Архив номеров

В статье рассмотрены модели индикативного планирования контрольных показателей предприятий в составе финансово-промышленного консорциума радиоэлектронной промышленности. В консорциум могут входить предприятия всех видов собственности и организационно-правовых форм, отвечающие за выполнение плановых заданий в соответствии с договором о вхождении в финансово-промышленный консорциум. Актуальность исследования связана с необходимостью построения математических моделей планирования развития предприятий с учетом возможностей изменения взаимосвязей. Основная цель исследования заключается в разработке моделей оценки контрольных показателей планируемой деятельности (контрольных цифр) предприятий на основе сопоставления их планов и доступных стимулов. Научным результатом исследования являются разработанные эволюционно-симулятивные модели, обеспечивающие выбор контрольных показателей, учитывающих возможности и особенности предприятий, возможность ди­намично изменять их перечень, а также формы стимулирования. Модели позволяют вырабатывать управляющие воздействия как уровень поощрения или наказания юридических лиц в зависимости от того, в какой мере выпол­нено или не выполнено плановое задание. Выявлены причины отношения производства электронной компонентной базы к «нерыночным» товарам и услугам. Проведен анализ трех наиболее характерных сценариев соотношения между разме­ром спроса и объемами производства: продукт является дефицитным, т. е. потребность не ограничена; потребность сравнима с объемами производства; потребность существенно меньше объема производ­ства. Приведен пример планирования показателей предприятия с помощью контрольных цифр. Практическое значение предложенных моделей заключается в возможности их использования для выработки рекомендаций по согласованию контрольных показателей в группе предприятий.

Промышленный комплекс с его производственными, экономическими и социальными связями представляет собой сложный объект для управления. Решение задачи по реализации оптимального управления таким объектом требует исследования, формирования новых подходов и инструментов моделирования. Целью исследования является разработка практически применимой модели оптимального управления промышленным комплексом на уровне региона. В статье представлена попытка решения задачи создания агент-ориентированной модели управления промышленным комплексом отдельного региона в программной среде. Для формирования модели использован агент-ориентированный подход, выбор оптимальных решений реализуется пошагово на основе минимаксного подхода. Модель реализована на основе трехуровневой архитектуры управления, включающей органы власти федерального и регионального уровней, а также уровень управления предприятий, объединенных по видам деятельности. Разработано представление социально-экономических и производственных параметров каждого вида деятельности в виде фазового вектора в соответствующем конечномерном векторном пространстве. Формализованы действия, ограничения для параметров и соответствующие максимизируемые целевые функции для агентов каждого уровня. Разработан алгоритм модели управления региональным промышленным комплексом, предполагающей максимизацию целевой функции каждым агентом путем выбора своего оптимального гарантированного (максиминного) управления с учетом возможных наихудших рисков, ограничений и управляющих воздействий агентов вышестоящего уровня. Предложено векторно-матричное рекуррентное уравнение для расчета фазовых векторов агентов следующего периода. Для расчетов используются матрицы коэффициентов внутренней динамики параметров промышленного комплекса, влияния управляющих воздействий, рисков и ограничений. Векторы возмущений и ограничений изменяются в соответствии со сценариями. Разработанная архитектура и алгоритмы поиска оптимальных решений трехуровневой модели управления региональным промышленным комплексом программно реализованы в среде AnyLogic Personal Learning Edition. Разработанная программа может использоваться региональными органами власти, научными организациями для проведения детализированных по секторам промышленной деятельности региона расчетов исходя из предложенного сценария внешних факторов.

В работе представлена математическая модель процесса найма персонала, основанная на интеграции графовых методов и блокчейн-верификации. В отличие от традиционных подходов к оценке и отбору сотрудников в процессе найма, предложенная модель учитывает сетевые характеристики кандидатов, такие как степенная центральность, коэффициент посредничества и PageRank, а также использует доверительные коэффициенты (Trust Score) для прогнозирования успешности найма. Проведен анализ кластерной структуры взаимодействий между кандидатами, работодателями, ­­HR-платформами и сертификационными центрами, что позволяет выявить ключевые закономерности в формировании профессиональных сетей. Научная новизна исследования заключается в разработке комплексного алгоритма подбора персонала, который, помимо стандартных ­­HR-метрик, использует графовые показатели и механизмы блокчейн-верификации для повышения прозрачности и точности процесса найма. Впервые предложена методология расчета доверительных коэффициентов на основе анализа сетевых связей, что позволяет объективизировать процесс принятия решений в ­­HR-аналитике. Результаты исследования показывают, что внедрение графовых методов в процесс подбора сотрудников сокращает время подбора персонала на 32 %, снижает вероятность неподходящего найма на 18 % и повышает точность предсказания успешности кандидатов до 85 %. Расчет указанных показателей выполнен на выборке из 6500 кандидатов с использованием инструментов статистического анализа, Python-библиотек NetworkX, а также средств визуализации. Выявлена зависимость между высокими значениями Trust Score и степенной центральности и успешностью найма. Данные выводы подтверждают перспективность использования графовых нейросетей и блокчейн-верификации в автоматизированных ­­HR-системах, обеспечивая переход от субъективных методов оценки к цифровым моделям поддержки принятия решений в управлении персоналом.

В процессе построения и управления социально-экономическими системами может возникать множество задач, требующих нахождения оптимальных решений. Применение традиционных методов детерминированного поиска ограничено наличием нелинейных взаимосвязей между элементами, конфликтных интересов агентов, жестких и мягких ограничений, неконтролируемых факторов внешней среды. Для таких задач рекомендуется использовать стохастические методы, учитывающие случайный характер переменных в целевых функциях и ограничениях, которые способны находить приемлемые решения за приемлемое время даже в условиях информационной неопределенности. В последние годы существенное развитие получили популяционные метаэвристики, одновременно исследующие несколько решений. Интерес к этим методам обусловлен их пригодностью для невыпуклых пространств решений, отсутствием требований к виду целевой функции, возможностью учета жестких и мягких ограничений, а также высокой сходимостью. Однако согласно теореме об отсутствии бесплатных обедов, не существует метаэвристики, способной решать любые оптимизационные задачи. В статье показано, что выбор конкретного алгоритма базируется на концептуальной и математической постановках задачи оптимизации и особенностях реализации поисковых операций. Несмотря на предметную независимость и высокую гибкость, на практике такие алгоритмы не обеспечивают получения приемлемых результатов при их использовании в каноническом виде. В таких ситуациях следует их модифицировать под специфику решаемой задачи. В статье предложено для учета неопределенности (неполноты, неточности, недостоверности, неоднозначности) поступающих данных проводить гибридизацию выбранной метаэвристики с разными методами нечеткой логики, используемыми для идентификации, оценки и агрегирования информационных НЕ-факторов. Также в статье сформулированы рекомендации по выбору подхода к редукции множества критериев оптимизации для случая многоцелевых задач. Применение гибридных алгоритмов, построенных на основе методов нечеткой логики и роевого интеллекта, позволит повысить устойчивость и достигнуть адекватности оптимизационных моделей.

В настоящее время нейросетевые методы и технологии довольно широко используются на производственных предприятиях для обнаружения, классификации, устранения и выявления причин возникновения брака, прогнозирования качества и свойств получаемых изделий, подбора оптимальных параметров производственно-технологических процессов, выявления и исследования их закономерностей. Однако остается не решенной важная задача определения таких диапазонов значений технологических параметров, при которых вероятность возникновения брака сводится к минимуму. В недостаточной степени развиты подходы к применению нейронных сетей для ликвидации нештатных ситуаций либо уменьшения их нежелательных последствий путем оперативного изменения параметров производственно-технологических процессов. В статье представлен подход к созданию и применению программного комплекса на основе нейросетевого подхода, предназначенного для разработки технологических параметров серийного производства. Описание особенностей построения и применения комплекса дается на примере производства литейных керамических стержней, предназначенных для изготовления лопаток газотурбинных двигателей, которые характеризуются значительной долей брака и повышенными требованиями к качеству изделий. С использованием разработанного комплекса методом сценарного прогнозирования проводится серия компьютерных экспериментов, позволяющих выявить закономерности моделируемого процесса и установить диапазоны значений технологических параметров, обеспечивающих сведение вероятности возникновения брака к минимуму. Моделируются нештатные ситуации, такие как выход из строя компрессора, что сопровождается падением давления прессования изделий и, как следствие, повышением вероятности возникновения брака. Разработанный комплекс открывает возможности проводить восстановление компрессора и оперативную перенастройку технологических параметров без приостановки производства, уменьшая вызванный нештатной ситуацией возросший процент брака.

Средствами структурного компьютерного моделирования разработан и исследован метод построения идентификатора состояния и параметров схемы замещения асинхронного двигателя. Метод основан на использовании разностных уравнений электрического равновесия двигателя взамен дифференциальных. Под состоянием двигателя в процессе идентификации понимают динамическую оценку компонент потокосцепления ротора и скорости вращения вала. Использование идентификатора потокосцепления позволяет избежать трудностей прямого измерения компонент магнитного поля, которые на практике определяются с помощью электрических сигналов и значений скорости, в то время как трудности построения идентификатора состоят лишь в формировании начальных условий потокосцепления. Кроме того, довольно часто необходимо реализовать бездатчиковый вариант, при котором датчик скорости из конструктивной схемы электропривода полностью исключен. При этом параметры схемы замещения машины вследствие нагрева обмоток и эффекта вытеснения тока подвержены изменению, что отражается на точности оценки скорости схемы замещения машины. С целью решения указанных проблем с помощью средств имитационного моделирования в MatLab исследовались подробности реализации идентификатора потокосцепления в трех вариантах сочетаний входных сигналов, доступных для оценки. Проведен анализ точности предложенного подхода. Сделан вывод о целесообразности использования на выходе идентификатора низкочастотного фильтра с малой постоянной времени для компенсации высокочастотных составляющих зашумленного напряжения, питающего асинхронный двигатель от инвертора. Проведено моделирование варианта идентификатора скорости на разностных уравнениях с учетом дрейфа параметров схемы замещения. Проведен сравнительный анализ результатов, полученных на основе предложенного метода, с результатами, полученными посредством метода идентификации, основанного на применении дифференциальных уравнений и скользящих режимов. Рассмотренные подходы к построению системы оценки параметров и состояния двигателя можно использовать в информационных системах при проектировании идентификаторов в бездатчиковом асинхронном электроприводе.

В работе рассматривается задача планирования расположения зданий как обязательного этапа архитектурного проектирования, описаны различные типы ограничений: пространственные и архитектурные. Приведены наиболее распространенные способы решения (ручной и при помощи систем автоматизированного проектирования), описаны трудности, с которыми сталкиваются проектировщики. В связи с высокой трудоемкостью классических подходов к решению данной задачи обоснована необходимость обзора моделей, методов и систем генерации планов расположения зданий. На основе опубликованных литературных обзоров по задачам генерации планировок отмечено три основных подхода к решению подобных задач: грамматики форм, генетические алгоритмы и глубокое обучение. Для каждого подхода описаны основные понятия и специфика их использования в рассматриваемой задаче, приведены сравнительные таблицы особенностей моделей и методов в различных работах: виды грамматик (контекстно-свободные, контекстно-зависимые), начальные формы и правила преобразования для грамматик форм, алгоритмы (­NSGA-­II, ­SPEA-­II), популяции и критерии оптимизации для генетических алгоритмов, архитектуры (­CGAN, ­CGLO, Pix2Pix, Pix2Pix­HD) и характеристики обучающих выборок для глубокого обучения (размеры изображений, контекстные каналы, растеризация). Описаны процессы подготовки обучающих выборок в различных работах, посвященных решению задачи генерации планов расположения зданий. Систематизированы удовлетворяемые ограничения задачи в рассматриваемых подходах: пространственные (границы участка, улично-дорожная сеть, высоты зданий и плотность компоновки) во всех случаях и архитектурные (типология компоновки зданий, типы функционального зонирования, архитектурный стиль и планы прилежащих территорий) для генетических алгоритмов и моделей глубокого обучения, приведено сравнение воспроизводимости решений на других участках (кросс-валидация) и возможностей визуализации в различных работах. Определены ключевые тенденции и направления дальнейших исследований, выделяемые авторами обозреваемых исследований.