauważyć, że w zakresie planowania i harmonogramowania produkcji sys-

temy klasy ERP mogą być nieefektywne w zetknięciu z obecnymi wymogami rynku, wymu-

szającymi skracanie terminów realizacji zleceń i koniecznością dotrzymywania terminów

realizacji, wielowariantowością produkcji, oraz elastycznym dostosowaniu się do zmieniają-

cych się potrzeb klientów. W takiej sytuacji mogą wystąpić problemy przy wyznaczaniu op-

tymalnych planów produkcyjnych, opartych na prognozach popytu i zamówieniach klienta,

przy czym udział prognoz i zamówień w planowaniu jest zależny od typu produkcji realizo-

wanej w przedsiębiorstwie.

394 J. Krystek

Rozwiązaniem problemów może być zastosowanie nowych metod planowania i harmo-

nogramowania produkcji czyli narzędzi APS (Advanced Planning and Scheduling). Wystę-

pują one bądź jako składnik zintegrowanego systemu zarządzania klasy ERP (np. IFS Appli-

cation – moduł harmonogramowania z ograniczeniami CBS (Constraint Based Scheduling),

bądź jako pakiet zewnętrzny, dostarczany przez innego producenta. W niniejszym opraco-

waniu, do planowania i harmonogramowania produkcji powtarzalnej zaproponowano wyko-

rzystanie systemu Asprova APS.

Praca finansowana ze środków przewidzianych na BK-227/RAu1/2015/t.9.

LITERATURA

[1] Brzeziński M. (red.): Organizacja i sterowanie produkcją. Projektowanie systemów produkcyjnych

i procesów sterowania produkcją. PLACET, Warszawa 2002.

[2] Krystek J.: Nadążne sterowanie procesem produkcji powtarzalnej. Logistyka 2/2011.

[3] Krystek J.: Projekt dydaktycznego, modułowego, elastycznego system produkcyjnego. Miesięcznik

Naukowo-Techniczny, Mechanik 7/2014, s. 343–354, 560.

[4] Matta A., Semeraro Q.: Design advanced manufacturing systems – models for capacity planning

in advanced manufacturing systems. Springer, New York, 2005.

[5] Sawik T.: Optymalizacja dyskretna w elastycznych systemach produkcyjnych. WNT, Warszawa,

1992.

[6] Sawik T.: Planowanie i sterowanie produkcji w elastycznych systemach montażowych. WNT,

Warszawa, 1996.

[7] Tolio T. (red): Design of Flexible Production Systems. Springer-Verlag, Berlin, 2009.

[8] Zaborowski M., Krystek J.: Algorytm nadążnego harmonogramowania produkcji.

III K.K. „Komputerowo Zintegrowane Zarządzanie”, Zakopane, 2000.

[9] Zaborowski M.: Stabilność procesu nadążnego harmonogramowania produkcji. ZN. Pol. Śl.,

s. Automatyka, z. 129, Gliwice, 2000.

[10] Zaborowski M.: Zbieżność procesu nadążnego harmonogramowania produkcji. ZN. Pol. Śl.,

s. Automatyka, z. 129, Gliwice, 2000.

PLANNING AND SCHEDULING OF REPETITIVE PRODUCTION

IN MODULAR,TEACHING MODEL

OF A FLEXIBLE MANUFACTURING SYSTEM

Abstract

A model of teaching, modular flexible manufacturing system is described. The system is

equipped with elements to simulate real processes and events of production facilities. On the

test stand, it is possible to simulate elements of the production process, such as planning (pro-

duction, supply of components, repetitive and rhythmic production), performance mismatch of

production sections, bottlenecks, setups, assembly, quality control. The production process was

implemented in the integrated management systems IFS Applications. The Asprova APS sys-

tem in the scheduling process was used.

Keywords: FMS, production planning, scheduling, IFS Applications, Asprova APS, flexible

manufacturing system

395

Marcin MALINOWSKI*

NIESPRZĘŻONY

ZINTEGROWANY SYSTEM NAWIGACJI

W WARUNKACH ZANIKU

SYGNAŁU SATELITARNEGO

Streszczenie

W nawigacji spotykane są różne uwarunkowania terenowe, które wpływają na ciągłość i do-

kładność pomiarów trajektorii nawigowanego pojazdu lądowego. Ciągłość obserwacji może

zapewnić budowa zintegrowanego systemu nawigacyjnego. Przykładem takiego jest przedsta-

wiony w niniejszej pracy system nawigacji inercjalnej INS zintegrowany z systemem DGPS

w konfiguracji niesprzężonej. Do wyznaczenia rozwiązania nawigacyjnego w zintegrowanym

systemie zastosowano rozszerzony Filtr Kalmana EKF. Na podstawie dwóch badań tereno-

wych wykonano ocenę przydatności zintegrowanego systemu nawigacji w różnych warunkach

utraty sygnału satelitarnego.

Słowa kluczowe: INS, GPS, DGPS, Rozszerzony Filtr Kalman, Niesprzężony, Zintegrowany

System Nawigacji

1. WSTĘP

Ze względu na wysokie koszty paliwa, nieprzerwaną presję zwiększania wydajności

oraz produktywności system GPS stał się bardzo przydatny w transporcie. Firmy transpor-

towe, które zdecydowały się zastosować ten system, zanotowały wzrost produktywności pra-

cowników, zmniejszyły koszty operacyjne oraz polepszyły relacje z klientami [15]. W aglo-

meracjach miejskich jednostki samorządowe coraz częściej dostrzegają zapotrzebowanie na

sprawne zarządzanie potokami ruchu [1, 13, 14, 16]. Implementacja inteligentnych systemów

transportowych ITS przy udziale systemu pozycjonowania GPS pozwala zrealizować ideę

zielonej fali dla pojazdów uprzywilejowanych [1, 18]. Współdziałanie powyższych syste-

mów można wykorzystać w nawigacji przy wyszukiwaniu najszybszej trasy omijającej naj-

większe utrudnienia drogowe.

Telefonia komórkowa w połączeniu z systemem GPS pozwala nieustannie monitoro-

wać położenie środków transportu i osób. Na terenach o zwartej, wysokiej zabudowie oraz

* Uniwersytet Technologiczno-Przyrodniczy im. Jana i Jędrzeja Śniadeckich w Bydgoszczy, Wydział

Budownictwa, Architektury i Inżynierii Środowiska

396 M. Malinowski

gęstym zalesieniu i tunelach trudno zachować ciągłość obserwacji satelitarnych a tym sa-

mym mówić o prawidłowym przebiegu monitoringu. Prowadzenie monitoringu wymaga za-

pewnienia możliwie precyzyjnych, a co najważniejsze – nieprzerwanych informacji o para-

metrach nawigowanego obiektu w zakresie jego położenia, prędkości i przyspieszenia [11].

W celu uzyskania ciągłości obserwacji buduje się zintegrowane systemy nawigacyjne. Przy-

kładem jednego z nich jest wykorzystanie systemu nawigacji inercjalnej do integracji z sys-

temem GPS [2, 5, 7–9]. W zintegrowanych systemach nawigacyjnych często stosowanym

narzędziem do przetwarzania sygnałów jest filtr Kalmana [7–10]. Z uwagi na nieliniowy cha-

rakter sytemu dynamicznego postanowiono wykorzystać jego rozszerzoną odmianę EKF

(Extended Kalman Filter) [5–10]. Algorytm ten opiera się na linearyzacji równania stanu

oraz równania obserwacji pomiarowych wokół poprzedniej lub bieżącej estymaty. System

dynamiczny jest nieliniowy, jeżeli funkcje stanu lub obserwacji są funkcjami nieliniowymi

[8]. Weryfikację efektywności i niezawodności kontynuowania procesu wyznaczania roz-

wiązania nawigacyjnego w warunkach zaniku sygnału satelitarnego wykonano z pomocą

dwóch eksperymentów terenowych.

2. PRZEDMIOT BADAŃ

Przedmiotem badań terenowych jest ocena zdolności operacyjnych niskobudżetowego

niesprzężonego systemu nawigacji inercjalnej INS z odbiornikiem DGPS w warunkach za-

niku sygnału satelitarnego. Przyczyn utraty ciągłości obserwacji satelitarnych powodowa-

nych działaniem zakłóceń lub zanikiem sygnału można upatrywać między innymi w różnych

uwarunkowaniach otoczenia, a w szczególności na obszarach o zwartej, wysokiej zabudowie

oraz gęstym zalesieniu, tunelach oraz mostach kratownicowych. Zatem postanowiono

przebadać efektywność i przydatność metody filtracji EKF w zróżnicowanych warunkach

środowiskowych z udziałem zintegrowanego systemu nawigacji. Dla zastosowanej metody

filtracji EKF opracowano program komputerowy oparty o autorską modularną bibliotekę al-

gorytmów estymacji BEA (Bayesian Estimation Algorithms). Do zadań programu należało

przeprowadzenie w trybie post-processingu obliczeń rozwiązania nawigacyjnego na podsta-

wie zebranych danych z urządzeń pomiarowych oraz opracowanie wyników w postaci tabe-

larycznej i zobrazowanie ich na wykresie.

3. OPIS STANOWISKA BADAWCZEGO

W celu realizacji badań terenowych zostało zbudowane stanowisko badawcze zintegro-

wanego systemu nawigacji z możliwością zainstalowania na pokładzie nawigowanego

obiektu lądowego (samochodu). W skład stanowiska wchodziła jednostka pomiarów iner-

cjalnych Systron Donner MotionPak II oraz odbiornik GPS Ashtech G12. Zastosowana jed-

nostka IMU (Inertial Measurement Unit) to trzyosiowy układ zespołu przyspieszeniomierzy

i żyroskopów, natomiast odbiornik GPS to urządzenie jednoczęstotliwościowe, zdolne do

równoległego śledzenia sygnału C/A i fazy na częstotliwości nośnej L1 z 12 satelitów jedno-

cześnie. Z uwagi na konieczność prowadzenia obserwacji GPS w trybie pomiarów różnico-

wych do roli stacji bazowej wykorzystano odbiornik jednoczęstotliwościowy Ashtech SCA-

12 zdolny do precyzyjnego śledzenia sygnału C/A i fazy na częstotliwości nośnej L1 z 12

Niesprzężony zintegrowany system nawigacji w warunkach zaniku… 397

satelitów jednocześnie. Do transmisji poprawek różnicowych ze stacji bazowej, jak również

ich odbioru przez odbiornik ruchomy przeznaczono parę radiomodemów SATEL 2ASxm2.

Jednocześnie w celu zwiększenia zasięgu sygnału z poprawkami różnicowymi w systemie

nadawczym przy stacji bazowej zainstalowano wzmacniacz. W trakcie badań system nawi-

gacji inercjalnej oraz odbiornik GPS podłączono do komputera, który posłużył do jednocze-

snej rejestracji pomiarów.

4. OPIS ZAŁOŻEŃ

Dla przedstawionych badań terenowych z udziałem zintegrowanego systemu nawigacji

inercjalnej INS z odbiornikiem DGPS o architekturze niesprzężonej opracowano implemen-

tację procedury filtracji według schematu kompensacji. Wektor dynamiki stanu obserwowa-

nego obiektu, składający się z błędów pozycji, prędkości i orientacji przestrzennej w ukła-

dzie nawigacyjnym 𝑋𝑛𝑌𝑛𝑍𝑛 sformułowano następująco:

𝒙(𝑡) = [𝛿𝒓𝑛 𝛿𝒗𝑛 𝛿𝜺𝑛]𝑇 = [𝛿𝐵 𝛿𝐿 𝛿ℎ 𝛿𝑣𝑁 𝛿𝑣𝐸 𝛿𝑣𝐷 𝛿𝜑 𝛿𝜃 𝛿𝜓]𝑇 (1)

gdzie:

𝛿𝒓𝑛, 𝛿𝒗𝑛, 𝛿𝜺𝑛 – wektory błędów odpowiednio pozycji, prędkości i orientacji przestrzen-

nej w układzie nawigacyjnym 𝑋𝑛𝑌𝑛𝑍𝑛,

𝛿𝐵, 𝛿𝐿, 𝛿ℎ – błędy odpowiednio szerokości, długości i wysokości elipsoidalnej,

𝛿𝑣𝑁, 𝛿𝑣𝐸, 𝛿𝑣𝐷 – błędy składowych prędkości w układzie nawigacyjnym 𝑋𝑛𝑌𝑛𝑍𝑛,

𝛿𝜑, 𝛿𝜃, 𝛿𝜓 – błędy składowych orientacji przestrzennej w układzie nawigacyjnym

𝑋𝑛𝑌𝑛𝑍𝑛.

Z uwagi na przyjęty schemat kompensacji model obserwacji residuum pomiarów INS

oraz DGPS przedstawiono w poniższych równaniach:

𝒛𝑘 = 𝑯𝑘𝒙𝑘 + 𝑹𝑘 (2)

[𝒓𝐼𝑁𝑆𝑛 − 𝒓𝐺𝑃𝑆

𝑛

𝒗𝐼𝑁𝑆𝑛 − 𝒗𝐺𝑃𝑆

𝑛] = [

𝑰3𝑥3 𝟎3𝑥3 𝟎3𝑥3

𝟎3𝑥3 𝑰3𝑥3 𝟎3𝑥3] 𝒙𝑘 + 𝑹𝑘 (3)

gdzie:

𝒛𝑘 – wektor obserwacji,

𝑯𝑘 – macierz obserwacji,

𝑹𝑘 – macierz kowariancji błędów pomiarowych.

Badania terenowe przeprowadzono w celu sprawdzenia poprawności i jakości pracy za-

projektowanej metody filtracji w warunkach dopasowania modelu dynamiki stanu i modelu

obserwacji do rzeczywistego systemu dynamicznego. Dla zapewnienia identycznych

398 M. Malinowski

warunków badań terenowych macierze kowariancji błędów procesowych 𝑸 i błędów pomia-

rowych 𝑹 dla rozpatrywanego systemu we wszystkich analizowanych przypadkach miały

jednakowe postaci. Jednocześnie, w każdym przedstawionym eksperymencie na wstępie pro-

cesu estymacji przyjęto jednakowy model parametrów początkowych, tj. wartości oczekiwa-

nej 𝐸[𝒙0] i macierzy kowariancji 𝑷0. Odczyt pomiarów wykonywano z częstotliwością

30 Hz dla systemu INS oraz 1 Hz dla odbiornika GPS. W parametrach pracy odbiornika GPS

zdefiniowano stałą wysokość anteny. Ponadto w obliczeniach pozycji i prędkości uwzględ-

niono również wektor przesunięcia lokalizacji systemu INS względem anteny odbiornika

GPS (rozlokowanie urządzeń pomiarowych).

Przyjęte w wektorze dynamiki stanu (1) składowe pozycji współrzędnych elipsoidal-

nych 𝐵, 𝐿, ℎ poddano transformacji do horyzontalnego układu współrzędnych 𝑋𝑛𝑌𝑛𝑍𝑛 , przyjmując za miejsce styczności płaszczyzny z elipsoidą punkt o współrzędnych

𝐵 = 53°𝐿 = 18°, ℎ = 0 m.

Przy realizacji badań w procedurze zliczeniowej systemu INS przyjęto interwał 3 se-

kund aktualizacji na podstawie pomiarów DGPS. W ramach badań wykonano dwa ekspery-

menty w różnych uwarunkowaniach terenowych.

Z uwagi na ograniczenie objętości opracowania szczegółowy opis równań mechanizmu

zliczeniowego INS można przeczytać w literaturze przedmiotu [3, 4, 19]. Natomiast z do-

kładnym opisem modelu stanu w filtrze EKF można zapoznać się w [17].

5. SCHEMAT INTEGRACJI SYSTEMU NAWIGACYJNEGO

W systemie niesprzężonym UC (Uncouple) parametry końcowe są opracowywane bez

wzajemnego oddziaływania podsystemów INS i GPS (brak pętli korygującej błędy INS), co

zobrrazowao rysunkiem 1.

Rys. 1. Pętla korekty błędów INS


Integracja sygnałów z obu elementów systemu następuje dopiero w bloku integracyj-

nym, który może pełnić rolę selektora wybierającego odpowiedni podsystem lub być me-

chanizmem bardziej złożonym np. filtr Kalmana o kilku trybach pracy. W tym rozwiązaniu

odbiornik GPS i czujniki układu INS to autonomiczne urządzenia pomiarowe parametrów

nawigacyjnych. Zastosowanie w tego typu układach jednokierunkowego przepływu da-

nych wpływa w sposób znaczący na szybkość pracy całego systemu. Potwierdzeniem tego

jest mniejszy rozmiar wektora stanu w porównaniu do pozostałych sposobów integracji.

Zaleta jaką jest prostota systemu niesprzężonego stanowi jednocześnie jego wadę, a mia-

nowicie urządzenia pomiarowe wchodzące w skład systemu nie mają możliwości wzajem-

nej współpracy, a tym samym korekty ich wskazań. Przedstawiona na rysunku 1 pętla ko-

rekty błędów INS występuje przy słabo sprzężonej LC (Loosely Couple) lub ściśle sprzę-

żonej TC (Tightly Couple) integracji. Rolą pętli korygującej błędy układu INS może być

wspomaganie procesu kalibracji i stabilizacji platformy zespołu przyspieszeniomierzy

i żyroskopów (korekta dryfu).

Odbiornik GPS jest źródłem pozycji P, prędkości V i czasu T nawigowanego obiektu,

natomiast czujniki IMU źródłem tempa zmian prędkości (przyspieszeń – f) i tempa zmian

kątów orientacji przestrzennej obiektu (prędkości kątowych – ω). Wynikiem działań proce-

dury obliczeniowej systemu INS jest pozycja P, prędkość V i wektor orientacji przestrzennej

Ψ nawigowanego obiektu. Do wyznaczenia rozwiązania nawigacyjnego, czyli otrzymania

parametrów P, V, T w filtrze Kalmana odbiornika GPS niezbędny jest sygnał z czterech sa-

telitów. W przypadku gdy liczba sygnałów z satelitów spada poniżej czterech, rozwiązanie

nawigacyjne systemu zintegrowanego P̂, V̂, Ψ̂, T otrzymywane jest wyłącznie z użyciem

układu INS. Szum jest dodawany w dwóch filtrach, co ogranicza mpożliwości zintegrowa-

nego systemu.

6. BADANIE TRAJEKTORII POJAZDU LĄDOWEGO

W WARUNKACH KRÓTKIEGO ZANIKU SYGNAŁU GPS

W pierwszym eksperymencie badania dotyczące estymacji toru poruszającego się sa-

mochodu na terenie słabo zurbanizowanym, którego trasę wyznaczoną przez niesprzężony

system INS/DGPS pokazano na tle mapy numerycznej miasta Bydgoszczy odwzorowanej

w układzie 2000 (rys. 2). Ponadto na rysunku 2a oznaczono literami a i B dwa obszary,

w których zanik sygnału wynikał z przejazdu nawigowanego samochodu pod wiaduktami

kolejowymi. W celu zwiększenia czytelności rezultatów dla obszarów zaniku sygnału z sa-

telitów GPS przedstawiono je raz jeszcze w powiększeniu (rysunki 2b, c).

Wyniki z trwającego 445 sekund badania zintegrowanego systemu nawigacyjnego

w postaci estymaty składowych pozycji pojazdu dla metody filtracji EKF w odniesieniu do

jednocześnie prowadzonych autonomicznych pomiarów DGPS przedstawiono na rysunku 3.

Pokazane tam składowe pozycji 𝑟𝑁, 𝑟𝐸, 𝑟𝐷 są rezultatem transformacji współrzędnych elip-

soidalnych 𝐵, 𝐿, ℎ jakie przyjęto w wektorze dynamiki stanu (1) do horyzontalnego układu

współrzędnych 𝑋𝑛𝑌𝑛𝑍𝑛.

400 M. Malinowski

Rys. 2. Przebieg trasy wyznaczonej przez system INS/DGPS: a) w trakcie całego badania;

b) w okolicy pierwszego wiaduktu kolejowego; c) w okolicy drugiego wiaduktu kolejowego


Rys. 3. Pozycja pojazdu wyznaczona przez DGPS oraz system INS/DGPS dla: a) składowej rN;

b) składowej rE; c) składowej rD


a)

b) c)

a)

c)

b)


Zarejestrowaną w trakcie badań terenowych ilość satelitów użytych do rozwiązania na-

wigacyjnego w pracy odbiornika DGPS przedstawiono na rysunku 4. Zaprezentowany na

nim wykres jak również na rysunkach 3–4 ukazuje w dwóch przedziałach 36–41 s i 290–

296 s przerwy w procesie wyznaczania pozycji przez odbiornik DGPS. Przerwy te ozna-

czono literami a i B w nawiązaniu do obszarów wskazanych na rysunku 2. Zaniki sygnału

satelitarnego trwające do 7 s, które uniemożliwiły wyznaczenie rozwiązania nawigacyjnego

w odbiorniku DGPS nie przyczyniły się do utraty ciągłości nawigacji zintegrowanego sys-

temu INS/DGPS (rys. 3, 4).

Rys. 4. Liczba satelitów użytych w rozwiązaniu nawigacyjnym odbiornika DGPS


Zestawienie błędu średniokwadratowego RMS badań terenowych dla estymacji składo-

wych pozycji oraz prędkości zintegrowanego systemu INS/DGPS zamieszczono w tabeli 1.

Tab. 1. Zestawienie błędu średniokwadratowego RMS estymacji pozycji i prędkości

dla zintegrowanego systemu INS/DGPS

Metoda Średnia składowych pozycji 𝜹𝒓[𝒎] Średnia składowych prędkości 𝜹𝒗 [𝒎/𝒔]

𝜹𝒓𝑵 𝜹𝒓𝑬 𝜹𝒓𝑫 𝜹𝒗𝑵 𝜹𝒗𝑬 𝜹𝒗𝑫

EKF 8,93 7,02 27,44 5,43 7,92 17,91

Można zauważyć tendencję do bardzo szybkiego narastania błędów pomiaru składowej

pionowej pozycji 𝛿𝑟𝐷oraz prędkości 𝛿𝑣𝐷. Zobrazowaniem tej tendencji jest wykres składo-

wej pionowej pozycji (rysunek 3c). Taka sytuacja wymusza konieczność wprowadzania czę-

stej korekty w pracy mechanizmu zliczeniowego INS. Wynika to także z braku estymacji

dryfu przyspieszeniomierzy i żyroskopów w przyjętym modelu stanu.

7. BADANIE TRAJEKTORII POJAZDU LĄDOWEGO

W WARUNKACH DŁUGIEGO ZANIKU SYGNAŁU GPS

Drugi eksperyment z udziałem zintegrowanego systemu nawigacji INS/DGPS o archi-

tekturze niesprzężonej dotyczy estymacji toru poruszającego się pojazdu lądowego w warun-

kach dłuższego zaniku sygnału satelitarnego. Przebieg trasy całego badania pokazano na ry-

sunku 5a, gdzie literą a oznaczono obszar z budynkami w ścisłym sąsiedztwie jezdni oraz

szeregiem pojedynczych drzew rosnących tuż przy drodze. Ponadto literą B oznaczono ob-

szar o intensywnym zalesieniu w pobliżu trasy, a literą C lokalizację przejazdu samochodu

pod łącznikiem między budynkami. W celu zwiększenia czytelności rezultatów przedsta-

wiono je raz jeszcze w powiększeniu dla obszaru o najdłuższym zaniku sygnału (rys. 5b)

i obszaru silnie zalesionego (rys. 5c).

402 M. Malinowski

Rys. 5. Przebieg trasy wyznaczonej przez system INS/DGPS: a) w trakcie całego badania;

b) w obszarze najdłuższych zaników sygnału; c) w obszarze silnie zalesionym


Rezultaty z trwającego 412 sekund badania zintegrowanego systemu w postaci estymat

składowych pozycji pojazdu dla metody filtracji EKF w odniesieniu do jednocześnie prowa-

dzonego autonomicznego pomiaru DGPS przedstawiono na rysunku 6. Pokazane tam skła-

dowe pozycji 𝑟𝑁, 𝑟𝐸, 𝑟𝐷 są rezultatem transformacji współrzędnych elipsoidalnych 𝐵, 𝐿, ℎ

jakie przyjęto w wektorze dynamiki stanu (1) do horyzontalnego układu współrzędnych

𝑋𝑛𝑌𝑛𝑍𝑛.

a)

b) c)


Rys. 6. Pozycja pojazdu wyznaczona przez DGPS oraz system INS/DGPS dla: a) składowej rN;

b) składowej rE; c) składowej rD


Zarejestrowaną w trakcie badań terenowych ilość satelitów użytych do rozwiązania na-

wigacyjnego w pracy odbiornika DGPS przedstawiono na rysunku 7. Można zauważyć na

nim liczne przerwy w procesie wyznaczania pozycji przez odbiornik DGPS, z których naj-

dłuższa trwa 45 sekund. Zaniki sygnału satelitarnego uniemożliwiające wyznaczenie rozwią-

zania nawigacyjnego w odbiorniku DGPS wynikały z bliskiej zabudowy oraz drzew zlokali-

zowanych w ścisłym sąsiedztwie wzdłuż trasy przejazdu nawigowanego pojazdu.

Rys. 7. Ilość satelitów użyta w rozwiązaniu nawigacyjnym odbiornika DGPS


Zestawienie błędu średniokwadratowego RMS estymacji składowych pozycji oraz

prędkości dla systemu INS/DGPS pokazano w tabeli 2.

Tab. 2. Zestawienie błędu średniokwadratowego RMS estymacji pozycji i prędkości

dla zintegrowanego systemu INS/DGPS

Metoda

Średnia składowych pozycj

𝜹𝒓[𝒎] Średnia składowych prędkości

𝜹𝒗 [𝒎/𝒔]

𝜹𝒓𝑵 𝜹𝒓𝑬 𝜹𝒓𝑫 𝜹𝒗𝑵 𝜹𝒗𝑬 𝜹𝒗𝑫

EKF 21,99 15,27 64,13 10,42 12,87 24,66

a)

b)

c)

404 M. Malinowski

Podobnie jak w pierwszym eksperymencie przedstawionym w podrozdziale 1.4 należy

zauważyć tendencję do bardzo szybkiego narastania błędów pomiaru składowej pionowej

pozycji 𝛿𝑟𝐷oraz prędkości 𝛿𝑣𝐷. Zobrazowaniem tej tendencji jest wykres składowej piono-

wej pozycji (rys. 6c) co potwierdza konieczność wprowadzania częstej korekty w pracy me-

chanizmu zliczeniowego INS. Zjawisko to wynika z braku estymacji dryfu przyspieszenio-

mierzy i żyroskopów w przyjętym modelu stanu. Przyczyną najdłuższej degradacji sygnału

była gęsta zabudowa w ścisłym sąsiedztwie jezdni oraz obecność szeregu pojedynczych

drzew rosnących tuż przy drodze (rys. 5b). Natomiast sytuacja zaprezentowana na rysunku

5c to zanik sygnału GPS spowodowany intensywnym zalesieniem w pobliżu pokonywanej

trasy. Tak długotrwałe zaniki sygnału satelitarnego trwające nawet do 45 s, które uniemożli-

wiły wyznaczenie rozwiązania nawigacyjnego w odbiorniku GPS nie przyczyniły się jedno-

cześnie do utraty ciągłości nawigacji zintegrowanego systemu INS/DGPS (rysunek 5).

8. WNIOSKI

Wyniki badań terenowych przeprowadzonych w różnych uwarunkowaniach tereno-

wych pozwalają na sformułowanie następujących wniosków:

1) Szybkość kumulacji błędów pomiarowych w mechanizmie zliczeniowym pomiarów

wykonanych przy pomocy Systron Donner MotionPak II wyklucza możliwość jego

samodzielnego stosowania ze względu na niską dokładność obliczanych parametrów

nawigacyjnych. Podwyższenie tej dokładności wymaga zastosowania najwyższej

klasy dokładności urządzeń IMU, co wiąże się z ich wysoką ceną.

2) Błędy pomiaru współrzędnej pionowej w zintegrowanym systemie INS/DGPS mają

tendencję do bardzo szybkiego narastania, co wymusza wprowadzenie częstej korekty

w mechanizmie zliczeniowym INS (rys. 3c, 6c). Zachowanie to wynika z niewystar-

czającego dopasowania przyjętego modelu w stosunku do rzeczywistej dynamiki

układu oraz braku estymacji dryfu przyspieszeniomierzy i żyroskopów w przyjętym

modelu stanu.

3) W nawigacji lądowej współrzędna wysokościowa 𝑟𝐷, jak również składowe pręd-

kości pionowa 𝑣𝐷 i prostopadła do osi podłużnej pojazdu 𝑣𝐸 mają mniejsze znacze-

nie, stąd zasadnym byłoby pominięcie tych parametrów w procesie filtracji, bądź

nadanie im stałych wartości. Redukcja liczby estymowanych parametrów zmniej-

szyłaby nakład obliczeniowy i mogłaby przyczynić się do poprawy dokładności

rozwiązania nawigacyjnego.

4) Przy zanikach sygnału satelitarnego na okresy nie dłuższe niż 45s osiągnięty błąd

średniokwadratowy RMS w granicach 7–22m dla składowych horyzontalnych pozy-

cji można uznać za zadowalający w przypadku wymagań służb monitorujących po-

jazdy (tab. 1, 2).

5) Zastosowana w badaniach metoda filtracji pozwalają na znaczną poprawę dokładno-

ści estymowanych parametrów nawigacyjnych, tj.: pozycji, prędkości i kąta odchyle-

nia (kursowego) w stosunku do ich wartości obliczanych na podstawie autonomicz-

nych i niekorygowanych pomiarów IMU.


6) Wykorzystanie jednostki pomiarów inercjalnych IMU do integracji z systemem

DGPS to skuteczny sposób na kontynuowanie procesu wyznaczania rozwiązania na-

wigacyjnego w warunkach zaniku sygnału satelitarnego. Potwierdziły to badania te-

renowe, gdzie przyczyną zaniku sygnału w odbiorniku GPS były: wiadukty kolejowe

nad trasą (rys. 2b, 2c), budynki w ścisłym sąsiedztwie jezdni oraz obecność szeregu

pojedynczych drzew rosnących tuż przy jezdni (rysunek 5b) i intensywne zalesienie

w pobliżu trasy przejazdu samochodu (rysunek 5c).

W przedstawionych badaniach terenowych wykonano ocenę przydatności zintegrowa-

nego systemu nawigacji o architekturze niesprzężonej. Interesująca byłaby zmiana sposobu

integracji na słabo sprzężony LC (Loosely Couple) lub ściśle sprzężony TC (Tightly Couple),

co mogłoby prowadzić do zwiększenia niezawodności i dokładności rozwiązania nawigacyj-

nego. Przedmiotem przyszłych prac nad zwiększeniem efektywności procesu estymacji może

być zastosowanie filtru bezśladowego UKF (Unscented Kalman Filter) [8, 12, 20, 21], czą-

steczkowego PF (Particle Filter) [20] lub algorytmu interaktywnych modeli IMM (Interac-

ting Multiple Model) [20], gdzie typ modelu zależy od zachowań nawigowanego obiektu.

LITERATURA

[1] Caban J., Drożdziel P., Kalašová A., Inteligentne pojazdy w transporcie drogowym, Logistyka

6/2014.

[2] Christian K., Improvements of GNSS Receiver Performance Using Deeply Coupled INS

measurements. ION GPS 2000.

[3] Farrell J., Aided navigation GPS with high rate sensors, McGraw-Hill, 2008.

[4] Groves P., Principles of GNSS, Inertial, and Multisensor Integrated Navigation Systems, Artech

House, 2008.

[5] Grejner-Brzezinska D. A., Toth C. K., and Yi Y., On Improving Navigation Accuracy of GPS/INS

Systems. Photogrammetric Engineering and Remote Sensing, Vol. 71, No. 4, 2005, s. 377–389.

[6] Ito K., Xiong K., Gaussian Filters for Nonlinear Filtering Problems. IEEE Transactions on

Automatic Control, 45(5), 2000, s. 910–927.

[7] Kaniewski, P., Aircraft Positioning with INS/GNSS Integrated System. Molecular and Quantum

Acoustics, Vol. 27, 2006, s. 149–168.

[8] Kaniewski P., Struktury, modele i algorytmy w zintegrowanych systemach pozycjonujących

i nawigacyjnych, Wyd. WAT, 2010.

[9] Kim H. et al., An Ultra Tightly coupled GPS/INS Integration using Federated Kalman Filter.

ION GPS, 2003.

[10] Knight D. T., Rapid Development of Tightly Coupled GPS/INS Systems. Proceeding of ION

International Meeting, Nashville, Tennessee 1999.

[11] Kwiecień J., Malinowski M., Bujnowski S., Bujarkiewicz B., ATR TRACK III: The real-time GPS

for public security. Reports on Geodesy, No. 2(77), 2006, s. 179–185.

[12] Malinowski M., Kwiecień J., Study of the effectiveness of different Kalman filtering methods and

smoothers in object tracking based on simulation tests, Reports on Geodesy and Geoinformatics,

De Gruyter, Vol. 97, 2014.

[13] Małecki K., Iwan S., Zastosowanie rozwiązań telematycznych jako czynnik warunkujący

efektywne zarządzanie miejskim transportem towarowym, Logistyka 3/2014.

[14] Marecki F., Logistka dystrybucji i transportu, Zeszyty naukowe Politechniki Śląskiej, Organizacja

i zarządzanie z. 57, Nr kol. 1847, 2011.

[15] Murphy jr P. R., Wood D. F., Nowoczesna logistyka, Wydanie X, Tytuł Oryginalny.: “Contemporary

Logistics (10th Edition)”, wyd. Helion, Gliwice 2011.

406 M. Malinowski

[16] Nowicka K., Wyzwania inteligentnego zarządzania transportem w polskich miastach,

Logistyka 5/2013.

[17] Noureldin A., Karamat T., Georgy J., Fundamentals of Inertial Navigation, Satellite-based

Positioning and their Integration, Springer, 2013.

[18] Oskarbski J., Kuprewicz G., Priorytety dla transportu zbiorowego z wykorzystaniem systemu

sterowania ruchem, Logistyka 3/2014.

[19] Rogers, R.M., Applied Mathematics in Integrated Navigation Systems. 3rd ed. Blacksburg, VA,

USA: American Institute of Aeronautics and Astronautics, Inc. 2007.

[20] Särkkä S., Recursive Bayesian Inference on Stochastic Differential Equations. Doctoral

dissertation, Helsinki University of Technology Laboratory of Computational Engineering

Publications Raport B54, Espoo, 2006.

[21] Wan E.A., van der Merwe R., The Unscented Kalman Filter for Nonlinear Estimation, In Proc.

of IEEE Symposium 2000 (AS-SPCC), Lake Louise, Alberta, Canada, October 2000.

UNCOUPLED INTEGRATED NAVIGATION SYSTEM

UNDER CONDITIONS LOSS OF SATELLITE SIGNAL

Abstract

In navigation practice, there are various environmental conditions which have impact on reli-

ability and accuracy of determine the trajectory of the observed land vehicle. Construction of

integrated navigation systems could provide reliability of the measurements. The instance of

such inertial navigation system INS integrated with DGPS in uncouple architecture was pre-

sented. In the paper, for provide the solution of the navigation task Extended Kalman Filter

was applied. Performance and fitness of uncoupled integrated navigation system INS/DGPS

was presented based on two field study under various environmental conditions loss of satellite

signal.

Keywords: INS, GPS, DGPS, Extended Kalman Filter, Uncouple, Integrated Navigation System

407

Agnieszka PILARSKA*

LOGISTYKA A LOKALIZACJA PODMIOTÓW

UDZIELAJĄCYCH

ŚWIADCZEŃ ZDROWOTNYCH

NA PRZYKŁADZIE POWIATU ŚWIECKIEGO

W ŚWIETLE ANALIZY GIS

Streszczenie

W pracy przedstawiono ocenę lokalizacji podmiotów udzielających świadczenia zdrowotne,

w kontekście takich aspektów logistycznych jak: dostępność ludności do świadczeń zdrowot-

nych (usług medycznych) i możliwość zaspokojenia potrzeb potencjalnych klientów (pacjen-

tów). Stwierdzono, iż w gminach Pruszcz, Nowe i Lniano występuje nieutrudniony dostęp do

świadczeń zdrowotnych. Największe zapotrzebowanie na tego typu świadczenia występuje

w gminach Świecie, Pruszcz, Lniano i Drzycim. Ponadto stwierdzono, iż miasto Świecie pełni

funkcję centrum populacyjnego i świadczeń zdrowotnych w powiecie świeckim.

Słowa kluczowe: bezpieczeństwo zdrowotne, logistyka, świadczenia zdrowotne, powiat świecki

1. WPROWADZENIE

W koncepcjach logistyki dostarczania świadczeń zdrowotnych (usług medycznych),

szczególną rolę w ostatnich latach odgrywa teoria ośrodków centralnych (teoria W. Christal-

lera). W wersji uogólnionej nie odnoszącej się do rozmieszczenia i funkcji miejscowości

w systemie osadniczym, zakłada ona, iż tzw. centrum populacyjne (miejsce największej kon-

centracji ludności), stanowi główną lokalizację dla dóbr i usług z predefiniowanego rynku

usługowego, jeżeli przeciętny nabywca dobra lub usługi jest skłonny pokonać określoną od-

ległość (do centrum populacyjnego), w celu ich nabycia [1]. Rozpatrywanie świadczeń zdro-

wotnych, w świetle powyższej teorii, znajduje swoje odzwierciedlenie w zapisach ustawy

z dnia 15 kwietnia 2011 r. o działalności leczniczej (Dz.U. 2011 nr 112 poz. 654 z późn. zm.).

Art. 2 ust. 1 pkt. 10, tejże ustawy, definiuje świadczenia zdrowotne jako: „działania służące

zachowaniu, ratowaniu, przywracaniu lub poprawie zdrowia oraz inne działania medyczne

wynikające z procesu leczenia lub przepisów odrębnych regulujących zasady ich wykony-

wania” [2]. Świadczenia zdrowotne, zgodnie z definicją przyjętą przez ustawodawcę, tworzą

* Uniwersytet Mikołaja Kopernika w Toruniu, Wydział Nauk o Ziemi

408 А. Pilarska

predefiniowany rynek usługowy. Centrum świadczeń zdrowotnych powinien zatem znajdo-

wać się w centrum populacyjnym (lub w jego bliskim sąsiedztwie), danej jednostki admini-

stracyjnej. W powyższym stwierdzeniu wyrażona zostaje zależność pomiędzy logistyką a lo-

kalizacją centrum świadczeń zdrowotnych. Jedynie lokalizacja w bliskim sąsiedztwie cen-

trum populacyjnego, zapewnia optymalny dostęp do świadczeń zdrowotnych, a tym samym

umożliwia zaspokojenie potrzeb potencjalnych świadczeniobiorców.

Określenie w przestrzeni miejsca, w którym powinny skupiać się świadczenia zdro-

wotne za pomocą środka ciężkości zaludnienia, określonego przez R. Jaworską i E. Modra-

nkę (2014), jako ważonej średniej centralnej liczby ludności, stanowi punkt wyjścia w pro-

cesie planowania lokalizacji podmiotów udzielających tego typu świadczenia [3].

Głównym celem pracy jest ocena lokalizacji podmiotów udzielających świadczenia

zdrowotne (przychodni publicznych i niepublicznych), w kontekście dostępności ludności

powiatu świeckiego do świadczeń zdrowotnych (usług medycznych) oraz możliwości zaspo-

kojenia potrzeb potencjalnych klientów (pacjentów), w świetle teorii ośrodków centralnych,

z wykorzystaniem systemów informacji geograficznej (Geographic Information Systems –

GIS). Zakres czasowy analizy obejmuje 2014 r.

2. METODY BADAŃ I ŹRÓDŁA DANYCH

Analiza GIS została dokonana w oparciu o statystykę przestrzenną. Do analizy na płasz-

czyźnie przestrzennej, wykorzystano zgeneralizowane na potrzeby niniejszego opracowania,

piliki wektorowe Bazy Danych Ogólnogeograficznych (BDO) w skali 1 : 250 000, udostęp-

nione na stronie: http://www.codgik.gov.pl [4]. Natomiast na płaszczyźnie statystycznej wy-

korzystano dane Banku Danych Lokalnych, Głównego Urzędu Statystycznego (BDL GUS),

udostępnione na stronie: http://stat.gov.pl [5].

W aspekcie logistycznym dokonano analizy liczby potencjalnych nabywców świadczeń

zdrowotnych (w założeniu teoretycznym równą liczbie ludności zamieszkującej analizowany

obszar), liczby podmiotów udzielających świadczenia zdrowotne, jakimi są przychodnie (za-

równo publiczne i niepubliczne), stanowiącej określenie możliwości zapewnienia dostępu do

świadczeń zdrowotnych. Określono również zapotrzebowanie na świadczenia zdrowotne,

wyrażone liczbą udzielonych porad lekarskich ogółem (w ciągu roku), przypadającą na

1 mieszkańca. Liczbę przychodni przypadającą na 10 000 mieszkańców oraz liczbę udzielo-

nych porad lekarskich przypadającą na 1 mieszkańca odniesiono do gęstości zaludnienia.

Analizę w aspekcie logistycznym dokonano w podziale na gminy dla roku 2014.

Ocenę lokalizacji przychodni i dostępności do świadczeń zdrowotnych w aspekcie prze-

strzennym, dokonano w oparciu o procedurę zaproponowaną przez M. S. Meade i M. Emcha

(2010) [1]. Za pomocą programu ArcGIS 9.3.1 obliczono i wykreślono współrzędne środków

ciężkości, parametry elips odchyleń standardowych zaludnienia, liczby przychodni i udzie-

lonych porad lekarskich oraz wyznaczono odległości miejscowości, w których znajdują się

podmioty udzielające świadczenia zdrowotne od wyznaczonych środków ciężkości.

W pracy wykorzystano metodę kartogramu złożonego, zaliczaną do kartograficznych

metod prezentacji i wspomagania badań, w celu wizualizacji zróżnicowania przestrzennego

zapotrzebowania na świadczenia zdrowotne oraz możliwości zapewnienia do nich dostępu.

Logistyka a lokalizacja podmiotów udzielających świadczeń zdrowotnych… 409

3. OBSZAR BADAŃ

Powiat świecki położony jest w północnej części województwa kujawsko-pomorskiego.

W skład powiatu wchodzi dziewięć gmin wiejskich oraz dwie gminy miejsko-wiejskie:

Świecie i Nowe. Rysunek 1 przedstawia podział administracyjny analizowanego obszaru.

Największym miastem powiatu, a zarazem jego stolicą jest Świecie.

Rys. 1. Obszar badań – podział administracyjny

Źródło: opracowanie na podstawie zgeneralizowanych plików wektorowych Bazy Danych

Ogólnogeograficznych (BDO) w skali 1:250 000

Zgodnie z danymi BDL GUS, powiat świecki zajmuje powierzchnię 1474 km2. Naj-

większą gminą pod względem zajmowanego obszaru jest gmina Osie (210 km2), a najmniej-

szą Świekatowo (64 km2). Należy podkreślić, iż analizowany obszar jest zróżnicowany pod

względem geograficznym. W północnej części występują Bory Tucholskie, natomiast w czę-

ści południowej dominują grunty orne. Pod względem etnograficznym, na obszarze powiatu

wyróżnia się Kociewie i Bory Tucholskie.

410 А. Pilarska

4. WYNIKI BADAŃ

W 2014 roku, zgodnie z danymi BDL GUS, powiat świecki zamieszkiwało 99 852 osób,

które w świetle niniejszej pracy, stanowiły grupę potencjalnych nabywców (pacjentów),

świadczeń zdrowotnych oferowanych na analizowanym obszarze. Najwięcej osób (34,3%),

zamieszkiwało gminę Świecie oraz gminę Nowe (10,6%), natomiast najmniej gminę Świe-

katowo (3,5%) oraz Lniano (4,3%). Najwyższą gęstością zaludnienia, oprócz gminy Świecie

(196 os./km2) i Nowe (99 os./km2), charakteryzuje się gmina Pruszcz (68 os./km2).

Oprócz liczby potencjalnych nabywców świadczeń zdrowotnych, należy określić liczbę

podmiotów udzielających świadczenia, jakimi są przychodnie (zarówno publiczne i niepu-

bliczne). Rysunek 2 przedstawia potencjał gmin analizowanego obszaru, w zakresie zapew-

nienia dostępu do świadczeń zdrowotnych.

Rys. 2. Potencjał w zakresie zapewnienia dostępu do świadczeń zdrowotnych

Źródło: opracowanie na podstawie Banku Danych Lokalnych GUS oraz zgeneralizowanych plików

wektorowych Bazy Danych Ogólnogeograficznych (BDO) w skali 1:250 000

Jak wynika z rysunku 2, porównując liczbę przychodni przypadającą na 10 000 ludności

z wartością gęstości zaludnienia, stwierdzono, że tylko w trzech gminach (Pruszcz, Nowe

i Lniano) występuje nieutrudniony dostęp do świadczeń zdrowotnych. W powyższym po-

równaniu uwidacznia się dychotomia pomiędzy centralną a południową częścią powiatu

świeckiego.


W aspekcie logistycznym należy określić również zapotrzebowanie na świadczenia

zdrowotne (rys. 3). W 2014 roku w powiecie świeckim udzielono łącznie 537 120 porad le-

karskich ogółem (dane BDL GUS), z których 47,9% udzielono w gminie Świecie, 9,2%

w gminie Pruszcz oraz 8,3% w gminie Nowe.

Rys. 3. Zapotrzebowanie na świadczenia zdrowotne



W powiecie świeckim udzielono średnio czterech porad lekarskich na jednego miesz-

kańca. Jak wynika z rysunku 3, największe zapotrzebowanie występuje w gminie Świecie,

Pruszcz, Lniano i Drzycim. Należy podkreślić, iż najwyższa liczba udzielonych porad lekar-

skich nie odpowiada najwyższej wartości gęstości zaludnienia, co uwidocznia się w szcze-

gólności we wschodniej części analizowanego obszaru.

Analizowane w powyższych akapitach wielkości charakteryzujące liczbę potencjalnych

nabywców świadczeń zdrowotnych, dostępność do świadczeń oraz zapotrzebowanie na tego

typu usługi, należy w sposób bezpośredni odnieść do lokalizacji podmiotów ich udzielają-

cych. Rysunek 4 przedstawia lokalizację miejscowości, w których znajdują się podmioty

udzielające świadczenia zdrowotne względem środka ciężkości ludności, liczby przychodni

oraz liczby udzielonych porad. W tabeli 1 zestawiono współrzędne środków ciężkości, ta-

beli 2 parametry elips odchyleń standardowych analizowanych wielkości, natomiast w ta-

beli 3 odległość miejscowości od poszczególnych środków ciężkości.

412 А. Pilarska

Rys. 4. Statystyka przestrzenna potencjalnych nabywców świadczeń zdrowotnych, dostępności oraz

zapotrzebowania na nie



Tab. 1. Współrzędne środków ciężkości zaludnienia, liczby przychodni i udzielonych

porad lekarskich

Środek ciężkości Współrzędna

X [m] X [m]

Zaludnienie (nabywcy) 623 909,000 461 746,000

Liczba przychodni 623 236,000 461 831,000

Liczba udzielonych porad lekarskich 622 219,000 461 127,000

Źródło: opracowanie własne na podstawie obliczeń w programie ArcGIS 9.3.1

Tab. 2. Parametry elips odchyleń standardowych zaludnienia (nabywców), liczby przychodni

i udzielonych porad lekarskich

Parametry

Elipsa odchylenia standardowego

zaludnienie

(nabywcy)

liczba

przychodni

liczba

udzielonych

porad lekarskich

Długość półosi małej [km] 9,99 9,14 9,49

Długość półosi wielkiej [km] 19,18 21,16 17,29

Kąt obrotu θ [°] 45,25 44,89 40,17

Ekscentryczność 0,73 0,81 0,70

Pole powierzchni [km2] 601,73 607,60 515,30



Tab. 3. Odległości miejscowości, w których znajdują się podmioty udzielające świadczenia

zdrowotne od środka ciężkości zaludnienia, liczby przychodni, liczby udzielonych porad lekarskich

Miejscowość

Odległości [km] do:

środka ciężkości

zaludnienie

(nabywców)


liczby

przychodni


liczby

udzielonych

porad lekarskich

Pruszcz 22,30 21,87 20,65

Świecie 7,93 7,25 6,47

Bukowiec 13,06 12,89 11,90

Świekatowo 22,74 22,70 21,85

Dragacz 20,59 20,60 21,46

Jeżewo 5,85 6,21 7,42

Drzycim 8,06 8,46 8,45

Lniano 14,82 15,17 15,00

Warlubie 18,11 18,51 19,72

Osie 14,25 14,92 15,66

Nowe 27,61 28,02 29,23


Na podstawie rysunku 4 oraz danych zawartych w tabelach 1–3, można zauważyć, że

ludność, poradnie i udzielone porady, koncentrują się wzdłuż linii przechodzącej przez miej-

scowości: Pruszcz, Jeżewo i Warlubie. Średni obszar rozproszenia wszystkich analizowa-

nych parametrów wynosi 574,88 km2, co stanowi 39,0% powierzchni ogólnej powiatu. Mak-

symalna średnia odległość poszczególnych miejscowości położonych na linii Pruszcz, Je-

żewo i Warlubie od analizowanych środków ciężkości wyniosła 19,21 km. Ze względu na

fakt, iż poszczególne środki ciężkości znajdują się w bliskim sąsiedztwie (odległości nie

przekraczają 6,8 km), to miejscowości Jeżewo, Świecie, Drzycim, znajdują się najbliżej

wszystkich analizowanych środków ciężkości.

Otrzymane wysokie wartości ekscentryczności elips odchyleń standardowych wskazują

na wystąpienie wysokiej różnicy pomiędzy poziomem maksymalnej a minimalnej dyspersji.

W praktyce oznacza to silną koncentrację udzielania i dostępności świadczeń zdrowotnych

w jedynych miastach powiatu, czyli w Świeciu i w Nowem.

5. PODSUMOWANIE I DYSKUSJA

W świetle analizy GIS, opartej o statystkę przestrzenną stwierdzono, iż tylko w gminach

Pruszcz, Nowe i Lniano występuje nieutrudniony dostęp do świadczeń zdrowotnych oraz

uwidacznia się dychotomia pomiędzy centralną a południową częścią powiatu świeckiego.

414 А. Pilarska

Ponadto stwierdzono, że największe zapotrzebowanie na świadczenia zdrowotne wystę-

puje w gminach Świecie, Pruszcz, Lniano i Drzycim. Sytuacja w gminie Świecie spowodo-

wana jest m.in. faktem, iż w tej gminie występuje najwięcej potencjalnych nabywców świad-

czeń zdrowotnych ogółem, natomiast w gminie Pruszcz najwięcej spośród analizowanych

gmin wiejskich. W gminach Lniano i Drzycim sytuacja jest odwrotna. W tychże gminach

liczba przychodni (publicznych i niepublicznych), nie kompensuje liczby potencjalnych na-

bywców świadczeń.

W świetle teorii ośrodków centralnych na podstawie analizy środków ciężkości i elips

odchyleń standardowych zaludnienia, liczby przychodni oraz liczby udzielonych porad le-

karskich stwierdzono, że miejscowością, która powinna spełniać funkcję centrum populacyj-

nego jest Jeżewo. Jednakże, miejscowość ta nie posiada praw miejskich. Zgodnie z hierarchią

w lokalnym systemie osadniczym oraz drugą najmniejszą odległością od wyznaczonych

w analizie środków ciężkości, funkcję centrum skupiającego świadczenia zdrowotne po-

winno pełnić miasto Świecie. Świecie w lokalnym systemie osadniczym już spełnia tę funk-

cję. W tym mieście znajduje się największa liczba poradni (publicznych i niepublicznych)

oraz występuje największe zapotrzebowanie na dostarczanie świadczeń zdrowotnych.

Statystyczne spełnienie postulatów teorii ośrodków centralnych dotyczących ekwiwa-

lentnej odległości od centrum populacyjnego wszystkich potencjalnych nabywców należy

skorygować i zinterpretować z uwzględnieniem powiązań między miejscowościami analizo-

wanego obszaru a miejscowościami spoza niego. Dla potencjalnych nabywców z Pruszcza,

w podobnej odległości do Świecia, usytuowana jest Bydgoszcz, dla Dragacza takim centrum

jest Grudziądz, a dla Świekatowa-Tuchola. Nabywcy z Nowego prawdopodobnie częściej

wybiorą świadczenia zdrowotne w swoim mieście. Natomiast dla mieszkańców gmin Buko-

wiec, Drzycim oraz Jeżewo, potencjalne centrum to miasto Świecie.

Podsumowując, w świetle przeprowadzonej analizy GIS, lokalizacja podmiotów udzie-

lających świadczenia zdrowotne w powiecie świeckim, zapewnia zadowalający dostęp do

tego typu świadczeń oraz umożliwia zaspokojenie potrzeb potencjalnych ich nabywców, za-

równo w aspektach logistycznych, jak i teorii ośrodków centralnych.

LITERATURA

[1] Meade M. S., Emch M.: Medical Geography, The Guilford Press, 2010, New York-London,

s. 448–452.

[2] Ustawa z dnia 15 kwietnia 2011 r. o działalności leczniczej (Dz.U. 2011 nr 112 poz. 654

z późn. zm.).

[3] Jaworska R., Modranka E.: Metody opisowej statystyki przestrzennej oraz wybrane zagadnienia

eksploracyjnej analizy danych przestrzennych [w:] Statystyka przestrzenna. Metody analiz

struktur przestrzennych, J. Suchecka (red.), s. 112–135, Wydawnictwo C. H. Beck,

Warszawa 2014.

[4] Centralny Ośrodek Dokumentacji Geodezyjnej i Kartograficznej – Baza Danych Ogólnogeogra-

ficznych w skali 1:250 000: http://www.codgik.gov.pl/index.php/darmowe-dane/bdo250gis.html.

[5] BDL GUS – Bank Danych Lokalnych Głównego Urzędu Statystycznego: http://stat.gov.pl.


THE LOGISTICS AND THE LOCATION OF ENTITIES

DELIVERING THE HEALTH BENEFITS

ON THE EXAMPLE OF THE ŚWIECIE DISTRICT

IN THE LIGHT OF GIS ANALYSIS

Abstract

This article provides the analysis of the evaluation of the localization of entities which deliver

the health benefits, in the context of such logistic aspects as: accessibility of the population to

health benefits (medical services) and possibility of the satisfaction in needs in health benefits.

It was stated that in communes Pruszcz, Nowe and Lniano is nothampered access to health

benefits. The greatest demand for benefits of this type is appearing in communes Świecie,

Pruszcz, Lniano and Drzycim. Moreover, the town Świecie is performing function of the pop-

ulation centre and health benefits in the Świecie district.

Keywords: logistics, health benefits, Świecie district, health safety

416

Paweł WIĘCEK*

ROZMYTY MODEL STEROWANIA

ZAOPATRZENIEM W LOGISTYCE

W WARUNKACH NIEPEWNOŚCI

Streszczenie

Powszechnie dostępne rozwiązania w zakresie zarządzania i sterowania zapasami towarów

w węzłowych punktach sieci logistycznych ze względu na wzrastającą dynamikę rynku, ro-

snące wymagania klientów okazują się być niewystarczająco efektywne. Praca przedstawia

koncepcję wykorzystania rozmytego systemu sterowania poziomem zapasów w warunkach

niepewności popytu oraz czasu dostawy. Zaproponowane w pracy podejście rozmyte zostało

zweryfikowane w oparciu o historyczne dane profilu popytu wybranego produktu z przedsię-

biorstwa logistycznego. W celu oceny efektywności przedstawianej metody dokonano symu-

lacji komputerowej poziomu zapasów dla 25 zestawów danych w okresie sześciu miesięcy.

Słowa kluczowe: sterowanie zapasami, modelowanie rozmyte, logistyka zaopatrzenia

1. WSTĘP

Praca przedstawia propozycję zastosowania modelu rozumowania rozmytego do stero-

wania procesem zaopatrzenia w przedsiębiorstwie. Zaprezentowane w pracy podejście

zwraca szczególną uwagę na wpływ zewnętrznych czynników losowych w postaci niepew-

ności popytu oraz czasu realizacji dostawy. W modelu zastosowano dynamicznie zmienne

w czasie parametry funkcji przynależności do opisu wyjściowych modelowanych wartości

(zbiorów) rozmytych. Przedstawione w pracy podejście zostało zweryfikowane w oparciu

przykład obliczeniowy na podstawie danych rzeczywistych z przedsiębiorstwa.

2. ZARYS PROBLEMATYKI ZARZĄDZANIA ZAPASAMI

Obecnie postępująca globalizacja wraz z masową konsumpcją sprawiają, iż popyt na

rynku towarów charakteryzuje się intensywną dynamiką i pewnym poziomem nieokreślono-

ści szczególnie w dużych aglomeracjach i obszarach zurbanizowanych. Zachodzące tam pro-

cesy logistyczne w ramach sieci dostaw koncentrują się przede wszystkim na przepływie

strumieni dóbr materialnych nie mniej uwzględniając również przepływy niezbędnych infor-

macji oraz środków finansowych. Zmienna intensywność tych procesów i pewien poziom


Rozmyty model sterowania zaopatrzeniem w logistyce… 417

nieokreśloności powoduje powstawanie różnego rodzaju zapasów na różnych szczeblach

sieci logistycznej w celu zapewnienia ciągłości produkcji oraz nieprzerwanej dostępności

wyrobów gotowych dla klientów. Zgromadzone w punktach węzłowych sieci logistycznej

towary pełnią funkcję buforów, które amortyzują różnice w zapotrzebowaniu klientów na

produkty. W praktyce pomimo stosowania nowoczesnych systemów JIT (Just In Time), ERP

(Enterprise Resource Planning), MRP (Material resource Planning) nie jest możliwa całko-

wita eliminacja zapasów. W rzeczywistości bowiem procesy gospodarcze mają stocha-

styczną naturę (wynikającą zarówno ze środowiska operacyjnego tych procesów, jak również

oddziaływań ich otoczenia) a więc możliwe jest ich rozpoznanie jedynie w pewnym stopniu,

z mniejszym lub większym błędem [18]. Oddziaływanie losowych czynników na węzłowe

elementy sieci dostaw (zakłady produkcyjne, centra dystrybucyjne, magazyny itp.) poprzez

zmienność popytu na półprodukty lub wyroby gotowe, zmienność czasu dostawy, ograni-

czone możliwości dostawców itp. sprawiają, iż optymalna polityka w zakresie logistyki zao-

patrzenia oraz sterowania zapasami ma kluczowy wpływ na efektywność funkcjonowania

całej sieci logistycznej.

W obliczu wspomnianych czynników oraz rosnącej konkurencji pomiędzy podmiotami,

przedsiębiorstwa logistyczne, próbując utrzymać pożądany poziom obsługi klientów zmu-

szone są niejednokrotnie utrzymywać wysoki poziom zapasów. Daje to możliwość dyna-

micznej reakcji na niespodziewane zmiany w popycie bądź działanie innych czynników ze-

wnętrznych, lecz zarazem generuje wzrost kosztów. Te w szczególności związane są z utrzy-

maniem zapasów, wynajmowaniem dodatkowych przestrzeni pod składowanie oraz zamra-

żaniem w zapasach ograniczonych środków finansowych. Z drugiej strony zbyt niski stan

magazynowy w stosunku do pozycji asortymentowych, charakteryzujących się nietypowym

wzorcem popytu, a które są istotne dla przedsiębiorstwa może prowadzić do pojawiania się

kosztów zewnętrznych z tytułu ewentualnych braków w zasobach. Mogą one być wyrażone

zarówno w jednostkach pieniężnych, jak również w postaci utraty klientów, obniżenia repu-

tacji czy też spadku konkurencyjności przedsiębiorstwa. Przedstawiona sytuacja sprzyja

także powstawaniu dodatkowych kosztów transportu związanych z realizacją nieplanowa-

nych dostaw.

3. PREZEGLĄD ROZWIĄZAŃ W ZAKRESIE STEROWANIA ZAPASAMI

Wobec oddziaływania wyżej wspomnianych czynników optymalne sterowanie zapa-

sami stanowi złożony proces decyzyjny wymagający analizy wielu kryteriów i parametrów,

które w praktyce zazwyczaj posiadają niedeterministyczny charakter. Powoduje to iż, pod-

stawowe decyzje w zakresie ile towaru należy zakupić oraz w jakim momencie, tak aby mi-

nimalizować koszty tworzenia i utrzymania zapasów oraz dotrzymać założonego poziomu

obsługi klienta, podejmowane są w warunkach niepewności. Literatura przedmiotu zarówno

krajowa, jak i zagraniczna dostarcza wielu bogatych opracowań z zakresu zarządzania zapa-

sami. Do klasycznych najpopularniejszych metod wyznaczania poziomu zapasów należą

przede wszystkim model Ekonomicznej Wielkości Zamówienia (EOQ – Economic Order

Quantity), modele poziomu zamawiania (ROP – Re Order Point) oraz cyklu zamawiania

(ROC – Re Order Cycle) [6]. Możliwość stosowania tych metod jest jednakże dość mocno

ograniczona, gdyż wymaga często przyjęcia krępujących ograniczeń na stacjonarność popytu

418 P. Więcek

bądź znany i stały czas dostawy. Rozszerzenia tych metod uwzględniają pewną zmienność

w odniesieniu do popytu bądź czasu dostawy poprzez wprowadzenie dodatkowego parame-

tru jakim jest zapas bezpieczeństwa, który ma na celu pokrycie niespodziewanych zmian

w zapotrzebowaniu [3, 5, 14]. Oprócz wymienionych metod, w literaturze można spotkać

również inne modele sterowania takie jak: model poziomu zamawiania w stałych cyklach

zamawiania bądź połączony model poziomu zamawiania i stałego cyklu zamawiania [18].

Nieliczne pozycje sygnalizują problem sterowania zapasami w warunkach nieciągłości po-

pytu. W odniesieniu do tego przypadku krajowi autorzy przedstawiają metody Wagnera–

Withina, Silvera–Meala.

W porównaniu do literatury polskiej, lista publikacji zagranicznych, poruszających te-

matykę kontroli zapasów jest zdecydowanie bardziej obszerna, uwzględniająca większą

liczbę determinant i cech rozwiązywanego zadania [1, 7, 13]. Istotnym elementem porusza-

nym w zagranicznych publikacjach jest uwzględnienie w modelach sterowania kilku produk-

tów jednocześnie, gdyż jest to znacznie bliższe rzeczywistości [2, 8, 10, 11]. Trudność jed-

noczesnego uwzględnienia wpływu wielu zmiennych parametrów w modelach analitycznych

sprawia, iż coraz częściej pojawiają się prace, które proponują ujmowanie niepewności wpro-

wadzając środowisko rozmyte. W artykułach [4, 9, 12, 15, 17] można dostrzec podejście za-

kładające, iż zmienne takie jak: popyt, czas dostawy, koszty utrzymania zapasów, poziom

obsługi klienta itp. są wartościami rozmytymi. Jednak w większości przypadków propono-

wane metody nie uwzględniają tych parametrów jednocześnie. Wobec powyższego wydają

się uzasadnione przesłanki do rozwijania modeli oraz metod rozwiązywania problemów lo-

gistyki zaopatrzenia z wykorzystaniem technik sztucznej inteligencji a w szczególności mo-

deli rozumowania rozmytego.

4. ROZMYTY MODEL STEROWANIA ZAPASAMI

W WARUNKACH NIEPEWNOŚCI POPYTU ORAZ CZASU DOSTAWY

Jak już wspomniano w poprzednich paragrafach oddziaływanie wielu determinant ze-

wnętrznych na podsystem logistyki zaopatrzenia sprawia, iż podejmowanie właściwych de-

cyzji w tym zakresie wymaga wsparcia metod i narzędzi mających zdolność do określania

zjawisk cechujących się niepewnością, nieprecyzyjnością informacji oraz adaptacji do zmie-

niających się parametrów systemu. Stąd teoria zbiorów rozmytych oraz systemów rozumo-

wania rozmytego nadaje się do szerokiego zastosowania w obszarze zarządzania i sterowania

zapasami towarów w logistyce. Logika rozmyta jest przykładem logiki wielowartościowej.

Ściśle powiązana z teorią zbiorów rozmytych została przedstawiona przez L. Zadeha.

W przeciwieństwie do logiki klasycznej, teoria logiki rozmytej zakłada iż pomiędzy stanem

fałsz „0” a stanem prawda „1” może wystąpić nieskończenie wiele wartości pośrednich. To

oznacza, iż pewien element danego zbioru może należeć do niego tylko w pewnym stopniu.

Rozumowanie to prowadzi do sformułowania definicji zbioru rozmytego. Zgodnie z nią

zbiorem rozmytym a w pewnej niepustej przestrzeni X nazywamy zbiór par:

𝐴 = {(𝑥, 𝜇𝐴(𝑥)) ∶ 𝑥𝜖𝑋} (1)


gdzie ]1,0[: XA

jest nazywana funkcją przynależności zbioru rozmytego A. Odwzoro-

wanie to każdemu elementowi 𝑥𝜖𝑋 przyporządkowuje jego stopień przynależności do zbioru

rozmytego A. Można wyróżnić następujące przypadki:

𝜇𝐴(𝑥) = 1 w sytuacji gdy mamy do czynienia z pełną przynależnością elementu x do

zbioru rozmytego a (𝑥𝜖𝐴).

𝜇𝐴(𝑥) = 0 gdy brak jest przynależności elementu x do zbioru rozmytego a (𝑥 𝐴).

0 < 𝜇𝐴(𝑥) < 1 w sytuacji gdy mamy do czynienia z częściową przynależnością ele-

mentu x do zbioru rozmytego A

Na zbirach rozmytych tak jak przypadku ujęcia klasycznego można dokonywać szeregu

operacji w postaci sumy, iloczynu itp. [16]

Innym ważnym pojęciem niezbędnym do opisu systemów rozmytych jest zmienna lingwi-

styczna, czyli wielkość wejściowa bądź wyjściowa systemu rozmytego, która jest oceniana za

pomocą wartości lingwistycznych (duży popyt, długi czas realizacji zamówienia itp.).

Idea proponowanego w niniejszym opracowaniu podejścia zakłada opisanie niepewno-

ści wejściowych i wyjściowych parametrów systemu poprzez zbiory rozmyte. Następnie na

podstawie bazy wiedzy zawartej w regułach wyznaczane są optymalne rozmyte parametry

sterowania. które przy wykorzystaniu odpowiedniej metody zostają wyostrzone. Schemat

przedstawianego rozwiązania przestawia rysunek 1.

Rys. 1. Schemat proponowanego systemu

Wejście do omawianego systemu stanowią trzy zmienne, które mają najistotniejszy

wpływ na kształtowanie bieżącej polityki zarządzania poziomem zapasów. Należą do nich

zmienne opisujące prognozowany popyt, aktualny stan zapasów w danym dniu oraz losowy

czas dostawy. Parametrami sterowania w proponowanym systemie jest aktualny poziom zama-

wiania oraz aktualna wielkość zamówienia. Pierwszy określa alarmowy stan zapasów, przy

którym należy złożyć zamówienie, natomiast drugi wyznacza właściwą na daną chwilę wiel-

kość partii zamawianego towaru. Wszystkie zmienne zarówno wejściowe, jak i wyjściowe są

zdefiniowane jako zmienne lingwistyczne, określone na pewnym zbiorze wartości lingwistycz-

nych. Dla przykładu jedną ze zmiennych wejściowych można zapisać w następujący

Moduł rozumowania

rozmytego

Baza wiedzy

Prognozowany

popyt

Losowy czas

dostawy

Aktualny poziom

zapasów

Aktualny poziom

zamawiania

Aktualna wielkość

zamówienia

420 P. Więcek

sposób: Prognozowany popyt = {mały, średni, duży}. Do każdej oceny lingwistycznej danej

zmiennej jest przyporządkowany odpowiedni zbiór rozmyty. Sposób opisu niepewności wej-

ściowych parametrów systemu sterowania przedstawia rysunek 2.

Rys. 2. Parametry wejściowe systemu opisane przy pomocy zbiorów rozmytych

Przedstawione zbiory rozmyte są opisane przez zaproponowane trójkątne oraz trape-

zowe funkcje przynależności. Punkty charakterystyczne na poziomych osiach wykresów są

wyznaczane w oparciu o historyczne obserwacje danej zmiennej w ustalonym horyzoncie

czasowym. W podobny sposób zostały zdefiniowane parametry wyjściowe systemu (rys. 3).

Rys. 3. Parametry wyjściowe systemu opisane przy pomocy zbiorów rozmytych

Punkty charakterystyczne na osi poziomej zostały wyznaczone w oparciu o poniższe

wzory:

𝑄 = √2𝑃𝐾𝑧

𝐾𝑢 (2)

gdzie:

P – oszacowany popyt danego towaru w określonym horyzoncie czasowym (np. rok),

Kz – jednostkowe koszty tworzenia zapasów,

Ku – jednostkowe koszty utrzymania zapasów.

q1/5

1mały dużyśredni

Prognozowany Popyt

Drs*Lsr

1niski wysokiśredni

Aktualny stan zapasów

q2/5 q3/52*Drs*Lsr 3*Drs*Lsr

1krótki długiśredni

Przewidywany czas dostawy

q4/5

q0.25, q0.5, q0.75 – kwartyle rzędów I, II, III

q1/5,...q4/5 – kwintyle rzędów I, II, III, IV, V

Drs - średni popyt w rozpatrywanym okresie

Lsr - średni czas realizacji zamówienia w rozpatrywanym

okresie

Gdzie:

q0.25 q0.5 q0.75

[dni]

[szt.]

[szt.]

)( x

)( x )( x

0.5Q Q 2Q

1mała dużaśrednia

Wielkość Zamówienia Q*

0.5ROP ROP 2ROP

1niski wysokiśredni

Poziom Zamawiania ROP*

[szt.]

)( x)( x

[szt.]


𝑅𝑂𝑃 = 𝐷𝑠𝑟 ∙ 𝐿𝑠𝑟 + 𝑘 ∙ 𝜎𝑑 ∙ √𝐿𝑠𝑟 (3)

gdzie:

Dsr – średni popyt na towar w danym dniu,

Lsr – średni czas realizacji dostawy,

𝜎𝑑 – odchylenie standardowe popytu,

k – przyjęty współczynnik bezpieczeństwa określający poziom obsługi klienta.

Proponowane w pracy podejście stanowi przykład ciągłego systemu monitorowania

i sterowania zapasami. Dla przyjętego odstępu czasowego np. jeden dzień zmienne wyj-

ściowe są aktualizowane. Stąd wyznaczone punkty charakterystyczne w przestrzeni rozmytej

dla zmiennych wyjściowych są jedynie wartościami początkowymi w symulacji całego roz-

patrywanego okresu planistycznego. W każdym kolejnym jednodniowym odstępie parame-

try funkcji przynależności opisujące wyjścia z systemu są modyfikowane w oparciu o wy-

znaczony błąd prognozy popytu (rys. 4). Dzięki temu system ma większą zdolność do adap-

tacji i inteligentnej identyfikacji sytuacji nietypowych.

Rys. 4. Sposób aktualizacji parametrów funkcji przynależności dla zmiennych wyjściowych systemu

5. PRZYKŁAD OBLICZENIOWY I REZULTATY

W celu zweryfikowania efektywności proponowanego w pracy rozwiązania dokonano

symulacji komputerowej poziomu zapasów w oparciu o historyczne dane popytu z przedsię-

biorstwa dla okresu sześciu miesięcy. Wyniki symulacji porównano z rezultatami otrzyma-

nymi za pomocą klasycznej metody poziomu zamawiania, oraz połączonego modelu po-

ziomu zamawiania i stałego cyklu zamawiania. Metody te są szeroko przedstawione w [18].

Porównanie wyników zostało wykonane w oparciu o przyjęte kryteria w postaci łącznych

kosztów utrzymania zapasów dla rozpatrywanego okresu, średniego poziomu zapasów,

liczby dostaw oraz liczby napotkanych braków w zapasach. Symulacje przeprowadzono dla

25 zestawów danych. Końcowe wyniki uśredniono. Schemat symulacji według proponowa-

nego podejścia przedstawia rysunek 5.

0.5Qi =0.5Qi-1+λdi Qi=Qi-1+λdi 2Qi =2Qi-1+λdi

Wielkość Zamówienia Q*

0

0.5ROPi =0.5ROPi-1+λdi ROPi=ROPi-1+λdi 2ROPi =2ROPi-1+λdi

Poziom Zamawiania ROP*

0

Gdzie:λdi - błąd prognozy popytu w i-tym odstępie czasowymi=1...N ; N - ilość odstępów czasowych podlegających symulacji

[szt.]

[szt.]

422 P. Więcek

Rys. 5. Schemat symulacji według proponowanej metody rozmytej

Sekwencja wszystkich czynności przedstawionych na schemacie symulacji jest wyko-

nywana jest każdorazowo dla każdego dnia z całego rozpatrywanego okresu sześciu mie-

sięcy. Tabela 1. przedstawia procentową poprawę wyników proponowanego modelu rozmy-

tego względem dwóch klasycznych metod według wybranych kryteriów. Tabela 2. przedsta-

wia uśrednioną liczbę napotkanych braków w zapasach dla porównywanych metod.

Tab. 1. Poprawa wyników modelu rozmytego względem innych metod [%]

Kryterium Klasyczna metoda poziomu

zamawiania

Połączony model

poziomu i cyklu

zamawiania

Średni stan zapasów 13 24

Łączne koszty utrzymania

zapasów 8 24

Liczba zamówień 30 46

Tab. 2. Uśredniona liczba zaistniałych braków w zapasach dla porównywanych metod

Kryterium Model Rozmyty

Klasyczna metoda

poziomu

zamawiania

Połączony model

poziomu i cyklu

zamawiania

Średnia liczba

zaistniałych braków

w zapasach

5 59 1

6. PODSUMOWANIE

Zaprezentowane w pracy podejście, a także przeprowadzone symulacje pokazują, iż

w sytuacji oddziaływania na system sterowania zapasami losowych czynników w postaci du-

żej niepewności popytu, czasu dostawy itp. klasyczne metody wyznaczania poziomu

Dane początkowe:

Wektor Popytu,

Początkowy stan

zapasów

Wystąpienie

popytu w danym

dniu

Stan zapasu

większy od poziomu

ROP*

Obliczenie stanu zapasu:

Zi=Zi-1-Pi +Di

Wyznaczenie prognozy

popytu na horyzont czasu

w przód. Obliczenie

błędu prognozy RMSE

Modyfikacja parametrów

funkcji przynależności dla

zmiennych wyjściowych

Wyznaczenie wartości

zmiennych wyjściowych

systemu rozmytego ROP*,

Q*

nie

tak

Wyznaczenie

zamówienia na Q*

jednostek

Gdzie:

Zi – stan zapasów w i-tym dniu

Pi - wielkość popytu w i-tym dniu

Di – ewentualna dostawa w i-tym dniu

ROP* - aktualnie wyznaczony poziom

zamawiania

Q* - aktualnie wyznaczona wielkość

zamówienia


zapasów stają się mało wydaje i nieefektywne. Na podstawie otrzymanych wyników propo-

nowany system rozmyty uzyskał o kilkanaście procent lepsze rezultaty w porównaniu do in-

nych dwóch klasycznych metod wedle przyjętych kryteriów oceny. W przypadku kryterium

liczby braków w zapasach proponowane rozwiązanie rozmyte okazało się niewiele gorsze od

jednej z porównywanych metod. Jest to podyktowane dużą liczbą dostaw dla metody połą-

czonego poziomu i cyklu zamawiania, co jednak wiąże się ze zdecydowanie wyższymi kosz-

tami tworzenia i utrzymania zapasów. Dalsze badania będą skoncentrowane na implementa-

cji do proponowanego systemu algorytmu genetycznego, celem optymalizacji bazy reguł

oraz parametrów zbiorów rozmytych wedle wybranych kryteriów oceny.

LITERATURA

[1] Axsater S., Inventory Control, Springer, Lund 2006.

[2] Frank K. C., Ahn H.-S., Zhang R. Q., Inventory policies for a make-to-order system with

a perishable component and fixed ordering cost, Naval Research Logistics Vol. 56, nr 2, 2009, s. 127–141.

[3] Grzybowska K. Gospodarka zapasami i Magazynem cz II, Diffin, Warszawa 2010.

[4] Hsieh C. H., Optimization of fuzzy production inventory models, Information Sciences Vol. 146, 2002, s. 29–40.

[5] Krawczyk S., Logistyka: teoria i praktyka cz I, cz II, Difin, Warszawa 2011.

[6] Krzyżaniak S., Cyplik P., Zapasy i magazynowanie. Biblioteka logistyka, Poznań 2007.

[7] Lang J.C., Production and Inventory Management with Substitutions, Springer, New York 2009.

[8] Li J., Edwin Cheng T. C., Wang S.-Y., Analysis of postponement strategy for perishable items by

EOQ-based models, International Journal of Production Economics, Vol.107, (1), 2007,

s. 31–38.

[9] Maiti M. K., Maiti M., Fuzzy inventory model with two warehouses under possibility constraint,

Fuzzy Sets and Systems Vol.157, 2006, s. 52–73.

[10] Maity A., Maity K., Mondal S., Maiti M., Chebyshev approximation for solving the optimal

production inventory problem of deteriorating multi item, Mathematical and Computer Modelling 45 (1–2), 2007, s. 149–161.

[11] Maity K., Maiti M., Optimal inventory policies for deteriorating complementary and substitute items, International Journal of Systems Science, Vol. 40 (3), 2009, s. 267–276.

[12] Mandal N. K., Roy T. K., a displayed inventory model with L–R Fuzzy number, Fuzzy Optimization and Decision Making Vol. 5, 2006, s. 227–243.

[13] Nahmias S., Perishable Inventory Systems, Springer, New York 2010.

[14] Niziński S, Żurek J., Logistyka Ogólna, Wydawnictwa Komunikacji i Łączności sp. z o.o., Warszawa 2011.

[15] Roy A., Maiti M. K., Kar S., Maiti M., Two storage inventory model with fuzzy deterioration over

a random planning horizon, Mathematical Computer Modeling 46, 2007, s. 1419–1433.

[16] Rutkowska D., Piliński M., Rutkowski L., Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, Wydawnictwo Naukowe PWN, Warszawa, Łódź 1999.

[17] Taleizadeh A. A., Niaki S. T. A., Aryanezhad M. B., Multi-product multi-constraint inventory

control systems with stochastic replenishment and discount under fuzzy purchasing price and holding costs, American Journal of Applied Sciences Vol. 6, 2009, s. 1–12.

[18] Sarjusz-Wolski Z., Sterowanie zapasami w przedsiębiorstwie, PWE, Warszawa 2010.

424 P. Więcek

FUZZY INVENTORY CONTROL SYSTEM IN LOGISTICS

UNDER UNCERTAINTY CONDITIONS

Abstract

Available classic solutions in terms of inventory control and management in the field of logis-

tics are not sufficient enough because of the growing market dynamics and customers expec-

tations. Therefore it is highly recommended to propose the advanced approach to inventory

control based on intelligent tools. The article presents the application of fuzzy inference system

to solve the inventory policy problem under demand and lead time uncertainty. The proposed

in the paper solution has been verified based on real data set from logistics enterprise by com-

puter simulation. The obtained results have been compared with main classic methods.

Keywords: inventory control, fuzzy modeling, supply logistics

425

Jacek ZABAWA*

PODEJŚCIE DISCRETE RATE MODELING

W SYMULACJI ŁAŃCUCHA DOSTAW

Streszczenie

W pracy omówiono podstawy modelowania systemu zarządzania zapasami w arkuszu kalkula-

cyjnym. Następnie zaproponowano zastosowanie podejścia discrete rate modeling w symulacji

łańcucha dostaw. Przedstawiono założenia modeli testowych, w których wykorzystać można po-

dejście DRM. Opisano strukturę modeli, specyfikację wymagań użytkownika i zrealizowano wy-

brane plany eksperymentu symulacyjnego. Uzyskane wyniki poddano analizie w opracowanym

w arkuszu kalkulacyjnym narzędziu. Przedstawiono wnioski i perspektywy dalszych badań.

Słowa kluczowe: modelowanie symulacyjne, łańcuchy dostaw, podejście hybrydowe, discrete

rate modeling

1. WPROWADZENIE

W literaturze [3, 4, 7] opisywano wielokrotnie symulatory modeli systemu zarządzania

zapasami. Podstawowym narzędziem, w którym budowano modele, jest arkusz kalkulacyjny.

Ze względu na wiarygodność obliczeń i procesu podejmowania decyzji uwzględnienie czyn-

nika losowego wymusza konieczność wielokrotnego wykonywania przebiegu symulacyj-

nego. Analiza wyników oparta jest na obliczonych wartościach średnich, odchyleniach stan-

dardowych, ale także na częstości uzyskania wyników należących do pożądanego zakresu

wartości wyjściowych (na przykład symulowanego zysku czy straty). W arkuszu kalkulacyj-

nym generowanie wyników poszczególnych przebiegów odbywa się z wykorzystaniem tzw.

tabeli danych. Technika ta wymaga dołączenia do modelu arkuszowego interfejsu do warto-

ści wyjściowych które mają być obserwowane w kolejnych przebiegach. Oznacza to, że

większość informacji w trakcie konkretnych przebiegów jest pomijana (tracona), a interesu-

jące dla użytkownika są wyróżnione informacje traktowane jako wyniki syntetyczne.

Elementy modelu arkuszowego (deterministyczne i endogeniczne) są następujące:

zmienne decyzyjne:

próg ponawiania zamówienia (jeśli stan zasobu jest równy lub niższy niż wartość

progowa to następuje rozpoczęcie czynności w celu uzupełnienia zasobu),

cena sprzedaży zasobu wykorzystywana do wyznaczenia przychodów i w konse-

kwencji zysków lub strat,

* Politechnika Wrocławska, Wydział Informatyki i Zarządzania

426 J. Zabawa

zmienne stanu, parametry symulacji i parametry otoczenia:

zasób początkowy,

zasób na początku kontroli stanu,

zasób po zakończeniu dostawy,

zasób po zaspokojeniu popytu,

sygnał o niedoborze zasobu,

stan niedoboru zasobu,

popyt (opisany przez rozkład losowy),

czas realizacji zamówienia (rozkład losowy),

wielkość dostawy i cena realizacji (związana z wyborem dostawcy,

koszt jednostkowy utrzymania zasobu,

czas przebiegu (horyzont symulacji).


W [10] zaprezentowano model systemu zarządzania zapasami zrealizowany w tech-

nologii arkusza kalkulacyjnego oraz pakietu symulacyjnego Extendsim [2, 5, 6, 9], wyko-

rzystującego symulacyjne podejście zdarzeń dyskretnych. W niniejszym opracowaniu za-

stosowano podejście discrete rate modeling (DRM) [1, 2, 6, 8, 9], przeznaczone szczegól-

nie do modelowania strumieni jednolitych lub niejednolitych materiałów przepływających

z dużą prędkością. Zaletą podejścia DRM względem podejścia dyskretnego jest znacznie

wyższa wydajność obliczeń w warunkach dużej liczby szybko przemieszczających się

obiektów [9].

3. ZASTOSOWANE METODY BADAWCZE – OPIS NARZĘDZIA

Tworzenie modeli symulacyjnych w pakiecie symulacyjnym Extendsim oparte jest na

wykorzystaniu tzw. bloków z poszczególnych bibliotek. Każdy typ bloków posiada nazwę,

dostarcza określonych funkcji, przyporządkowany jest do określonej biblioteki. W modelu

może pojawić się wiele bloków tego samego typu. Poszczególne bloki posiadają nadany au-

tomatycznie przez system numer, mogą także posiadać identyfikator słowny (tzw. label).

Bloki mają okienka dialogowe oraz wejścia i wyjścia (tzw. konektory) o charakterze infor-

macyjnym (wysyłanie i odbieranie wartości liczbowych) lub obiektowym. Podstawowe ce-

chy obiektów to czas przybycia lub opuszczenia danego miejsca w modelu, atrybuty i ich

wartości (liczbowe lub tekstowe) na podstawie których można zróżnicować zasady obsługi

obiektu. Bloki komunikują się między sobą za pośrednictwem połączonych ze sobą konek-

torów lub napisów (tzw. named connections). Dostępne są także bloki zbierające obiekty

pochodzące z różnych bloków źródłowych i transferujące, zgodnie z zapisanymi w nich re-

gułami, do bloków docelowych. Informacje przesyłane przez konektor wyjściowy mogą być

przyjmowane równocześnie przez wiele konektorów wejściowych różnych bloków, nato-

miast wejściowy konektor informacyjny może być połączony tylko z jednym konektorem

wejściowym. Przesyłanie obiektów między blokami oparte jest na zasadzie pchania i ssania.

Podejście discrete rate modeling w symulacji łańcucha dostaw 427

Oznacza to, że każdy blok próbuje przekazać dostępne w nim obiekty do następnego bloku,

który – gdy nie jest zajęty obsługą innego obiektu – będzie je zasysać. W przypadku konek-

torów obiektowych ogólne zasady są podobne do konektorów informacyjnych, jednak ze

względu na to, że dany obiekt może znaleźć się w danej chwili tylko w jednym miejscu,

w przypadku połączenia konektora wyjściowego z wieloma konektorami wejściowymi

obiekt zostanie przekazany tylko do jednego bloku wejściowego. Wybór wejścia obiekto-

wego odbywa się automatycznie: po pierwsze obiekt wysyłany jest do bloku, który nie jest

obciążony przez inny przebywający już w nim obiekt, a jeśli takich bloków jest więcej niż

jeden to wybierany jest np. ten o niższym numerze.

4. ZASTOSOWANE METODY BADAWCZE –

OPIS PODEJŚĆ SYMULACYJNYCH

Oprogramowanie Extendsim umożliwia wykorzystanie trzech podejść symulacyjnych:

modelowania ciągłego (systemodynamicznego, continuous modeling, system dynamics), mo-

delowania zdarzeń dyskretnych (discrete-event modeling) oraz DRM. Podstawą podziału po-

dejść jest definiowanie kroku symulacji (DRM jest podejściem hybrydowym). W podejściu

ciągłym krok symulacji jest stały (w danym przebiegu symulacyjnym – ten sam model może

być uruchamiany z różną długością kroku symulacji; dzięki odpowiedniemu doborowi kroku

możemy przyspieszyć uzyskanie wyników przy zadowalającej dokładności). W konsekwen-

cji zmienne stanu oraz (także bieżące) wyniki symulacji zmieniają się w regularnych odstę-

pach czasu. W podejściu ciągłym kluczowymi pojęciami są zasoby i strumienie tworzące

struktury nazywane pętlami sprzężeń zwrotnych, a w obliczeniach wykorzystywane jest cał-

kowanie (natężenia strumieni) względem czasu. W pakiecie symulacyjnym Extendsim mo-

delowanie ciągłe wykorzystuje bloki zawarte w bibliotece VALUE takie jak Holding Tank,

Match i Constant.

W podejściu dyskretnym obliczenia wykonywane są w wtedy, gdy w modelu ma miej-

sce zdarzenie a krok symulacji (ze względu na zmienność i bycie skutkiem a nie przyczyną)

w zasadzie nie jest badanym parametrem. Należy jednak rozważyć w warunkach znacznego

natężenia zdarzeń użycie podejścia DRM. Kluczowymi pojęciami w modelowaniu zdarzeń

dyskretnych są obiekty (zdarzenia), stanowiska obsługi (serwery), kolejki, atrybuty obiek-

tów, kompletowanie oraz reguły sterowania przepływem obiektów. W pakiecie symulacyj-

nym Extendsim modelowanie dyskretne wykorzystuje bloki zawarte w bibliotece ITEM ta-

kie jak Create, Queue, Activity, Batch, Exit.

W podejściu DRM kluczowe pojęcia pokrywają się zarówno z używanymi w podejściu

ciągłym, jak i dyskretnym jednak zamiast implementacji natężenia strumieni (modelowanie

ciągłe) stosowane są obiekty (modelowanie dyskretne). Z punktu widzenia użytkownika pod-

stawowymi blokami są TANK (zbiornik) i VALVE (strumień). Charakterystyczne dla po-

dejścia DRM jest pojawianie się zmian w wartościach elementów modelu w sposób nagły;

zdarzeniem powodującym zmiany może być np. osiągnięcie zadanego poziomu materiału

w zbiorniku. W ten sposób znacznie ogranicza się częstość obliczeń występującą w podej-

ściu dyskretnym w szybkozmiennym środowisku, uwzględniając jednocześnie natężenie

strumieni (podejście ciągłe) wzbogacone o możliwość definiowania kierunku przepływu.

428 J. Zabawa

5. CEL, METODYKA I WYNIKI BADAŃ

Na potrzeby niniejszego opracowania zaproponowano model symulacyjny, prezentu-

jący integrację podejścia dyskretnego, DRM oraz niektórych elementów podejścia ciągłego

na przykładzie łańcucha dostaw. Poniżej opisano założenia bazowego modelu (rys. 1).

Strumień zleceń (popytu): zlecenia (obiekty) napływają w losowych odstępach czasu.

Realizacja zlecenia związana jest z pobraniem ze zbiornika określonej ilości materiału nada-

nej jako atrybut „popyt” (rozkład losowy). Zlecenie opuszcza bufor tylko wtedy, gdy

w zbiorniku jest wystarczająca ilość materiału na jego pełną realizację. W przypadku gdy na

realizację czeka co najmniej jedno zlecenie następuje przesłanie materiału (niezerowe natę-

żenie przepływu) od dostawcy do zbiornika. Założenia uzupełniono o zbieranie danych i po-

dejmowanie decyzji w stałych odstępach czasu. Rejestracja wyników symulacji także doko-

nywana jest w stałych odstępach czasu.

Rys. 1. Bazowy model systemu zarządzania zapasami

Źródło: opracowanie własne, ExtendSim blocks copyright © 1987–2014 Imagine That Inc.

All rights reserved

W modelu bazowym (rys. 1) wyróżniamy trzy moduły. Moduł główny realizujący zało-

żenia dotyczące generowania popytu i jego charakterystyki, kolejkę i sygnalizację jej długo-

ści oraz podejmowanie decyzji dotyczącej natężenia przepływu materiału od dostawcy do

zbiornika roboczego, w którym następuje połączenie zlecenia i materiału, czyli zrealizowa-

nie zlecenia a także obliczenia dotyczące łącznej sumy wielkości zgłaszanego i zrealizowa-

nego popytu. Moduł został zrealizowany z wykorzystaniem następujących bloków biblioteki

ITEM (kolor zielony): Create, Set, History, Queue, Get (trzykrotnie), Select Item Out, Infor-

mation i Exit, biblioteki VALUE (kolor pomarańczowy): Random, Decision (dwukrotnie),

Holding Tank (dwukrotnie), Constant (dwukrotnie) i Select Value In oraz biblioteki RATE

(kolor niebieski): Tank, Valve i Interchange. Warto zwrócić uwagę, że w bloku Interchange

spotykają się strumień obiektów dyskretnych i strumień przepływu typu RATE. Dwa pozo-

stałe moduły (dolna część rysunku) realizują założenia dotyczące okresowego odczytywania


bieżącego stanu modelu i przekazywania wyników do bloków modelujących proces podej-

mowania decyzji (testowanie długości kolejki) oraz okresowego wykorzystania wykresów

najistotniejszych wartości wyjściowych.

W drugim etapie prac rozbudowano model o następujące założenia. Model powinien

umożliwiać nadawanie wartości parametrom źródłowym, wielokrotne uruchamianie przebie-

gów (planowanie eksperymentu) i zapisywanie wyników w arkuszu kalkulacyjnym. Pożą-

dane jest także umożliwienie sygnalizowania i rejestrowania wystąpień niedoborów. Wystą-

pienie niedoborów, pierwsze w danym cyklu zamówień, zgodne jest w ogólnym modelu

arkuszowym (p. pierwszy rozdział opracowania z uruchomieniem zamówienia, czyli ponie-

sieniem kosztu zamówienia (uzupełnienia zbiornika). Badania nad rozbudowanym modelem

powinny także dać odpowiedź na pytanie, jak para częstość (czyli odstępy czasu) pomiarów

i podejmowania decyzji oraz natężenie zamówień (w warunkach niedoboru) wpływać będzie

na zachowanie istotnych wyników wejściowych.

Przyjęto następujące założenia liczbowe (niemianowana jednostka czasu):

strumień zleceń: rozkład wykładniczy odstępów czasu o średniej: 1,

wielkość popytu (atrybut opisujący ilość potrzebnego materiału): rozkład równo-

mierny od 0 do 10 (liczby rzeczywiste),

początkowa ilość materiału w zbiorniku roboczym: 0 (zero),

początkowa ilość materiału w zbiorniku dostawcy: 10 000,

częstość próbkowania (pomiarów i decyzji): do zbadania w zakresie od 1 do 10 jed-

nostek/ jednostkę czasu z krokiem równym 1 (30 wartości do zbadania).

Z modelem zintegrowano bazę danych zaimplementowaną w systemie zarządzania ba-

zami danych Extendsim zorientowaną wierszowo (poszczególne wiersze odpowiadają kolej-

nym przebiegom). Wejściowe parametry modelu zapisano w arkuszu kalkulacyjnym utwo-

rzonym w MS Excel i wczytano do środowiska Extendsim za pomocą bloku Data Import

Export działającym w trybie Import (biblioteka VALUE). Przekazywanie wybranych warto-

ści rekordów z bazy danych do konektorów wejściowych sterujących działaniem bloków

typu Constant i Create zrealizowano za pomocą bloków Read (biblioteka VALUE) a zapisy-

wanie wartości wyjściowych w bazie danych za pomocą bloków Write (biblioteka VALUE)

natomiast zapisywanie wartości w arkuszu kalkulacyjnym wykonano za pomocą bloku Data

Import Export (działającym w trybie Export). Wykonano po dziesięć przebiegów symulacyj-

nych o długości 100 jednostek czasu dla każdej z kombinacji parametrów wejściowych (czę-

stości próbkowania i natężenia przepływu).

Badano następujące wartości wejściowe:

liczbę obiektów na wyjściu modelu,

liczbę pierwszych sygnałów o niedoborze,

liczbę niedoborów,

liczbę pomiarów, w których stwierdzono brak niedoborów.

Opracowano arkusz kalkulacyjny agregujący dane wyjściowe na podstawie wybranego

typu badanej wartości. Na rysunku 2 przedstawiono jeden z możliwych do wygenerowania

wykresów – szczególnie interesującą zależność liczby uruchamianych dostaw od odstępu

430 J. Zabawa

czasu między kolejnymi pomiarami (1–10) i natężenia przepływu (1–30). Widoczne jest

maksimum liczby uruchamianych dostaw w przedziale natężenia przepływu 10–15 oraz in-

tuicyjnie oczywiste zmniejszanie się liczby dostaw wraz ze zmniejszaniem częstości pomia-

rów. Analizując wykresy niezamieszczone w opracowaniu (w tym liczby zrealizowanych za-

mówień) należy stwierdzić, że w badanym zakresie parametrów wejściowych optymalnym

rozwiązaniem – biorąc pod uwagę wyizolowany parametr natężenia przepływu (analog wiel-

kości zamówienia w podejściu dyskretnym) – jest natężenie przepływu w okolicy wartości

maksymalnych (30 jednostek/jednostkę czasu) przy dowolnej częstości pomiarów. Jest to

tylko wycinkowa przesłanka, którą zweryfikować można będzie po uwzględnieniu czynni-

ków kosztowych.

W trzecim etapie prac zmodyfikowano regułę uzupełniania stanu zbiornika roboczego,

wprowadzono kolejne ogniwo łańcucha dostaw oraz zaimplementowano rachunek kosztów

i przychodów umożliwiając całościową ocenę funkcjonowania hipotetycznego systemu. Na

rysunku 2 przedstawiono strukturę symulacyjnej części modelu, rysunek 3 przedstawia część

modelu realizującą rachunek kosztów i przychodów. Uzupełnianie stanu zbiornika robo-

czego odbywa się w zmodyfikowanym modelu na podstawie porównania z wartością pro-

gową, minimalną, dla której jeszcze nie uruchamiamy dostawy (przepływu materiałów).

Nowe ogniwo łańcucha pełni rolę „hurtowni” (źródło 2), z której materiał przepływa (natę-

żenie 2) do zbiornika detalisty (źródło 1) połączonego ze zbiornikiem roboczym (stan zbior-

nika 1). Rachunek kosztów oparto na podejściu zaprezentowanym w [3].

Rys. 2. Zależność liczby uruchamianych dostaw od odstępu czasu między kolejnymi pomiarami

(1–10) i natężenia przepływu (1–30)



Rys. 3. Struktura łańcucha dostaw i sterowania przepływami


All rights reserved

Model powinien umożliwiać nadawanie wartości parametrom źródłowym, wielokrotne

uruchamianie przebiegów (planowanie eksperymentu) i zapisywanie wyników w arkuszu

kalkulacyjnym. Pożądane jest także umożliwienie sygnalizowania i rejestrowania wystąpień

niedoborów. Wystąpienie niedoborów, pierwsze w danym cyklu zamówień, zgodne jest

w ogólnym modelu arkuszowym z uruchomieniem zamówienia (poniesieniem kosztu zamó-

wienia związanym z uzupełnieniem zbiornika). W modelu postanowiono zbadać zależność

zysku od trzech parametrów wejściowych: progu zamówień 1 (od 1 do 10), natężenia zamó-

wień od dostawcy do zbiornika roboczego (od 1 do 30 z krokiem 1) i progu zamówień 2 (od

100 do 1000 z krokiem 100), przy natężeniu zamówień 2 równym 1000.

432 J. Zabawa

Dodano następujące założenia liczbowe dotyczące rachunku zysków i strat (rys. 4):

koszt magazynowania: 1 na jednostkę czasu i materiału,

koszt niedoboru: 5

koszt zamówienia: 1

przychód jednostkowy: 200

Rys. 4. Struktura rachunku przychodów, kosztów i zysków/strat w modelu


All rights reserved

Wejściowe parametry modelu zapisano w arkuszu kalkulacyjnym utworzonym

w MS Excel i wczytano do bazy danych środowiska Extendsim za pomocą bloku Data Im-

port Export działającym w trybie Import (biblioteka VALUE). Przekazywanie wybranych

wartości rekordów z bazy danych do konektorów wejściowych, sterujących działaniem po-

szczególnych bloków zrealizowano za pomocą bloków Read (VALUE) a zapisywanie war-

tości wyjściowych w bazie danych za pomocą bloków Write (VALUE). Zapisywanie warto-

ści w arkuszu kalkulacyjnym wykonano za pomocą bloku Data Import Export (działającym

w trybie Export). Dane poddano analizie w arkuszu kalkulacyjnym.

Symulację wykonano 10 razy dla każdej kombinacji danych wejściowych. Rysunek 5

przedstawia wykres zysku/straty dla przypadku z progiem zamówień 2 równym 400 jedno-

stek. Widoczna jest duża i nieregularność wykresu zysku, zauważyć można jednak tendencję

zwiększania się zysku wraz ze zwiększaniem się progu zamówień. Wydaje się, że kluczową

rolę odgrywa tu większy stopień zabezpieczenia przed pojawieniem się niedoborów (i w kon-

sekwencji kosztów) oraz mniejszą częstością składania zamówień.


Rys. 5. Wykres zysków i strat w funkcji natężenia zamówień i progu zamówień


6. WNIOSKI

Przedstawiono propozycje modeli systemu łańcucha dostaw (o zróżnicowanej regule

uruchamiania zamówień) wykorzystujących symulacyjne podejście DRM. DRM jest odpo-

wiednie dla środowisk, w których przesyłane są z dużą prędkością znaczne ilości materiałów.

Opracowano szereg wariantów modeli (w pracy przedstawiono tylko fragment wykonanych

eksperymentów). Zbadano między innymi wpływ natężenia zamówień 1 i progu zamówień

1 w przypadku ogniwa detalista-zbiornik roboczy na liczbę zrealizowanych zleceń (dla ba-

danego zakresu parametrów optymalna wartość progu zamówień wynosi 10, a natężenie za-

mówień nie ma znaczenia). Realizując narzędzie planowania eksperymentu zaprojektowano

interfejs umożliwiający w arkuszu kalkulacyjnym wspomaganie analizy wyników. W pracy

zaprezentowano zestaw wyników charakteryzujących się znaczną nieregularnością, w przy-

padku którego podejście symulacyjne jest właściwe ze względu na trudności w wyznaczeniu

rozwiązania analitycznego. Dalsze prace będą prowadzone w celu wzbogacenia arkusza kal-

kulacyjnego w możliwość szybkiej analizy wpływu wszystkich zaproponowanych parame-

trów na wybrane wyniki wyjściowe.

434 J. Zabawa

LITERATURA

[1] Béchard V., Côté N.: Simulation of mixed discrete and continuous systems: an iron ore terminal

example, Proceedings of the 2013 Winter Simulation Conference, IEEE, 2013.

[2] Damiron C., Krahl D.: a Global Approach for discrete rate simulation, Proceedings of the 2014

Winter Simulation Conference, IEEE Press Piscataway, NJ, 2014.

[3] Heizer J. and Render B.: Operations Management 6th ed., Prentice Hall, 2001.

[4] Jensen P.A., Bard J.F.: Operations Research. Models and Methods, John Wiley & Sons,

Hoboken, N.J., 2003.

[5] Krahl D.: The Extend Simulation Environment, Proceedings of the 2002 Winter Simulation

Conference, IEEE, Piscataway, N.J., 2002.

[6] Krahl D.: ExtendSim Advanced Technology: Discrete Rate Simulation, Proceedings of the 2009

Winter Simulation Conference, Piscataway, New Jersey: IEEE, 2009.

[7] Lawrence J. A., Pasternack B. A.: Applied Management Science. Modeling, Spreadsheet

Analysis, and Communication for Decision Making, 2nd ed. John Wiley & Sons, New York, N.Y.

2001.

[8] Savrasovs M.: Traffic Flow Simulation on Discrete Rate Approach Base, Transport and

Telecommunication, 13 (2), 2012.

[9] Siprelle A. J., Parsons D. J.: Modeling a Bulk Manufacturing System Using Extend, Proceedings

of the 1995 Winter Simulation Conference, IEEE, 1995.

[10] Zabawa J., Mielczarek B.: Tools of Monte Carlo simulation in inventory management problems,

ECMS 2007 Proceedings edited by: I. Zelinka, Z. Oplatkova, A. Orsoni (s. 56–61), European

Council for Modeling and Simulation. doi:10.7148/2007-0056.

DISCRETE RATE MODELING APPROACH FOR SUPPLY CHAIN MODELING

Abstract

This paper discusses the basics of modeling inventory management system in a spreadsheet.

Then the application of a discrete rate in the supply chain simulation was proposed. Assump-

tions of test models which utilize DRM was presented. The structure of models and specifica-

tion requirements was proposed. Selected simulation experiments were performed. The results

were analyzed in a specially designed spreadsheet tool. Conclusions and prospects for further

research was presented.

Keywords: simulation modeling, supply chain modeling, discrete rate modeling, hybrid

approach

435

Justyna ŻYWIOŁEK*

ANALIZA RYZYKA

ZASOBÓW INFORMACYJNYCH

SYSTEMU INFORMACJI LOGISTYCZNEJ

W PRZEDSIĘBIORSTWIE

Streszczenie

Informacja w przedsiębiorstwie pod wpływem zmian związanych z nowoczesnymi technikami

i technologiami informatycznymi, wirtualizacją przedsiębiorstw stała się istotnym czynnikiem

sukcesu. wzrost rangi informacji jako zasobu przedsiębiorstwa wskazuje, że zarządzanie infor-

macją jest jednym z wyzwań stojących przed współczesnym przedsiębiorstwem. szczególnie

trudne dla przedsiębiorstwa jest zarządzanie informacją podczas sytuacji kryzysowej. Współ-

czesne przedsiębiorstwa w coraz większym stopniu koncentrują się na zarządzaniu informacją,

biorąc pod uwagę także system informacji logistycznej.

Słowa kluczowe: system informacji logistycznej, analiza ryzyka zasobów informacyjnych

1. WSTĘP

Informacja od zawsze była nieodłącznym elementem życia jednostek i społeczeństw.

Ludzie dążyli do gromadzenia różnorodnych informacji o teraźniejszości, przeszłości

oraz przyszłej przestrzeni swojej egzystencji, usiłując budować na tej podstawie dobrobyt

i bezpieczeństwo [1, s. 24]. W ostatnich latach, głównie w wyniku rosnącej globalizacji i na-

silonego rozwoju technologicznego, zauważalny jest wzrost zapotrzebowania na informacje.

Tendencja ta jest szczególnie widoczna w obszarze zarządzania przedsiębiorstwami.

Informacja dla zarządzania jest szczególnym rodzajem informacji. Pozwala na realiza-

cję takich funkcji jak: planowanie, organizowanie, przewodzenie i kontrolowanie. Efek-

tywne zarządzanie jest możliwe wtedy, gdy organizacja posiada informacje o sobie i swoim

otoczeniu. Kryterium wyodrębniającym ze zbioru informacji, podzbiór niezbędny do procesu

zarządzania jest fakt, przydatność informacji w procesie decyzyjnym. Dokonywane wybory

i oceny stają się dzięki tym informacjom bardziej racjonalne. Informacja dla zarządzania ma

bezpośredni i pośredni wpływ na proces decyzyjny.

J. Stoner i C. Wankel przedstawili proces podejmowania decyzji za pomocą kolejnych

ogniw: dane stają się informacjami, które po przeanalizowaniu stają się wiedzą, która może

* Politechnika Częstochowska, Wydział Zarządzania

436 J. Żywiołek

doprowadzić do podjęcia decyzji i działań [7, s. 263]. Można zatem przyjąć, że podstawo-

wymi cechami wyróżniającymi informację przydatną dla zarządzania są:

realizacja zadań związanych z funkcjami zarządzania,

podejmowanie decyzji na różnych szczeblach zarządzania.

Informacja dla zarządzania pozwala na nieustanne doskonalenie się organizacji i dosto-

sowywanie do stale zmieniającego się otoczenia. O jej wartości można sądzić na podstawie

podejmowanych decyzji. Wartość informacji dla zarządzania nazywana jest jej użyteczno-

ścią, którą zmienia się wraz z upływem czasu. W większości przypadków użyteczność ma-

leje z czasem. Szczególnym przypadkiem są informacje dotyczące rozwiązań technologicz-

nych. Dopiero po opracowaniu szczegółowych rozwiązań technicznych informacje stają się

użyteczne. Liczbę przetwarzanych w przedsiębiorstwie informacji oraz ich rodzaj przedsta-

wia rysunek 1.

Rys. 1. Liczba informacji przetwarzanych w badanym przedsiębiorstwie

Źródło: opracowanie własne na podstawie materiałów przedsiębiorstwa

W przedsiębiorstwie często mówi się o ilości informacji, ponieważ są one nieweryfiko-

wane a ich zliczanie stanowi dużą trudność. W badanych przedsiębiorstwie dokumenty pa-

pierowe i elektroniczne podlegają ściśle określonej procedurze nadawania im numerów oraz

kategorii w zależności od działu, do którego mają być dostarczone, co ułatwia ich liczenie.

Najwięcej dokumentów dotyczy informacji handlowych co jest zjawiskiem zrozumiałym,

gdyż głównym celem istnienia przedsiębiorstwa jest sprzedaż produkowanego asortymentu.

Liczba przetwarzanych informacji w działach w poszczególnych jest na zbliżonych pozio-

mie, co świadczy o stabilności oraz dobrze zorganizowanych systemie przetwarzania

informacji.

Analiza ryzyka zasobów informacyjnych systemu informacji… 437

2. ROLA INFORMACJI W ZARZĄDZANIU PRZEDSIĘBIORSTWEM

Do czasu rewolucji informatycznej doceniano znaczenie informacje, ale technologia in-

formacyjna pozwoliła na przewartościowanie roli informacji w zarządzaniu. Coraz częściej

informacja stawała się nie tylko czynnikiem wspierającym, ale także przedmiotem

zarządzania.

Pojęcie informacji nie ma jednoznacznej definicji, jest to czynnik, który decyduje

o zwiększeniu wiedzy o otaczającej rzeczywistości.

Można wyróżnić różne rodzaje informacji [5, s. 41]:

informację faktograficzną – elementy opisu zdarzeń, procesów,

informację normatywną – regulaminy, kodeksy, zbiory procedur,

informację strukturalną – schematy,

informację taksonomiczną – sposoby klasyfikacji, podporządkowania czy oceny,

informację proceduralną – instrukcje obsługi maszyn i urządzeń,

informację semantyczną – przytaczane definicje.

Różnorodność definicji pojęcia informacja powoduje, iż sposób doboru cech jakościo-

wych oraz rozumienie jej treści zależy od użytkownika. Jako najważniejsze cechy informacji

przyjęto: neutralność, istotność, wiarygodność, porównywalność. Neutralność oznacza nie-

zależność informacji w największym obszarze. Istotność wymaga, by informacja była zna-

cząca lub użytecznie związana z działaniami. Na istotność informacji wpływa jej aktualność

i zrozumiałość. Wiarygodność informacji jest zdeterminowana jej sprawdzalnością czyli

możliwością weryfikacji. Cecha ta próbuje wyeliminować rozmaite przekłamania pojawia-

jące się między źródłem a użytkownikiem, wzrastające proporcjonalnie wraz z odległością

pomiędzy nimi. Zmniejszenie wiarygodności wynika także z pojawienia się na drodze infor-

macji dużej liczby punktów przekazu.

W modelach systemu zarządzania coraz częściej zwraca się uwagę na kompleksową

obsługę informacyjną. Zarządzanie informacją można zdefiniować jako sumę zasad, technik,

systemów oraz urządzeń, które określają informacyjno-komunikacyjną strukturę przedsię-

biorstwa [9, s. 37].

Do podstawowych zadań zarządzania informacją zaliczyć można:

planowanie i opracowywanie strategii informacyjnej,

sterowanie przepływami informacji,

planowanie środków na rozwój systemów informacyjnych,

zapewnienie efektywności systemów informacyjnych,

zarządzanie jakością informacji,

tworzenie warunków bezpieczeństwa dla informacji,

integracje systemów informacyjnych wykorzystywanych na różnych szczeblach za-

rządzania.

438 J. Żywiołek

Zapotrzebowanie na informacje uzależnione jest także od poziomu decyzyjnego, a więc

szczebla zarządzania. W przedsiębiorstwie wyróżnić można trzy poziomy decyzyjne: opera-

cyjny, taktyczny i strategiczny. Każdy ze szczebli potrzebuje określonej ilości informacji,

aby podjąć decyzję, zapotrzebowanie to przedstawia rysunek 2.

Rys. 2. Zapotrzebowanie na informacje na poszczególnych szczeblach zarządzania

Źródło: [8, s. 51]

Pogrubiony trójkąt na rysunku 2 oznacza koncentrację władzy na poszczególnych szcze-

blach zarządzania. Mimo że poziom strategiczny tworzy w przedsiębiorstwie zaledwie kilka

osób to mają one szerokie uprawnienia i potrzebują do podjęcia decyzji skonsolidowanych

informacji dotyczących sytuacji przedsiębiorstwa. Informacja dla szczebla strategicznego to

nie tylko raporty, informacja powinna odzwierciedlać działania podejmowane w przedsię-

biorstwie, prowadzące osiągnięcia celów. Na podstawie rysunku 3 określono, jaki procent

informacji przetwarzanych w przedsiębiorstwie dotyczy poszczególnych szczebli zarządza-

nia (rys. 3).

Rys. 3. Informacje o przedsiębiorstwie na poszczególnych szczeblach zarządzania

Źródło: opracowanie własne na podstawie materiałów przedsiębiorstwa


Najwięcej informacji dotyczy samego przedsiębiorstwa, świadczy to o dużej świado-

mości kierownictwa i właścicieli. Zachowane zostały proporcje pomiędzy informacjami,

które dotyczą poszczególnych szczebli zarządzania, a co za tym idzie – cele strategiczne

przedsiębiorstwa są realizowane w prawidłowy sposób.

Logistyka współczesnych przedsiębiorstw charakteryzuje się dużą złożonością zacho-

dzących w nich procesów przepływu zasobów materialnych, finansowych i informacyjnych.

System logistyczny powinien być jednocześnie elastyczny i otwarty, charakteryzować się

wysokim poziomem spójności i dążeniem do wyższego stopnia zorganizowania [2, s. 20].

Informacja umożliwia racjonalizację przepływu pozostałych strumieni (materiałów, kapitału,

energii i ludzi), koordynację wewnątrz systemu logistycznego i jego harmonijne powiązanie

z otoczeniem. Istotną rolę w badanym przedsiębiorstwie odgrywają informacje dotyczące lo-

gistyki (rys. 4).

Rys. 4. Informacje dotyczące logistyki


W przypadku informacji dotyczących logistyki najwięcej informacji tworzonych jest

dla kierownictwa i menedżerów. Są to dokumenty papierowe i elektroniczne stanowiące

dokumenty wewnętrzne przedsiębiorstwa. Analizując dane dotyczące informacji o logi-

styce, można stwierdzić, iż informacje te są kompleksowo opracowywane przez pracow-

ników, a nadzór nad nimi nie jest w żaden sposób określony. Brak kontroli nad powstają-

cymi informacjami jest główną przyczyną przeprowadzenia analizy ryzyka w badanym

przedsiębiorstwie.

440 J. Żywiołek

3. RYZYKO W DZIAŁALNOŚCI PRZEDSIĘBIORSTWA

Ryzyko jest związane z działalnością człowieka i stanowi element nieodłączny sfery za-

równo biznesowej, jak i prywatnej każdego kto podejmuje jakiekolwiek decyzje. Terminem

tym określa się kombinację częstości lub prawdopodobieństwa wystąpienia określonego zda-

rzenia wywołującego zagrożenie i konsekwencji związanych z tym wydarzeniem [6, s. 146].

Można nawet uznać, że „[…] przypadek jest tylko miarą naszej niewiedzy. Niektóre zdarze-

nia, jawiące się jako zupełnie przypadkowe wcale takimi nie są. Wręcz przeciwnie, ich przy-

czyny istnieją, są jednak trudne do uchwycenia” [3, s. 29 za: 4, s. 226].

Złożoność problemów związana z zarządzaniem informacją w przedsiębiorstwie naj-

częściej nie pozwala jednoznacznie ustalić stopienia niepewności. W każdym przypadku na-

leży podejmować decyzje, zwracając szczególną uwagę na aspekt ryzyka, które można w da-

nej sytuacji zaakceptować. Już w 1921 roku Knight rozróżnił pojęcia ryzyka i niepewności.

Ryzyko jest uznawane za mierzalne, natomiast niepewność stanowi czynnik niemie-

rzalny [3, s. 24].

Zakres zarządzania ryzykiem i jego raportowanie, powinny być szczegółowo kontrolo-

wane w taki sposób, aby nie zaburzać pracy przedsiębiorstwa tylko ją wspomagać. Ko-

nieczne jest informowanie pracowników o możliwym ryzyku, aby mogli je uwzględnić w po-

dejmowanych przez nich działaniach. Należy zauważyć, że poszczególne cele przedsiębior-

stwa są komplementarne (np. terminowo zrealizowany proces transportu, dzięki wyelimino-

waniu ryzyka niekompletnych i nieterminowych dostaw, pozwala na ograniczenie kosztów

produkcji). Analiza ryzyka stanowi istotne wsparcie dla wszystkich procesów w przedsię-

biorstwie, zatem należy badać określone obszary w sposób dokładny i całościowy, uwzględ-

niając także sprzężenia zwrotne. W procesie identyfikacji i wyznaczenia ryzyka należy zwró-

cić uwagę na wpływ poniesionego ryzyka na realizowane cele, aby cele określone jako prio-

rytetowe służyły do eliminacji lub minimalizowania skutków ryzyka.

4. ANALIZA RYZYKA SYSTEMU INFORMACJI LOGISTYCZNEJ

T . Kaczmarek [3, s. 34–40] wyszczególnił listę zagrożeń przedsiębiorstwa prowadzą-

cego działalność handlową i produkcyjną obejmującą 46 punktów „chorego” przedsiębior-

stwa. Zagadnienia w nich wyszczególnione stanowiły podstawę do opracowania analizy

ryzyka badanego przedsiębiorstwa.

Na podstawie przeprowadzonego wywiadu bezpośredniego wśród pracowników

działu logistyki i kadry zarządzającej oraz własnych obserwacji w analizowanym przed-

siębiorstwie stwierdzono symptomy niewłaściwego zarządzania informacją (tab. 1). Naji-

stotniejsze problemy utworzyły grupę 25 zagadnień stanowiących zagrożenia, w odniesieniu

do których określono potencjalne skutki mogące mieć negatywny wpływ na system logi-

styczny przedsiębiorstwa.


Tab. 1. Zidentyfikowane zagrożenia

Nr Element systemu

logistycznego Zagrożenia

Poziom

zagrożenia

1

Zao

pat

rzen

ie

informacje o dostawach 4

2 informacje o dostawcach 5

3 informacje o transporcie 3

4 informacje o położeniu ładunku 4

5 informacje o uszkodzeniach i ubytkach

materiałów 1

6 raporty i analizy danych 4

7 informacje dla kierownictwa 4

8 informacje o współpracy z innymi działami

przedsiębiorstwa 3

9

Pro

du

kcj

a

informacje o niezgodnościach produkcji 1

10 informacje o błędach ludzkich 1

11 informacje o jakości wyrobu 5

12 informacje o odpadach produkcyjnych 1

13 informacje o awariach maszyn i urządzeń 2

14 informacje o przestojach podczas produkcji 2



17 informacje o współpracy z innymi działami

przedsiębiorstwa 4

18

Dy

stry

bu

cja

informacje o transporcie 2

19 informacje o odbiorcach 4

20 informacje o zadowoleniu klientów 2

21 informacje o magazynowaniu 1

22 informacje o transporcie do klienta 2

23 informacje o obsłudze zamówień 3




Zawarte w tabeli 1 zagrożenia wpływają w różnym stopniu na funkcjonowanie systemu

informacji logistycznej a co za tym idzie na zarządzanie informacją w przedsiębiorstwie. Na-

leży jednak podkreślić, że są to badania wstępne, dlatego mogą okazać się tylko częścią

problemów badanej organizacji. Poza identyfikacją zagrożeń oraz ich poziomu należy pod-

czas budowy systemu zarządzania ryzykiem również zidentyfikować ich przyczyny oraz

możliwości wyeliminowania lub minimalizacji ich skutków.

W ramach przeprowadzonej analizy zakłada się, że karty identyfikacji ryzyka służą

głównie do zbierania informacji odnośnie rodzajów ryzyk według określonej klasyfikacji

i ich pomiaru przez osoby zarządzające przedsiębiorstwem. Kolejnym etapem badania

442 J. Żywiołek

poziomu zagrożeń powinna być ocena za pomocą karty identyfikacji ryzyka. Kartę dotyczącą

systemu informacji logistycznej przedstawiono w formie formularza, który wypełnia osoba

zarządzająca ryzykiem w przedsiębiorstwie (tab. 2).

Tab. 2. Poziom zagrożenia systemu logistycznego przedsiębiorstwa produkcyjnego

Zagrożenie Podatność (1–5) Poziom ryzyka

(zagrożenie podatność)

1 Z

aop

atrz

enie

4 16

2 5 25

3 3 9

4 2 8

5 2 2

6 1 4

7 2 8

8 2 6

9

Pro

du

kcj

a

3 3

10 2 2

11 2 10

12 1 1

13 3 6

14 5 10

15 2 8

16 1 4

17 3 12

18

Dy

stry

bu

cja

3 6

19 5 20

20 5 10

21 1 1

22 3 6

23 3 9

24 3 12

25 2 10


Poddany ocenie poziom zagrożeń oraz oszacowana podatność zasobów stanowi pod-

stawę do określenia poziomu ryzyka. Wpływają one negatywnie na funkcjonowanie systemu

informacji logistycznej oraz na zarządzanie informacją w przedsiębiorstwie.

Najwyższy poziom ryzyka związany jest z informacjami o dostawcach. Także wysoki po-

ziom ryzyka związany jest z informacjami o odbiorach oraz informacjami o dostawach. Najniż-

szy poziom ryzyka w badanym przedsiębiorstwie związany jest z informacjami o odpadach oraz

o magazynowaniu wyrobów gotowych, ponieważ nie zagrażana to bezpieczeństwu informacyj-

nemu badanego przedsiębiorstwa i nie wpływa w negatywny sposób na zarządzanie informacją.


5. PODSUMOWANIE

Zarządzanie ryzykiem powinno stanowić przedmiot nie tylko identyfikacji ryzyka wy-

stępującego podczas wszystkich procesów związanych z zarządzaniem informacją w przed-

siębiorstwie, ale również powinno odejmować koncepcję ukierunkowaną na zapewnienie ca-

łemu przedsiębiorstwu bezpieczeństwa informacyjnego. Priorytetem zarządzania ryzykiem

powinno być realizowanie celów zarządczych dla kierownictwa na każdym szczeblu w hie-

rarchii organizacji. W ramach przeprowadzonych badań wstępnych autorka zastosowała

kartę identyfikacji ryzyka opracowaną na podstawie listy zaproponowanej przez T. Kacz-

marka, pozwalającą na identyfikację głównych problemów organizacyjnych w badanym

przedsiębiorstwie produkującym oraz wyszczególniono ich potencjalny wpływ na poziom

ryzyka w zakresie informacji logistycznych badanego przedsiębiorstwa.

LITERATURA

[1] Ciborowski L., Zarządzanie i informacja w obliczu wyzwań współczesności, [w:] Przedsiębior-

stwo wobec współczesnych wyzwań w procesie zarządzania, (red.) Hejduk I., Ciborowski L.,

Wyd. Akademii Podlaskiej, Siedlce, 2005.

[2] Gołembska E.: Istota, cel i zakres logistyki, [w:] Gołembska E. (red.): Logistyka. C.H. Beck,

Warszawa 2012.

[3] Kaczmarek T. T.: Ryzyko i zarządzanie ryzykiem. Ujęcie interdyscyplinarne. Wyd. Diffin,

Warszawa 2006.

[4] Knight F.: Risk, Uncertainty and Profit. New York 1964.

[5] Nowicki A., Wstęp do systemów informacyjnych zarządzania w przedsiębiorstwie, Wyd.

Politechniki Częstochowskiej, Częstochowa, 2005.

[6] Romanowska-Słomka I., Słomka A.: Zarządzanie ryzykiem zawodowym. Wyd. Tarbonus, Wyd.

III, Tarnobrzeg 2003.

[7] Stoner J., Wankel C., Kierowanie, PWE, Warszawa, 2002.

[8] Sudoł S., Przedsiębiorstwo. Podstawy nauki o przedsiębiorstwie, PWE, Warszawa, 2006.

[9] Surma J., Business Inteligent, PWN, Warszawa, 2009.

RISK ANALYSIS OF INFORMATION RESOURCES INFORMATION SYSTEM

IN THE COMPANY LOGISTICS

Abstract

Information on the company due to changes related to modern techniques and computer tech-

nologies, virtualization of enterprises has become an important success factor. increase the rank

information as a resource company indicates that information management is one of the chal-

lenges facing the modern enterprise. especially difficult for companies to manage information

during an emergency. Modern companies increasingly focus on information management also

taking into account the logistics information system.

Keywords: logistics information system, risk analysis of information resources

Documents

Wybrane zagadnienia logistyki stosowanej · prognoza przewozów pasażerskich, szeregi czasowe, transport lotniczy, metoda trendów jednoimiennych okresów, szeregi czasowe. 1. WSTĘP