W okresie coraz większej konkurencji wśród przedsiębiorstw transportowych, właściwa obsługa klientów, w tym użytkowników i zleceniodawców usług transportowych, jest sprawą kluczową. Ważnym problemem stała się ocena jakości świadczonej usługi. Zasadniczym jej celem jest uzyskanie informacji na temat: - zadowolenia (satysfakcji) klientów ze zrealizowanej usługi transportowej, - obszarów złej jakości i możliwości ich eliminowania, - podejmowania decyzji biznesowych w zakresie planowania i realizacji usługi transportowej, - możliwości uzyskania przez przedsiębiorstwo transportowe certyfikatu lub zezwolenia na realizację usługi transportowej, - możliwości doskonalenia: • jakości usługi transportowej, • procesów transportowych i organizacyjnych, realizowanych przez przedsiębiorstwo transportowe, • oferty przedsiębiorstwa transportowego, • metod zdobywania nowych klientów, • optymalizacji kosztów. W pracy przedstawiono metodę modelowania, służącą eksperckiej ocenie jakości usług transportowych. Szczególnie dużo uwagi poświęcono zagadnieniom modelowania procesowego, matematycznego i neuronowego. Sztuczne sieci neuronowe wykorzystano jako narzędzie wspomagające podejmowane decyzje. Istotnym aspektem w pracy inżyniera logistyka jest bowiem stosowanie technik komputerowych, a decyzje o procesach realizacji usług transportowych powinno być wspierane metodami i narzędziami matematyczno-informatycznymi. Podejmujący decyzje musi dysponować dużym doświadczeniem i wiedzą, aby być w pełni przekonanym, że wypracowane decyzje są słuszne i obiektywne. Tak będzie, jeśli proces decyzyjny oparty będzie na faktach, tzn. zgodnie z jedną z podstawowych zasad zarządzania jakością - "podejmowanie decyzji na podstawie faktów". W pracy przedstawiono zatem narzędzie, przy którego wykorzystaniu można stwierdzić, że w procesach realizacji usługi transportowej i oceny ich jakości: - podejmowane decyzje są poparte faktami, - obiekty oceny spełniają wymagania dotyczące jakości, - zdefiniowane zostały obszary doskonalenia jakości. Dociekania zawarte w pracy skupiły się na szybko rozwijających się w ostatnich latach metodach wykorzystujących sztuczne sieci neuronowe, które w ocenie jakości usługi transportowej są metodami niedocenionymi. Praca jest wynikiem badań naukowych i praktycznych doświadczeń w obszarze oceny jakości, realizowanych w Zakładzie Systemów Jakości i Zarządzania Wydziału Mechanicznego Wojskowej Akademii Technicznej, akredytowanej jednostce certyfikującej systemy zarządzania jakością, środowiskiem, bezpieczeństwem i higieną pracy, bezpieczeństwem żywności i bezpieczeństwem informacji. Modelowanie oceny jakości usług transportowych oparto na praktycznym wykorzystaniu sztucznych sieci neuronowych, do zbudowania których wykorzystano dane z rzeczywistych procesów certyfikacji realizowanych w Zakładzie Systemów Jakości i Zarządzania WAT.
At the time of ever growing competition among transport firms, proper service provided to customers, including transport services (TS) users and ordering parties, is of prime concern. The evaluation of the quality of service being provided has become an important problem. An essential objective is obtaining information on: - client's satisfaction with the TS received, - low quality areas and possibilities of their elimination, - making business decisions about planning and conducting TS, - possibility of obtaining a certificate by a transport firm or a permit to conduct TS, - possibility of improving: - TS quality, - transport and organisationa1 processes, conducted by the transport firm, - transport film's offer, - method of obtaining new clients, - costs optimisation. The paper presents the modelling method for expert evaluation of TS quality. Especially great attention has been paid to process, mathematical and neural modelling. Artificial neural networks (ANN) have been used as a support tool in the decision making. A fundamental aspect of the logistics engineer's work is the application of computer technology, and decisions on conducting TS should be supported by mathematical and IT methods and tools. The decision maker has to have great experience and knowledge, to be absolutely sure that the decisions reached are correct and objective. It will be so if the decision making process relies on facts - in accordance with one of the fundamental rules of quality management - "making decisions based on facts". The paper presents a tool developed to make sure that in the course of conducting TS and their quality evaluation processes: - decisions made are supported by facts, - objects of evaluation meet quality requirements, - areas of quality improvements have been defined. The author's deliberations have concentrated on, fast developing in recent years, methods of artificial neural networks, which in the field of quality assurance are rather unappreciated. The paper is the result of the author's scientific research and practical experience in the quality assurance field, conducted at the Quality Systems and Management Department (QSMD), currently the Faculty of Mechanical Engineering of the Military University of Technology, an accredited unit certificating systems for managing quality, environment, health and safety at work, food and information safety. Modelling of the transport service quality evaluation has been based on practical application of artificial neural networks, for building of which data from real certification processes conducted at QSMD have been used. The introduction (chapter 1) of the paper presents the essence of transport services and methods for modelling their quality evaluation. The state of the problem has been presented, by conducting analytical and critical study of literature on the topic of this work. The research problems, objective and scope of this paper have been described. The contents of the second chapter include quality problems of transport services. The essence of quality was described, as well as its main elements. Examples of transport services quality characteristics have been presented and attention paid to aspects of quality improvement. Analysis and review of quality improvements methods of transport services have been made. The third chapter presents process modelling principles of transport service quality assessment. Analysis of selected elements of the model was conducted. The fourth chapter is devoted to mathematical modelling of quality assessment, thus mathematical relationships between quality evaluation of transport services and selected processes have been presented. The fifth chapter describes neural modelling of the transport services quality. An algorithm for creating the neural model is shown, as well as data sources for the artificial neural network, method of teaching it and testing. Presented are also neural assessment models of such processes as: risk estimation during realization of the transport service, managing configuration, measurement processes and measuring equipment. The sixth chapter contains an example of the model's verification. The summary discusses test results obtained and includes an analysis of the work progress extent. There is also evaluation of the solutions to the formulated research problems. Based on the cognitive experience gained in the research, suggestions were made for further scientific work on the application of artificial neural networks in transport service quality assurance.
