Veres Péter 1 Báyai Tamás 2 Illés Béla 3 HÁLÓZATSZERŰ SZOLGÁLTATÓ RENDSZER TERVEZÉSE 4 A globalizáció hatásai em csupá a termelés, haem a szolgáltatások területé olya változásokat idéztek elő, melyek szükségessé tették a szolgáltatási tevékeységek hálózatosodását. Ez ahhoz vezetett, hogy apjaik szolgáltatási redszereibe egyre összetettebb folyamatok jeleek meg és az ezeket kiszolgáló, támogató logisztikai tevékeységek is egyre komplexebbekké válak. Eze komplex logisztikai folyamatok tervezése olya újszerű, boyolult és gyakra NP-hard 5 problémák megoldását támogató modellek, módszerek és algoritmusok alkalmazását követeli meg, melyek agyméretű állapotterekbe is képesek elfogadható megoldást előállítai a felvetődő tervezési feladatok megoldásához. Jele cikkbe a szerzők egy olya firefly algoritmuso 6 alapuló heurisztikus optimálási módszert mutatak be, mely alkalmas a hálózatszerűe működő logisztikai folyamatok optimális kialakításáak támogatására. Bemutatásra kerül egy általáos modell, illetve az aak megoldására szolgáló algoritmus, melybe a szerzők olya új metrikát vezetek be a permutációk közötti távolságok mérésére. DESIGN OF NETWORKED SERVICES The globalisatio of ecoomy ad market leaded to icreased etworkig i the field of maufacturig ad services. The processes of these maufacturig ad services icludig logistics became more ad more complex. The desig ad operatio of these complex processes ca be described as NP-hard optimisatio problems. These problems ca be solved usig sophisticated modellig, methods metaheuristics based algorithms. Much of the research i this area is focusig o maufacturig. This paper aims to report a firefly metaheuristics based optimisatio method, by the aid of which it is possible to support the solutio of desig ad cotrol problems of etworked service processes. The authors describe a geeral model ad preset a ew metrics to measure permutatio distaces used i the algorithm. BEVEZETÉS A logisztika a termelési folyamatok mellett egyre agyobb szerepet tölt be a szolgáltatási tevékeységek területé is. A termelési folyamatok tervezésére regetek szakirodalom áll redelkezésre, azoba a szolgáltatási tevékeység kapcsá még jeletős területek vaak, melyek esetébe az optimális kialakítás és működtetés támogatására em állak redelkezésre megfelelő modellek, módszerek és algoritmusok [4]. Eze területe jeletős eredméyeket felmutató kutatói team a Lost i Services kutatói team, mely műszaki és matematikai modelleket dolgozott ki szolgáltatási folyamatok tervezésére és működtetésére [5]. Ebbe a kutatási iráyba olya perspektívák mutatkozak, melyek komoly haszoal kecsegtetek a szolgáltatási folyamatok kialakítása és működtetése sorá törtéő alkalmazás esetébe. 1 doktoradusz, Miskolci Egyetem, altveres@ui-miskolc.hu 2 egyetemi doces, Miskolci Egyetem, alttamas@ui-miskolc.hu 3 itézetigazgató egyetemi taár, Miskolci Egyetem, altilles@ui-miskolc.hu 4 Lektorálta: Prof. Dr. Mag Béla, egyetemi taár, Miskolci Egyetem, bela.mag@ui-miskolc.hu 5 Nem poliomiális ehéz. 6 A szetjáosbogarak szociális viselkedésé alapuló heurisztikus optimálási módszer. 143
Jele muka célja egy olya általáos, metaheurisztiká alapuló tervezési módszer bemutatása, mely alkalmas a termelési folyamatokba szerzett tapasztalatok haszosítása révé a szolgáltatási redszerek logisztikai folyamataiak optimális kialakítását támogati. IRODALMI ÁTTEKINTÉS A szakirodalomba számos olya kutatási muka található, mely a szolgáltatási tevékeységekhez kapcsolódó logisztikai folyamatok tervezéséek és iráyításáak kérdéseit tárgyalja. Eze irodalmak egy része csupá kocepció szite vizsgálja a hálózatszerűe működő logisztikai folyamatok optimális kialakítását [12], míg másik részük kokrét modellekkel és algoritmusokkal szolgál a tervezési feladatok megoldásához [11][13][14]. A szolgáltatási területek egyik logisztikai tevékeységekbe leggazdagabb területe a city logisztika, mely az áruelosztás problémakörébe szociális, kulturális és gazdasági hatásokkal bírhat, így tervezése külööse agy jeletőséggel bír [8][9]. A logisztikai szolgáltatások optimális kialakítása em csupá a hagyomáyos logisztikai fukcioális területeket ériti (beszerzés, termelés, elosztás, újrahaszosítás). Jeletős kutatások folyak azzal a céllal, hogy olya módszereket és algoritmusok dolgozzaak ki, melyekkel a logisztikai szolgáltatások kialakítását úgy lehet támogati, hogy a teljes logisztikai szolgáltató lác köryezetterhelése jeletős mértékbe csökkethető [7]. A hálózatszerűe működő szolgáltatási tevékeység vizsgálatáak egy érdekes aspektusa a miőségbiztosítás és a kockázatelemzés kérdése, ugyais a legtöbb szakirodalmi forrás a hálózatszerűe működő redszerek esetébe is csak az egyes résztvevők kockázatát vizsgálja, kevés olya kutatási muka található, mely egy logisztikai szolgáltató hálózat kockázatát redszerszite kezeli [6]. A logisztikai tevékeységek szervezésekor a köryezetvédelmi hatások figyelembe vétele elkerülhetetle, s ez külööse igaz az olya szolgáltatási tevékeységeket támogató logisztikai folyamatok esetébe, ahol agy fajlagos szállítási költségek és teljesítméyek adódak a folyamatok jellegéből adódóa [10]. TÁVOLSÁGMÉRÉS KERESÉSI TÉRBEN A heurisztikus és metaheurisztikus optimumkereső algoritmusok esetébe külöböző állapotterekbe kell a lehetséges megoldásváltozatok közül a legjobbat megkeresi. A raj itelligecia típusú algoritmusok esetébe (hagya kolóia algoritmus, méh kolóia algoritmus, szetjáos bogár algoritmus) az állapottér függvéyébe külöböző módszerek haszálhatóak az egyes megoldások közötti távolságok mérésére [3]. Ameyibe a keresési térbe az egyes megoldási változatok biáris kódoltak, akkor a Hammig távolság egy alkalmas metrika. Valós vektorokkal leírt megoldási változatok esetébe Euklidészi vagy Chebisev távolság haszálható távolságmérésre. Jele kutatási mukába diszkrét számokat tartalmazó vektorok írják le az egyes megoldási változatokat, így a továbbiakba áttekitjük az ismert metrikákat, majd javaslatot teszük két új metrika alkalmazására. 144
Permutációk távolságáak mérése Külöböző módszereket tárgyal a szakirodalom a permutációk közötti távolságok mérésére. Az egyik legegyszerűbb módszer a Hammig távolság [1], mely a em azoos elemeket tartalmazó pozíciók száma két permutációba: d Ham (s 1, s 2 ) = i=1 x i ahol x i = { 0 ha s 1(i) = s 2 (i) 1 más esetekbe A Hammig távolság ormalizálható, ebbe az esetbe a két permutáció valós Hammig távolságát osztai kell a maximális távolsággal: d Ham (s 1, s 2 ) = d Ham (s 1,s 2 ) A külöbség távolság a két permutáció egyes elempárjai közötti távolságok külöbségeiek összege [2]: d külöbség (s 1, s 2 ) = (1) (2) z=1 s 1 (z) s 2 (z) (3) A külöbség távolság ormalizált értéke az egyes permutáció vektorok elemszámáak függvéyébe az 2 d külöbség (s 1,s 2 ) 2 1 d külöbség (s 1, s 2 ) = 2 d külöbség (s 1,s 2 ) és d 2 külöbség (s 1, s 2 ) = (4) összefüggésekkel számítható. Ameyibe az egyes permutációk közötti távolságokat agy távolságok esetébe fokozotta kell figyelembe vei, akkor a égyzetes távolságok alkalmazása lehet célszerű: melyek ormalizált értéke a összefüggéssel számítható. d égyzeteskülöbség (s 1, s 2 ) = (s 1 (z) s 2 (z)) 2 z=1 (5) d égyzeteskülöbség (s 1, s 2 ) = 3 d külöbség (s 1,s 2 ) 3 TSP 7 esetébe a leghosszabb közös strig, mit távolság ige jól haszálható, hisze segítségével azt mérhetem, hogy milye hosszú azo rész körútak a hossza, mely megegyezik a két permutáció esetébe. Mivel jele tudomáyos mukába TSP megoldása a cél, ezért kidolgozásra került két olya új metrika, mely kifejezette a TSP típusú feladatok esetébe alkalmas a permutációk közötti távolságok leírására. Új módszerek permutációk távolságáak mérése Az utazó ügyök típusú feladatok esteébe ige gyakra jeletkezik igéykét az, hogy bizoyos pozíciókat vagy felkeresedő objektumokat prioritással vegyük figyelembe. Ameyibe a felkeresési sorredek esetébe szükséges prioritásokat alkalmazi, akkor a súlyozott külöbség metrika jó alkalmazható: (6) 7 Utazó ügyök probléma. 145
d súlyozott külöbség (s 1, s 2 ) = z=1 s 1 (z) s 2 (z) w z ahol z=1 w z = 1 (7) Eze módszert lehet égyzetes külöbség esetébe is alkalmazi: 1 (8) d súlyozottégyzetes (s 1, s 2 ) = (s 1 (z) s 2 (z)) 2 w z ahol w z = A másik általuk megalkotott metrika esetébe defiiáli kell egy határeltérést, és ezt követőe összegezi kell a határeltérésél agyobb eltérések számát: { 1 if s 1(i) s 2 (i) > dev határ 0 egyébkét z=1 d határeltérés (s 1, s 2 ) = i=1 x i ahol x i = ÖSSZEFOGLALÁS A szolgáltatási folyamatok tervezése speciális modelleket és azok megoldására alkalmas módszereket igéyel. Jele kutatómuka keretébe a szerzők egy olya firefly alapú heurisztikus optimalizálási algoritmust dolgoztak ki, melyek segítségével külöböző hálózatszerűe működő szolgáltatási tevékeység logisztikai folyamata optimalizálható. KÖSZÖNETNYILVÁNÍTÁS A kutatómuka a Miskolci Egyetem stratégiai kutatási területé működő Logisztikai, Iformatikai, Mechatroikai Kiválósági Közpot keretébe valósult meg. FELHASZNÁLT IRODALOM [1] SHARAD N. KUMBHARANA, GOPAL M. PANDEY: Solvig travellig salesma problem usig firefly algorithm. Iteratioal Joural for Research i Sciece & Advaced Techologies. Issue 2. Volume 2. 2013. pp. 53-57 [2] M. SEVAUX, K. SÖRENSEN: Permutatio distace measures for memetic algorithms with populatio maagemet. Proceedigs of the sixth metaheuristics Iteratioal Coferece, Viea, Austria. August 22-26, 2005. pp. 1-8 [3] S. ZHANG, C. K. M. LEE, H. K. CHAN, K. L. CHOY, Z. WU: Swarm itelligece applied i gree logistics: A literature review. Egieerig Applicatios of Artificial Itelligece. Volume 37, Jauary 2015, pp. 154 169 [4] R. KÁSA, Á. GUBÁN: Busiess Process Amelioratio Methods, Techiques ad their Service Orietatio: A Review of Literature. I: Vastag Gy (ed.) Research i the Decisio Scieces for Global Busiess. Upper Saddle River: Pearso, 2015. pp. 219-238. [5] Á. GUBÁN Á. Z. MEZEI, Á. SÁNDOR: Service Processes as Logistic Workflows. I: Brako Kataliic (ed.) DAAAM Iteratioal Scietific Book 2014. Bécs: DAAAM Iteratioal. 2014. pp. 485-500. [6] W. LIU, Y. WANG: Quality cotrol game model i logistics service supply chai based o differet combiatios of risk attitude. Iteratioal Joural of Productio Ecoomics, Volume 161. 2015. pp. 181-191. [7] Y.H. VENUS LUN, K.-H. LAI, C.W.Y. WONG, T. C.E. CHENG: Greeig propesity ad performace implicatios for logistics service providers. Trasportatio Research Part E: Logistics ad Trasportatio Review. Volume 74. 2015. pp. 50-62. [8] A. DE MARCO, A. C. CAGLIANO, G. MANGANO, F. PERFETTI: Factor Ifluecig Logistics Service Providers Efficiecy i Urba Distributio Systems. Trasportatio Research Procedia. Volume 3. 2014. pp. 499-507. z=1 (9) 146
[9] A. HOFF, H. ANDERSSON, M. CHRISTIANSEN, G. HASLE, A. LØKKETANGEN: Idustrial aspects ad literature survey: Fleet compositio ad routig. Computers & Operatios Research. Volume 37. 2010. pp. 2041-2061. [10] P. EVANGELISTA: Evirometal sustaiability practices i the trasport ad logistics service idustry: A exploratory case study ivestigatio. Research i Trasportatio Busiess & Maagemet. Volume 12. 2014. pp. 63-72. [11] C.-N. LIAO, H.-P. KAO: A evaluatio approach to logistics service usig fuzzy theory, quality fuctio developmet ad goal programmig. Computers & Idustrial Egieerig, Volume 68. 2014. pp. 54-64 [12] R. O. LARGE, N. KRAMER, R. K. HARTMANN: Procuremet of logistics services ad sustaiable developmet i Europe: Fields of activity ad empirical results. Joural of Purchasig ad Supply Maagemet. Volume 19. Issue 3. 2013. pp. 122-133. [13] W. LI, Y. ZHONG, X. WANG, Y. CAO: Resource virtualizatio ad service selectio i cloud logistics. Joural of Network ad Computer Applicatios. Volume 36. Issue 6. 2013. pp. 1696-1704. [14] F. GZARA, E. NEMATOLLAHI, A. DASCI: Liear locatio-ivetory models for service parts logistics etwork desig. Computers & Idustrial Egieerig. Volume 69. 2014. pp. 53-63. 147