Full-text resources of CEJSH and other databases are now available in the new Library of Science.
Visit https://bibliotekanauki.pl

PL EN


2016 | nr 4 | 101--119

Article title

Logistyczne systemy informatyczne wykorzystujące sztuczną inteligencję w branży motoryzacyjnej

Authors

Content

Title variants

EN
Logistics systems using artificial intelligence in the automotive industry

Languages of publication

PL

Abstracts

PL
Artykuł podzielono na rozdziały zawierające opisy działania inteligentnych systemów wspomagających/zastępujących pracę logistyka w systemach zaopatrzenia, produkcji, dystrybucji oraz w integrujących się metasystemach. Do każdego z rozdziałów przygotowano podstawowe definicje oraz przykłady firm, które wykorzystują sztuczną inteligencję. W rozdziale pierwszym opisano firmę TRW Automotive – firma zarządza procesami produkcyjnymi z zastosowaniem AI (Artificial Intelligenss) opartej na koncepcji Six Sigma. W rozdziale drugim opisano możliwość pobierania nieustrukturalizowanych danych do zintegrowanych systemów zarządzania klasy ERP (z wykorzystaniem techniki ETL) w firmie General Motors. Również w rozdziale drugim zaprezentowano funkcje bota ALICE wspomagającego zarządzanie łańcuchami logistycznymi. Rozdział trzeci poświęcony jest AI wykorzystywanej w motoryzacyjnych sieciach dystrybucji marki BMW. Omówiono koncepcję Internetu rzeczy i działanie becon-ów. Czwarty rozdział poświęcony jest sztucznej inteligencji wspomagającej powoływanie i koordynowanie dynamicznych sieci dostaw, wykorzystującej oprogramowanie stworzone na podstawie teorii CAS (Złożonych Systemów Adaptacyjnych – Complex Adaptive Systems). Przewodnim celem artykułu było pokazanie trendów w rozwoju AI na potrzeby zarządzania logistyką w organizacji i sieci współpracujących przedsiębiorstw.
EN
The article consists of four chapters: Intelligent systems in production logistics; Intelligent transport logistics in supply chain management; Intelligent logistics and transportation management supporting distribution system; Intelligent systems supporting organizing and coordinating the work of the dynamic supply network. In each of the chapters there is the theory part and examples of companies that use artificial intelligence. In the first chapter the TRW Automotive Company was described, which manages production processes using Artificial Intelligence (AI) based on the concept of Six Sigma. In the second chapter the ability to retrieve unstructured data to integrated management systems e.g. ERP (using techniques ETL), was described based on the practice at General Motors. Also in the second chapter the ALICE bot functions supporting the management of logistics chains was presented. The third chapter is devoted to AI used in the automotive distribution networks of the BMW brand. As well as the concept of the Internet of Things and operation of the beacon technology was discussed. The fourth chapter is devoted to artificial intelligence supporting the establishment and coordination of the dynamic supply network, using software developed based on the theory of CAS (Complex Adaptive Systems). The aim of this article was to show trends in the development of AI to manage logistics in the organization and a network of cooperating companies.

Year

Volume

Pages

101--119

Physical description

Bibliogr. 15 poz.

Contributors

  • Politechnika Śląska, Wydział Organizacji i Zarządzania, Instytut Zarządzania, Administracji i Logistyki

References

  • 1. Bukowski L.: Zapewnienie ciągłości dostaw w zmiennym i niepewnym otoczeniu. Wyższa Szkoła Biznesu, Dąbrowa Górnicza 2016.
  • 2. Chowdhury M. et al: Supply chain resilience to mitigate disruptions: a QFD approach. Association for Information Systems AIS Electronic Library (AISeL), PACIS 2001.
  • 3. Epstein J.M., Axtell R.: Artificial societies and generative social science. “Artificial Life and Robotics”, Vol. 1, Iss. 1, 1997.
  • 4. Kałuski J.: Teoria gier. Politechnika Śląska, Gliwice 2002.
  • 5. Kapczyński A. (red.): Innowacyjne metody i narzędzia wspomagające podejmowanie decyzji w zarządzaniu. WSB, Dąbrowa Górnicza 2010.
  • 6. Knosala R.: Komputerowe wspomaganie zarządzania przedsiębiorstwem. PWE, Warszawa 2007.
  • 7. Kramarz M., Kramarz W.: Modelowanie symulacyjne sieci dostaw jako złożonych systemów adaptacyjnych. „Logistyka”, nr 2, 2011.
  • 8. Miller D.W, Starr M.K.: Praktyka i teoria decyzji. PWN, Warszawa 1971.
  • 9. Modelewska P.: Rozwiązania IT dla transportu szynowego – relacja debaty, przeglad-its.pl/2014/04/17/rozwiazania-dla-transportu-szynowego-relacja-z-debaty-lunch-zkurierem.
  • 10. Piegat A. (red.): Modelowanie i sterowanie rozmyte. Akademicka Oficyna Wydawnicza EXIT, Warszawa 1999.
  • 11. Topolska K., Topolski M.: Inteligentne systemy logistyczne w produkcji samochodów i części zamiennych. Zeszyty Naukowe, s. Logistyka i Transport, Vol. 7, No. 2. Między-narodowa Wyższa Szkoła Logistyki i Transportu, Wrocław 2008.
  • 12. Waters D.: Supply chain risk management: vulnerability and resilience in Logistics. Kogan Page Limited, London-Philadelphia 2007.
  • 13. Wolny M.: Wspomaganie decyzji kierowniczych w przedsiębiorstwie przemysłowym. Politechnika Śląska, Gliwice 2007.
  • 14. SUGAR. Podręcznik dobrych praktyk dla logistyki towarów w miastach, 2012, www.sugarlogistics.eu.
  • 15. http://www.phys.uni.torun.pl/-duch/Wyklady/AI/A17-1.ppt.

Notes

Rekord pochodzi z bazy danych BazTech.

Document Type

Publication order reference

Identifiers

YADDA identifier

bwmeta1.element.baztech-02c0f52d-6c0e-44cd-9a72-2ea9a6bdf5c8
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.