В статье представлен метод декомпозиции дискретно-событийных моделей на основе авторской разработки ­DVCompute++ Simulator, которая является коллекцией общецелевых программных библиотек для создания и запуска имитационных моделей на языке C++. Целью исследования было найти способ, которым можно было бы разбить произвольную модель на части, потом части модели – на еще меньшие компоненты и так далее, получив в результате некоторую иерархию вложенных подмоделей, каждую из которых можно было бы рассматривать изолированно как самостоятельную сущность. Такие подмодели можно создавать уже сейчас в коде на языке C++, а в перспективе возможно будет задавать графически через диаграммы или через некоторое текстовое описание на специализированном языке моделирования, причем такие подмодели можно использовать повторно, что роднит их с ­ТЭБами из ­GPSS ­STUDIO. Указанные способы создания подмоделей можно сочетать в любом порядке на любом уровне вложенности иерархии, причем эту работу могут выполнять несколько специалистов разной квалификации. Более того, в статье показано, как излагаемый метод декомпозиции может быть распространен и на случай распределенного моделирования, которое также поддерживается в ­DVCompute++ Simulator. Все это стало возможным благодаря использованию приемов функционального программирования, где имитационная модель рассматривается как композиция вычислений. Тогда декомпозицию модели можно рассматривать как разбиение вычислений на части, которые можно соединять между собой подобно сборке в конструкторе. Основную роль играют два вида вычислений – блоки, аналогичные блокам языка ­GPSS, и вычисления дискретных сигналов по аналогии с реактивным программированием. Предлагаемый метод декомпозиции дискретно-событийных моделей иллюстрируется диаграммами подмоделей и соответствующим им программным кодом на языке С++.

Решение задач эффективного ведения бизнеса связано с разнообразием текущих целей, стоящих перед ним, и, как следствие, требует построения соответствующих моделей эффективного бизнеса. В статье сформулированы две задачи ведения бизнеса, которые, помимо их общей целевой установки – повышение эффективности бизнеса, имеют разные текущие цели. Для построения моделей, отвечающих поставленным задачам, в статье обоснован и предложен критерий эффективности, а также разработаны Алгоритм 1 и Алгоритм 2, позволившие построить модели ведения эффективного бизнеса, учитывающие различие его текущих целей. Авторами разработан многоэтапный Алгоритм 1 формирования отдельных наборов направлений повышения эффективности, используемых для решения поставленных задач. Алгоритм 2, реализуемый на каждом этапе Алгоритма 1, разработан авторами с применением метода оптимальности Парето, однако дополнен учетом особенностей и целей текущих задач, поставленных перед бизнесом. Использование данных алгоритмов позволило построить модели эффективного бизнеса, обеспечивающие получение экономического эффекта, не только заложенного в каждое направление повышения эффективности, но и дополнительного его прироста, обусловленного свойствами разработанных алгоритмов.

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.