Нечеткая система оценки определения объективного решения перевозки нефтепродуктов
Аннотация
Обоснование. В статье рассматривается вопрос определения рационального варианта доставки груза MT из пункта A0 в пункт B0 с максимальным удовлетворением системы критериев kj. В сущности членам экспертного совета предлагается найти единую меру на множестве Mj, т.е. дать значения веса λj каждому Mj единого выбранного «эталона», предложенной системе по принятию решений. Вычисляемые Mji соответствуют Цji с точностью менее 0,1%. Это значительно упрощает задачу экспертного совета, повышает объективность оценок kj, повышает обоснованность и объективность выбора рационального варианта доставки груза.
В области экспертного совета принимается интуитивный подход, при использовании предлагаемого математического аппарата принимается количественный подход.
Цель. Разработать и апробировать математическую модель на основе аппарата нечетких множеств, позволяющую формализовать процесс принятия решений при выборе маршрута доставки нефтепродуктов.
Материалы и методы. Теоретической и методологической основой исследования явились системный анализ и моделирование, теория нечетких множеств, статистический анализ и корреляционно-регрессивный анализ, а также научно-инженерные работы для различных видов экспертных оценок, используемый для определения значений критериев при сравнении рассматриваемых вариантов доставки нефтепродуктов.
Результат. Математический аппарат нацелен на многокритериальный анализ с математическим решением задачи и является инструментом для выбора лучших схем, в том числе гипотетических (планируемых), в частности с использованием логистических объектов по видам транспорта, согласно выбранным логистическим полигонам с конкурирующими маршрутами и с вариацией видов транспорта.
EDN: QDMXJM
Скачивания
Литература
Ляшенко, А. Н. (2024). Формализованная математическая постановка экспертной оценки по принятию решения в сфере мультимодальной логистики. Транспорт: наука, техника, управление, (1), 12–17. https://doi.org/10.36535/0236-1914-2024-01-2. EDN: https://elibrary.ru/PWJXZV
Ляшенко, А. Н. (2022). Постановка задачи принятия решений на нечётком множестве данных в сфере мультимодальных перевозок. Транспорт Российской Федерации, (1–2), 6–8. EDN: https://elibrary.ru/AUKHNO
Ляшенко, А. Н. (2022). Математическая модель принятия решений на нечётком множестве данных в сфере логистики. Автоматика на транспорте, 8(2), 188–197. https://doi.org/10.20295/2412-9186-2022-8-02-188-197. EDN: https://elibrary.ru/QOSJLY
Котенко, А. Г. (2014). Методология риск ориентированного планирования качественных показателей эксплуатационной работы железных дорог (Докторская диссертация, Петербургский государственный университет путей сообщения). Санкт Петербург. 330 с. EDN: https://elibrary.ru/UXTVCI
Котенко, А. Г. (2011). О подходах к снижению вычислительной сложности логических задач анализа риска. Известия Петербургского университета путей сообщения, (1), 180–188. EDN: https://elibrary.ru/NTZCGJ
Amro, A. W., & Gkioulos, V. (2022). Communication and cybersecurity tested for autonomous passenger ship. В: Computer Security. ESORICS 2021 International Workshops (Vol. 13106, pp. 5–22). https://doi.org/10.1007/978-3-030-95484-0_1
Aven, T. (2010). Misconceptions of risk. John Wiley and Sons Inc. 248 p.
Aven, T. (2008). Risk analysis. Assessing uncertainties beyond expected values and probabilities. John Wiley and Sons Inc. 204 p.
Aven, T., & Vinnem, J. (2007). Risk management: With application from the offshore petroleum industry. London, England. 211 p.
Beaumont, E. A., & Forester, N. H. (1999). Exploring for oil and gas trap. The American Association of Petroleum Geologists. 100 p.
Kavallieratos, G., & Katsikas, S. (2020). Managing cyber security risks of the cyber enabled ship. Journal of Marine Science and Engineering, 8(768), 19 p. https://doi.org/10.3390/jmse8100768. EDN: https://elibrary.ru/XOKTHF
Shapiro, J. F. (2001). Modeling the supply chain. Thomson Learning. 586 p.
Баранов, Л. А., Иванова, Н. Д., & Михалевич, И. Ф. (2024). Нечёткая система оценки рисков информационной безопасности интеллектуальных систем водного транспорта. Автоматика на транспорте, 10(1), 7–17. https://doi.org/10.20295/2412-9186-2024-10-01-7-17. EDN: https://elibrary.ru/ULCDOD
Azam, M. H., Hasan, M. H., Hassan, S., et al. (2020). Fuzzy Type 1 triangular membership function approximation using fuzzy C means. В: International Conference on Computational Intelligence (ICCI) (pp. 115–120). https://doi.org/10.1109/ICCI51257.2020.9247773
Cahyaningrum, Y., Suryono, S., & Warsito, B. (2021). Fuzzy expert system for indicator and quality evaluation of teaching and learning processes online study programs. В: The 6th International Conference on Energy, Environment, Epidemiology, and Information System (ICENIS 2021) (Vol. 317, 11 p.). https://doi.org/10.1051/e3sconf/202131705021. EDN: https://elibrary.ru/LKKOVY
Dubois, D., & Prade, H. (1993). Fuzzy sets and probability: Misunderstandings, bridges and gaps. В: 2nd IEEE International Conference on Fuzzy Systems (FUZZY 1993) (pp. 1059–1068). IEEE.
Kharbanda, V. (2023). Application of artificial intelligence in cybersecurity (IJSPPC). Journal, 15(1), 1–13. https://doi.org/10.4018/ijsppc.318676
Kharchenko, V., Illiashenko, O., Fesenko, H., et al. (2022). AI cybersecurity assurance for autonomous transport systems: Scenario, model, and IMECA based analysis. В: Dziech, A., Mees, W., & Niemiec, M. (Eds.), Multimedia communications, services and security. MCSS 2022. Communications in computer and information science (Vol. 1689, pp. 66–79). Springer, Cham. https://doi.org/10.1007/978-3-031-20215-5_6
Rizvi, S. S., Mitchell, J., Razaque, A., et al. (2020). A fuzzy inference system (FIS) to evaluate the security readiness of cloud service providers. Journal of Cloud Computing, 9(1), 17 p. https://doi.org/10.1186/s13677-020-00164-z. EDN: https://elibrary.ru/GKXOAD
Jain, D., Sharma, S. K., & Dhiman, P. (2022). Comparative analysis of defuzzification techniques for fuzzy output. Journal of Algebraic Statistics, 13(13), 874–882.
Goudosis, A., & Katsikas, S. (2022). Secure automatic identification system (SecAIS): Proof of concept implementation. Journal of Marine Science and Engineering, 10, 805. https://doi.org/10.3390/jmse10060805. EDN: https://elibrary.ru/YNIACE
Chalco Cano, Y., Lodwick, W. A., & Bede, B. (2014). Single level constraint interval arithmetic. Fuzzy Sets and Systems, 257, 146–168. https://doi.org/10.1016/j.fss.2014.06.017
Dubois, D., & Prade, H. (1978). Operations on fuzzy numbers. International Journal of Systems Science, 9(6), 613–626.
Klir, G. J. (1997). Fuzzy arithmetic with requisite constraints. Fuzzy Sets and Systems, 91, 165–175.
Lodwick, W. A. (1999). Constrained interval arithmetic. CCM Report, 138, 1–11.
Nagoor Gani, A., & Mohamed Assarudeen, S. N. (2012). New operation on triangular fuzzy number for solving fuzzy linear programming problem. Applied Mathematical Sciences, 11, 525–532. https://doi.org/10.13140/2.1.3405.8881
Piegat, A. (2001). Fuzzy modeling and control. Springer Verlag. 728 p.
References
Lyashenko, A. N. (2024). Formalized mathematical formulation of expert assessment for decision making in multimodal logistics. Transport: Science, Technology, Management, (1), 12–17. https://doi.org/10.36535/0236-1914-2024-01-2. EDN: https://elibrary.ru/PWJXZV
Lyashenko, A. N. (2022). Formulation of the decision making problem on a fuzzy data set in multimodal transportation. Transport of the Russian Federation, (1–2), 6–8. EDN: https://elibrary.ru/AUKHNO
Lyashenko, A. N. (2022). Mathematical model of decision making on a fuzzy data set in logistics. Automation in Transport, 8(2), 188–197. https://doi.org/10.20295/2412-9186-2022-8-02-188-197. EDN: https://elibrary.ru/QOSJLY
Kotenko, A. G. (2014). Methodology of risk oriented planning of quality indicators for railway operational performance (Doctoral dissertation, Petersburg State Transport University). Saint Petersburg. 330 p. EDN: https://elibrary.ru/UXTVCI
Kotenko, A. G. (2011). On approaches to reducing the computational complexity of logical risk analysis problems. Proceedings of Petersburg Transport University, (1), 180–188. EDN: https://elibrary.ru/NTZCGJ
Amro, A. W., & Gkioulos, V. (2022). Communication and cybersecurity tested for autonomous passenger ship. В: Computer Security. ESORICS 2021 International Workshops (Vol. 13106, pp. 5–22). https://doi.org/10.1007/978-3-030-95484-0_1
Aven, T. (2010). Misconceptions of risk. John Wiley and Sons Inc. 248 p.
Aven, T. (2008). Risk analysis. Assessing uncertainties beyond expected values and probabilities. John Wiley and Sons Inc. 204 p.
Aven, T., & Vinnem, J. (2007). Risk management: With application from the offshore petroleum industry. London, England. 211 p.
Beaumont, E. A., & Forester, N. H. (1999). Exploring for oil and gas trap. The American Association of Petroleum Geologists. 100 p.
Kavallieratos, G., & Katsikas, S. (2020). Managing cyber security risks of the cyber enabled ship. Journal of Marine Science and Engineering, 8(768), 19 p. https://doi.org/10.3390/jmse8100768. EDN: https://elibrary.ru/XOKTHF
Shapiro, J. F. (2001). Modeling the supply chain. Thomson Learning. 586 p.
Баранов, Л. А., Иванова, Н. Д., & Михалевич, И. Ф. (2024). Нечёткая система оценки рисков информационной безопасности интеллектуальных систем водного транспорта. Автоматика на транспорте, 10(1), 7–17. https://doi.org/10.20295/2412-9186-2024-10-01-7-17. EDN: https://elibrary.ru/ULCDOD
Azam, M. H., Hasan, M. H., Hassan, S., et al. (2020). Fuzzy Type 1 triangular membership function approximation using fuzzy C means. В: International Conference on Computational Intelligence (ICCI) (pp. 115–120). https://doi.org/10.1109/ICCI51257.2020.9247773
Cahyaningrum, Y., Suryono, S., & Warsito, B. (2021). Fuzzy expert system for indicator and quality evaluation of teaching and learning processes online study programs. В: The 6th International Conference on Energy, Environment, Epidemiology, and Information System (ICENIS 2021) (Vol. 317, 11 p.). https://doi.org/10.1051/e3sconf/202131705021. EDN: https://elibrary.ru/LKKOVY
Dubois, D., & Prade, H. (1993). Fuzzy sets and probability: Misunderstandings, bridges and gaps. В: 2nd IEEE International Conference on Fuzzy Systems (FUZZY 1993) (pp. 1059–1068). IEEE.
Kharbanda, V. (2023). Application of artificial intelligence in cybersecurity (IJSPPC). Journal, 15(1), 1–13. https://doi.org/10.4018/ijsppc.318676
Kharchenko, V., Illiashenko, O., Fesenko, H., et al. (2022). AI cybersecurity assurance for autonomous transport systems: Scenario, model, and IMECA based analysis. В: Dziech, A., Mees, W., & Niemiec, M. (Eds.), Multimedia communications, services and security. MCSS 2022. Communications in computer and information science (Vol. 1689, pp. 66–79). Springer, Cham. https://doi.org/10.1007/978-3-031-20215-5_6
Rizvi, S. S., Mitchell, J., Razaque, A., et al. (2020). A fuzzy inference system (FIS) to evaluate the security readiness of cloud service providers. Journal of Cloud Computing, 9(1), 17 p. https://doi.org/10.1186/s13677-020-00164-z. EDN: https://elibrary.ru/GKXOAD
Jain, D., Sharma, S. K., & Dhiman, P. (2022). Comparative analysis of defuzzification techniques for fuzzy output. Journal of Algebraic Statistics, 13(13), 874–882.
Goudosis, A., & Katsikas, S. (2022). Secure automatic identification system (SecAIS): Proof of concept implementation. Journal of Marine Science and Engineering, 10, 805. https://doi.org/10.3390/jmse10060805. EDN: https://elibrary.ru/YNIACE
Chalco Cano, Y., Lodwick, W. A., & Bede, B. (2014). Single level constraint interval arithmetic. Fuzzy Sets and Systems, 257, 146–168. https://doi.org/10.1016/j.fss.2014.06.017
Dubois, D., & Prade, H. (1978). Operations on fuzzy numbers. International Journal of Systems Science, 9(6), 613–626.
Klir, G. J. (1997). Fuzzy arithmetic with requisite constraints. Fuzzy Sets and Systems, 91, 165–175.
Lodwick, W. A. (1999). Constrained interval arithmetic. CCM Report, 138, 1–11.
Nagoor Gani, A., & Mohamed Assarudeen, S. N. (2012). New operation on triangular fuzzy number for solving fuzzy linear programming problem. Applied Mathematical Sciences, 11, 525–532. https://doi.org/10.13140/2.1.3405.8881
Piegat, A. (2001). Fuzzy modeling and control. Springer Verlag. 728 p.
Copyright (c) 2026 Anton N. Lyashenko
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
