СИСТЕМЫ АНАЛИЗА И ОБРАБОТКИ ДАННЫХ

На сегодняшний день в теории и практике управления технологическими и организационными системами нет единого подхода, который бы позволял решать задачи согласованного оптимального управления входными и выходными материальными потоками и производством. Опубликованные работы в этой области часто направлены на решение отдельных задач. При попытках же комплексного решения декларируемая системность либо обозначается только на словах, либо реализуется эвристически склейкой составляющих компонент без обсуждения и анализа эффективности и тем более доказательства.

В настоящей статье на основе более ранних работ авторов развивается аппарат согласованного оптимального управления всеми логически связанными подсистемами. Созданная в этих целях формальная постановка является задачей дискретной оптимизации и учитывает все основные факторы производства и движения материальных потоков. Построен специальный алгоритм приближенного решения, переводящий созданную задачу из разряда NP-трудных в разряд полиномиально разрешимых. Формальная постановка содержит логические условия выбора из множества параметров, включая источники и направления потоков, условия поставок, объемы и динамику производства, определение оптимальных цен на выходе. Таким образом, в ограничениях системно учитываются как производственные составляющие, так и ограничения на ресурсы и логику движения входных и выходных материальных потоков.

В качестве критерия эффективности всех процессов использован максимум чистой прибыли на конец планового периода. Рассмотренная модель и задачи управления исследованы с помощью единого подхода, позволяющего работать с логическими условиями любой сложности и ставить соответствующие формальные оптимизационные задачи. Также приведены результаты испытания алгоритма на тестовых данных, приближенных к реальным размерностям.

1. Бутусов О.Б., Дубин М.Е. Система поддержки принятия решений для выбора поставщика в цепи поставок // Известия МГТУ «МАМИ». – 2013. – Т. 4. – № 1 (15). – С. 268–271.

2. Parunakjan V., Sizova E. Increase of efficiency of interaction of production and transport in the logistic chains of material traffic of enterprises // Transport Problems. – 2008. – Т. 3 (3). – С. 95–104.

3. Bosov A., Khalipova N. Formation of separate optimization models for the analysis of transportation-logistics systems // Восточно-Европейский журнал передовых технологий. – 2017. – № 3 (3). – С. 11–20.

4. Kolga M., Smedt V. De, Nerom L. Van. Planning principles in metallurgy // Вестник Магнитогорского государственного технического университета им. Г.И. Носова. – 2013. – № 5 (45). – С 78–80.

5. Arshinsky L., Zhang K. The application of operations research in logistics // Информационные технологии и проблемы математического моделирования сложных систем. – 2012. – № 10. – С. 5–12.

6. Using metaheuristic and fuzzy system for the optimization of material pull in a push-pull flow logistics network / A. Mehrsai, H.-R. Karimi, K.-D. Thoben, B. Scholz-Reiter, M. Chadli // Mathematical Problems in Engineering. – 2013. – Vol. 2013. – P. 1–19.

7. Koriashkina L., Saveliev V., Zhelo A. On mathematical models of some optimization problems arising in the production of autoclaved aerated concrete // Advanced Engineering Forum. – Trans Tech Publications, 2017. – Vol. 22. – P. 173–181.

8. Castro P.M., Grossmann I.E., Zhang Q. Expanding scope and computational challenges in process scheduling // Computers and Chemical Engineering. – 2018. – Vol. 114. – P. 14–42.

9. Авхадиев Р.А., Елизарова Н.Ю., Сабитов Ш.Р. Система оперативного управления производственными процессами предприятия «1C: MES: облачное управление производством» // XII Всероссийское совещание по проблемам управления ВСПУ-2014. М., 2014. – С. 4909–4914.

10. Karpak B., Kumcu E., Kasuganti R.R. Purchasing materials in the supply chain: managing a multi-objective task // European Journal of Purchasing and Supply Management. – 2001. – Vol. 7, N 3. – P. 209–216.

11. Karpak B., Kasuganti R.R., Kumcu E. Multi-objective decision-making in supplier selection: an application of visual interactive goal programming // Journal of Applied Business Research. – 1999. – Vol. 15. – P. 57–72.

12. A new enhanced support vector model based on general variable neighborhood search algorithm for supplier performance evaluation: a case study / B. Vahdani, S.M. Mousavi, R. Tavakkoli-Moghaddam, H. Hashemi // International Journal of Computational Intelligence Systems. – 2017. – Vol. 10 (1). – P. 293–311.

13. Сигаев В.С. Задача размещения заказов для сети аптек региона и ее приближенное решение // Проблемы информатики. – 2011. – № 1 (9). – С. 11–19.

14. Просветов Г.И. Математические методы в логистике. – М.: Изд-во РДЛ, 2006. – 272 с.

15. Бродецкий Г.Л. Системный анализ в логистике. Выбор в условиях неопределенности. – М.: Academia, 2010. – 336 с.

16. Бочкарев А.А. Планирование и моделирование цепи поставок. – М.: Альфа-Пресс, 2008. – 192 с.

17. Мезенцев Ю.А. Математические модели управления подсистемами логистики на предприятиях // Автоматизация и современные технологии. – 2008. – № 8. – С. 46–55.

18. Baranova N.V., Mezentsev Yu.A. Research and development of an algorithm for solving the problem of control over the input-output material flows of an industrial company // CEUR Workshop Proceedings. – 2018. – Vol. 2098: Optimization problems and their applications (OPTA-SCL 2018), Omsk, 2018. – P. 33–44. – Работа выполнена при поддержке Министерства образования и науки.

19. Мезенцев Ю.А., Павлов П.С. К программной реализации декомпозиционного алгоритма решения одного класса задач дискретной оптимизации с полуопределенной релаксацией // Информационные технологии. – 2012. – № 2 (186). – С. 54–59.