Введение. Высокий спрос на полимерную продукцию обеспечивает необходимость постоянной модернизации технологических аспектов ее производства, повышение эффективности которого невозможно без модельного описания и решения задач оптимизации его основных технологических стадий. В условиях имеющихся сегодня потребностей по получению продуктов с заданной структурой и свойствами вопрос по созданию инструментов решения задач оптимизации является весьма актуальным. Одним из инструментов управления молекулярной массой продукта является использование режима дробной подачи регулятора, состав и дозировка которого часто подобраны эмпирически.
Цель исследования. Разработка методов и алгоритмов, позволяющих определить режим многоточечной подачи регулятора в непрерывном производстве полимерных продуктов с целью формирования заданных молекулярных характеристик.
Материалы и методы. Для решения задачи поиска оптимального режима подачи регулятора используется эвристический подход, представленный генетическим алгоритмом оптимизации. Данный алгоритм основан на механизме создания популяции потенциальных решений, которые подвергаются операциям скрещивания, мутации и отбора, имитируя процессы наследования и эволюции в природе. С целью оценки молекулярных характеристик продукта сополимеризации применяется кинетический подход к моделированию, основанный на использовании моментов молекулярно-массового распределения. Для математического описания непрерывного производства используются рекуррентные соотношения, характеризующие перенос реакционной массы между реакторами идеального перемешивания.
Результаты исследования. Согласно условиям организации непрерывного производства добавление регулятора возможно в начале процесса, а также в третий и шестой по ходу батареи полимеризаторы. С целью определения режима подачи регулятора критерий оптимизации был сформирован в виде функционала, отражающего абсолютную разницу расчетных и заданных значений среднечисленной и среднемассовой молекулярных масс. Программная реализация разработанного метода и алгоритма оптимизации, проведенные вычислительные испытания позволили идентифицировать ряд решений, каждое из которых способствует получению продукта с заданными молекулярными характеристиками. Визуализация части полученных решений демонстрирует различную динамику молекулярной массы в течение всего процесса.
Обсуждение и заключение. С использованием разработанного метода и алгоритма была решена задача идентификации режима трехточечного регулирования молекулярной массы для непрерывного процесса получения бутадиен-стирольного сополимера. Выбор генетического алгоритма при исследовании и оптимизации сложных многофакторных физико-химических систем обоснован тем, что он позволяет осуществлять поиск одного или нескольких параметров системы как в дискретном, так и непрерывном множестве переменных и способствует нахождению глобального оптимума благодаря случайному характеру при поиске решений. Разнообразие полученных решений задачи дает возможность управления процессом синтеза полимеров в случае постоянного мониторинга физико-химических характеристик продукта.
В книге рассмотрены вопросы расчета, исследования и анализа методами математического моделирования с использованием ЦВМ и АВМ систем обеспечения теплового режима (СОТР) космических аппаратов. Показаны принципы выбора проектных параметров с применением методов оптимизации. Книга рассчитана на * инженерно-технических работников, специализирующихся в области обеспечения теплового режима авиационных и космических объектов. Она может быть полезна преподавателям, аспирантам и студентам соответствующих специальностей.
Образование является базисом общественного развития, лежит в основе улучшения качества жизни людей, призвано помочь построить устойчивое сообщество, предоставляя необходимые услуги, улучшая территориальную сплочённость и социальную интеграцию, обеспечивая формирование и эффективное использование человеческого и социального капитала, стимулируя экономическое развитие, закладывая основу для увеличения доходов и возможностей трудоустройства, повышая конкурентоспособность и производительность. Доступ к качественному начальному образованию в месте непосредственного проживания, справедливые возможности в профессиональном обучении и получении высшего образования являются основой для устойчивого развития арктических территорий. Данное исследование вносит вклад в научный дискурс по проблеме развития кадрово-инфраструктурных ресурсов образования в АЗРФ и является продолжением цикла публикаций автора, посвящённого социальной инфраструктуре Арктики. Цель статьи заключается в исследовании изменения кадрово-инфраструктурной обеспеченности системы образования АЗРФ за два последних десятилетия и в определении направлений дальнейшего развития этой сферы. Были использованы методы контент-, логического и сравнительного анализа. Исследование показало, что в последние годы в сфере образования АЗРФ проходила оптимизация за счёт объединения и закрытия организаций, сокращения численности работников, в результате образовательное пространство стало ещё более поляризованным. Для решения существующих проблем необходимо совершенствование политики в этой сфере, обеспечение доступа к качественному базовому образованию не только в городах, но и в малонаселённых районах Арктики, значительное расширение возможностей профессионального обучения непосредственно в арктических регионах, систематизация уже реализуемых инициатив и их взаимоувязка с новыми проектами и программами в образовании. Практическая значимость исследования заключается в возможности применения полученных результатов в практике государственного управления развитием системы образования АЗРФ. Дальнейшее изучение данного направления видится в углублённом изучении зарубежной практики развития образования, исследованиях оплаты труда, платного сектора, качественного наполнения образовательных программ.
В статье рассмотрен алгоритм оптимизации расписания заданий на производстве. На основе плана смены (графика варок) и спецификаций заказов, загружаемых пользователем из файлов, система составляет расписание, состоящее из заданий «Подачи в зону отвешивания», «Отвешивание», «Перемещение в зону временного хранения», «Подача к реактору». Разработка выполнена в рамках заказа компании Unilever.
Современные информационные технологии внесли изменения в способ сбора, хранения и обработки данных. В таких условиях традиционные подходы к обработке информации становятся малоэффективными. Для удобства работы с большими данными реализовано большое количество фреймворков и распределенных хранилищ данных. Одним из известных методов для поддержки выполнения крупномасштабных распределенных прикладных программ является MapReduce. В статье представлен обзор современных технологий, применяемых в области обработки больших данных, анализ рынка, а также сравнение современных аналитических систем управления базами данных.
В статье рассматриваются актуальные вопросы совершенствования организационной структуры предприятия в современных экономических условиях. Целью исследования является разработка комплекса мероприятий, направленных на оптимизацию структуры управления и повышение эффективности функционирования предприятия. Методологической основой исследования послужили труды отечественных и зарубежных ученых в области экономики, менеджмента и организации производства. В работе применялись методы системного анализа, экономико-математического моделирования, статистической обработки данных, экспертных оценок. Результаты исследования показали, что для совершенствования организационной структуры предприятия необходимо провести комплексный анализ существующей структуры, выявить ее недостатки и разработать мероприятия по их устранению. Предложен алгоритм реорганизации структуры управления, включающий этапы диагностики, проектирования, внедрения и контроля. Разработана экономико-математическая модель оптимизации структуры, учитывающая ключевые факторы внешней и внутренней среды. На примере машиностроительного завода продемонстрирована эффективность предложенных мероприятий – рост производительности труда на 12%, сокращение управленческих расходов на 8%, увеличение рентабельности на 5%. Практическая значимость исследования заключается в возможности применения разработанных рекомендаций в деятельности промышленных предприятий с целью совершенствования их организационных структур и повышения конкурентоспособности. Результаты работы могут быть использованы в образовательном процессе при подготовке специалистов экономического профиля.
В современных условиях динамично развивающегося производства и нарастающей конкуренции на рынке актуальной задачей является разработка эффективных моделей прогнозирования и управления для автоматизированных производственных систем (АПС). Данное исследование направлено на создание комплексного подхода к моделированию и оптимизации функционирования АПС с целью повышения эффективности производственных процессов, снижения затрат и обеспечения высокого качества выпускаемой продукции. Для достижения поставленных целей были применены методы математического моделирования, теории управления, оптимизации и интеллектуального анализа данных. В частности, были разработаны стохастические модели прогнозирования спроса на продукцию, учитывающие сезонные колебания и тренды рынка. Такие модели позволяют с точностью до 95% предсказывать объемы продаж на период от 1 до 6 месяцев. Для управления производственными процессами были предложены адаптивные алгоритмы планирования и диспетчеризации, основанные на методах нечеткой логики и генетических алгоритмах. Использование данных подходов позволило сократить время переналадки оборудования на 20-25% и снизить объемы незавершенного производства на 15%. Проведенные экспериментальные исследования на примере реального машиностроительного предприятия подтвердили эффективность разработанных моделей и алгоритмов. Внедрение предложенных решений позволило увеличить производительность АПС на 12%, сократить затраты на сырье и материалы на 8% и повысить качество выпускаемой продукции, снизив процент брака с 1,5%до 0,8%. Полученные результаты имеют высокую практическую значимость и могут быть использованы для повышения конкурентоспособности и эффективности функционирования предприятий различных отраслей промышленности. Дальнейшие исследования будут направлены на развитие предложенных подходов и их адаптацию для решения новых задач в условиях цифровизации производства и перехода к концепции «Индустрия 4.0».
В настоящем исследовании рассматриваются вопросы разработки и апробации интеллектуальных систем управления (ИСУ), нацеленных на повышение производительности различных технологических процессов. Актуальность данной темы обусловлена стремительным развитием информационных технологий и возрастающей потребностью в оптимизации производственных циклов для достижения максимальной эффективности и конкурентоспособности предприятий. Цель работы заключается в исследовании потенциала применения ИСУ для усовершенствования технологических процессов и разработке практических рекомендаций по их внедрению. Материалы и методы исследования включают в себя анализ существующих подходов к проектированию ИСУ, моделирование различных сценариев их функционирования, а также проведение экспериментов на реальных производственных объектах. В частности, были изучены такие методы, как нейронные сети, нечеткая логика, генетические алгоритмы и машинное обучение. Для апробации разработанных ИСУ были выбраны три предприятия различных отраслей промышленности: металлургический завод, нефтеперерабатывающий комплекс и фармацевтическая компания. Результаты исследования показали, что внедрение ИСУ позволяет значительно повысить производительность технологических процессов. Так, на металлургическом заводе удалось сократить время плавки стали на 12%, а расход энергоресурсов – на 8%. На нефтеперерабатывающем комплексе оптимизация работы установки каталитического крекинга привела к увеличению выхода светлых нефтепродуктов на 5,6%. В фармацевтической компании применение ИСУ для управления процессом синтеза активных веществ позволило на 20% снизить количество бракованной продукции и на 15% сократить время производственного цикла. Полученные результаты демонстрируют высокую эффективность использования интеллектуальных систем управления для оптимизации технологических процессов и открывают широкие перспективы для их дальнейшего применения в различных отраслях промышленности.
Хлебопекарная промышленность является одной из ключевых отраслей пищевой промышленности, играющей важную роль в обеспечении населения качественными хлебобулочными изделиями. Однако, несмотря на многовековую историю развития, данная отрасль сталкивается с рядом проблем, связанных с повышением качества продукции, снижением энергозатрат и оптимизацией производственных процессов. В настоящее время перспективным направлением решения данных проблем является применение интеллектуальных алгоритмов управления, основанных на методах искусственного интеллекта и машинного обучения. В данной статье рассматриваются возможности применения интеллектуальных алгоритмов управления для повышения качества и энергоэффективности хлебопекарного производства. Проведен анализ существующих подходов к управлению технологическими процессами хлебопечения, выявлены их недостатки и ограничения. Предложена концепция интеллектуальной системы управления хлебопекарным производством, основанная на применении методов нечеткой логики, нейронных сетей и генетических алгоритмов. Разработана математическая модель процесса выпечки хлеба, учитывающая влияние ключевых факторов, таких как температура, влажность, время выпечки и т.д. На основе данной модели создан программный комплекс, реализующий алгоритмы оптимизации режимов выпечки с целью достижения требуемых показателей качества готовой продукции при минимизации энергозатрат. Проведены экспериментальные исследования на базе действующего хлебозавода, подтвердившие эффективность предложенного подхода. Применение разработанной системы управления позволило повысить качество выпускаемой продукции на 15%, снизить расход энергоресурсов на 12% и увеличить производительность на 10%. Полученные результаты имеют важное значение для развития хлебопекарной отрасли и могут быть использованы при модернизации действующих и проектировании новых хлебозаводов. Дальнейшие исследования будут направлены на расширение функциональных возможностей разработанной системы, в частности, на реализацию адаптивных алгоритмов управления, учитывающих изменение характеристик сырья и условий внешней среды в реальном времени.
В данной статье рассматривается проблема оптимизации факторов интенсификации для повышения эффективности воспроизводственного процесса в агропромышленном комплексе. Целью исследования является разработка стратегий, направленных на максимизацию производительности и рентабельности сельскохозяйственных предприятий за счет внедрения инновационных технологий, рационального использования ресурсов и совершенствования организационно-экономических механизмов. Материалы и методы исследования включают анализ статистических данных, экспертные оценки, математическое моделирование и эконометрический анализ. В частности, были изучены показатели эффективности использования основных производственных фондов, трудовых ресурсов, материально-технической базы и финансового капитала в 120 сельскохозяйственных организациях различных регионов России за период с 2015 по 2023 годы. Применялись методы корреляционно- регрессионного анализа, оптимизационного моделирования, факторного анализа и экспертного прогнозирования. Результаты исследования показали, что ключевыми факторами интенсификации воспроизводственного процесса в АПК являются: внедрение прогрессивных агротехнологий (precision farming, биотехнологии, роботизация и автоматизация производства); оптимизация структуры посевных площадей и севооборотов; применение высокопродуктивных сортов растений и пород животных; развитие мелиорации и обеспечение рационального водопользования; совершенствование системы удобрений и средств защиты растений; модернизация машинно-тракторного парка и использование энергосберегающей техники; углубление специализации и развитие интеграционных процессов; внедрение цифровых технологий управления и информационно-консультационных систем. Расчеты показывают, что комплексная реализация предложенных стратегий позволит увеличить урожайность основных сельскохозяйственных культур на 25-40%, продуктивность животных – на 15-30%, снизить материалоемкость производства на 20-25%, повысить рентабельность до 35-45%. Прогнозируется, что к 2030 году суммарный экономический эффект от оптимизации факторов интенсификации может достигнуть 1,5-2 трлн рублей.