Предложена вероятностная модель динамики продаж товара на маркетплейсе, учитывающая влияние длительности доставки на принятие потребителем решения о покупке этого товара. Предполагалось, что количество товара на маркетплейсе является неограниченным, а потребители при прочих равных условиях покупают товар у продавцов, предлагающих наименьшее время доставки. Кроме того, считалось, что каждый потребитель приобретает только одну единицу товара. Рассмотрены по отдельности случаи бесплатной и платной доставок товара до потребителя, а также общий случай, когда на маркетплейсе присутствуют потребители, выбирающие как бесплатную, так и платную доставку. В качестве случайных величин, определяющих динамику продаж товара, использовались следующие экономические факторы: моменты покупательской активности потребителей, длительность доставки и максимально возможная для потребителя длительность доставки, покупательская способность, цена на товар, количество продавцов и потребителей товара на маркетплейсе. Показано, что количество товара, проданного на маркетплейсе к определенному моменту времени, является случайной величиной, истинное значение которой при большом количестве потребителей мало отличается от математического ожидания этой случайной величины. Найдено аналитическое выражение для зависимости от времени математического ожидания количества проданного товара для случаев бесплатной и платной доставок, а также при наличии на маркетплейсе двух видов доставки. Проведено численное моделирование этой зависимости для всех рассмотренных видов доставки. При этом использовались частные законы распределения вероятностей указанных выше экономических факторов, имитирующие определенное поведение потребителей и продавцов на маркетплейсе. Кроме этого, в случае платной доставки при численном моделировании применялась найденная на основе эмпирических данных зависимость стоимости доставки от ее длительности. Проанализировано влияние параметров закона распределения вероятностей длительности доставки на такие характеристики динамики объема продаж, как максимально возможный объем продаж и скорость приближения математического ожидания количества проданного товара к максимальному объему продаж.

Отсутствие эффективной системы оценки качества сырья при приемке в полевых условиях стало основанием для написания статьи. В статье описываются важные научные и практические задачи, связанные с этой проблемой, такие как разработка методов контроля качества сырья, создание алгоритмов интеллектуальной поддержки для быстрой и точной оценки качества сырья в режиме реального времени. Авторы проанализировали отечественные и зарубежные научные работы, описывающие методы и подходы к контролю качества сырья, и пришли к выводу, что алгоритм YOLOv5 и визуальный трансформер являются наиболее подходящими для настоящего исследования, их сочетание раннее не использовалось в литературных источниках. В статье содержится постановка задачи по разработке интеллектуальной системы качества сырья, описание алгоритмов обнаружения объектов, их сравнительная характеристика. Приведено описание принципа работы одноэтапного алгоритма детекции объектов на изображении YOLOv5 и его преимущество перед существующими аналогами методов глубокого обучения, которые широко используются для обнаружения объектов. Представлены результаты работы нейронных сетей, задачей которых является выявление бракованного сырья из общего количества, хранящегося в определенном вагоне и принадлежащего конкретному поставщику. Интеллектуальная система аналитики качества сыпучего сырья включает камеры, расположенные над вагонами и сбоку от них. Качество сырья определяется путем передачи изображений с камер, фиксирующих погрузку, в нейронную сеть для последующей обработки. Для обнаружения номера вагона применяется алгоритм YOLOv5, который обеспечивает точное определение номера вагона. Для определения процента брака груза на первом этапе используется подход YOLOv5 для выделения области изображения с грузом, а затем применяется визуальный трансформер, который выполняет задачу регрессии, определяя процент брака. Внедрение предлагаемой интеллектуальной системы позволит эффективнее управлять производством, сократить расходы и повысить качество поставляемого сыпучего сырья.

В статье рассматриваются вопросы, посвященные разработке гибкого интеллектуального программного комплекса для решения задачи оптимального планирования многоассортиментных непрерывно-дискретных производств. Данные производства характеризуются большим ассортиментом продукции, множеством видов и конфигураций оборудования, при увеличении размерности задачи количество вариантов производственных расписаний растет экспоненциально, поэтому актуальна разработка специализированного комплекса эффективного оптимального планирования и составления расписаний, настраиваемого на характеристики различных многоассортиментных производств. Целью настоящей работы является разработка методов и алгоритмов оптимизации календарного планирования в виде проблемно-ориентированного программного комплекса, позволяющего повысить производительность оборудования и сократить время изготовления заказов. В статье приводится математическая постановка задачи оптимизации и совокупность математических моделей и алгоритмов формирования целевых функций для оптимального календарного планирования перенастраиваемых производств. Проведение данного исследования основывается на использовании методов теории расписаний, оптимизации и эволюционных вычислений, средств объектно-ориентированной разработки сложных программных комплексов и баз данных. Предложенный программный комплекс обладает различными интеллектуальными пользовательскими интерфейсами, дополняемыми базами данных продукции, оборудования и технологических регламентов, библиотекой целевых функций и математических методов оптимизации, модулем экспертной настройки системы, а также интерактивной системой визуализации полученных производственных планов в форме диаграммы Ганта и дерева решений задачи оптимизации. Тестирование программного комплекса производилось на данных полимерных и металлургических предприятий России и Германии и подтвердило эффективность решения задач планирования. Внедрение предлагаемого программного комплекса позволяет обеспечить эффективную загрузку оборудования предприятия, уменьшить стоимость производства и упростить процесс принятия управленческих решений в ходе производственного планирования.

Одним из ключевых факторов роста ВВП страны является воспроизводимый капитал, который закладывает основу для производства продуктов, работ и услуг. Соответственно, изучение состояния, структуры и динамики доминирующей составляющей, основных фондов является одной из приоритетных задач статистики и эконометрики. Отсюда вытекает цель проводимого исследования, которая заключается в оценке прогнозных возможностей эконометрических моделей. Для достижения поставленной цели был использован пул математико-статистических и эконометрических методов, в частности табличный и графический, пул описательных статистик, корреляционно-регрессионный, адаптивного моделирования. В качестве основных результатов можно назвать: анализ структуры инвестиций не обнаружил новых или скрытых закономерностей, так, инвестиции направляются на модернизацию или обновление капиталоемких направлений – это здания, сооружения и земля (около 40% от всего объема инвестиций), основными отраслями является промышленность и транспорт; визуальный анализ динамики временного ряда инвестиций в основной капитал показал наличие долговременной, сезонной и ситуационной составляющей; построение 6 эконометрических моделей, отражающих сложную динамику рассматриваемого макропоказателя, позволило выделить две, относящиеся к группе адаптивных моделей; прогноз по наилучшим моделям, сделанный на IV квартал 2022 года, полностью согласуется с имеющимися сведениями за I и II кварталы 2022 года; таким образом, наилучшие прогнозные возможности в отношении сложной динамики инвестиций в российский основной капитал наблюдаются в трехпараметрической модели экспоненциального сглаживания и SARIMA(1,0,0)(1,1,0) [4]. Полученные результаты в ходе проведенного исследования будут полезны ученым, занимающимся моделированием и прогнозированием сложно структурируемых временных рядов.