Адаптивна нейронечітка система виведення для сортування об’єктів поштових відправлень у конвеєрному потоці
DOI:
https://doi.org/10.30837/0135-1710.2025.187.047Ключові слова:
об’єкти поштових відправлень, сортування, модель прийняття рішень, автоматизована лінія, нечітка класифікація, адаптивна нейронечітка система виведенняАнотація
Предметом вивчення є моделі прийняття рішень автоматизованих сортувальних ліній (ASL), якими оснащено перевалкові центри сортування об’єктів поштових відправлень (ОПВ), що належать до логістичної мережі доправлення пошти. Мета дослідження – розробити модель прийняття рішень для ASL завантажувальних дверей терміналів перевалкових центрів у вигляді адаптивної нейронечіткої системи виведення (ANFIS). У статті необхідно виконати такі завдання: проаналізувати конструктивні особливості обладнання ASL та запропонувати його модифікацію – оснащення дверей терміналів не одним, а трьома завантажувальними лотками; визначити структуру ANFIS відповідно до нечіткої моделі Такагі – Сугено першого порядку; встановити діапазони ваги й габаритів ОПВ, пов’язаних з номерами завантажувальних лотків; визначити критерії для реалізації заданої логіки сортування ОПВ; з’ясувати параметри наборів даних для навчання й тестування ANFIS; провести порівняльне навчання й тестування ANFIS з використанням інструментарію середовища MATLAB з оцінюванням значень відносної точності правильної класифікації ОПВ. Методи: системний, аналітичний, комп’ютерного моделювання, методи навчання з архітектурою ANFIS, математичний і статистичний аналіз ефективності навчання. Досягнуті результати. Проведено порівняльне навчання ANFIS гібридним методом і методом зворотного поширення помилки. За результатами тестування після 100 епох навчання для реалізації обрано модель ANFIS, що навчена гібридним методом, який забезпечує відносну точність класифікації ОПВ на рівні 96,3 %. Висновки. Запропонована модель прийняття рішень ASL у вигляді ANFIS дає змогу реалізувати нечітку класифікацію ОПВ у потоці конвеєра за трьома діапазонами їх вагогабаритних параметрів для реалізації заданої логіки сортування по завантажувальних лотках. Реалізована логіка сортування забезпечує компактне завантаження кузовів вантажівок по секціях і знижує ризики пошкодження ОПВ, коли вони укладаються один на одний.
Посилання
Jarrah Ahmad, I., Xiangtong, Qi, Bard, J.F. (2014), "The Destination-Loader-Door Assignment Problem for Automated Package Sorting Centers", Transportation Science, No 50(4), P. 1314–1336. DOI: https://doi.org/10.1287/trsc. 2014.0521
Grebennik, I. V., Kovalenko, O. A. (2024), "The Logic-Algebraic Model of Decision-Making for an Automated Parcel Sorting Conveyor", Management Information System and Devises, No 1 (183), P. 5–14. DOI: https://doi.org/10.30837/0135-1710.2024.183.005
Grebennik, I., Kovalenko, O. (2024), "Realisation of a Given Trucks Loading Logic using a Fuzzy Decision Making Model", 14th International Conference on Advanced Computer Information Technologies (ACIT), IEEE, P. 27–31. DOI: https://doi.org/10.1109/ACIT62333.2024.10712615
Bugow, S., Kellenbrink, C. (2023), "The Parcel Hub Scheduling Problem With Limited Conveyor Capacity and Controllable Unloading Speeds", OR Spectrum, Vol. 45, P. 325–357. DOI: https://doi.org/10.1007/s00291-022-00702-y
McWilliams, D. L., Stanfield, P. M., Geiger, C. D. (2005), "The Parcel Hub Scheduling Problem: A Simulation-Based Solution Approach", Computers & Industrial Engineering, Vol. 49(3), P. 393–412. DOI: https://doi.org/10.1016/j.cie.2005.07.002
Chen, J. C., Chen, T. L, Lee, Y. H. (2023), "Simulation optimization for parcel hub scheduling problem in closed-loop sortation system with shortcuts", Simulation Modelling Practice and Theory, Vol. 124(10):102728. DOI: https://doi.org/10.1016/j.simpat.2023.102728
Chen. J. C., Chen, T. L, Ou, T. C., Lee, Y. H. (2019), "Adaptive Genetic Algorithm for Parcel Hub Scheduling Problem With Shortcuts in Closed-Loop Sortation System", Computers & Industrial Engineering, Vol. 138:106114. DOI: https://doi.org/10.1016/j.cie.2019.106114
Romanova, T., Litvinchev, I., Grebennik, I., Kovalenko, A., Urniaieva, I. (2020), "Packing Convex 3D Objects with Special Geometric and Balancing Conditions", Advances in Intelligent Systems and Computing, Vol. 1072. DOI: https://doi.org/10.1007/978-3-030-33585-4_27
Karami, F., Fathi, M., Pardalos, P. M. (2023), "Conveyor Operations in Distribution Centers: Modeling and Optimization", Optim Lett , Vol. 17, P. 1049–1068. DOI: https://doi.org/10.1007/s11590-022-01912-7
Chen, T.-L., Chen, J. C., Huang, C.-F., Chang, P.-C. (2021), "Solving the Layout Design Problem by Simulation-Optimization Approach – A case study on a sortation conveyor system", Simulation Modelling Practice and Theory, Vol. 106:102192. DOI: https://doi.org/10.1016/ j.simpat.2020.102192
Fedtke, S., Boysen, N. (2014), "Layout Planning of Sortation Conveyors in Parcel Distribution Centers. Transportation Science, Vol. 51(1):3–18. DOI: https://doi.org/10.1287/trsc.2014.0540
Werners, B., Wülfing, T. (2010), "Robust Optimization of Internal Transports at a Parcel Sorting Center Operated by Deutsche Post World Net", Eur. J. Oper. Res, Vol. 201(2):419–426. DOI: https://doi.org/10.1016/j.ejor.2009.02.035
Jang, J.-S. R. (1993), "ANFIS: Adaptive-netWork-Based Fuzzy Inference System", Transactions on Systems, Man, and Cybernetics, Vol. 23(3), P. 665-685. DOI: https://doi.org/10.1109/21.256541
Karaboga, D., Kaya, E. (2019), "Adaptive Network Based Fuzzy Inference System (ANFIS) Training approacHes: A Comprehensive Survey", Artif Intell Rev, Vol. 52, P. 2263–2293. DOI: https://doi.org/10.1007/s10462-017-9610-2
Navneet-Kaur, W., Singh, H., Sharma, A. (2015), "ANFIS: Adaptive Neuro-Fuzzy Inference System – A Survey", International Journal of Computer Applications, Vol. 123, P. 32–38. DOI: https://doi.org/10.5120/ijca2015905635
UA 
EN 
