МУЛЬТІ-ЕТАПНА ОПТИМІЗАЦІЯ ФУНКЦІЮВАННЯ СКЛАДНИХ ТЕРИТОРІАЛЬНО-РОЗПОДІЛЕНИХ СИСТЕМ

Ключові слова: інтелектуальні інформаційні технології, ERP-системи, двоетапна оптимізація, генетичні алгоритми, агрохолдинг, апарат нечітких множин, нейромережевий метод групового урахування аргументів, проектна діяльність

Анотація

Одна з основних тенденцій розвитку інформаційних технологій та інформаційних  систем (ІТ та ІС) у XXI столітті буде пов'язана з вирішенням проблеми всебічної інтеграції зазначених технологій та систем з існуючими та майбутніми виробничими та соціально-економічними структурами і відповідними системами управління (СУ). Тому однією з актуальних наукових задач є задача оптимізації управління складними територіально – розподіленими системами, до котрих відносяться виробничо-економічні системи. Основним видом виробничо-економічної системи є сучасне підприємство, тобто- господарюючий суб’єкт. В якості такого суб’єкту може виступати агрохолдинг, нафтогазова компанія, енергетичний комплекс, інформаційні системи, галузеві системи управління, крупні банківські структури та їм подібні складні територіально розподілені системи. Головною метою досліджень є створення нових інтелектуальних інформаційних  технологій для оптимізації логістичних процесів в умовах складних територіально-розподілених систем, до яких відносяться таки господарюючі суб’єкти національного виробництва як агрохолдинги, підвищення точності прогнозування. Застосовані еволюційні методи, методи та алгоритми керування проектами, апарат нечітких множин, нейромережевий алгоритм методу групового урахування аргументів. Проведений аналіз доцільності представлення логістичної діяльності агрохолдингу як проектної. Визначені засоби підвищення ефективності вирішення даної проблеми. Розроблені нові технології оптимізації логістичних процесів на основі застосування двоетапної оптимізаційної методики. Проведено тестування ефективності запропонованих інтелектуальних технологій на даних господарюючих суб’єктів різного ступеню інтегрованості. Отримані результати свідчать про те, що запропонована двоетапна оптимізаційна методика із застосуванням апарату нечітких множин для формування вихідних популяцій при роботи генетичних алгоритмів дає більш якісний та кількісний  результат. Застосування нейромережевого методу групового урахування аргументів дозволяє  оптимізувати витрати майбутніх періодів та зменшити витрати на зберігання товарної продукції. Доведена доцільність репрезентації виробничої діяльності агрохолдингу як проектної. Розроблена інтелектуальна інформаційна технологія для оптимізації логістичних процесів, заснована на застосуванні модифікованих генетичних алгоритмів із залученням апарату нечітких множин для формування вихідних популяцій. На основі запропонованих інтелектуальних інформаційних технологій були проведені розрахунки витрат на логістичні процесі декількох   національних агрохолдингів. Отримані результати свідчать про зменшення витратної частини в  діапазоні від 8 до 12%, що в умовах інтеграції в міжнародні структури є суттєвими. Розроблені інформаційні технології можуть бути застосовані до оптимізації управління складними територіально-розподіленими системами з інших предметних областей, а саме – паливно-енергетичного комплексу.

 

DOI: https://doi.org/10.28925/2414-0325.2017.3.37z87

Завантаження

Дані завантаження ще не доступні.

Біографія автора

Olena Viktorivna Skakalina, Полтавський національний технічний університет ім. Ю. Кондратюка

кандидат технічних наук, доцент

Посилання

Єрмолаєв А., Клименко І., Ємець В., Таран С. Аграрний сектор України: тенденції, суб’єкти, перспективи реформування. Інститут стратегічних досліджень. Київ. 2015. 28 с.

Van den Broeke, M., Boute, R., Samii, B., Evaluation of product-platform decisionsbased on total supply chain costs. International Journal of Production Research. 2015. 53(18), 5545-5563.

Jianjun Xu, Alejandro Serrano, Bing Lin. Optimal production and rationing policy of two-stage tandem production system. International Journal of Production Economics. 2017. Vol. 185, p. 100-112.

Горев А.Э. Грузовые автомобильные перевозки: учеб. пособие для студ. высш. учеб. Заведений. М.: Издательский центр «Академия». 2008. 228 с.

Skakalina O.V., Litvynov V.V. The approach to solving the problem of optimization of transportation. Mathematical machines and systems. 2015. №1. P.139-145. ISSN1028-9763.

Пожидаев М. С., Костюк Ю. Л. Сбалансированная эвристика для решения задачи маршрутизации транспорта с учетом грузоподъемности. Вестник ТГУ. УВТиИ. 2010. № 3. С.65-72.

Карпенко А.П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой : учебное пособие. Москва: Издательство МГТУ им. Н.Э. Баумана. 2014. 446 с.

Гладков Л. А., Курейчик В. В., Курейчик В. М. Генетические алгоритмы. М.: Физматлит. 2010. 368 с.

Подлазова А.В. Генетические алгоритмы на примерах решения задач раскроя / Проблемы управления. Москва. 2008. Вып.№2. С.57-63. ISSN:1819-3161.

Гладков Л.А., Гладкова Н.В. Гибридный алгоритм решения транспортных задач с ограничением по времени. Известия ЮФУ. Технические науки. 2015. №6(167). С.180-190.

Эйрих С.Н. Обзор различных видов задачи маршрутизации транспорта. New magenta papers. 2012. № 1. С. 11–19.

REFERENCES (TRANSLATED AND TRANSLITERATED)

Yermolayev, A., Klymenko, I., Yemets, V. & Taran, S. (2015) . Agrarian Sector of Ukraine: Trends, Subjects, Prospects for Reformation. Kyiv, Instytut stratehichnykh doslidzhen (in Ukrainian).

Van den Broeke, M., Boute, R. & Samii, B. (2015). Evaluation of product-platform decisionsbased on total supply chain costs. International Journal of Production Research Vol. 53 (18), 5545–5563

Jianjun Xu, Alejandro Serrano & Bing Lin (2017). Optimal production and rationing policy of two-stage tandem production system. International Journal of Production Economics, 185, 100-112.

Gorev A.E. (2008). Freight road transport: training. Moscow: Izdatelskiy tsentr «Akademiya» (in Russian).

Litvynov, V.V. & Skakalina, O.V. (2015). The approach to solving the problem of optimization of transportation. Mathematical machines and systems, 1, 139-145

Pozhidayev, M. S. & Kostyuk, Yu. L. (2010). Balanced heuristics for solving the problem of transport routing taking into account the carrying capacity. Vestnik TGU. UVTiI, 3, 65-72 (in Russian).

Karpenko, A. P. (2014). Modern algorithms of search optimization. Algorithms inspired by nature. Moskva: Izdatelstvo MGTU im. N.E. Baumana (in Russian).

Gladkov, L. A., Kureychik, V. V. & Kureychik, V. M.(2010). Genetic algorithms. Moskva, Fizmatlit (in Russian).

Podlazova, A.V. (2008). Genetic algorithms on examples of solving nesting problems. Control problems, 2, 57-63 (in Russian).

Gladkov, L.A. & Gladkova, N.V. (2015). Hybrid algorithm for solving transport problems with time constraints. Izvestiya YUFU - Izvestiya SFU. Engineering Sciences. 6(167), 180-190 (in Russian).

Eyrikh, A.N. (2012). Overview of various types of the task of transport routing. New magenta papers, 1, 11–19 (in Russian).


Переглядів анотації: 263
Завантажень PDF: 546
Опубліковано
2017-09-06
Як цитувати
Skakalina, O. V. (2017). МУЛЬТІ-ЕТАПНА ОПТИМІЗАЦІЯ ФУНКЦІЮВАННЯ СКЛАДНИХ ТЕРИТОРІАЛЬНО-РОЗПОДІЛЕНИХ СИСТЕМ. Електронне наукове фахове видання “ВІДКРИТЕ ОСВІТНЄ Е-СЕРЕДОВИЩЕ СУЧАСНОГО УНІВЕРСИТЕТУ”, (3), 377-387. вилучено із https://openedu.kubg.edu.ua/journal/index.php/openedu/article/view/104
Номер
Розділ
Застосування ІКТ в економіці та управлінні