Tytuł: KONCEPCJA MODELU ŁAŃCUCHA DOSTAW ŁADUNKÓW AGRO Z WYKORZYSTANIEM ŻEGLUGI ŚRÓDLĄDOWEJ W ASPEKCIE ZAPEWNIENIA NIEZAWODNOŚCI SYSTEMU TRANSPORTOWEGO

Autor/Autorzy: Kaup M., Łozowicka D., Ślączka W., Kalbarczyk-Jedynak A., Chorab P., Ignalewski W.

Miejsce publikacji: Journal of Civil Engineering and Transport

Rok: 2022

Słowa kluczowe: : transport wodny śródlądowy, niezawodność, modelowanie, łańcuch dostaw

Abstrakt: Wykonywanie zdań przewozowych wymaga uwzględnienia wielu czynników zewnętrznych i wewnętrznych zależnych od zmian transportowanego ładunku itp. mają wpływ na złożoność struktury systemów transportowych, przez co istotne jest badanie możliwości i tworzenie modeli optymalizacji przewozów w całym łańcuchu dostaw ładunków oraz analiza zagadnień związanych z ich organizacją, co wpływa na bezpieczeństwo i niezawodność tego typu systemów. Celem artykułu jest przedstawienie i analiza koncepcji modelu łańcucha dostaw ładunków agro, z wykorzystaniem żeglugi śródlądowej, w relacjach Polska –Niemcy na przykładzie Grupy Kapitałowej OT Logistics S.A. (GK OTL SA). Biorąc pod uwagę złożoność i strukturę zadań przewozowych istotne jest poszukiwanie optymalnych rozwiązań w zakresie funkcjonowania i niezawodności. Każdy model łańcucha dostaw uwzględnia tylko pewne wybrane czynniki, które mają ograniczony wpływ na zmienność przewozu. Nie jest możliwe zbudowanie modelu, który w pełni odtworzyłby zachowanie obiektu, przy wszelkich możliwych oddziaływaniach zewnętrznych. W artykule rozpatrzono model optymalizacji śródlądowych przewozów pszenicy do odbiorców końcowych, który przewiduje stały popyt na ładunki zbożowe w określonych odcinkach Model ten nie przewiduje gwałtownych wewnątrzkrajowych wahań popytu na pszenicę w określonych odcinkach czasowych.

Adres strony internetowej (link) do pełnego tekstu publikacji:

DOI:

Tytuł: Determination of design formulas for container ships at the preliminary design stage using artificial neural network and multiple nonlinear regression

Autor/Autorzy: Cepowski T., Chorab P.

Miejsce publikacji: OCEAN ENGINEERING

Rok: 2021

Słowa kluczowe: projektowanie statku, sztuczna sieć neuronowa, regresja, kontenerowiec, wymiary główne statku

Abstrakt: W artykule przedstawiono wstępne równania projektowe opracowane z wykorzystaniem bazy danych kontenerowców zbudowanych od 2015 roku. Do opracowania tych wzorów wykorzystano sztuczne sieci neuronowe (Artifical Neural Network) oraz nieliniową regresję wielokrotną (Multiple Nonlinear Regression) z losowo wyszukiwanymi funkcjami. Zastosowanie losowego wyszukiwania funkcji nieliniowych w modelu nieliniowej regresji wielokrotnej dało oszacowania, które były równie precyzyjne jak oszacowania stworzone przez sztuczną sieć neuronową (Artifical Neural Network). Wszystkie równania przedstawione w niniejszej pracy mogą mieć praktyczne zastosowanie do szacowania wymiarów takich jak: długość między pionami, szerokość, zanurzenie projektowe i wysokość boczna. Równania zostały opracowane w odniesieniu do nośności, pojemności TEU i prędkości statku. Tego typu zależności nie były wcześniej wykazywane w teorii okrętów. Analiza statystyczna wykazała, że główne wymiary kontenerowców mogą być oszacowane z dużą dokładnością za pomocą równań przedstawionych w pracy. Badania wykazały, że uwzględnienie nośności, pojemności TEU i prędkości statku jako trzech parametrów wejściowych może poprawić dokładność oszacowania nawet o 44%, w porównaniu z dokładnością oszacowania równań projektowych, które bazują na jednym parametrze wejściowym.

Adres strony internetowej (link) do pełnego tekstu publikacji: https://www.sciencedirect.com/science/article/pii/S0029801821010969?via%3Dihub

DOI: 10.1016/j.oceaneng.2021.109727

Tytuł: The Use of Artificial Neural Networks to Determine the Engine Power and Fuel Consumption of Modern Bulk Carriers, Tankers and Container Ships

Autor/Autorzy: Cepowski T., Chorab P.

Miejsce publikacji: Energies

Rok: 2021

Słowa kluczowe: zużycie paliwa, moc silnika, zanieczyszczenie powietrza, transport morski, zbiornikowiec, masowiec, kontenerowiec, sztuczna sieć neuronowa, nośność, prędkość statku

Abstrakt: Kryzys finansowy lat 2007-2008, wraz ze wzrostem cen paliw i rygorystycznymi regulacjami dotyczącymi zanieczyszczeń, spowodował konieczność uaktualnienia metod projektowania układów napędowych statków. W artykule wykorzystano zestaw sztucznych sieci (Artifical Neural Network) do aktualizacji równań projektowych w celu oszacowania mocy silnika i zużycia paliwa przez nowoczesne tankowce, masowce i kontenerowce. Jako dane wejściowe dla sztucznych sieci neuronowych (Artifical Neural Network) wykorzystano nośność lub pojemność TEU oraz prędkość statku. Badania wykazały, że nawet liniowa sztuczna sieć neuronowa (Artifical Neural Network) z dwoma neuronami w warstwie wejściowej i wyjściowej, z czystymi funkcjami aktywacji, pozwala na dokładne oszacowanie parametrów napędu statku. Proponowane liniowe sztuczne sieci neuronowe mają prostą strukturę matematyczną i są łatwe do zastosowania. Przedstawione w artykule sztuczne sieci neuronowe zostały opracowane w oparciu o dane najnowszych statków zbudowanych od 2015 roku do chwili obecnej i mogą mieć praktyczne zastosowanie na etapie wstępnego projektowania, w badaniach transportowych lub badań zanieczyszczenia powietrza dla nowoczesnych statków towarowych. Przedstawione równania odzwierciedlają trendy spotykane w literaturze i oferują znacznie większą dokładność dla cech nowo budowanych statków. W artykule przedstawiono sposób szacowania emisji CO2 dla masowca, zbiornikowca i kontenerowca z wykorzystaniem proponowanych sztucznych sieci neuronowych (Artifical Neural Network).

Adres strony internetowej (link) do pełnego tekstu publikacji: https://www.mdpi.com/1996-1073/14/16/4827

DOI: 10.3390/en14164827

Tytuł: APPLICATION OF AN ARTIFICIAL NEURAL NETWORK AND MULTIPLE NONLINEAR REGRESSION TO ESTIMATE CONTAINER SHIP LENGTH BETWEEN PERPENDICULARS

Autor/Autorzy: Cepowski T., Łozowicka D., Chorab P.

Miejsce publikacji: Polish Maritime Research

Rok: 2021

Słowa kluczowe: projektowanie statku, sztuczna sieć neuronowa, regresja, kontenerowiec, długość statku

Abstrakt: Długość kontenerowca oszacowano za pomocą sztucznych sieci neuronowych (Artifical Neural Network), jak również za pomocą wyszukiwania losowego opartego na nieliniowej regresji wielokrotnej (Multiple Nonlinear Regression). Opracowano dwa alternatywne równania do szacowania długości między pionami kontenerowca, w zależności od liczby kontenerów i prędkości statku, wykorzystując wyżej wymienione metody oraz aktualną bazę danych kontenerowców. Równania te mogą mieć praktyczne zastosowanie na etapie wstępnego projektowania kontenerowca. Zastosowanie technik heurystycznych do budowy modelu nieliniowej regresji wielokrotnej (Multiple Nonlinear Regression) poprzez randomizację zmiennych i funkcji prowadzi do automatycznego odkrywania zbiorów równań. Wykazano, że równanie opracowane tą metodą, oparte na losowym poszukiwaniu, jest dokładniejsze i ma prostszą postać matematyczną niż równanie uzyskane za pomocą sztucznych sieci neuronowych (Artifical Neural Network).

Adres strony internetowej (link) do pełnego tekstu publikacji: https://sciendo.com/article/10.2478/pomr-2021-0019

DOI: 10.2478/pomr-2021-0019