ORION model potential in research on the location of the commercial enterprises – an example of simulation research

2016

3(47)

DOI: 10.5277/arc160305

Michał Krygier*

Potencjał modelu ORION w badaniach nad lokalizacją

komercyjnych przedsiębiorstw – przykład badań symulacyjnych

ORION model potential in research on the location of

the commercial enterprises – an example of simulation research

Wstęp

Współczesne kierunki rozwoju gospodarki wolnoryn-

kowej stwarzają wiele możliwości działania i inwesto-

wania. Wzrost złożoności i dynamiki otoczenia społecz-

no-gospodarczego sprawia, że działania przedsiębiorcze

realizowane są w warunkach permanentnego ryzyka i nie-

pewności [1], a rozpoznanie wszelkich źródeł przewa-

gi konkurencyjnej może mieć znaczący wpływ na osta-

teczną efektywność i sukces. Na wskutek postępującej

informatyzacji i zwiększającej się mobilności następuje

stopniowe zmniejszanie się wpływu przestrzeni jako ba-

riery czasowej. Czynnik lokalizacji dla większości przed-

siębiorstw jest jednak ciągle kluczowym zagadnieniem.

Fizyczne wprowadzenie aktywności w istniejącą strukturę

przestrzenno-gospodarczą zwykle ma charakter wiążący

i długotrwały, a przewidzenie ostatecznych skutków takiej

decyzji jest z pewnością niekompletne i niemożliwe. Ko-

nieczne jest znacznie szersze, wieloaspektowe traktowa-

nie procedury lokowania przedsiębiorstwa jako implika-

cji wielu decyzji wywołujących określone konsekwencje

przestrzenne [2]. Rozwinięcie teorii systemów w naukach

geogracznych i ekonomicznych zmieniło spojrzenie

na problematykę i znacznie poszerzyło badania. Prze-

strzeń interpretowana jest jako wysoce złożony system

funkcji deniowanych pewnymi własnościami i rela-

cjami między nimi, które w rzeczywistości wyrażają się

Introduction

Modern trends in the development of a free-market

economy provide many opportunities for activity and

investment. The increase in the complexity and dynam-

ics of the socio-economic environment contributes to the

fact that entrepreneurial activities are carried out in the

conditions of permanent risk and uncertainty [1], and rec-

ognition of all sources of a competitive advantage may

have a signicant impact on nal efciency and success.

Due to advancing computerization and increasing mobil-

ity, we can observe a gradual decline of the space impact

as a time barrier. It must be admitted, however, that the

location factor still remains an issue of key importance for

most businesses. The physical introduction of activity into

the existing spatial and economical structure is usually

binding and long-lasting, and to predict the nal impact

of this decision is certainly incomplete and impossible. It

is necessary to treat the procedure of locating a company

in a broader, multi-dimensional way as an implication of

many decisions causing particular spatial consequences

[2]. The development of systems theory in geographical

and economic sciences has changed our attitude to these

issues and signicantly expanded research. The space is

interpreted as a highly complex system of functions de-

ned by means of certain properties and relations between

them, which in reality are expressed by the movement of

people, goods, energy, capital, etc. [3], [4]. The increase

in the computational capabilities of computers allows

us to systematize certain procedures and perform multi-

factorial analyses. One of the tools that might be used in

* Wydział Architektury Politechniki Wrocławskiej/Faculty of Ar-

chi tecture, Wrocław University of Science and Technology.

58 Michał Krygier

przemiesz czaniem ludzi, towarów, energii, kapitału itp.

[3], [4]. Wzrost możliwości obliczeniowych kompute-

rów pozwala na usys tematyzowanie pewnych procedur

i przeprowadzanie wie loczynnikowych analiz. Jednym

z narzędzi mogących zna leźć zastosowanie w badaniach

nad lokalizacją przedsiębiorstw jest model symulacyjno-

-decyzyjny ORION (Optative Repartition in Opportunity

Network).

W ogólnym zarysie model ORION służy do jedno-

czesnego rozmieszczania wielu form działalności, gdzie

o lokalizacji decydują przede wszystkim następujące wy-

miary: kontakty i konikty między aktywnościami oraz

predyspozycje terenu [5]. Kontrola nad konstrukcją mo-

delu i kalibracją daje możliwości przeprowadzania wie-

lowariantowych serii modelowań opartych na różnych

założeniach. Docelowe przeznaczenie modelu dotyczy

jego zastosowania w praktyce planowania przestrzennego

w różnych skalach, jako narzędzie do prognozowania roz-

woju systemów osadniczych, optymalizacji struktur funk-

cjonalno-przestrzennych czy wspomagania budowa nia

i testowania wizji rozwoju. Celem symulacji jest zawiązy-

wanie się kompletnych struktur funkcjonalnych poprzez

realizację kontaktów między aktywnościami z ukierunko-

waniem na efektywne działania całego systemu i dobro

ogółu. Ta specyka modelu stawia go w centrum zaintere-

sowania jednostek i samorządów terytorialnych, których

główne pole działania dotyczy wizji całości efektywnej

struktury gospodarczej i harmonijnego rozkładu dzia-

łalności na określonym obszarze [6]. Charakter modelu

z jednej strony niesie za sobą pewne ograniczenia w zasto-

sowaniu go do zadań czysto komercyjnych odnoszących

się do konkretnych inwestycji, jednak przede wszystkim

daje także możliwości w pełni systemowego podejścia

do analiz lokalizacyjnych – co zresztą jest zgodne z roz-

wojem teorii lokalizacji, gdzie punkt ciężkości przesunął

się z problematyki lokalizacji jednostkowych inwestycji

na organizację przestrzenną procesów [7]. Próba usyste-

matyzowania badań z wykorzystaniem modelu powin-

na nastąpić w pewnych etapach, których ogólny zarys

przedstawiono na ilustracji 1. Po etapie założeń wstęp-

nych dotyczących planowanej inwestycji model ORION

może posłużyć jako narzędzie badawcze w odniesieniu do

konkretnej przestrzeni, dopełniając inne, specjalistyczne

analizy ekonomiczne i organizacyjne przedsiębiorstwa –

może stać się testowym odwzorowaniem tych założeń lub

dzięki wariantowym seriom symulacji może wspomóc

ich odpowiednią optymalizację i dopasowanie lokaliza-

cji do istniejącej struktury przestrzenno-gospodarczej.

Wykorzystanie modelu jako narzędzia prognostycznego

różnych procesów wpływających na działanie przedsię-

biorstwa również może dać pewne przesłanki przy plano-

waniu etapów inwestycyjnych.

Modelowe ujęcie czynników lokalizacji

Rozpatrując zagadnienie lokalizacji przedsiębiorstwa,

należy zwrócić uwagę na dwie sytuacje decyzyjne o róż-

nym charakterze: czynna – w przypadku gdy wybrano for-

mę i wielkości prowadzenia działalności, a konieczne jest

dokonanie procesu wyboru najdogodniejszego miejsca;

research on location of companies is the simulation-deci-

sion ORION model (Optative Repartition in Opportunity

Network).

In general terms, the ORION model is used for the

simultaneous distribution of multiple forms of activities

where location is primarily determined by the dimensions

such as contacts and conicts between activities and pre-

dispositions of the area [5]. Control over the model con-

struction and calibration provides possibilities of perform-

ing a series of multi-variant modelling which is based on

various assumptions. The goal of the model is connected

with its use in the practice of spatial planning on different

scales, as a tool for forecasting the development of set-

tlement systems, in optimization of functional and spatial

structures or supporting construction and testing visions

of development. The purpose of the simulation is to form

complete functional structures through the implementa-

tion of contacts between activities with the focus on the

efcient operation of the entire system and the common

good. The specicity of the model puts it in the centre of

interest of individuals and local governments whose main

eld of action involves a vision of the entire efcient eco-

nomic structure and harmonious distribution of activities

in a particular area [6]. On the one hand, the nature of the

model brings some limitations in applying it to the purely

commercial tasks referring to specic investments, on the

other hand, it rst of all gives also opportunities of a fully

systematic approach to location analyses, which is in line

with the location theory development where the main fo-

cus was shifted from the issue of individual investment

location to the spatial organization of processes [7]. An at-

tempt to systematize the research using the model should

take place in stages whose general outline is presented in

Figure 1. After the stage of initial assumptions concerning

a planned investment, the ORION model can serve as a re-

search tool in relation to a specic space and in complet-

ing other specic economic and organizational analyses

of a company – it can become a test mapping of these

assumptions or due to simulation series variants it can

support their appropriate optimisation and location adjust-

ment to the existing spatial and economic structure. The

use of the model as a prognostic tool of different processes

which inuence the performance of a company may also

provide some premises when planning investment stages.

Model approach to location factors

When considering the issue of the company location,

attention must be paid to two decision-making situations

of different character, i.e. active – in the case when the

form and size of a business was chosen and it is necessary

to start the process of choosing the most convenient place;

and passive – when the decision was made concerning the

place of a business only and the next stage is to determine

the kind of business [8]. Both decision-making processes

can be dealt with by means of the ORION model. In both

cases, a fundamental issue which precedes the modelling

part is to consider the actual factors of the company loca-

tion. The issue is complex and along with the progress

of science it is signicantly extended, however, two gen-

Teoria lokalizacji przedsiębiorstw w ujęciu modelu ORION/Localization of companies theory in the ORION model expression 59

eral characteristics of factors can be formulated: rstly,

the evaluation of location factors most frequently depends

on the specicity of a company and the characteristics of

the person deciding on the location; secondly, location

factors are not xed and are not a closed set [9]. A set

of factors along with their weights varies for different

economic entities. Taking into consideration freedom of

choice and complexity of connections, the following three

locations can be distinguished [10]:

– determined – when the existence of a certain factor is

necessary for the existence of a business (e.g. coal mines);

– related – when local factors do not have a decisive

power but they signicantly limit the choice of place and

inuence the operating costs (most industrial plants);

– free – relatively unlimited which refers to service

com panies to a large extent.

The rst two types rst of all refer to the industry lo-

cation theory which has been signicantly developed for

years and is considered in various aspects. Quite often lo-

cation factors are easily recognised and the competitive

power of a business is more frequently conditioned by as-

pects of innovation, technology and production organisa-

tion. A substantial gap in undertaking research can be ob-

served in the case of the third type of companies which are

characterised by free location. This is mainly connected

with the fact that the nal efciency of this type of compa-

ny is largely inuenced by choices of potential recipients

and consumers, actions of competitors and self-regulating

market mechanisms – these are subjective actions and thus

they are difcult to predict. This does not mean that a deci-

oraz bierna – gdy podjęto decyzję tylko o miejscu pro-

wadzenia działalności, a kolejnym etapem jest określenie

rodzaju działalności [8]. Oba procesy decyzyjne mogą być

rozpatrywane za pomocą modelu ORION; w obu przy-

padkach fundamentalnym zagadnieniem poprzedzającym

część modelową jest zastanowienie się nad faktycznymi

czynnikami lokalizacji przedsiębiorstwa. Problematyka ta

jest złożona i wraz z postępem nauki znacznie się posze-

rza – można jednak sformułować dwie ogólne charakte-

rystyki czynników: ocena czynników lokalizacji zależy

najczęściej od specyki przedsiębiorstwa i cech osoby

decydującej o lokalizacji; czynniki lokalizacji nie są stałe

i nie są zbiorem zamkniętym [9]. Zestaw czynników i ich

wag jest zróżnicowany dla różnych jednostek gospodar-

czych; z punktu widzenia swobody wyboru i złożoności

powiązań można wyróżnić trzy lokalizacje [10]:

– zdeterminowaną – gdy istnienie pewnego czynnika

jest konieczne dla istnienia działalności (np. kopalnie);

– związaną – gdy czynniki lokalizacyjne nie przesą-

dzają, ale znacznie ograniczają wybór miejsca i wpływają

na koszty działalności (większość zakładów przemysło-

wych);

– swobodną – względnie nieograniczoną, która w du-

żej mierze dotyczy przedsiębiorstw usługowych.

Dwa pierwsze typy dotyczą przede wszystkim teorii

lokalizacji przemysłu, która przez lata została znacznie

rozwinięta i jest rozpatrywana w różnych aspektach. Czę-

sto czynniki lokalizacji są łatwo rozpoznawalne, a o sile

konkurencyjnej zakładu coraz częściej decydują aspek-

ty innowacyjności, technologii i organizacji produkcji.

Il. 1. Schemat etapów badań nad lokalizacją z zastosowaniem modelu ORION (opracowanie autorskie)

Fig. 1. Diagram of the stages of research on location using the ORION model (authoring)

Inicjatywa/Initiative

Model ORION

Założenia metodologiczne/Methodology

Czynniki lokalizacyjne/Location factors

Zasób danych/Data resource

Symulowana aktywność/Simulated activity

Parametryzacja/Parameterization

Budowa modelu przestrzennego/Construction spatial model

Wyniki symulacji/Simulation results

Procedura kontaktów

Contacts procedure

Procedura predyspozycji

Predispositions procedure

Procedura konfliktów

Conflicts procedure

Warianty symulacji/Simulation variants

Analizy ekonomiczne/Economic analyses

Synteza/Synthesis

Decyzja o lokalizacji/Location decision

60 Michał Krygier

Znacząca luka w podejmowaniu badań dotyczy trzeciego

typu przedsiębiorstw, charakteryzujących się lokalizacją

swobodną. Związane jest to przede wszystkim z tym, że

na ostateczną efektywność działania takiego przedsię-

biorstwa w dużej mierze wpływają wybory potencjalnych

odbiorców i konsumentów, działania konkurencji i samo-

regulujące mechanizmy rynkowe – często są to działania

subiektywne lub trudne do przewidzenia. Nie oznacza to,

że decyzja o lokalizacji takich przedsiębiorstw powinna

mieć charakter przypadkowy; trwałe związanie aktywno-

ści z konkretnym obszarem niesie za sobą wpisanie się

w istniejącą strukturę, gdzie trwale dochodzi do kompro-

misu pomiędzy wymaganiami konsumentów i wymaga-

niami sprzedawców [11], a zmieniające się przestrzenne

zróżnicowanie popytu, podaży oraz cen [12] sprawia, że

etap decydowania o szczegółowej lokalizacji również ma

duże znaczenie przy planowaniu inwestycji. W dobie roz-

woju przedsiębiorczości to właśnie ta grupa aktywności

wzrasta najszybciej.

W literaturze przedmiotu możemy wyodrębnić sporą

liczbę klasykacji czynników lokalizacji: poczynając od

klasykacji na czynniki subiektywne i obiektywne [13],

a także na przestrzenne, środowiskowe, ekonomiczne,

społeczno-kulturowe, polityczne, prawno-administracyj-

ne, techniczno-technologiczne [10], czy jeszcze bardziej

złożony podział, gdzie autorzy wyróżniają około 80 czyn-

ników wpływających na decyzję o lokalizacji [14]. Skła-

dowymi ocenami czynników są przede wszystkim pewne

walory użytkowe poszczególnych obszarów: walory po-

pytu i walory zasobów, oraz bariery: naturalne, demogra-

czne, infrastrukturalne, społeczne czy polityczno-admi-

nistracyjne [10]. Każdy typ działalności wymaga innych

warunków lokalizacyjnych i powinien być rozpatrywany

oddzielnie i szczegółowo. Inicjatywa zastosowania mode-

sion on location of these companies should be accidental

since a permanent connection of activity with a particular

area must be followed by becoming part of the existing

structure where a compromise is achieved between con-

sumers’ requirements and sellers’ requirements on a per-

manent basis [11] and spatially changing differentiation of

demand, supply and prices [12] makes the detailed loca-

tion decision stage especially important also when plan-

ning investments. In the era of entrepreneurship it is pre-

cisely this group of activity that is increasing the fastest.

In the literature of the subject we can distinguish a large

number of classications of location factors, i.e. starting

from classifying the factors into subjective and objective

[13] as well as spatial, environmental, economic, socio-cul-

tural, political, legal, administrative, technical and techno-

logical [10] or using even a more complex division where

the authors single out about 80 factors which inuence the

decision on the location [14]. Ranking components of fac-

tors are rst of all certain utility values of particular areas,

i.e. values of demand and values of resources as well as

the barriers such as natural, demographic, infrastructural,

social or political and administrative [10]. Each type of

activity requires different location conditions and should

be considered separately and in detail. The initiative of the

ORION model application requires the knowledge of its

general operation, parameters and capabilities of simulat-

ing specic location and decision-making processes.

A general scheme of the model is presented in Figure 2.

It makes it possible to construct systems of spatial relations

between certain activities which inuence their mutual lo-

cations through contacts understood as favourable attrac-

tion and interdependence between them; through conicts

where certain pairs of activities may affect each other re-

pulsively; and through predispositions which de

termine the

Il. 2. Schemat działania modelu ORION w kontekście lokalizacji przedsiębiorstwa (opracowanie autorskie)

Fig. 2. Diagram of the ORION model functioning in terms of company location (authoring)

Model ORION

Symulowane aktywności

Simulated activities

Model przestrzeni/Spatial model

Pracownicy

Employees

Aktywności

Activities

Konsumenci/Odbiorcy

Consumers

Kooperanci

Cooperation partners

Konkurencja

Competition

Bariery

Barriers

5.2

5.1

4.1

3.2

3.1

Lokalne warunki

Local conditions

Aktywności

Activities

Aktywności

Activities

Aktywności

Activities

Aktywności

Activities

Predyspozycje

Predispositions

Liczba zakładów

Company

Wielkość produkcji

Production

Kapitał

Capital

Powierzchnia

Area

Klienci

Customers

Kontakty

Konflikty

Conflicts

Contacts

Teoria lokalizacji przedsiębiorstw w ujęciu modelu ORION/Localization of companies theory in the ORION model expression 61

usefulness of the terrain for the location of the distributed

activity. Each of the procedures is calibrated by certain

parameters and the desired directions of spatial transfor-

mation and arrangement restructuring seek to maintain

a balance between ensuring contacts, minimizing conicts

and adjusting to local values of the terrain. This relatively

simple and overall system of the model operation allows

for virtually unlimited consideration of various location

factors which of course have a direct reference to the space.

Certain proposals of research and parameterization prob-

lems that can be taken up are presented below. This presen-

tation does not show the full complexity and capabilities of

the model but it only constitutes an outline of them.

Model of space

One of the basic stages of the simulation research is

construction of the model of space. A company functions

in various spatial relations which are internally and exter-

nally conditioned. In terms of the area of impact, we can

distinguish the following three scales:

– macro-environment – which is characterised by

a com plex of general conditions in a given country or

re gion, mainly in the economic, technological, adminis-

trative and legal, socio-cultural aspects and determines

a general framework for the functioning of a company

[15], in the simulation tests this environment is rather of

an anti-spatial character, i.e. it is uniform for the whole

area and can be understood in general terms;

– mezzo-environment – this scale refers to the regional

specicity, its legal environment, resources, institutions

which support and nance development, research & de-

velopment institutions, etc. [16];

– micro-environment – where we have to deal with

many activities which are related to the business by means

of co-operation competitive relations [17], i.e. customers,

suppliers, co-operators, companies with the same business

prole, etc. The model space can be a representation of

different areas such as a continent, country, region, city

or district – the research topic may therefore constitute

a search for optimisation in the general and detailed loca-

tion of a company. At larger scales the results of simula-

tions with the use of the ORION model achieve almost

total compliance with actual observations relatively easily.

Along with carrying out more detailed research on a more

local scale, the situation becomes more complex due to

the necessity to reduce the degree of generalizing the oc-

curring processes on the increasingly smaller area which

is characterized by a specic socio-economic structure

with a decreasing number of “participants” of diversied

preferences, for whom certain generalisations can deform

a simulated image too drastically.

The model consists of nodes which represent particular

individual areas and are connected by a network which

transfers contacts. Depending on the idea of simulation it

is usually a network of roads, railways, pedestrian areas,

routes, air lines, a network of infrastructure; each section

of the network has a speed parameter. The nal stage in

the space model construction, which directly inuences

simulation, is the formation of a matrix of distances be-

lu ORION wymaga zapoznania się z jego ogólnym dzia-

łaniem, parametrami i możliwościami symulowania kon-

kretnych procesów lokalizacyjnych i decyzyjnych.

Ogólny schemat działania modelu przedstawiono na

ilustracji 2. Pozwala on konstruować systemy przestrzen-

nych zależności między pewnymi aktywnościami, które

wpływają na swoją wzajemną lokalizację poprzez kontak-

ty rozumiane jako korzystne przyciąganie się i współza-

leżność między nimi; poprzez konikty, gdzie pewne pary

aktywności mogą działać na siebie odpychająco; oraz po-

przez predyspozycje, określające przydatność terenu dla

lokalizacji rozmieszczanej aktywności. Każda z procedur

jest kalibrowana poprzez pewne parametry, a pożądane

kierunki przekształcenia przestrzennego i restrukturyzacji

rozmieszczeń dążą do zachowania równowagi pomiędzy

zapewnieniem kontaktów, zminimalizowaniem sytuacji

koniktowych i dopasowaniem się do lokalnych walorów

terenu. Ten względnie prosty i ogólny układ działania mo-

delu pozwala na praktycznie nieograniczone rozpatrywa-

nie różnych czynników lokalizacji mających oczywiście

wprost odniesienie do przestrzeni. Poniżej zostały przed-

stawione pewne propozycje problemów badawczych

i parametryzacyjnych, które mogą zostać podjęte. Zesta-

wienie to nie ukazuje w pełni złożoności i możliwości mo-

delu, a jest ich pewnym zarysem.

Model przestrzeni

Jednym z podstawowych etapów badań symulacyjnych

jest konstrukcja modelu przestrzeni. Przedsiębiorstwo

funkcjonuje w rozmaitych relacjach przestrzennych uwa-

runkowanych wewnętrznie i zewnętrznie. Pod względem

obszaru oddziaływań możemy wyróżnić trzy skale:

– makrootoczenie – które charakteryzuje się zespo-

łem ogólnych uwarunkowań w danym kraju czy regionie

głównie w wymiarze ekonomicznym, technologicznym,

administracyjno-prawnym, społeczno-kulturowym i okre-

śla ogólne ramy funkcjonowania przedsiębiorstwa [15],

w badaniach symulacyjnych to środowisko ma raczej cha-

rakter aprzestrzenny, tzn. jest jednolite dla całego obszaru

i może być ujęte w założeniach ogólnych;

– mezootoczenie – ta skala dotyczy specyki regional-

nej, jego otoczenia prawnego, zasobów, instytucji wspo-

magających i nansujących rozwój, instytucji naukowo-

-badawczych itp. [16];

– mikrootoczenie – gdzie mamy do czynienia z wie-

loma aktywnościami, które są powiązane z przedsiębior-

stwem relacjami kooperacyjnymi i konkurencyjnymi [17]:

klienci, dostawcy, kooperanci, rmy o tym samym prolu

działalności itp. Modelowa przestrzeń może być odwzo-

rowaniem różnych obszarów: kontynentu, kraju, regionu,

gminy, miasta czy dzielnicy – tematem badań może być

zatem szukanie optymalizacji w lokalizacji ogólnej oraz

szczegółowej przedsiębiorstwa. Przy większych skalach

wyniki symulacji z zastosowaniem modelu ORION sto-

sunkowo łatwo osiągają niemalże całkowitą zgodność

z rzeczywistymi obserwacjami. Wraz z prowadzeniem

dokładniejszych badań w skali lokalnej, czy wręcz miej-

scowej, sytuacja staje się bardziej złożona ze względu na

konieczność zmniejszania stopnia uogólniania zachodzą-

62 Michał Krygier

cych procesów na coraz to mniejszym obszarze charaktery-

zującym się specyczną strukturą społeczno-gospodarczą

o zmniejszającej się liczbie „uczestników” o zróżnicowa-

nych preferencjach, dla których pewne uogólnienia mogą

zbyt drastycznie odkształcać symulowany obraz.

Model składa się z węzłów reprezentujących poszcze-

gólne obszary jednostkowe i połączonych siecią przeno-

szącą kontakty. W zależności od idei symulacji zazwyczaj

jest to sieć drogowa, kolejowa, ciągi piesze, szlaki, linie

powietrzne, sieć infrastruktury; każdy odcinek sieci ma

parametr prędkości. Końcowym etapem konstrukcji mo-

delu przestrzeni, wpływającym wprost na symulowanie,

jest stworzenie macierzy odległości między rejonami

w jednostkach czasu lub odległości (lub innych abstrak-

cyjnych), co jest bazą do wyliczania kosztów transpor-

towych i przemieszczeń aktywności. W odniesieniu do

modelu przestrzeni, który jest budowany od podstaw,

istnieją pewne potencjały badawcze związane z przepro-

wadzeniem i porównywaniem kilku wariantów symulacji.

Badacz jest w stanie zaobserwować różnice w wynikach

przy pewnych zmianach w modelu przestrzeni czy sieci,

np.: badanie zmian w wynikach przy włączeniu lub wyłą-

czeniu pewnych obszarów z symulacji, badanie oparte na

różnych sieciach lub odcinkach tej sieci, badanie tych sa-

mych zachowań na różnych obszarach. W etapie kalibra-

cji modelu możliwe jest także wprowadzenie parametru

chłonności, który określa stopień niewykorzystania terenu

i możliwość przyjęcia pewnych porcji aktywności w po-

szczególnych rejonach lub jej brak.

Symulowane aktywności

Treścią podlegającą symulacji są aktywności rozumia-

ne jako typy działalności, formy zagospodarowania terenu

czy funkcje. W szerszym ujęciu aktywności mogą mieć

dowolną formę dającą się zapisać w sposób ilościowy,

np. liczba klientów, mieszkańcy, pracownicy, liczba za-

kładów, wielkość produkcji, popyt, podaż, pieniądze, po-

wierzchnia zakładu, oraz bardziej abstrakcyjne, złożone

wielkości wyliczone według pewnych założeń np.: stan

środowiska naturalnego, walory turystyczne, różne po-

tencjały. W modelu aktywności dzielą się na aktywności

zdeterminowane i niezdeterminowane. Rozmieszczenie

pierwszego typu aktywności jest z góry określone, nie ule-

gają przesunięciom w procesie symulacji. Wpływają one

natomiast na lokalizację pozostałych aktywności niezde-

terminowanych, podlegających alokacji, które są punktem

wyjścia w konstrukcji i kalibracji modelu. Tematem sy-

mulacji może być obserwacja alokacji jednej aktywności

niezdeterminowanej względem różnych czynników, lub

bardziej złożona struktura, gdzie uwalniamy więcej typów

aktywności.

Kontakty

Szczególną procedurą zawartą w modelu ORION są

kontakty odzwierciedlające kooperację między aktyw-

nościami – zakłada się istnienie pewnych aktywności

źródłowych, które posiadając pewną potrzebę, realizują

ją poprzez kontakt z aktywnościami celowymi. Model

tween areas in time or distance units (or other abstract

ones), which is the basis for calculating the transport

costs and activity movements. With respect to the space

model, which is built from scratch, there are certain re-

search potentials which are connected with carrying out

and comparing several variants of the simulation. A re-

searcher is able to observe differences in the results when

certain changes in the model of space or network appear,

e.g. research on changes in the results when including or

excluding certain areas from simulation, research based

on different networks or sections of this network, research

on the same behaviours in different areas. In the model

calibration stage it is also possible to enter a parameter

of absorbency which determines the degree to which the

area was not used and the possibility of adopting certain

portions of activities in particular regions or their lack.

Simulated activities

Activities understood as types of actions, forms of land

development or functions are the content subjected to sim-

ulation. In a broader sense activities may have any form

that can be recorded quantitatively, e.g. the number of cus-

tomers, residents, employees, the number of companies,

the size of production, the demand and supply, money,

the factory area and more abstract, complex sizes calculat-

ed according to certain assumptions, for example, the state

of the environment, tourist attractions, various potentials.

In the model, activities are divided into determined and un-

determined. The distribution of the rst type of activities is

determined in advance. Activities do not undergo any shifts

in the simulation process. Instead, they inuence the loca-

tion of the remaining undetermined activities and are sub-

jected to allocation, which is the starting point in the model

construction and calibration. The topic of the simulation

may include the observation of one undetermined activity

allocation in relation to various factors or a more complex

structure where more types of activities are released.

Contacts

A special procedure which the ORION model com-

prises is represented by contacts that reect a coopera-

tion between activities – it is assumed that there are cer-

tain source activities which having a given need realise

it through contact with destination activities. The model

makes it possible to simulate the spatial distribution of

these contacts in the case when we know the activity dis-

tribution only, but we do not have the knowledge as to

which activities actually contact with one another. The

main operation rule of this procedure is based on the prin-

ciples of probability theory and more specically, on the

mechanism of intervening opportunities which interpret

the space as sets of opportunities for a certain source. In

the process of simulation for each of the sources the choice

process is simulated by means of penetration of opportuni-

ties from the nearest to the farthest and acceptance of one

of them as the destination of a travel or contact. Contact is

characterised by three parameters, i.e. intensity which is

expressed by a number of contact units (rides) generated

Teoria lokalizacji przedsiębiorstw w ujęciu modelu ORION/Localization of companies theory in the ORION model expression 63

pozwala na symulowanie przestrzennego rozkładu tych

kontaktów w przypadku, gdy znamy tylko rozmieszcze-

nie działalności, a nie dysponujemy wiedzą, które aktyw-

ności faktycznie się kontaktują. Główna reguła działania

tej procedury oparta jest na zasadach rachunku prawdo-

podobieństwa, a dokładniej na mechanizmie pośrednich

możliwości, interpretującym przestrzeń jako zbiory okazji

dla pewnego źródła. W procesie symulacji dla każdego

ze źródeł symulowany jest proces wyboru poprzez pene-

trację okazji od najbliższej do najdalszej i akceptację jed-

nej z nich jako celu swojej podroży czy kontaktu. Kontakt

scharakte ryzowany jest przez trzy parametry: nasilenie,

które okreś la liczbę jednostek kontaktów (przejazdów)

generowaną przez jednostkę aktywności źródłowej; kry-

tyczny zasięg kontaktu określający zakładany, maksymal-

ny dystans przy realizacji kontaktu; oraz kluczowy pa-

rametr selektyw noś ci, określający prawdopodobieństwo

zaakceptowa nia losowo wybranej okazji przy zachowa-

niu kolejności pe ne tracji. Parametry kalibrujące kontakty

mogą zostać zaobser wowane i zmierzone w rzeczywi-

stych procesach lub mogą zostać przyjęte arbitralnie, od-

dając pewne założenia decyzyjne. Zasada minimalizacji

kosztów oraz pewien stopień prawdopodobieństwa od-

powiadający wybredności i pewnym szczególnym, loso-

wym i często trudno policzalnym kryteriom wskazują na

duży potencjał tego modelu do badań złożonych procesów

gospodarczych. Nasuwają się tutaj dwa główne aspekty

badawcze związane z działalnością komercyjnych przed-

siębiorstw: konsumenci oraz kooperanci.

Dla każdego z typów działalności grupą docelową wy-

miany usług, dóbr i kapitału są konsumenci, klienci czy

odbiorcy. To ta grupa w ostateczności wpływa na efektyw-

ność przedsiębiorstwa i oczywisty jest aspekt zapewnienia

jej odpowiedniej dostępności do oferty. Problemem jest

to, że wybór dokonywany przez konsumentów często ma

charakter subiektywny. Przedsiębiorstwo oprócz działań

marketingowych, promocyjnych, optymalizacji cen czy

jakości nie ma bezpośredniego wpływu na poszczególne

decyzje, a na pewno nie jest w stanie określić szczegóło-

wo wszystkich odbiorców na etapie planowania inwesty-

cji. Są jednak pewne wyjątki, np. działania deweloperów,

którzy często rozpoczynają inwestycję (budowę) w mo-

mencie, gdy mają zadeklarowanych odbiorców mieszkań,

choć i tutaj kartą przetargową jest właśnie dopasowanie

lokalizacji do preferencji potencjalnych mieszkańców lub

wskazanie na jej walory. Nieco innym przypadkiem są

nowe zakłady przemysłowe, które w dużej mierze planu-

ją szczegółowo dystrybucję swoich produktów czy pół-

produktów zapewniającą pewny zysk przed właściwym

uruchomieniem produkcji, choć w tym przypadku należy

nazwać to raczej kooperacją niż szukaniem klientów. Czę-

sto jednak możliwe jest ogólne określenie grup potencjal-

nych klientów związanych ze specjalizacją prowadzonej

działalności, np. pewne grupy wiekowe, cechy społecz-

ne, zamożność, grupy turystów. Mechanizm pośrednich

możliwości zaadaptowany w procedurze kontaktów po-

zwala na probabilistyczne podejście do problematyki

olbrzymiej liczby specycznych motywów określonych

wyborów. Parametry kontaktów mogą zostać oszacowane

intuicyjnie lub na podstawie rzeczywistych badań zacho-

by a source activity unit; a critical range of the contact

which denes the assumed maximum distance when real-

ising the contact; and the key selectivity parameter which

determines the probability of accepting a random oppor-

tunity when maintaining the penetration order. Parameters

which calibrate contacts can be observed and measured

in real processes or can be accepted arbitrarily and give

certain decision-making assumptions. The rule of mini-

mizing the costs and a certain degree of probability which

corresponds to fastidiousness and some peculiar random

and often difcult to count criteria indicate a high poten-

tial of this model for the study of complex economic pro-

cesses. Two main research aspects appear here which are

connected with the activities of commercial enterprises,

i.e. consumers and cooperation partners.

For each of the types of activities, consumers, custom-

ers or recipients constitute a target group of services, goods

and capital exchange. It is this group that ultimately inu-

ences the company’s efciency and it is an obvious aspect

that the company must be ensured its adequate availability

to the offer. The problem is that the choice made by cus-

tomers is often of a subjective nature. The company, apart

from marketing, promotion, price or quality optimisation

activities, has no direct impact on individual decisions and

certainly is not able to determine in detail all recipients at

the investment planning stage. However, there are some

exceptions, e.g. activities of developers who often start

an investment (construction) at the time when they have

declared recipients of ats although also here a trump

card is the adjustment of the location to the preferences

of potential residents or presentation of its advantages.

A slightly different situation is in the case of new indus-

trial plants which to a large extent plan in detail the distri-

bution of their products or intermediate products, which

provides certain prot before the actual start of produc-

tion, although in this case it should be called co-operation

rather than searching for a customer. However, it is often

possible to determine generally groups of potential cus-

tomers who are connected with the specialization of the

business, e.g. certain age groups, social features, wealth,

groups of tourists. The mechanism of intervening oppor-

tunities which was adapted in the procedure of contacts

allows the probabilistic approach to the issues of a huge

number of specic motifs of specied choices. Parameters

of contacts can be estimated intuitively or on the basis

of the real research of consumer behaviours, e.g. through

surveys and observations of the already existing relations

client-company. A similar characteristic is also connected

with the aspect of employment. It mainly refers to bigger

plants where the workforce is employed in the already ex-

isting enterprise – an investor (employer) is not able to de-

termine in advance who will decide to choose his business

as a workplace. Apart from the paid employment offer and

appropriate working conditions the location factor is also

important here – the optimal location of a plant in relation

to potential employees increases the purchasing power of

the enterprise. Testing the models of behaviours at differ-

ent variants and different complications of the model may

give some evidence to determine the best location that will

be characterized by the highest probability of selection by

64 Michał Krygier

wań konsumentów, np. poprzez ankiety czy obserwacje

już istniejących relacji klient–przedsiębiorstwo. Podobna

charakterystyka związana jest również z aspektem zatrud-

nienia. Dotyczy to przede wszystkim większych zakła-

dów, gdzie siła robocza jest zatrudniana już w istnieją-

cym przedsiębiorstwie – inwestor (pracodawca) nie jest

w stanie z góry określić, kto zdecyduje się wybrać właśnie

jego działalność jako miejsce pracy. Oprócz oferty zarob-

kowej i odpowiednich warunków pracy czynnik lokali-

zacji również jest tutaj ważny – optymalne ulokowanie

zakładu względem potencjalnych pracowników zwiększa

siłę nabywczą przedsiębiorstwa. Testowanie wzorców

zachowań przy różnych wariantach i różnej komplikacji

modelu może dać pewne przesłanki do określenia najlep-

szej lokalizacji, która będzie charakteryzowała się naj-

wyższym prawdopodobieństwem wyboru przez klientów

lub potencjalnych pracowników. Wraz z włączeniem do

symulacji innych procedur, parametrów i założeń można

otrzymać złożony, syntetyczny obraz wielu niezależnych

procesów decyzyjnych, zarówno należących do inwesto-

ra, jak i do konsumentów, co może stanowić dobry punkt

wyjścia dalszych analiz rzeczywistej wykonalności danej

inwestycji.

Znaczna część przedsiębiorstw nie może istnieć bez

kooperacji z innymi aktywnościami, w rozumieniu za-

pewnienia pewnych zasobów koniecznych do działania,

np. sprowadzenie produktów do punktu handlowego,

zapewnienie półproduktów do realizacji produkcji lub

przetwórstwa czy dostępność do pewnych elementów

infrastruktury jak np. kotłownie, gazociąg, duże punkty

składowisk odpadów, logistyczne punkty dystrybucji to-

warów. Model ORION może wspomóc przeprowadzenie

analizy optymalnej lokalizacji w dwóch najczęściej spo-

tykanych sytuacjach: w pierwszej kooperanci są znani już

na etapie planowania, a celem może być szukanie naj-

lepszej lokalizacji względem ich rozmieszczenia w myśl

minimalizacji kosztów transportu; a w drugiej mamy

rozeznanie o wszystkich potencjalnych kooperantach na

badanym obszarze i należy dokonać decyzji zarówno

o ich wyborze, jak i lokalizacji przedsiębiorstwa. Wyniki

odpowiednio przeprowadzonej symulacji mogą dać obraz

pewnych ogniskowych miejsc o najlepszych walorach lo-

kalizacyjnych.

Konflikty

W strukturze modelu ORION istnieje procedura kon-

iktów przestrzennych, która zakłada istnienie pewnych

aktywności wytwarzających czynnik uciążliwości dla in-

nych aktywności. W tej procedurze aktywność zagrażają-

ca ma współczynnik zagrożenia skumulowany dokładnie

w jej lokalizacji. Działa on odpychająco na aktywności

z różną, przyjętą siłą i rozchodzi się w pewien przyjęty

modelowy sposób

. Przy symulowaniu tylko jednej pary

aktywności (zagrażającej i zagrożonej) i przy skrajnie

wysokich parametrach otrzymamy obraz dwóch koncen-

W podstawowej wersji modelu zakłada się wykładniczy spadek

uciążliwości w miarę oddalania się od źródła.

customers or potential employees. Along with the inclu-

sion of other procedures, parameters and assumptions in

simulation, we can obtain a complex and synthetic image

of many independent decision-making processes, both be-

longing to an investor and consumers, which may consti-

tute a good starting point for further analyses of the real

feasibility of a given investment.

A signicant part of enterprises cannot exist without co-

operation with other activities understood as ensuring cer-

tain resources which are necessary to operate, e.g. deliver-

ing products to the point of sale, providing intermediates

for the production or processing or the access to certain

elements of infrastructure such as boiler-houses, gas pipe-

lines, large landll sites, logistic distribution sites of goods.

The ORION model can help with carrying out the optimal

analysis of the location in two most common situations, i.e.

in the rst one, co-operators are known already at the plan-

ning stage and the objective may be the search for the best

location in terms of their distribution in order to minimize

transportation costs; and in the second one, we have an

understanding of all potential cooperators within a given

area and we must make decisions about both their selec-

tion and location of the company. The results of a properly

conducted simulation can give a picture of some focal ar-

eas characterized by the best location properties.

Conflicts

Within the structure of the ORION model we have the

procedure of internal conicts which assumes the exis-

tence of certain activities that produce a nuisance factor

for other activities. In this procedure a threatening activity

has a threat coefcient cumulated exactly at its location. It

acts repulsively towards activities with a various assumed

force and it spreads out in a certain assumed model man-

ner

. When simulating only one pair of activities (threat-

ening and threatened) and at extremely high parameters,

we shall obtain an image of two concentrations at two

edges of a research area. This procedure is usually applied

to issues of noise radiation, industrial contamination of

the atmosphere or a buffer of high natural repulsion areas,

such as industry, however, the potential of its mechanics

may nd application in research on location, including the

impact of competition.

The issue of competition is inextricably linked with

many forms of business. Various actions frequently oc-

cur when conducting a business, e.g. price reductions, the

introduction of a new product range or services, an ad-

vertising campaign. Making use of the procedure of con-

icts enables us to consider these issues in a fundamental

way by introducing competition (conict) activities into

the model structure and thus we shall arrive at the effect

of repulsion of the simulated activity. The simulation re-

sults shall therefore constitute an attempt at introducing

a new company into the existing branch structure in the

least conicting way, which increases the chance of not

In the basic version of the model, an exponential decrease of nui-

sance is assumed as the distance from the source increases.

Teoria lokalizacji przedsiębiorstw w ujęciu modelu ORION/Localization of companies theory in the ORION model expression 65

tracji na dwóch końcach obszaru badawczego. Procedu-

ra ta zwykle jest stosowana do zagadnień rozchodzenia

hałasu, skażenia atmosfery przez przemysł czy bufora te-

renów cennych przyrodniczo, ale potencjał jej mechaniki

może znaleźć zastosowanie w badaniach nad lokalizacją

z uwzględnieniem wpływu konkurencji.

Zagadnienie konkurencji jest nieodłącznym proble-

mem wielu branż gospodarczych. Często różne działania

mają miejsce w trakcie zarządzania rmą, np. obniżka

cen, wprowadzanie nowego asortymentu czy usług, kam-

pania reklamowa. Wykorzystanie procedury koniktów

pozwala uwzględnić tę problematykę w zasadniczy spo-

sób: włączając do struktury modelowej aktywności kon-

kurencyjne (koniktowe), otrzymamy efekt odpychania

symulowanej aktywności. Wynik symulacji będzie zatem

próbą najmniej kolizyjnego wpisania się nowego przed-

siębiorstwa w istniejącą, branżową strukturę, przez co

zwiększa się szansa na nienakładanie się stref obsługi

poszczególnych aktywności i stworzenie własnego, lokal-

nego rynku zbytu. Aspekt ten w małym stopniu był podej-

mowany w badaniach, niemniej rzeczywiste, mierzalne

efekty takich koniktów widać w przestrzeni, gdzie np.

nowo powstały sklep dyskontowy z czasem eliminuje

konkurencję w postaci mniejszych sklepów spożywczych

na pewnym obszarze. W takim podejściu należy także za-

stanowić się nad charakterem tego typu oddziaływania:

czy ma ono charakter typowo przestrzenny, czy ilościowy.

W pierwszym przypadku zakładamy, że istnieje pewna

odległość rzeczywista lub czasowa, przy której poten-

cjalni klienci najprawdopodobniej wybiorą konkurencję.

Natomiast ilościowe ujęcie zakłada, że przedsiębiorstwo

musi obsługiwać pewną liczbę klientów, konieczną do

utrzymania działalności. Spora liczba potencjalnych kon-

sumentów nie wyklucza istnienia – nawet bardzo blisko

siebie – podobnych aktywności mogących osiągnąć od-

powiednie obroty.

Predyspozycje

Procedura predyspozycji zawarta w modelu pozwa-

la uwzględnić przydatność poszczególnych terenów

dla lokalizacji nowo rozmieszczanej aktywności. Może

stanowić dopełnienie pewnych czynników nieuwzględ-

nionych w inny sposób w modelowaniu. Ważne jest to,

że ocena waloryzacyjna jest niezmienna w procesie sy-

mulacyjnym i powinna określać stałe cechy terenu. Jej

oszacowanie może nastąpić według dowolnej metodo-

logii przy uwzględnieniu różnych czynników hierarchi-

zujących poszczególne obszary. W rozszerzonej wersji

modelu ORION możliwe jest także włączenie kilku ocen

predyspozycji wpływających na rozmieszczenie jednej

aktywności.

Jedną z możliwości wykorzystania procedury predys-

pozycji w badaniach nad lokalizacją jest wzięcie pod

uwagę różnych barier. Ocena „0” wyklucza całkowicie

zaistnienie danej aktywności w takim rejonie, co w rze-

czywistości może oznaczać np. brak możliwości wpro-

wadzenia działalności danego typu ze względu na lokalne

ograniczenia planistyczne czy istnienie szczególnych te-

renów ochrony. Ocena większa od zera proporcjonalnie

overlapping service areas of each activity and creating our

own, local sales market. This aspect was only to a small

extent undertaken by researchers, nevertheless we can ob-

serve real measurable effects of such conicts in the space

where, for example, a newly opened discount store with

time eliminates the competition in the form of smaller

food shops existing in a given area. In this approach, we

should also consider the nature of this impact, i.e. whether

it is typically spatial or quantitative. In the former we as-

sume the existence of a certain real or time distance at

which the potential customers will most probably choose

the competition. On the other hand, in the quantitative ap-

proach we assume that a company must serve a certain

number of customers that is necessary to stay in business.

A large number of potential customers does not exclude

the existence of similar activities – even very close to each

other – that might reach suitable sales.

Predispositions

The procedure of predispositions included in the model

takes into consideration the suitability of individual sites

for location of the newly distributed activity. It may consti-

tute a completion of certain factors that were not otherwise

taken into account when modelling. It is important that the

valorisation rating is unchanged in the simulation process

and it should determine permanent features of a given area.

Its assessment may take place according to any methodol-

ogy taking into consideration various factors prioritizing

particular areas. In the extended version of the ORION

model it is also possible to include several assessments of

predispositions inuencing the distribution of one activity.

One of the possibilities of applying the procedure of pre-

dispositions in research on location is the consideration of

various barriers. Rating “0” completely excludes the exist-

ence of an activity in a given area, which in reality could

mean the lack of possibilities to introduce a particular type

of business due to local planning restrictions or the existence

of special protection areas. The rating that is greater than

zero proportionally increases the probability of appearance

of an activity in a given area. When we take into account the

assumed idea of barriers, it shall mean that there are some

measures that can alleviate or completely eliminate a bar-

rier, e.g. lack of infrastructure is a barrier in implementing

an investment, however, it can be supplemented in coop-

eration with the municipality and by incurring some costs.

According to this approach, the rating of predispositions

may determine possibilities (or costs) of eliminating bar-

riers in particular regions where rating “0” means the total

lack of possibilities of overcoming a barrier, a rating close

to maximum – an area where the easiest reduction can

occur, while the maximum rating – a total lack of barriers.

Another attitude to adapting the procedure of predis-

positions which is used most commonly is to adopt di-

rectly its idea, i.e. the denition of widely understood lo-

cal values of a given area for the suitability of a simulated

activity. It must be borne in mind that certain factors can

be considered in two ways, i.e. according to the cited idea

of barriers and in the context of values, e.g. the already

mentioned utilities may be described in the procedure of

66 Michał Krygier

zwiększa prawdopodobieństwo pojawienia się aktywno-

ści w obszarze. Przy uwzględnieniu przyjętej idei barier

oznacza to, że istnieją pewne środki mogące złagodzić lub

całkowicie zlikwidować barierę, np. brak infrastruktury

jest pewną barierą w realizacji inwestycji, jednak przy

współpracy z gminą i poniesieniu pewnych kosztów moż-

liwe jest jej uzupełnienie. Według takiego podejścia oce-

na predyspozycji może określać możliwość (lub koszty)

zniesienia barier w poszczególnych rejonach, gdzie ocena

„0” oznacza całkowity brak możliwości pokonania barie-

ry, ocena bliska maksymalnej – rejon, w którym może na-

stąpić najłatwiejsze zredukowanie, a ocena maksymalna

– całkowity brak barier.

Innym podejściem adaptowania procedury predyspo-

zycji, zarazem najczęściej stosowanym, jest przyjęcie

wprost jej idei, tzn. określenie szeroko pojętych lokalnych

walorów terenów dla przydatności symulowanej aktyw-

ności. Należy zauważyć, że pewne czynniki mogą zostać

ujęte w dwojaki sposób – według wspomnianej idei barier

oraz w kontekście walorów, np. wymienione już uzbroje-

nie terenu może zostać opisane w procedurze predyspozy-

cji jako bariera wymagająca pewnych nakładów, ale także

może posłużyć do waloryzacji obszarów posiadających to

uzbrojenie. W takim przypadku ocena „0” oznaczałaby

brak potrzebnej infrastruktury, a zatem zaistnienie aktyw-

ności w takim miejscu jest wykluczone. Ocena predys-

pozycji może być wynikową wielokryterialnych analiz

przydatności terenu; w zastosowaniach komercyjnych

prostymi, ale wymownymi kryteriami mogą być przede

wszystkim cena gruntu (lub cena wynajęcia lokalu), zróż-

nicowanie cen rynkowych produktu w poszczególnych

rejonach czy koszty uzbrojenia terenu.

Próba symulacyjna – lokalizacja piekarni

W celu zaprezentowania możliwości zastosowania

modelu ORION przedstawiono przykładową metodologię

konstrukcji i parametryzacji modelu oraz wykonano eks-

perymentalną symulację lokalizacji piekarni na teoretycz-

nym obszarze, jako pewien etap w procesie decyzyjnym.

Załóżmy, że znany jest orientacyjny rejon wprowadzenia

aktywności, który pozwala na importowanie koniecznych

zasobów do produkcji pieczywa, i zostało wyodrębnio-

nych dziesięć szczegółowych, potencjalnych lokalizacji

posiadających odpowiednie warunki dla inwestycji, jak

np. warunki prawne czy możliwość kupna/wynajęcia te-

renu lub lokalu. Ideą modelowań będzie zastosowanie

procedury kontaktów do symulowania zachowań klien-

tów i obserwowanie, które lokalizacje mają najlepszy

po ten cjał pod względem dostępności. Zakładamy, że

pie karnia będzie przede wszystkim prowadzić dystrybu-

cję pieczywa do punktów handlowych, ale także włas-

ną sprzedaż, dlatego do symulacji wprowadzamy dwa

typy klientów: potencjalne punkty handlu spożywczego

(60 sklepów), oraz mieszkańców (10 000). Ujednolicona

jednostka w wielu przypadkach znacznie ułatwia para-

metryzację modelu, dlatego wielkości aktywności wpro-

wadzonych do modelu zostały opisane liczbą bochenków

chleba według założeń: 0,5 bochenka chleba na osobę na

dzień, oraz dzienna sprzedaż chleba w punktach spożyw-

predispositions as a barrier that requires some expendi-

tures, but they can also serve as a means for valorisation

of the areas that have these utilities. In this case rating “0”

would refer to a lack of necessary infrastructure, hence the

existence of an activity in this area is impossible. The rat-

ing of predispositions may be the result of a multi-criteria

analysis of the suitability of the site. In commercial ap-

plications, simple but meaningful criteria can be primarily

the price of land (or the price of renting premises), differ-

entiation of market prices of a product in particular areas

or costs of utilities (land development).

Simulation attempt – location of a bakery

In order to show the possibility of applying the ORION

model, an exemplary presentation of a model construc-

tion methodology and parameterization was made and an

experimental simulation of location of a bakery in a theo-

retical area was performed as a certain stage in a decision

process. Let us assume that we have an approximate area

of introducing an activity which allows us to import the

necessary resources for production of bread and ten de-

tailed potential locations were determined which have ap-

propriate conditions for the investment such as legal con-

ditions or a possibility to buy/rent an area or premises. The

idea of modelling shall be the application of the contact

procedure for simulating the customers’ behaviours and

observing which locations have the best potential in terms

of availability. We assume that the bakery shall primarily

conduct distribution of bread to commercial points of sale,

but it shall also sell bread on its own, therefore we intro-

duce two types of customers into the simulation, namely

potential food retailers (60 shops) and residents (10000).

The standardised unit in many cases makes it much easier

to carry out model parameterization, so consequently val-

ues of activities introduced into the model are described

by a number of loaves of bread as follows: half a loaf per

person a day and daily sales of bread in food shops

. The

initial data and its distribution in a theoretical area is pre-

sented in Figure 3. The estimated full daily demand for

bread in total amounts to 5000 pieces, therefore a simu-

lated activity shall be a total daily production of bread

needed to meet the demand. Contacts shall be realised by

means of a communication network.

Programming the contact procedure requires the adop-

tion of parameters that may be accepted experimentally

and be subject to modications in modelling series or they

may reect real behaviours supported by analyses. An

area of service of a bakery existing in a certain area was

presented below (Fig. 4).

The map shows the detailed location of a bakery along

with all the shops

that it supplies as well as the remain-

ing food stores. Within a long time of operation this bak-

ery developed both a local market and trans-local (up to

The data was estimated arbitrarily, however, it is always possible

to carry out survey research or use other methods of estimating a de -

mand. A daily sale of bread in stores in a simplified way can be esti-

mated, e.g. on the basis of the sales area.

The data was made available by the entrepreneur for the tests.

Teoria lokalizacji przedsiębiorstw w ujęciu modelu ORION/Localization of companies theory in the ORION model expression 67

czych

. Dane wstępne oraz ich rozmieszczenie na teore-

tycznym obszarze przedstawiono na ilustracji 3. W całym

obszarze opracowania oszacowana, pełna liczba dzien-

nego zapotrzebowania na pieczywo wynosi 5000 sztuk;

aktywnością symulowaną będzie zatem całkowita dzienna

produkcja chleba potrzebna do zaspokojenia popytu. Kon-

takty będą realizowane poprzez sieć komunikacyjną.

Programowanie procedury kontaktów wymaga przyję-

cia parametrów, które mogą zostać przyjęte eksperymen-

talnie i podlegać modykacjom w seriach modelowania

lub mogą odzwierciedlać rzeczywiste zachowania poparte

analizami. Poniżej przedstawiono obszar obsługi istnieją-

cej piekarni w pewnym obszarze (il. 4).

Mapa przedstawia szczegółową lokalizację piekarni

i wszystkich obsługiwanych przez nią sklepów

oraz po-

zostałych punktów handlu spożywczego. Owa piekarnia

w długim czasie działania rozwinęła zarówno rynek lokal-

ny, jak i ponadlokalny (do 35 km). Modelowe ujęcie prze-

strzeni polega na przyjęciu pewnego oporu, który wpływa

na długość podróży między kontaktującymi się aktywno-

ściami. Rzeczywisty rozkład dla przykładowej piekarni

przedstawiono na poniższym wykresie (il. 5), który poka-

zuje, jak wzrasta liczba obsługiwanych sklepów w pierście-

niach rosnącej odległości w miarę oddalania się od źródła.

Rozkład ten jest bardzo zbliżony do modelowego roz-

kładu wykładniczego, który ze względu na częste wystę-

powanie w rzeczywistych procesach został zaadaptowany

w opisie oporu przestrzeni w procedurze kontaktów. Pew-

ne odchylenia od rozkładu idealnego są spowodowane

nierówną strukturą osadniczą badanego obszaru, gdzie

mamy znaczące różnice rozwojowe w poszczególnych

miejscowościach czy raczej wsiach; nadwyżki wzrostu

pojawiają się w miejscach bardziej zaludnionych, w któ-

rych występuje większa liczba sklepów. Niemniej na po-

trzeby przeprowadzenia eksperymentu symulacyjnego

przyjęcie rozkładu wykładniczego wydaje się najwłaściw-

szym i wystarczającym uogólnieniem.

Do symulacji wprowadzono trzy aktywności: ludność

i sklepy spożywcze – są to aktywności zdeterminowane,

czyli ich lokalizacja jest przesądzona i stała przez cały

Dane zostały oszacowane arbitralnie, jednak zawsze możliwe jest

przeprowadzenie badań sondażowych czy wykorzystanie innych me tod

oszacowa nia popytu. Dzienna sprzedaż chleba w sklepach w uprosz czo-

nym podejściu może być oszacowana np. na podstawie po wierzchni

sprze dażowej.

Dane – na potrzeby badań – zostały udostępnione przez przed się-

biorcę.

35 km). A model approach to the space involves the as-

sumption of a certain resistance that has an impact on the

length of travel between the contacting activities. The real

distribution for an exemplary bakery was presented in the

chart below (Fig. 5), which shows how the number of the

serviced stores increases in circles of the increasing dis-

tance from the source.

This distribution is very close to the model exponen-

tial distribution, which due to frequent occurrence in real

processes was adapted in the description of the space re-

sistance in the contacts procedure. Certain deviations from

the ideal distribution are caused by uneven settlement

structure of the study area where we deal with signicant

developmental differences in the particular places or rath-

er villages; excess growth appears in more populated areas

where there is a greater number of stores. Nonetheless, for

Il. 3. Teoretyczny model

przestrzeni i rozmieszczenie

aktywności

(opracowanie autorskie)

Fig. 3. Theoretical model of

space and distribution of

activities (authoring)

Il. 4. Lokalizacja rzeczywistej piekarni i obsługiwanych sklepów

(opracowanie autorskie)

Fig. 4. Location of a real bakery and serviced stores (authoring)

Legenda/Legend

Granice rejonów

Districts borders

30 chlebów/30 breads

50 chlebów/50 breads

Sieć komunikacyjna

Communication net

Sklepy (zapotrzebowanie)

Stores (demand for bread)

Potencjalne lokalizacje piekarni

Potential bakery locations

Ludność (zapotrzebowa-

nie na chleb)

People (demand for bread)

Lokalizacja piekarni

Bakery location

Obsługiwane sklepy

Supported stores

Nieobsługiwane sklepy

Not supported stores

Strefy 1-kilomet-

rowe

1-kilometer zones

68 Michał Krygier

proces symulacji, oraz produkcję chleba, będącą przed-

miotem symulacji. Struktura kontaktów zakłada nastę-

pujące relacje – na lokalizację nowej piekarni wpływa

rozmieszczenie istniejących sklepów spożywczych, które

muszą zapewnić sobie źródło dostaw, oraz mieszkańcy,

którzy są ostatecznym konsumentem produktu. Mieszkań-

cy kontaktują się z istniejącymi sklepami, ale wpływają

także na rozmieszczenie nowego punktu sprzedaży, jakim

jest piekarnia. Mamy więc do czynienia z trzema kontak-

tami, które przedstawiono na ilustracji 6.

Do parametryzacji poszczególnych kontaktów posłu-

żono się jednym parametrem – selektywnością. Kontak-

ty, których źródłem są mieszkańcy (ludność–sklepy, oraz

ludność–piekarnia), w rzeczywistości odnoszą do realiza-

cji kupna chleba przez każdego mieszkańca rozpoczyna-

jącego podróż w miejscu zamieszkania. Zakłada się, że są

to stosunkowo krótkie podróże o zasięgu lokalnym. Para-

metr selektywności oszacowano na podstawie ogólnego

założenia, że średnio w badanym obszarze w dystansie

jednego kilometra od miejsca zamieszkania znajduje się

kilka sklepów, które w sumie mają do zaoferowania około

100 produktów. Połowa mieszkańców zrealizuje zakupy

w tej stree, a pozostałe losowe przypadki będą realizo-

wały kontakt w dalszych dystansach. Selektywność dla

kontaktu sklepy–piekarnia została oszacowana według

założenia, że całe zapotrzebowanie na pieczywo będzie

zrealizowane w granicach obszaru i rozkład podróży jest

zbliżony do rzeczywistego oraz znacznie dłuższy od kon-

taktów, gdzie ludność jest źródłem. Selektywność dla tych

kontaktów wynosi kolejno: 0,0058 (dla ludności) oraz

the purposes of our simulation experiment the acceptance

of the exponential distribution seems the most appropriate

and sufcient generalization.

Three activities were introduced into our simulation,

i.e. population and food stores – these were determined

activities and their location was constant throughout the

whole simulation process, and production of bread which

was the subject of our simulation. The structure of contacts

assumes the following relations: the location of a new bak-

ery is inuenced by the distribution of the existing food

stores that must ensure a source of supply for themselves,

and by the residents who are the nal consumers of the

product. The residents contact the existing stores but they

also inuence the distribution of the new point of sale,

which is the bakery in question. Thus we deal with three

contacts which are presented in Figure 6.

For parameterization of the particular contacts we used

one parameter – selectivity. The contacts whose source

are the residents (people–stores, and people–bakery) in

fact refer to the execution of purchasing bread by each

resident starting a travel in his place of residence. It is

assumed that these are relatively short travels on a local

scale. The selectivity parameter was estimated on the ba-

sis of one general assumption, namely that on average in

the study area within the distance of one kilometer from

the place of residence there are several shops which in

total have circa 100 products to offer. Half of the residents

do the shopping in this zone while the remaining random

cases execute their contacts within further distances. The

selectivity for the stores–bakery contact was estimated

Il. 5. Rozkład liczby

obsługiwanych sklepów

w strefach odległości

(opracowanie autorskie)

Fig. 5. Distribution of

the number of serviced stores

within distance zones (authoring)

Il. 6. Schemat struktury

kontaktów

(opracowanie autorskie)

Fig. 6. Contact structure diagram

(authoring)

Liczba obsługiwanych sklepów/Supported stores value

Rozkład rzeczywisty

Real distribution

Idealny rozkład wykładniczy

Ideal exponential distribution

Dystans [km]

Distance [km]

Aktywność niezdeterminowana (symulowana)

Undetermined activity (simulated)

Aktywność zdeterminowana/Determined activity

Sklepy spożywcze/Grocery stores

Ludność/People

Piekarnia/Bakery

Cel

Dest.

Cel

Dest.

Cel

Dest.

Źródło

Origin

Źródło

Origin

Źródło

Origin

Jednostka: dzienna produkcja chleba

Unit: daily production of bread

Jednostka: dzienne zapotrzebowanie na chleb

Unit: daily demand for bread

Jednostka: dzienne zapotrzebowanie na chleb

Unit: daily demand for bread

Contact

Kontakt

Kontakt/Contact

Teoria lokalizacji przedsiębiorstw w ujęciu modelu ORION/Localization of companies theory in the ORION model expression 69

0,00046, a dystrybuanty zakładanych długości podróży

przedstawiono na ilustracji 7.

Podsumowując etap parametryzacji i samą ideę sy-

mulacji – mamy do czynienia z testowaniem dziesięciu

potencjalnych lokalizacji pod względem dostępności do

rynków zbytu, jakimi są sklepy spożywcze oraz miesz-

kańcy. W procesie symulacyjnym to właśnie te dwie ak-

tywności będą wpływać na lokalizację nowej piekarni.

Aktywnością symulowaną jest całkowite zapotrzebowa-

nie na chleb, które w stanie wejściowym do symulacji

rozmieszamy równomiernie na dziesięć lokalizacji (po

500 na każdy rejon) – każdą z nich traktujemy jednako-

wo, a spadki i koncentracje produkcji w preferowanych

przez model miejscach nastąpią w wyniku obliczeń. Po-

szczególne punkty handlowe będą wybierały swoje źró-

dło z dziesięciu lokalizacji. Mieszkańcy będą realizować

potrzebę kupna w sklepach, ale również będą wskazywać

punkty, gdzie chcieliby robić zakupy, i wskażą miejsca

niedostatku podażowego w strukturze handlowej, charak-

teryzujące się zarazem najlepszą lokalizacją. Nałożenie

wszystkich decyzji zobrazuje potencjał poszczególnych

miejsc.

Wyniki symulacji

Przebieg symulacji i wynik przedstawiono na ilustra -

cji 8. W pierwszych seriach obliczeń otrzymujemy naj-

większą dynamikę zmian decyzji aktywności źródłowych

i kilka lokalizacji charakteryzuje się wzrostem. W kolej-

nych iteracjach przyrost produkcji osiągają tylko najsil-

niejsze rejony. Wszelkie wzrosty następują kosztem spad-

ku w innych lokalizacjach. W efekcie przeprowadzonych

symulacji trzy lokalizacje całkowicie utraciły wstępny po-

tencjał, utrzymało się siedem lokalizacji, z których jedna

charakteryzuje się szczególną koncentracją. To właśnie ta

lokalizacja ma najwyższy potencjał dostępności według

przyjętych założeń.

Analizując wyniki symulacji, możemy zaobserwować

dokładnie, co wpłynęło na wzrost owej koncentracji. Roz-

kład kontaktów realizowanych w potencjalnie najlepszej

lokalizacji przedstawiają ilustracje 9 i 10.

Nowa lokalizacja piekarni zawiązała kontakt ze wszyst -

kimi sklepami w rejonie z różną siłą; największe prze-

pływy generują duże sklepy usytuowane we wschodniej

części obszaru, co zapewne przesądziło o nowej lokali-

zacji, najdalsze kontakty generują małe przepływy, rzędu

1–10 chlebów dziennie. Suma całej produkcji, jaka zosta-

according to the assumption that all the demand for bread

is realized within the boundaries of the area and the travel

distribution is close to the real one and it is much longer

than the contacts where the people are the source. The

selectivity for these contacts shall be respectively 0.0058

(for people) and 0.00046, while the distribution functions

of the assumed lengths of travels is presented in Figure 7.

Summing up the stage of parameterization and the sim-

ulation idea itself, we deal here with testing ten potential

localizations in terms of accessibility to sales markets, i.e.

food stores and residents. In the simulation process these

two activities shall inuence the location of a new bakery.

The simulated activity is the total demand for bread which

in the initial state of simulation is evenly distributed into

ten locations (500 in each area), and each of them is treated

separately while decreases and concentrations of production

in the places preferred by the model shall take place as a re-

sult of calculations. The particular commercial points shall

choose their source out of the ten locations. The residents

shall satisfy their needs to buy in stores but they shall also in-

dicate the places where they would like to do their shopping

and they shall indicate the places of supply shortage in the

commercial structure that at the same time are character-

ized by the best location. The imposition of all the decisions

shall clearly show the potential of the particular places.

Simulation results

The course of simulation and the result has been pre-

sented in Figure 8. In the rst series of calculations we

ob tain the greatest dynamics of decision changes in

source activities and several locations are characterised by

a growth. In subsequent iterations the increase in produc-

tion is achieved by the strongest regions only. All increas-

es occur at the expense of decreases in other locations.

As a result of the conducted simulations, three locations

com pletely lost their initial potential, seven locations re-

mained, one of which was characterised by a particular

con centration. It is this location that has the highest avail-

ability potential according to the adopted assumptions.

By analyzing the simulation results, we can see exactly

what inuenced the growth of that concentration. The dis-

tribution of contacts realised in the potentially best loca-

tion are presented in Figures 9 and 10.

The new location of the bakery made contact with all

stores in the area with a different strength; the largest ows

are generated by large stores which are situated in the east-

Il. 7. Dystrybuanty rozkładu

długości podróży dla kontaktu

ludność–sklepy/piekarnia,

oraz sklepy–piekarnia

(opracowanie autorskie)

Fig. 7. Distribution functions of

travel distances for

people–stores/bakery

and stores–bakery contact

(authoring)

Rozkład dla kontaktu miesz kań cy–sklepy/piekarnia

Distribution of people–stores/bakery contact

Zakończone podróże od źródła/Ended trips from origin

100%

Rozkład dla kontaktu sklepy–piekarnia

Distribution of stores–bakery contact

Kumulatywna liczba celów

Cumulative value of destinations

70 Michał Krygier

Il. 8. Przebieg symulacji

lokalizacji piekarni (produkcji)

(opracowanie autorskie)

Fig. 8. Simulation process of

bakery location (production)

(authoring)

ła skoncentrowana pod wpływem tego kontaktu, wynosi

około 900 sztuk.

Analizując dokładniej wymianę kontaktów relacji

miesz kańcy–sklepy/piekarnia, możemy zaobserwować

lo kalne strefy obsługi (oznaczone okręgami), gdzie nastę-

puje wewnątrzrejonowa sprzedaż i kupno. Nowa lokaliza-

cja wpisuje się w brakującą strukturę lokalnej obsługi, ale

ściąga także klientów z dalszych rejonów. W sumie nowa

lokalizacja obsługuje około 2000 mieszkańców, co w przy-

jętych jednostkach oznacza około 1000 sztuk chleba.

Podsumowanie

Wynik symulacji daje pewne rozeznanie w strukturze

badanego obszaru, może być punktem wyjścia bardziej

szczegółowych analiz, np. logistycznej obsługi symulo-

wanych sklepów czy optymalizacji produkcji. Warto za-

znaczyć, że działania symulacyjne zakładały praktycznie

minimum wiedzy, poza zorientowaniem się o dziesięciu

ern part of the area, which most probably determined the

new location, whereas the farthest contacts generate small

ows of 1–10 loaves of bread a day. The total of the whole

production, which was concentrated due to this contact, is

about 900 pieces.

Analyzing more accurately the exchange of contacts of

residents–stores/bakery relation, we can observe local ser-

vice zones (marked with circles), where the intraregional

sale and purchase take place. The new location is part of

the missing structure of local service, but it also attracts

customers from more distant regions. In total, the new lo-

cation serves about 2000 residents, which in the adopted

units means about 1000 loaves of bread.

Summary

The simulation result gives some insight into the struc-

ture of the researched area, it can be a starting point for

more detailed analyses, e.g. logistic service of simulated

Legenda/Legend

Stan wejściowy/Input state

Iteracja nr 1/Iteration No 1

Iteracja nr 20/Iteration No 20

Iteracja nr 200 – stan równowagi/Iteration No 200 – stability state

Symulowana aktywność

Simulated activity

Wielkość produkcji

Production value

Przyrost produkcji

Production increase

480

2854

1,20

1,16

1,13

1,10

1,08

1,06

1,05

1,04

1,03

1,02

1,00

0,98

0,97

0,96

0,95

0,94

0,93

0,91

0,89

0,86

0,83

Teoria lokalizacji przedsiębiorstw w ujęciu modelu ORION/Localization of companies theory in the ORION model expression 71

stores and optimization of production. It is worth noting

that the simulation actions assumed virtually a minimum

knowledge apart from guring out ten possible locations

of a bakery – they can be dened as preliminary analyses

for investments which are consumer market oriented. In

the course of planning generally a larger number of as-

sumptions are known, e.g. when setting up a bakery and

as a result of the agreement, we already know part of the

recipients of products or the nancial aspects limit and

determine the size of production, etc. – these assumptions

can be successfully included in the simulation attempt,

whose result can support the optimization of these

assum ptions. The conducted variant of the simulation at-

tempt to a large extent presents briey and in a simplied

way the issues of investment locations and possibilities of

the ORION model due to which it is possible to construct

more complex decision-making procedures.

Translated by

Bogusław Setkowicz

możliwych lokalizacjach piekarni – można określić je

mianem wstępnych analiz co do inwestycji, nastawionych

na rynek konsumpcyjny. W trakcie planowania zazwyczaj

znana jest większa liczba założeń, np. przy zakładaniu pie-

karni na skutek porozumienia znamy już część odbiorców

produktów lub względy nansowe ograniczają i określają

wielkość produkcji itp. – założenia te mogą z powodze-

niem zostać zawarte w próbie symulacyjnej, której wynik

może wspomóc optymalizację tych założeń. Przeprowa-

dzony wariant próby symulacyjnej w dużym uproszeniu

przedstawia problematykę lokowania inwestycji oraz

możliwości modelu ORION, dzięki któremu można kon-

struować bardziej złożone procedury decyzyjne.

Il. 9. Rozkład kontaktów do lokalizacji optymalnej dla kontaktu sklepy–piekarnia (opracowanie autorskie)

Fig. 9. Distribution of contacts for the optimal location for stores–bakery contact (authoring)

Il. 10. Rozkład kontaktów do lokalizacji optymalnej dla kontaktu ludność–sklepy/piekarnia (opracowanie autorskie)

Fig. 10. Distribution of contacts for the optimal location for people–stores/bakery contact (authoring)

Legenda/Legend

Sklepy (zapotrzebowanie)

Stores (demand)

Ludność (zapotrzebowanie)

People (demand)

Strumień kontaktów

Contacts stream

Strumień kontaktów

Contacts stream

Kontakty poza lokalizacją

Contacts outside location

>30

20–30

10–20

1–10

Optymalna lokalizacja wynikowa

Resulting optimal location

Optymalna lokalizacja wynikowa

Resulting optimal location

Legenda/Legend

Kontakty poza lokalizacją

Contacts outside location

>50

30–50

15–30

1–15

72 Michał Krygier

Bibliografia /References

[1] Matejun M., Szymańska K., Perspektywy rozwoju przedsiębiorczoś

ci w warunkach niepewności i ryzyka, Monograe PŁ, Łódź 2013, 7.

[2] Törnqvist G., The Geography of Economic Activities: Some Criti

cal Viewpoint on Theory and Application, „Economic Geography”

1977, No. 53.

[3] Hall A.D., Podstawy techniki systemów, PWN, Warszawa 1968.

[4] Regulski J., Przestrzenne procesy rozwoju, [w:] J. Regulski (red.),

Planowanie przestrzenne, PWE, Warszawa 1985.

[5] Brzuchowska J., Litwińska E., Ossowicz T., Sławski J., Zipser T.,

Model symulacyjnodecyzyjny ORION, Ocyna Wydawnicza PWr,

Wrocław 1994.

[6] Perreur J., Lokalizacja jednostek produkcyjnych, [w:] C. Ponsard

(red.), Ekonomiczna analiza przestrzenna, Wydawnictwo AE w Po-

znaniu, Poznań 1992.

[7] Hamilton F., Współczesne kierunki badań w analizie lokalizacji

przemysłu, „Przegląd Geograczny” 1975, T. 47.

[8] Budner W., Lokalizacja przedsiębiorstw. Aspekty ekonomicznoprze

strzenne i środo wiskowe, Wydawnictwo AE w Poznaniu, Poznań

2004.

[9] Dziemanowicz W., Kapitał zagraniczny a rozwój regionalny i lo

kalny w Polsce, Studia Regionalne i Lokalne 21(54), Uniwersytet

Warszawski, Europejski Instytut Rozwoju Regionalnego i Lokal-

nego, Warszawa 1997.

[10] Budner W., Lokalizacja przedsiębiorstw, Wydawnictwo AE w Po-

znaniu, Poznań 1999.

[11] Mc Carty H., Lindberg J.B., Wprowadzenie do geograi ekono

micznej, PWN, Warszawa 1969.

[12] Domański R., Gospodarka przestrzenna, Wydawnictwo Naukowe

PWN, Warszawa 1990.

[13] Gorzelak G., Transformacja systemowa a restrukturyzacja regio

nalna, Uniwersytet Warszawski, Warszawa 1995.

[14] Grabow B., Henckel D., Hollbach-Gromig B., Weiche Standort

faktoren, Schriften des Deutchen Institut für Urbanistik, Stuttgart

1995.

[15] Grifn R.W., Podstawy zarządzania organizacjami, PWN, Warsza-

wa 2010.

[16] Lisowska R., Regional determinants of the development of small

and medium enterprise, [w:] E. Stawasz (red.), New trends and chal

lenges in innovative entrepreneurship, Acta Universitatis Lodzien-

sis. Folia Oeconomica, Wydawnictwo UŁ, Łódź 2013, 61–70.

[17] Kamińska A., Regionalne determinanty rozwoju małych i średnich

przedsiębiorstw, Din, Warszawa 2011.

Streszczenie

Głównym celem artykułu jest przedstawienie potencjału modelu symulacyjno-decyzyjnego ORION w zastosowaniach komercyjnych dotyczących

wspomagania decyzji o szczegółowej lokalizacji przedsiębiorstwa. W pierwszej części zostały omówione główne pojęcia z teorii lokalizacji i za-

gadnienia poruszane w badaniach lokalizacyjnych; zasadnicza część artykułu przybliża podstawowe mechanizmy, procedury i parametry zawarte

w modelu ORION, ze szczególnym nastawieniem na interpretację i możliwości zastosowań w badaniach komercyjnych. W ostatniej części artykułu,

w odniesieniu do przytoczonych aspektów i teorii, został przedstawiony przykład teoretycznych badań symulacyjnych dotyczący optymalnej lokali-

zacji piekarni. Artykuł skierowany jest przede wszystkich do przedsiębiorców, aktywistów, jednostek samorządowych oraz do naukowców i badaczy

zajmujących się problematyką lokalizacji, planowania przestrzennego, ekonomii oraz symulacji.

Słowa kluczowe: teoria lokalizacji, model symulacyjno-decyzyjny ORION, badania symulacyjne, lokalizacja przedsiębiorstwa

Abstract

The main purpose of the article is to present a potential of the decision-simulation ORION model in the commercial use for supporting decisions about

the detailed location of a company. In the rst part of the article basic concepts of the location theory and issues in research location are discussed; the

fundamental part of the article approaches the basic mechanisms, procedures and parameters contained in the ORION model, with a special emphasis

on interpretation and possibilities of applications in commercial research. In the last part of the article, in reference to the cited aspects and theory,

an example of a theoretical simulation research for the optimal location of a bakery is presented. The article is addressed rst of all to entrepreneurs,

activists, local government units, scientists as well as researchers dealing with location problems, spatial planning, economics and simulation.

Key words: location theory, the decision-simulation ORION model, simulation research, location of the company

ORION model potential in research on the location of the commercial enterprises – an example of simulation research

Michał Krygier

doi:10.5277/arc160305

Abstract