М.А. Казанцев1, И.А. Пиньчук2, Е.Е. Носкова3, Д.Г. Гайфулин4

1-4 Акционерное общество «Научно-производственное предприятие «Радиосвязь» (г. Красноярск, Россия)

1 mkaz@mail.ru, 2 pinchuk.ivan@yandex.ru, 3 een90@mail.ru, 4 me@dgayfulin.ru

Постановка проблемы. Современные радиоэлектронные производства характеризуются большой номенклатурой изделий и их высокой сложностью, что требует развитых инструментов внутрицехового планирования. Задача внутрицехового оперативного планирования для производств универсального типа остаётся одной из наиболее сложных в теории расписаний и оперативного управления производством. Формирование производственного плана требует комплексного учета главных компонентов производственной системы, связывающих исходные данные и методы решения задач.

Цель. Построить оптимизационную модель внутрицехового планирования как информационную модель с целью формализации постановки задачи планирования в виде задачи технической оптимизации; реализовать методы планирования для производства универсального типа; проанализировать влияние количественных и качественных характеристик исходных данных на эффективность работы методов.

Результаты. Разработана оптимизационная модель внутрицехового планирования на базе адаптированных методов ветвей и границ и табу поиска с учетом специфики универсального типа. Проведены вычислительные э ксперименты на основе исходных данных с разными характеристиками, полученных с помощью программы генерации исходных данных для оптимизационных моделей производственного планирования. Получены результаты оценки эффективности методов планирования при построении производственных расписаний в зависимости от времени работы производственной системы и суммарного времени простоев оборудования.

Практическая значимость. Полученные результаты позволяют выработать стратегию выбора алгоритмов из библиотеки планирования на основе анализа свойств исходных данных, что даёт возможность оценить характер задачи и определить эффективность метода планирования до запуска расчётов. Использование метрик для анализа исходных данных делает поведение алгоритмов предсказуемым. Такой подход открывает возможность адаптации существующих решений под специфику отдельных цехов и производств, учитывающих особенности их технологических процессов и ресурсных ограничений. Предложенная оптимизационная модель и полученные экспериментальные данные могут быть использованы для разработки ИИ-агента, решающего задачу оптимизации производственного планирования.

Казанцев М.А., Пиньчук И.А., Носкова Е.Е., Гайфулин Д.Г. Анализ исходных данных при реализации оптимизационной модели планирования // Динамика сложных систем. 2026. Т. 20. № 1. С. 50−61. DOI: 10.18127/j19997493-202601-05

1. Галеев Р.Г., Капулин Д.В., Казанцев М.А. Производственная логистика приборостроительного предприятия: Учеб. пособие. Красноярск: Сибирский федеральный университет, 2021. 265 с.
2. Мауэргауз Ю.Е. Динамические расписания для гибких производств: 12 компьютерных программ. М.: НГСС. 2018. 312 с.
3. Guo H., Liu J., Wang Y., & Zhuang C. An improvedgenetic programming hyper-heuristic for the dynamicflexible job shopsche dulingproblem with reconfigurable manufacturing cells. Journal of Manufacturing Systems. 2024. V. 74. P. 252 –263. https://doi.org/10.1016/j.jmsy.2024.03.009.
4. Kuznetsov A.S., & Noskova E.E. Assessment of planning methods at job-order manufacturing facilities. IOP Conference Series: Materials Science and Engineering. 2020. V. 862. № 4. https://doi.org/10.1088/1757-899X/862/4/042024.
5. Kenneth R. Baker, Dan Trietsch. Principles of Sequencing and Scheduling. Hoboken, New Jersey: John Wiley & Sons. 2009. 648 с.
6. Madraki G., & Mousavian S. Theoretical enhancements in calculation s of perturbed schedule in job shop systems. Computers and Industrial Engineering. 2025. V. 201. https://doi.org/10.1016/j.cie.2025.110927.
7. Sun J., Zhang Z., Zhang G., & Huang Z. Multi-objective evolutionary algorithm based flexibleassembly job-shoprescheduling with component sharing for orderinsertion. Computers and Operations Research. 2024. V. 169. https://doi.org/10.1016/j.cor.2024.106744.
8. Mirmozaffari M., Hejazi S.M., Karamizadeh N., & Montazeri A. A mixed-integer non-linear no-waitopen-shopscheduling model for minimizing makespan and totaltardiness in manufacturing. Decision Analytics Journal. 2024. V. 10. https://doi.org/10.1016/ j.dajour.2024.100403.
9. Казанцев М.А., Пиньчук И.А., Носкова Е.Е. Планово-оптимизационный уровень развития информационной среды на радиоэлектронных производствах // Динамика сложных систем – 21 век. 2025. Т. 19. № 1. С. 14– 23. https://doi.org/10.18127/j19997493202501-02. 1
10. Свидетельство о государственной регистрации программы для ЭВМ № 2025682067 Российская Федерация. Программа генерации исходных данных для оптимизационных моделей производственного планирования: заявл. 08.07.2025: опубл. 20.08.2025 / М.А. Казанцев, И.А. Пиньчук, Е.Е. Носкова; заявитель Акционерное общество «Научно-производственное предприятие «Радиосвязь».