The importants of clustering in logistic systems

Abstract

Nowadays, the development of higher efficient processes and procedures is the key for success in industrial environment. The companies have machines, production lines, software and hardware tools with high level principles of efficient working. Example: the Industry 4.0 concept use the machines and methods of the near past, upgrade them, and gave them new purpose, as a more efficient tool. Some of the bases of those tools are not as efficient as which many would think, like in group generating or in other word clustering. Clustering is a very hard process, and it is in almost every decision making in every company’s lives. It is important to sometimes examine its significance and flaws. This paper presents the clustering briefly and shows its errors through an example.Концепція Індустрії 4.0 використовує існуючі технології і об'єднує їх в систему, яка може робити більше, ніж індивідуально. Вона створює нову інформацію з існуючих даних. Одним з найбільш часто використовуваних принципів концепції Індустрії 4.0 є прийняття рішень машиною без втручання людини в ситуації, яка ще не відбулася ні для машини, ні для людини. Це робить машину, виробництво або всю систему розумними. Це розумна фабрика, і в ній є свого роду штучний інтелект (ШІ). Є кілька ІТ-компаній, які хочуть створити найбільш просунутий ШІ, але в даній ситуації, в сфері збирання або виробництва, досить простого алгоритму, який може «вчитися» з мінімальною обчислювальною потужністю. Один з цих мінімалістичний ІІ - алгоритми кластеризації, які можуть створювати групи на основі виміряних або розрахованих параметрів. Кластеризація - це NP-важке завдання в математиці, яка зводиться до того, що у неї немає спеціального математичного методу для її вирішення. Тому існує безліч алгоритмів кластеризації, які намагаються в короткі терміни дати розумне гарне рішення. Одним з найбільш важливих і специфічних способів використання алгоритмів в логістиці є планування маршруту з декількома транспортними засобами. У цій ситуації, щоб отримати гарне рішення, спочатку визначається, який транспортний засіб відвідує яку точку, а потім оптимізується маршрут окремо по групах.Більшість алгоритмів кластеризації сьогодні використовують цей метод, який дає досить хороший результат, але є шанс, що він не буде оптимальним рішенням. Щоб отримати оптимальне рішення з більшою ймовірністю, два процеси оптимізації (кластеризація і планування маршруту) повинні працювати паралельно, тому що обидва мають вплив один на одного. Тут може допомогти евристика. Евристичні алгоритми обробляють всі параметри відразу, а угруповання - це просто ще один параметр. Крім того, ніякі інші параметри не повинні змінюватися, і, якщо в цьому немає необхідності, не потрібно зважувати параметри. Однак для цього методу необхідна функція оцінки, така як функція пристосованості в еволюційних алгоритмах. В даний час збільшення або зменшення ефективності на кілька відсотків може означати, що компанія може отримувати прибуток чи ні. Невелика помилка в кластеризації і / або проблема з підключенням можуть знизити ефективність більш ніж на 10%, що є величезною втратою. Це дуже важлива причина, щоб визначити, які інструменти повинні використовуватися в наших розрахунках, програмному забезпеченні і базах даних.