Прийняття рішень для логістичних процесів роботизованого складу на основі марковських мереж

Abstract

Сучасна складська логістика має надзвичайний розвиток і водночас стикається з багатьма проблемами через постійну мінливість ринку і непередбачуваний попит. При цьому, не завжди легко скоординувати всі різні процеси, які відбуваються на складі. Стандартні методи управління у більшості випадків не дають позитивного результату, що призводить до нераціонального використання ресурсів і до зростання витрат. У статті запропоновано спосіб вирішення проблеми маршрутизації складських роботів на основі використання комбінації експертних систем і логічних мереж Маркова. Мережі Маркова, як математичний інструмент моделювання випадкових процесів, допомагають зрозуміти, як різні стани системи пов’язані між собою. У складській логістиці це означає, що можна передбачити, в якому стані буде система в майбутньому, ґрунтуючись на теперішніх і попередньо отриманих даних. Це дуже важливо, коли потрібно ухвалювати важливі рішення на управлінському рівні. Ще одним важливим моментом є експертні системи, які об’єднують знання досвідчених спеціалістів і Марковські мережі. Завдяки цьому можна формалізувати знання людей, які мають великий практичний досвід, і використовувати їх в автоматизованому режимі. Це дає змогу поєднати практичні спостереження з математичним аналізом і забезпечувати адаптивність. За допомогою поєднання експертних знань і моделей, можна раціональніше підходити до роботи зі складськими процесами. Розглянуто метод оптимізації маршрутів в умовах невизначеностей, які виникають у динамічному середовищі логістичного складу. Розроблено метод, який поєднує чіткі правила експертів з імовірнісними моделями логічних мереж. Також запропонована концептуальна модель для комбінованої системи, пояснено, як перетворювати дані з експертної системи у формули для логічних мереж, розглянуто обчислювальні аспекти. Розглянуто можливі напрямки для майбутніх досліджень, зокрема, методи автоматичного навчання та адаптивними системами. Результати статті створюють основу для інтелектуальних систем керування, які зможуть розв’язувати задачі маршрутизації з урахуванням безлічі факторів, що впливають на рух роботів.

Modern warehouse logistics has seen tremendous development and, at the same time, faces many challenges due to the constant volatility of the market and unpredictable demand. At the same time, it is not always easy to coordinate various processes, taking place in a warehouse. In most cases, standard management methods do not yield a positive result, which leads to irrational use of resources and increased costs. This article proposes a way to solve the problem of warehouse robot routing based on a combination of expert systems and Markov logic networks. Markov networks, as a mathematical tool for modeling random processes, help to understand how different states of a system are interconnected. In warehouse logistics, this means that it is possible to predict what state the system will be in in future based on current data and what has happened before. This is very important when you need to make serious decisions at the management level. Another important point is expert systems that combine the knowledge of experienced professionals and Markov networks. This makes it possible to formalize the knowledge of people with extensive practical experience and use it in an automated manner. This combination makes it possible to combine practical observations with mathematical analysis and ensure adaptability. With the help of a combination of expert knowledge and models, it is possible to take a more rational approach to working with warehouse processes. The proposed article discusses the method of route optimization in the face of uncertainties arising in the dynamic environment of a logistics warehouse. Method has been developed that combines explicit expert rules with probabilistic models of logic networks. A conceptual model for the combined system is also proposed, how to convert data the expert system into formulas for logic networks is explained, and computational aspects are considered. Possible directions for future research, including automatic learning methods and adaptive systems, are discussed. The results of the article will create a basis for intelligent control systems that can solve routing problems taking into account many factors that affect the movement of robots.