Е.Н. Горлачева – к.э.н., доцент, кафедра «Промышленная логистика», 

Московский государственный технический университет им. Н.Э. Баумана

E-mail: gorlacheva@yandex.ru 

Постановка проблемы. Современные промышленные предприятия радиоэлектронного комплекса все в большей степени приобретают черты социокиберфизических систем. Актуальным является исследование цифровых двойников, поскольку эта концепция станет ведущей в моделировании производственно-сбытовых систем нового поколения. Проблемой является выбор и обоснование подхода к моделированию подобных систем.

Цель работы – разработка подхода к моделированию производственно-сбытовой системы нового поколения на основе нейросетей.

Результаты. Разработан подход к моделированию производственно-сбытовой системы нового поколения на основе нейросети, позволяющий своевременно реагировать на отклонения в производственных процессах.

Практическая значимость. Применение подобного подхода позволит существенно повысить эффективность производственно-сбытовых систем радиоэлектронного комплекса.

1. Павеллек Г. Комплексное планирование промышленных предприятий: базовые принципы, методика, ИТ-обеспечение: Пер. с нем. М. Альпина Паблишер. 2015. 366 с.
2. Гудков А.Г. и др. Повышение надежности ГИС и МИС СВЧ / Под ред. А.Г. Гудкова, В.В. Попова. Кн. 2. М.: ООО «Авантест». 2013. 214 с.
3. Гудков А.Г. и др. Повышение надежности ГИС и МИС СВЧ / Под ред. А.Г. Гудкова, В.В. Попова. Кн. 1. М.: ООО «Авантест. 2012. 212 с.
4. Гудков А.Г. и др. Повышение надежности ГИС и МИС СВЧ / Под ред. В.Н. Вьюгинова, А.Г. Гудкова, В.В. Попова. Кн. 3. М.: ООО «Авантест». 2016. 252 с.
5. Гудков А.Г. Радиоаппаратура в условиях рынка. Комплексная технологическая оптимизация. М.: Сайнс-Пресс. 2008. 336 с.
6. Bannat A. et al. Artificial Cognition in Production Systems. IEEE Transactions on automation science and engineering. 2011. V. 8. № 1. P. 148–174.
7. Туровец О.Г., Родионова В.Н. Современные проблемы организации машиностроительного производства. Воронеж: ФГБОУ ВО «Воронежский государственный технический университет». 2017. 161 с.
8. Станкевич Л.А. Когнитивные системы и роботы. СПб.: Политех-пресс. 2019. 631 с.
9. Станкевич Л.А. Когнитивные поведенческие системы // ХIХ Междунар. науч.-техн. конфер. «Нейроинформатика – 2017»: Лекции по нейроинформатике. М.: Изд-во НИЯУ МИФИ. 2017. С. 31–97.
10. Tanriverdi H. Information Technology Relatedness, Knowledge Management Capability and Performance of Multibusiness Firms. MIS Quarterly. 2005. V. 29. P. 311–334.
11. Куликовски Р. Оптимальные и адаптивные процессы в системе автоматического регулирования. М.: Наука. 1967.
12. Волкова В.Н., Воронков В.А., Денисов А.А. и др. Теория систем и методы системного анализа в управлении и связи. М.: Радио и связь.
13. LeCun, Yann et al. Gradient-based learning applied to document recognition. Proceedings of the IEEE. 1998. V. 86.11. P. 2278–2324. Режим доступа: http://yann.lecun.com/exdb/publis/pdf/lecun-98.pdf (дата обращения: 25.05.2018)
14. Goodfellow, Ian et al. Generative adversarial nets. Advances in Neural Information Processing Systems. 2014. Режим доступа: https://arxiv.org/pdf/1406.2661v1.pdf (дата обращения: 29.05.2018).
15. Elman J.L. Finding structure in time. Cognitive science 1990. V. 14.2. P. 179–211. Режим доступа: https://crl.ucsd.edu/~elman/Papers/fsit.pdf (дата обращения: 29.05.2018).
16. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. СПб.: Питер. 2020. 480 с.