Zastosowanie analizy dużych zbiorów danych do modelowania procesów w operacjach
inteligentnej logistyki
BIG-SMART-LOG (The Use of Big Data Analytics for Process Modelling in Smart Logistics Operations) jest międzynarodowym projektem badawczym w ramach konsorcjum CHIST-ERA, współtworzonego przez Narodowe Centrum Nauki, o numerze 2018/28/Z/ST6/00563, realizowanym przez pracowników Katedry Informatyki Politechniki Lubelskiej w okresie 29.03.2019 – 28.03.2021, we współpracy z naukowcami z Ekol Lojistik, Technology Group (Turcja), Istanbul Sehir University (Turcja), Centre for Research and Technology Hellas, Information Technologies Institute (ITI) (Grecja) i Holisun srl (Rumunia).
Zespół projektowy tworzą:
1. Dr hab. Paweł Karczmarek (kierownik projektu)
2. Prof. dr hab. Witold Pedrycz
3. Dr Adam Kiersztyn
Projekt obejmuje trzy etapy:
1. Zapoznanie się z danymi i zbadanie integralności danych
2. Wykrywanie anomalii i brakujących danych
3. Opracowanie algorytmów analizy danych i ich weryfikacja
Popularnonaukowe streszczenie projektu:
„Logistyka 4.0” jest terminem odnoszącym się do logistyki wspartej innowacyjnymi aplikacjami dostarczonymi przez tzw. Systemy Cyber-Fizyczne (CPS). „Smart Logistics” to system logistyczny, który może zwiększyć elastyczność, poprzez dostosowanie się do zmian rynkowych i pomóc firmie dotrzeć bliżej potrzeb klienta. Ten nowy paradygmat jest wynikiem zwiększonego i bardziej intensywnego wykorzystania Internetu, który umożliwia komunikację między maszynami, urządzeniami i ludźmi w czasie rzeczywistym oraz wykorzystanie tzw. Zaawansowanej Cyfryzacji. Duża konkurencja na globalnym rynku zmusza firmy transportowe do skuteczniejszego opracowywania inteligentnych rozwiązań do zarządzania logistyką i organizowaniem łańcucha dostaw. W procesie poszukiwania tych rozwiązań coraz większa liczba firm wykorzystuje możliwości, jakie dają duże dane (Big Data).
Projekt podejmie wyzwanie, jakim jest przeprojektowanie danych pochodzących z technologii śledzenia pojazdów (IoT-Internet of Things, Internet Rzeczy), inteligentnych systemów umożliwiających komunikację z innymi pojazdami wymieniającymi informacje o ruchu, pogodzie i warunkach drogowych oraz różnych danych z czujników umieszczonych w pojazdach i na ładunku, dzięki którym aktualizacje trasy i lokalizacji są ustalane autonomicznie dla każdego pojazdu, zleceń pracy klientów, usług logistycznych stron trzecich (przewoźników, spedytorów, operatorów logistycznych i terminali), systemów typu open source i mediów społecznościowych.
Celem projektu jest zaprojektowanie samouczącego się modelu przetwarzania, który wykorzystuje zasoby istniejącej infrastruktury, analizując dane operacyjne w czasie rzeczywistym, przekształca dostępne dane, w celu zwiększenia potencjału tej infrastruktury i zasobów, zwiększając odporność systemu oraz jakość usług, jak również redukcję emisji gazów cieplarnianych, zużycia paliwa, przestojów, zatorów komunikacyjnych, strat w przychodach, opóźnień w dostawach, liczbę reklamacji klientów za pomocą technologii dużych zbiorów danych. Poza tym techniki uczenia maszynowego, głębokiego uczenia, algorytmy sztucznej inteligencji i analizy danych wspomogą proces predykcji i wskazań anomalii i zagrożeń mających na celu maksymalizację wydajności operacyjnej, ochrony środowiska i bezpieczeństwa. Rezultatem projektu będzie budowanie semantycznie odtwarzalnych ram, które można zastosować do różnych organizacji w wielu różnych środowiskach.
Publikacje w czasopismach
- P. Karczmarek, A. Kiersztyn, W. Pedrycz, E. Al, K-Means-based isolation forest, Knowledge-Based Systems, 2020, 105659, https://doi.org/10.1016/j.knosys.2020.105659
- P. Karczmarek, A. Kiersztyn, W. Pedrycz, D. Czerwiński, Fuzzy c-means isolation forst, Applied Soft Computing, in press
Prezentacje i publikacje konferencyjne
- A. Kiersztyn, P. Karczmarek, W. Pedrycz, E. Al, The concept of a supply chain management system using intermodal transport: A case study, in: Computational Intelligence, Information Technology and Systems Research, Lublin University of Technology Press, Lublin 2020, 71-80
- P. Karczmarek, A. Kiersztyn, W. Pedrycz, n-ary isolation forest: An experimental comparative analysis, in: L. Rutkowski, R. Scherer, M. Korytkowski, W. Pedrycz, R. Tadeusiewicz, J. M. Zurada (eds.), Artificial Intelligence and Soft Computing. ICAISC 2020. Lecture Notes in Computer Science 12416, 2020, 188-198 doi: 10.1007/978-3-030-61534-5_17
- P. Karczmarek, A. Kiersztyn, W. Pedrycz, Fuzzy set-based isolation forest, in: 2020 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE), 2020, 1-6 doi: 10.1109/FUZZ48607.2020.9177718
- P. Karczmarek, W. Pedrycz, D. Czerwinski, A. Kiersztyn, The assessment of importance of selected issues of software engineering, IT project management, and programming paradigms based on graphical AHP and fuzzy c-means, in: 2020 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE), 2020, 1-7 doi: 10.1109/FUZZ48607.2020.9177591
- M. Badurowicz, J. Montusiewicz, P. Karczmarek, Detection of road artefacts using fuzzy adaptive thresholding, in: 2020 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE), 2020, 1-8 doi: 10.1109/FUZZ48607.2020.9177822
- A. Kiersztyn, P. Karczmarek, R. Łopucki, W. Pedrycz, E. Al, I. Kitowski, A. Zbyryt, Data imputation in related time series using fuzzy set-based techniques, in: 2020 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE), 2020, 1-8 doi: 10.1109/FUZZ48607.2020.9177617
- A. Kiersztyn, P. Karczmarek, K. Kiersztyn, W. Pedrycz, The concept of detecting and classifying anomalies in large data sets on a basis of information granules, in: 2020 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE), 2020, 1-7 doi: 10.1109/FUZZ48607.2020.9177668
- D. Czerwiński, A. Kiersztyn, R. Łopucki, P. Karczmarek, I. Kitowski, A. Zbyryt, An application of fuzzy c-means, fuzzy cognitive maps, and fuzzy rules to forecasting first arrival date of avian spring migrants, in: 2020 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE), 2020, 1-6 doi: 10.1109/FUZZ48607.2020.9177763