Все
 
 
 


Сетевое экономико-математическое моделирование оптимизации адаптивного управления процессами бизнес-планирования
 
Код статьиS042473880016413-3-1
DOI10.31857/S042473880016413-3
Тип публикации Статья
Статус публикации Опубликовано
Авторы
Шориков Андрей Федорович 
Аффилиация: Институт экономики УрО РАН, Институт математики и механики им. Н.Н. Красовского УрО РАН
Адрес: Екатеринбург, Российская Федерация
Буценко Елена Владимировна
Аффилиация: Уральский государственный экономический университет
Адрес: Екатеринбург, Российская Федерация
Название журналаЭкономика и математические методы
ВыпускТом 57 Номер 3
Страницы110-125
Аннотация

Статья посвящена вопросам применения экономико-математических моделей управления бизнес-планированием на основе использования принципа обратной связи. В качестве целевой функции (оценочного инструментария) задачи рассматривается значение времени исполнения всего бизнес-проекта, которое требуется минимизировать. Для решения поставленной задачи предлагается сформировать класс допустимых стратегий оптимального адаптивного управления процессом реализации конкретного бизнес-проекта с сетевого экономико-математического моделирования. В пределах этих стратегий определяются способ достижения оптимального самонастраивающегося управления процессами бизнес-планирования, оптимальное время исполнения и оптимальный календарный план-график осуществления проекта. Основной особенностью предлагаемого нового метода является возможность учета реальных условий реализации работ для конкретного проекта, что позволяет своевременно корректировать процесс управления процессами бизнес-планирования и не допустить срывов при их выполнении. Данный метод служит основой для построения численных алгоритмов для разработки и создания автоматизированных систем оптимизации адаптивного управления процессами бизнес-планирования. Полученные результаты иллюстрируются на конкретном бизнес-проекте открытия предприятия общественного питания и показывают высокую степень эффективности использования предлагаемого метода.

Ключевые словабизнес-планирование, бизнес-проект, экономико-математическое моделирование, стратегия управления, сетевая модель, оптимизация управления, адаптивное управление, управление с обратной связью, общественное питание
Источник финансированияРабота выполнена в соответствии с планами НИР Института экономики УрО РАН и Института математики и механики им. Н.Н. Красовского УрО РАН.
Получено15.09.2021
Дата публикации22.09.2021
Кол-во символов42124
Цитировать   Скачать pdf Для скачивания PDF необходимо авторизоваться
100 руб.
При оформлении подписки на статью или выпуск пользователь получает возможность скачать PDF, оценить публикацию и связаться с автором. Для оформления подписки требуется авторизация.

Оператором распространения коммерческих препринтов является ООО «Интеграция: ОН»

Оглавление

ВВЕДЕНИЕ
ТЕОРИЯ АДАПТИВНЫХ СИСТЕМ
МЕТОДЫ И ПОДХОДЫ
РЕЗУЛЬТАТЫ
ЗАКЛЮЧЕНИЕ
1

ВВЕДЕНИЕ
2 При решении задач сбора и обработки информации существует необходимость в преодолении априорной неопределенности. Эффективный путь решения указанной проблемы — адаптивные системы, которые широко используются в биомедицинской электронике, проектировании механических систем, навигации, связи, сейсмологии, радио- и гидролокации и др., а так же при изучении социальных, экономических, биологических и других видов систем. Структурная схема адаптивной модели для системы управления в технической сфере представлена на рис. 1.
3
image1

4 Рис. 1. Структурная схема модели адаптивного управления техническими системами
5 Для многих современных объектов управления сложно разработать соответствующие им математические модели, приемлемые для исследования. Это связано прежде всего с отсутствием необходимых исходных данных либо непредсказуемым в процессе функционирования объекта изменением. Приспособление объекта управления к изменяющимся внешним и внутренним условиям можно рассматривать как адаптацию. Реализация этого принципа в системах управления позволяет значительно повысить их эффективность в достижении поставленных целей.
6

ТЕОРИЯ АДАПТИВНЫХ СИСТЕМ
7 Первые работы по адаптивным системам и описанию механизма приспособления и перестройки живых систем появились в середине 1950-х годов. Тогда впервые была описана модель мозга человека, которую представил английский психиатр У.Р. Эшби. Разработку модели осуществил американский ученый Х.С. Цзянь, занимавшийся оптимизацией управления инженерными системами (Tsien, Serdengecti, 1955, р. 561). Приблизительно в это же время описание управляющего устройства адаптивного характера дали A.H. Беннер и Р. Дреник (Benner, Drenick, 1955, р. 8).
8 Описанию адаптивных систем оптимального, или экстремального, типа, осуществляющим поиск некоторого оптимума, в научной литературе уделяется больше внимания, чем системам других типов (Deng, Chen, 2017; Moustakis, Yuan, Baldi, 2018; Su, Zhang, 2019). Принципы оптимального управления и экстремальной адаптации в инженерных системах были рассмотрены, например, в (Draper, Li, 1951, р. 160).
9 Любое предприятие как хозяйствующий субъект также можно рассматривать как систему с непредсказуемыми возмущениями и, соответственно, как объект управления. Поэтому адаптивные модели в сфере экономики предназначены для работы с изменяющимися условиями окружающей среды, для адаптации к ним и реализации намеченных целей хозяйствования.
10 Разработка и реализация адаптивных моделей управления экономическими процессами становится особенно актуальной в условиях возрастания динамики и структурной перестройки экономики. Такие процессы очень сложно поддаются адаптивному управлению из-за постоянно меняющихся во времени свойств (рис. 2). Различные факторы воздействуют на их элементы и в разное время, что приводит к ослаблению влияния одних факторов и увеличению — других. Поэтому такие процессы должны адаптироваться к новым условиям с помощью разработки соответствующих адаптивных систем управления на базе экономико-математических моделей.

Цена публикации: 0

Всего подписок: 0, всего просмотров: 568

Оценка читателей: голосов 0 

1. Ахмадеев Б.А., Макаров В.Л. (2019). Система оценки проектов на основе комбинированных мето-дов компьютерной оптимизации // Экономика и математические методы. Т. 55. № 2. С. 5–23. 

2. Клейнер Г.Б., Рыбачук М.А. (2017). Системная сбалансированность экономики. М.: Издательский дом «Научная библиотека». 320 с. 

3. Кофман А., Дебазей Г. (1968). Сетевые методы планирования и их применение. М.: Прогресс. 182 с. 

4. Чертовской В.Д. (2013). Информационная поддержка адаптивного автоматизированного управления производством // Прикладная информатика. № 1 (43). С. 11–17. 

5. Шориков А.Ф. (1997). Минимаксное оценивание и управление в дискретных динамических систе-мах. Екатеринбург: Изд. Урал. гос. ун-та. 242 с. 

6. Шориков А.Ф., Буценко Е.В. (2017). Прогнозирование и оптимизация результата управления инве-стиционным проектированием. М.: URSS-ЛЕНАНД. 272 с. 

7. Шориков А.Ф., Буценко Е.В. (2020). Метод сетевого экономико-математического моделирования оптимизации адаптивного управления инвестиционным проектированием // Journal of Applied Economic Research. Т. 19. № 1. С. 97–123. 

8. Agulhari C., Lacerda M. (2019). Observer-based state-feedback control design for LPV periodic discrete-time systems. European Journal of Control, 49, 1–14.

9. Astolfi A. (2006). Nonlinear and adaptive control, tools and algorithms for the user. London: Imperial Col-lege Press. 313 p.

10. Astroem K.J., Wittenmark B. (2008). Adaptive control. 2nd edition. Dover Publications. 590 p.

11. Barabanov N., Ortega R. (2018). On the need of projections in input-error model reference adaptive con-trol. International Journal of Adaptive Control and Signal Processing, 32, 3, 403–411.

12. Benner A.H., Drenick R. (1955). An adaptive servo system. IRE Convention Record, 4, 8–14.

13. Benosman M. (2018). Model-based vs data-driven adaptive control: An overview. International Journal of Adaptive Control and Signal Processing, 32, 5,  753–776.

14. Bundy A. (ed.) (1997). Artificial intelligence techniques. Berlin: Springer Verlag.

15. Deng L., Chen Y. (2017). Optimal control of uncertain systems with jump under optimistic value criterion. European Journal of Control, 38,  7–15.

16. Draper C.S., Li Y.T. (1951). Principles of optimizing control systems and an application to the internal combustion engine. American Society of Mechanical Engineers (ASME) Publication,  160–168.

17. Farrell J.A., Polycarpou M.M. (2006). Adaptive approximation based control. Unifying Neural, Fuzzy and Traditional Adaptive Approximation Approaches.  Hoboken: John Wiley. 432 p.

18. Huang M., Gao W., Jiang Z.P. (2019). Connected cruise control with delayed feedback and disturbance: An adaptive dynamic programming approach. International Journal of Adaptive Control and Signal Processing, 33,  2,  356–370.

19. Landau I.D., Lozano R., M'Saad M., Karimi A. (2011). Adaptive control: Algorithms, analysis and appli-cations. London: Springer. 610 p.

20. Latrech Ch., Kchaou M., Guéguen H. (2018). Networked non-fragile H∞ static output feedback control design for vehicle dynamics stability: A descriptor approach. European Journal of Control, 40, 13–26. 

21. Ma H. (2019). Infinite horizon optimal control of mean-field forward-backward delayed systems with Pois-son jumps. European Journal of Control, 46,  14–22.

22. Moustakis N., Yuan S., Baldi S. (2018). An adaptive design for quantized feedback control of uncertain switched linear systems. International Journal of Adaptive Control and Signal Processing, 32, 9,  665–680.

23. Su H., Zhang W. (2019). Finite-time prescribed performance adaptive fuzzy fault-tolerant control for non-strict-feedback nonlinear systems. International Journal of Adaptive Control and Signal Processing, 33, 9, 1407–1424.

24. Tsien H.S., Serdengecti S. (1955). Analysis of peak-holding optimizing control. Journal of the Aeronautical Sciences, 22 (8), 561–570.

Система Orphus

Загрузка...
Вверх