К.О. Беляков1
1 Российский государственный художественно-промышленный университет им. С.Г. Строганова (Москва, Россия)

1 9099332211@mail.ru

Постановка проблемы. Традиционные методы управления горнотехническими комплексами не обеспечивают эффективной обработки сверхбольших массивов телеметрии и синхронизации автономных узлов в реальном времени. Существующие подходы к детерминированному контролю процессов добычи демонстрируют низкую устойчивость при резких изменениях геомеханических и технологических параметров среды.

Цель. Выполнить информационное моделирование адаптивного графа принятия решений в коллаборативных системах управления для стабилизации технологических процессов в условиях динамичной горно-геологической среды.

Результаты. Предложена концептуальная иерархическая модель интеллектуального управления, объединяющая уровни стратегического синтеза, коллаборативной информационной среды, графа логического вывода и исполнительных технических систем. Разработана архитектура, которая обеспечивает интеграцию гетерогенных потоков данных и функционирование прогностических анализаторов для выявления критических состояний оборудования и горного массива.

Практическая значимость. Представленная модель служит теоретическим базисом для разработки автономных систем управления, работающих в режиме реального времени. Переход к распределенным интеллектуальным системам позволяет реализовать алгоритмы упреждающей корректировки параметров, обеспечивая эффективность разработки рудника и переход к проактивной парадигме промышленного освоения недр.

Беляков К.О. Информационное моделирование графа принятия решений в коллаборативных системах управления горным производством // Нейрокомпьютеры: разработка, применение. 2026. Т. 28. № 4. С. 81–87. DOI: https://doi.org/10.18127/j19998554-202604-08

1. Липницкий С.Ф. Модель представления знаний в системе информационной поддержки принятия решений // Информатика. 2022. Т. 19. № 3. С. 40–49.
2. Воеводин В.А., Крахотин Н.А. Методы оценивания связности неориентированного двухполюсного помеченного графа с учетом деструктивного воздействия внешних угроз на его вершины // Вестник Дагестанского государственного технического университета. Технические науки. 2024. Т. 51. № 1. С. 46–60.
3. Korhonen P., Liesiö J., Siljamäki A. et al. Supporting scenario-based decision-making with multi-objective optimization // Futures & Foresight Science. 2025. V. 7. № 2. Р. 98–105.
4. Cleveland R., Trauernicht C., Bremer L. Guiding fuzzy cognitive mapping with structured decision making to inform complex natural resource management problems in Waianae Hawaii // Community Science. 2024. V. 3. № 2. Р. 13–18.
5. Воеводин В.А. Частная полумарковская модель как инструмент снижения сложности задачи оценивания устойчивости функционирования элементов информационной инфраструктуры, подверженной воздействию угроз // Информатика и автоматизация. 2024. Т. 23. № 3. С. 611–641.
6. Meng Zh., Lin R., Wu B. A novel multicriteria decision-making approach based on Pythagorean fuzzy sets and graph theory // International Journal of Intelligent Systems. 2022. V. 37. № 12.
7. Воробьев В.С., Яньшина И.В. Графические модели управления организационно-технологическими процессами содержания и ремонта линейно-рассредоточенных объектов // Вестник Сибирского государственного университета путей сообщения. 2024. № 5 (72). С. 52–57.
8. Chen K., Tan J., Zhu Ch. Some information measures for interval-valued hesitant fuzzy sets in multiple criteria decision-making // International Journal of Intelligent Systems. 2024. V. 2024. № 1. Р. 76–83.
9. Engen S., Muller G., Falk K. Conceptual modeling to support system-level decision-making: An industrial case study from the Norwegian energy domain // Systems Engineering. 2022. V. 26. № 2. Р. 107–113.