В статье рассматривается метод интеллектуальной поддержки управленческих решений, направленный на оптимизацию процесса управления проектными данными в организационно-производственных системах. Предложен подход, основанный на алгоритме нечеткой классификации Fuzzy C-Means, реализованный в программном модуле SZMK.ModelChecker, выполняющем функции анализа, принятия решений и контроля в цифровом контуре управления проектной документацией. Метод обеспечивает формализацию процедуры унификации проектных элементов с учётом совокупности геометрических, технологических и структурных признаков и реализует мягкую логику принятия решений в условиях неопределённости. Экспериментальная апробация подтвердила устойчивость и достоверность алгоритма: количество уникальных проектных позиций сокращено на 38,7 %, время обработки документации уменьшено на 35 %, а доля уверенных принадлежностей превышает 90 %. Полученные результаты демонстрируют, что интеграция методов нечеткой классификации в системы управления проектными данными повышает согласованность информационных потоков, снижает трудоёмкость согласования и формирует адаптивный механизм управления в рамках цифровой трансформации организационно-производственных систем.
 

Ключевые слова: управление в организационных системах, интеллектуальная поддержка принятия решений, нечеткая классификация, Fuzzy C-Means, цифровой контур управления, SZMK.ModelChecker, унификация проектных данных, адаптивное управление

2.3.4 - Управление в организационных системах , 2.5.22 - Управление качеством продукции. Стандартизация. Организация производства

На АО «ЕВРАЗ ЗСМК» с 2017г. разрабатывается и эксплуатируется математическая модель, охватывающая все переделы от добычи руды до конечной продукции – СММ «Прогноз». Модель применятся для расчетов технических кейсов, планов, паритетных цен по ЖРС и углю, и ее использование принесло только за 2020 год более 200 млн. руб. экономического эффекта. Использование универсальной математической модели позволило в 2023 году начать разработку модуля посуточной оптимизации агломерационной фабрики и доменного производства. В статье рассматривается опыт АО «ЕВРАЗ ЗСМК» по разработке и внедрению системы посуточного планирования на базе модели помесячного планирования СММ «Прогноз», а также методы достижения приемлемой скорости многопериодной оптимизации. Система СММ «Прогноз» изначально была предназначена для сквозного, сценарного расчета основных сырьевых переделов от руды и углей до готовой продукции в объемном месячном планировании. Система использует оптимизационные алгоритмы поиска глобальной целевой функции по максимизации маржинального дохода при заданных ограничениях. В математической модели переделов используются нормы и технологии, заданные на предприятии нормативными документами. При этом модель является универсальной и перевод алгоритмов с помесячного на посуточный режим был осуществлен с минимальными доработками. В статье также рассмотрены возникшие трудности и различные методы решения этих проблем. Первой проблемой, с которой столкнулись разработчики, была низкая скорость оптимизации модели в посуточной динамике из-за сильного усложнения оптимизационной нагрузки. Время расчета существенно возросло, и для решения этой проблемы потребовалось внедрение ряда оптимизационных циклов, направленных на снижение скорости решения уравнений, внедрение границ переменных, определение стартовых точек. В результате чего время расчета для одного месяца составило порядка 40 минут. Вторая проблема заключалась в необходимости разработки сложного алгоритма управления поставок и оптимизации штабелирования на аглофабрике. В результате решения этой проблемы был разработан рабочий инструмент, приносящий дополнительный доход для предприятия.

Ключевые слова: металлургия, моделирование, планирование, посуточное планирование, аглофабрика, доменный цех, штабелирование

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.3.3 - Автоматизация и управление технологическими процессами и производствами

Работа посвящена исследованию основных аспектов применения экспертных систем в отрасли металлургии. Приведен обзор имеющихся актуальных проблем производства, а также рассмотрены перспективы развития автоматических систем принятия решений на основе формализованных экспертных знаний с использованием современных средств обработки данных

Ключевые слова: производственные процессы, металлургия, управляющие воздействия, экспертные системы, технологический персонал, показатели производства, программная реализация, моделирование, помехи, тренажерные комплексы

05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям)