CC BY
39УДК 004.89 : 656.078
doi :10.18720/SPBPU/2/id21 -381
Искандеров Юрий Марсович1,
заведующий лабораторией СПб ФИЦ РАН, д-р техн. наук, профессор;
Ласкин Михаил Борисович1, старший научный сотрудник СПб ФИЦ РАН, кандидат физ.-мат. наук, доцент
ФОРМИРОВАНИЕ И ИСПОЛЬЗОВАНИЕ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ЛОГИСТИЧЕСКИХ
СИСТЕМАХ
1 2
' Россия, Санкт-Петербург, Санкт-Петербургский федеральный исследовательский центр Российской академии наук, iskanderov_y_m@mail .га
Аннотация. Важнейшим фактором, обеспечивающим достижение высокого уровня качества управления транспортно-технологическими процессами, является формирование и использование соответствующей системы интеллектуальной поддержки принятия решений, сформированной с учетом достижений новых информационных технологий. Отмечено, что система интеллектуальной поддержки принятия решений позволяет планировать, управлять и контролировать весь логистический процесс в режиме реального времени с учетом требования минимизации различных видов используемых ресурсов. Основным элементом данной системы является база знаний, содержащая формализованные знания предметной области. Представлена мультиагентная платформа интеллектуальной системы поддержки принятия решений, показано ее использование при выборе сложных логистических технологий с учетом минимизации затрат для практической реализации.
Ключевые слова, интеллектуальная система поддержки принятия решений, логистическая система, комплексная логистическая технология, база знаний, мультиагентная платформа, интеллектуальный агент, минимизация затрат, критерий оптимальности.
Yury M. Iskanderov1,
Head of Laboratory of SPC RAS, Doctor of Technical Sciences, Professor;
Mikhail B. Laskin2, Senior Researcher of SPC RAS, Candidate of Physical and Mathematical Sciences,
Associate Professor
FORMATION AND USE OF INTELLIGENT DECISION SUPPORT SYSTEM IN LOGISTICS SYSTEMS
1 2
' St. Petersburg Federal Research Center of the Russian Academy of Sciences, St. Petersburg, Russia, iskanderov_y_m@mail.ru
Abstract. The most important factor ensuring the achievement of a high level of quality management of transport and technological processes is the formation and use of a relevant system of intelligent decision support, formed taking into account the achievements of new information technologies. It is noted that the system of intelligent decision-making support allows planning, management and control of the entire logistics process in real time, taking into account the requirement to minimize the various kinds of resources used. The main element of this system is the knowledge base containing formalized knowledge of the subject area. The multi-agent platform of the intelligent decision support system is presented, its use is shown when choosing complex logistics technologies, taking into account the minimization of costs for practical implementation.
Keywords, intelligent decision support system, logistics system, complex logistics technology, knowledge base, multiagent platform, intelligent agent, cost minimization, optimality criterion.
Введение
Важнейшим фактором, обеспечивающим достижение высокого уровня качества управления транспортно-технологическими процессами, является формирование и использование соответствующей интеллектуальной системы поддержки принятия решений (ИСППР), сформированной с учетом достиженийновых информационных технологий [1-6].
ИСППР позволяет планировать, управлять и контролировать весь логистический процесс в режиме реального времени с учетом требования минимизации различных видов используемых ресурсов. Основным элементом такой ИСППР является база знаний (БЗ), содержащая формализованные знания предметной области [3, 4, 7-9].
1. Формирование интеллектуальной системы поддержки принятия решений
На рисунке 1 показан фрагмент верхнего уровня БЗ ИСППР в логистических системах.
Отличительной особенностью логистических систем (ЛС) является их распределение в пространстве, иерархически-сетевой принцип организации управления. Поэтому решение комплекса задач транспортной логистики характеризуется многомерным построением новых бизнес-процессов и моделированием сетевых организаций. Эффективным средством реализации этих процессов является построение мультиагентных инфраструктур, обеспечивающих адаптацию инструментария и информационных систем к изменяющимся условиям бизнеса [1, 2, 4, 6].
Рис. 1. Фрагмент верхнего уровня базы знаний интеллектуальной системы поддержки принятия решений в логистических системах
Мультиагентные системы (МАС) используются для решения как технологических задач (моделирование, имитация, спецификация), так и функциональных задач прикладного характера (планирование, управление, учет и отчетность, интеграция). Мультиагентная платформа — это фактически семантическая и коммуникационная среда, отражающая правила ведения бизнеса и взаимодействия его участников. В качестве базовой модели класса интеллектуального агента 1А используется модель [10-12]:
1А = < ¿А, СМ, ВМ, О >, где ЬЛ набор информационных атрибутов (идентификатор, имя,местопо-ложение и т. д.);
СМ — коммуникационная модель (язык и методы общения);
ВМ — поведенческая модель (способы обработки сообщений);
О — набор онтологий.
На рисунке 2 показано представление мультиагентной платформы для интеллектуальной системы поддержки принятия решений в ЛС.
Рис. 2. Мультиагентная платформа для интеллектуальной системы поддержки принятия решений
2. Использование интеллектуальной системы поддержки принятия решений
При осуществлении процессов планирования, управления и контроля позволяет существенно и обоснованно влиять на повышение эффективности функционирования логистических систем, снижать необходимые затраты. При выборе схем и форм товародвижения определяется наилучшее (оптимальное) сочетание затрат, при котором их суммарная величина будет наименьшей даже в условиях, когда одна из важнейших составляющих (транспортные расходы) будет находиться на относительно высоком уровне. При решении конкретных задач оптимизации ставятся конкретные цели — максимизация прибыли, минимизация логистических издержек, поддержание уровня сервиса, обеспечение сроков доставки и т. д. [9-13].
Рассмотрим использование ИСППР при выборе интегрированных логистических технологий (ИЛТ) с учетом минимизации затрат на их внедрение.
Затраты на ЛС можно разделить на две большие группы:
• затраты, связанные с организацией материальных потоков внутри предприятия (затраты, связанные с выполнением таких функций, как эксплуатация заводских складов различного назначения; формирование и поддержание запасов; организация внутрипроизводственных перевозок; отбор товаров для отправки и их упаковка; оформление документов; выполнение определенных финансовых операций);
• затраты, возникающие в процессе реализации продукции (затраты на транспортировку продукции до потребителя; на погрузочно-разгрузочные работы; затраты, связанные с нахождением товаров в пути; затраты, связанные со страхованием грузов; затраты на формирование и поддержание запасов в сбытовых и торгово- закупочных организациях; «затраты дефицита», представляющие собой дополнительные затраты, возникающие в связи с ограниченностью в какой-либо период определенных материальных ресурсов; затраты, связанные с транспортно-экспедиторскими функциями; административные затраты, плата за фрахт и другие виды затрат).
Основным критерием оптимальности ИЛТ в данном случае является уровень прибыли предприятия. Прибыль дает количественную оценку деятельности предприятия, но на уровень прибыли влияют и другие факторы производственной, хозяйственной, финансовой деятельности предприятия, и выделить вклад логистики в общую сумму прибыли очень сложно. Поэтому в качестве критерия оптимальности можно использовать показатель минимумаприведенных общих затрат:
C1 + С2 ^ min,
где C — производственные затраты;
С2 — затраты на распределение.
Эффективност распределения товаров, организованного с использованием соответствующей ИЛТ, можно определить по формуле
R = B - C,
где R — норма прибыли процесса распределения продукции;
В — выручка от продаж предприятия;
C3 — затраты на перемещение товаров.
Расходы, связанные с транспортировкой товаров, рассматриваются либо как эксплуатационные расходы транспортных подразделений предприятий или транспортных компаний, занимающихся перевозками, ли-
бо, если предприятие привлекает сторонние транспортные организации для перевозки продукции, транспортные расходы приобретают характер транспортных тарифов.
При внедрении соответствующей ИЛТ наиболее предпочтительными решениями, обеспечивающими высокую эффективность товародвижения, являются:
• интеграция процессов хранения, транспортировки и формирования запасов;
• определение экономичных размеров отправлений;
• выбор способов и видов транспортировки.
Заключение
В настоящее время, особенно при осуществлении международной транспортной деятельности, все больший вес в оценке качества и эффективности грузоперевозок приобретает такой показатель, как уровень логистики [14]. В этой связи следует отметить, что ИСППР позволяет реализовать подход, основанный на системном анализе показателей оценки качества ИЛТ, и выбрать вариант, максимально удовлетворяющий требованиям участников транспортного рынка.
Список литературы
1. Искандеров Ю.М. Мультиагентные системы для управления логистическими функциями в цепях поставок. // В сборнике: Логистика: современные тенденции развития. Материалы XVIII Международной научно-практической конференции. - 2019. - С. 219-221.
2. Искандеров Ю.М., Ласкин М.Б. Моделирование транспортно-технологических процессов в цепях поставок на основе мультиагентных технологий. // В книге: Перспективные направления развития отечественных информационных технологий. материалы V межрегиональной научно-практической конференции. -Севастополь: Севастопольский государственный университет; Санкт-Петербургский институт информатики и автоматизации РАН, 2019. - С. 71-74.
3. Искандеров Ю.М., Ласкин М.Б., Лебедев И.С. Особенности моделирования транспортно-технологических процессов в цепях поставок. // Сборник трудов Восьмой Всероссийской научно-практической конференции по имитационному моделированию и его приложениям в науке и промышленности «Имитационное моделирование. Теория и практика» (ИММОД-2017). - 2017. - С. 110-113.
4. Скобелев П.О. Интеллектуальные системы управления ресурсами в реальном времени: принципы разработки, опыт промышленных внедрений и перспективы развития. // Информационные технологии. - 2013. - №1. - С. 1-32.
5. Hackius N., Petersen M. Blockchain in Logistics and Supply Chain: Trick or Treat? // Proceedings of the Hamburg International Conference of Logistics (HICL) -2017. - 23.
6. McFarlane D., Giannikas V., Lu W. Intelligent logistics: Involving the customer. // Computers in Industry. - 2016. - DOI:10.1016/j.compind.2015.10.002.
7. Искандеров Ю.М., Паутов М.Д. Защита корпоративной информации в транс-портно-логистических сетях. // В книге: Информационная безопасность регионов России (ИБРР-2017). Материалы конференции. - 2017. - С. 275-276.
8. Iskanderov Y., Pautov M. Security of information processes in supply chains. // Advances in Intelligent Systems and Computing. - 2019. - Vol. 875. - Pp. 13-22.
9. Свистунова А.С., Чумак А.С. Интеллектуализация информационного обеспечения перевозок негабаритных грузов. // Логистика: современные тенденции развития: материалы XVII Междунар. научно-практ. универс. конф. 12, 13 апреля 2018 г. Ч. 2: мат. доклад / ред. Кол : В.С. Лукинский (отв. ред.) и др. - СПб.: Изд-во ГУМРФ им. адм. К.О. Макарова, 2018. - 344 с.
10. Iskanderov Y., Pautov M. Actor-network approach to self-organisation in global logistics networks. // Studies in Computational Intelligence. - 2020. - Vol. 868. - Pp. 117-127.
11. Iskanderov Y., Pautov M. Heterogeneous engineering in intelligent logistics. // Advances in Intelligent Systems and Computing. - 2021. - Vol. 1179 AISC. - Pp. 83-91. -DOI: 10.1007/978-3-030-49336-3_9.
12. Искандеров Ю.М. Использование интеллектуальных агентов в моделировании интегрированной информационной системы транспортной логистики. // Информатизация и связь. - 2020. - № 5. - С. 59-66. - DOI: 10.34219/2078-8320-2020-115-59-66.
13. Искандеров Ю.М. Особенности информатизации транспортно-технологических процессов в цепях поставок. - М.: Информатизация и связь. - 2019. - № 4. - С. 31-37. - DOI: 10.34219/2078-8320-2019-10-4-31-37.
14. Искандеров Ю.М., Свистунова А.С., ЧумакА.С. Системный анализ показателей качества интегрированных логистических технологий перевозки грузов. // Системный анализ в проектировании и управлении: Сборник научных трудов XXIII Международной научно- практической конф. Часть 3. - СПб. : Издательский дом Политех-Пресс, 2019 . - 568 с.
УДК 656.05
:10.Ш20/8РБРШМ21 -3 82
Топадзе Лолита Олегиевна1,
магистр
АНАЛИЗ МЕТОДОВ ОРГАНИЗАЦИИ ПРИОРИТЕТНОГО ДВИЖЕНИЯ ТРАМВАЙНОГО ТРАНСПОРТА
1 Россия, Санкт-Петербург, Санкт-Петербургский политехнический университет Петра Великого, top-lolita@yandex.ru
Аннотация. В работе рассматриваются основные принципы организации приоритетного движения трамвайного транспорта на регулируемых пересечениях. Сравниваются два типа приоритета — активный и пассивный. Приводится классификация возможных методов организации приоритетного проезда пассажирского транспорта на перекрестках, которые также могут быть использованы при внедрении беспилотных трамваев.
Ключевые слова: трамвай, приоритет, организация, перекресток, светофор, пассажирский транспорт, беспилотные технологии.
