Αξιολόγηση της επίδοσης πολυπρακτορικών συστημάτων σε εφαρμογές διαχείρισης εφοδιαστικής αλυσίδας

Abstract

Software agents and multi-agent systems is a relatively young research area, which has already several applications in various fields. One such application is supply chain management, where multi-agent systems constitute an ideal solution, being able to easily model the complexity of the system and at the same time incorporating a considerable degree of intelligence and adaptivity. Performance in such systems is usually measured in terms of increased profit, which may be both the required result and an easily measurable quantity. This approach is relatively short-sighted and can be related to the structure and the essence of the multi-agent system only through experimentation. The evaluation of the multi-agent system as a software system is usually not addressed and the system's performance is rarely evaluated in depth. In this thesis, we present a generalized and reusable methodology to design and evaluate supply chain management multi-agent systems. We cover all the development stages of a system, from its design and knowledge incorporation, to its evaluation. First, we present a successful methodology for the design of supply chain-management multi-agent systems enhanced with data mining techniques. In a dynamic supply chain management environment, we took into account standard multi-agent system development practices and identified the parameters that best match our model. Using these parameters, we extensively analyzed the way in which data mining can be applied in order to enhance the intelligence of a software agent. Then, we introduce a novel method which enables us to make the best out of traditional data mining algorithms for time series data, where each sample depends on the previous ones, by overcoming dimensionality problems. We applied our method on two different case studies. Our method was capable of producing successful models in both cases, by using different algorithms. Finally, we offer an extensive set of metrics, which enables us to quantify and correctly evaluate different facets of the multi-agent system and evaluate its performance. These metrics are both agent-oriented and supply chain-oriented, in order to provide an accurate, global view of the system's performance. This methodology is demonstrated through its application on an existing open source multi-agent platform which simulates the function of the supply chain.

Η ερευνητική περιοχή των πρακτόρων λογισμικού και των πολυπρακτορικών συστημάτων είναι σχετικά νέα αλλά βρίσκει ήδη ποικίλες εφαρμογές σε διάφορα επιστημονικά πεδία. Μία εφαρμογή είναι και η διαχείριση εφοδιαστικής αλυσίδας, όπου τα πολυπρακτορικά συστήματα αποτελούν ιδανική λύση, καθότι μπορούν εύκολα να μοντελοποιήσουν και να αποδώσουν την πολυπλοκότητα του συστήματος, μπορώντας παράλληλα να ενσωματώσουν ένα σημαντικό βαθμό ευφυΐας και προσαρμοστικότητας. Παρόλ'αυτά, η αποδοτικότητα συνήθως μετράται με βάση το αυξημένο κέρδος, που μπορεί να είναι το επιθυμητό αποτέλεσμα και μια εύκολα μετρήσιμη ποσότητα, αλλά είναι μια σχετικά μυωπική προσέγγιση και μπορεί να σχετιστεί με τη δομή και την ουσία του πολυπρακτορικού συστήματος μόνο με πειραματισμό. Αυτό το ζήτημα συνήθως δεν αντιμετωπίζεται και η απόδοση του συστήματος σπάνια αξιολογείται σε βάθος. Στο πλαίσιο της παρούσας διατριβής, παρουσιάζεται μια γενικευμένη και επαναχρησιμοποιήσιμη μεθοδολογία σχεδιασμού και αξιολόγησης των πολυπρακτορικών συστημάτων που ασχολούνται με διαχείριση εφοδιαστικής αλυσίδας. Καλύπτονται όλα τα στάδια ανάπτυξης ενός συστήματος, ξεκινώντας από το σχεδιασμό του, περνώντας από την ενσωμάτωση της γνώσης και καταλήγοντας στην αξιολόγηση. Πιο αναλυτικά: Αρχικά, εισάγεται μια επιτυχής μεθοδολογία σχεδιασμού πολυπρακτορικών συστημάτων για περιβάλλοντα διαχείρισης εφοδιαστικής αλυσίδας σε συνδυασμό με τεχνικές εξόρυξης γνώσης. Λειτουργώντας σε ένα δυναμικό περιβάλλον διαχείρισης εφοδιαστικής αλυσίδας, λάβαμε υπόψη μας καθιερωμένες πρακτικές ανάπτυξης πολυπρακτορικών συστημάτων και ταυτοποιήσαμε τις παραμέτρους που ταιριάζουν καλύτερα στο μοντέλο μας. Σε αυτές τις παραμέτρους, αναλύσαμε εκτενώς τον τρόπο με τον οποίο η εξόρυξη γνώσης μπορεί να εφαρμοστεί για να βελτιώσει την ευφυΐα ενός πράκτορα λογισμικού. Στη συνέχεια, παρουσιάζεται μια καινούρια μέθοδος που μας επιτρέπει να εκμεταλλευόμαστε στο μέγιστο τους παραδοσιακούς αλγορίθμους εξόρυξης γνώσης για δεδομένα χρονοσειρών, όπου το κάθε δείγμα εξαρτάται από τα προηγούμενα, ξεπερνώντας τα προβλήματα της διαστασιμότητας. Εφαρμόσαμε τη μέθοδό μας σε δύο διαφορετικά παραδείγματα. Η μέθοδός μας ήταν ικανή να παράγει επιτυχή μοντέλα εξόρυξης γνώσης και για τις δύο περιπτώσεις, χρησιμοποιώντας διαφορετικούς αλγορίθμους. Τέλος, προσφέρεται ένα εκτενές σύνολο μετρικών, που μας επιτρέπει να ποσοτικοποιούμε και να μετράμε σωστά διάφορες πτυχές του πολυπρακτορικού συστήματος και να αξιολογούμε την επίδοσή του. Οι μετρικές αυτές καλύπτουν και το τμήμα που αφορά τα πολυπρακτορικά συστήματα και το τμήμα που αφορά τη διαχείριση εφοδιαστικής αλυσίδας, για να δίνουν μια σωστή, σφαιρική εικόνα της επίδοσής του. Η μεθοδολογία αυτή επιδεικνύεται μέσω της εφαρμογής της σε μια πολυπρακτορική πλατφόρμα ανοιχτού λογισμικού που προσομοιώνει τη λειτουργία της εφοδιαστικής αλυσίδας.