ELABORATION AND RESEARCH OF A MODEL OF OPTIMAL PRODUCTION AND DEVELOPMENT OF INDUSTRIAL SYSTEMS TAKING INTO ACCOUNT THE USE OF THE EXTERNAL RESOURCES

Dmytro Hryshyn; Taisa Borovska; Aliya Kalizhanova

doi:10.35784/iapgos.3248

Open full text

PDF (English)

Opublikowane: gru 30, 2022

DOI: https://doi.org/10.35784/iapgos.3248

Numer Tom 12 Nr 4 (2022)

Artykuły

ROZPRASZANIE PRZEZ PUSTE PRZESTRZENIE KOŁOWE ZE SZTYWNĄ GRANICĄ: PROSTE I ODWROTNE ZAGADNIENIA DLA OBSZARÓW OTWARTYCH I ZAMKNIĘTYCH
Tomasz Rymarczyk, Jan Sikora

4-10
MODEL ELEMENTÓW SKOŃCZONYCH DO ANALIZY CHARAKTERYSTYK DRGAŃ ŁOPAT WIRNIKA OSŁONIĘTEGO
Anatoliy Zinkovskii, Kyrylo Savchenko, Yevheniia Onyshchenko, Leonid Polishchuk, Abilkaiyr Nazerke, Bagashar Zhumazhanov

11-16
WYDAJNE PRZETWARZANIE DANYCH W TABELI Z MILIARDAMI REKORDÓW
Piotr Bednarczuk, Adam Borsuk

17-20
UOGÓLNIONY MODEL PROCESU OCHRONY INFORMACJI W SIECIACH DYSTRYBUCJI TREŚCI AUDIOWIZUALNYCH
Heorhii Rozorinov, Oleksandr Hres, Volodymyr Rusyn

21-25
MONITOROWANIE PRZECIĄŻEŃ NA POZIOMIE ŁĄCZA W SYSTEMACH TELEKOMUNIKACYJNYCH Z WYKORZYSTANIEM KRYTERIÓW INFORMACYJNYCH
Natalia Yakymchuk, Yosyp Selepyna, Mykola Yevsiuk, Stanislav Prystupa, Serhii Moroz

26-30
TOMOGRAFIA POLARYZACYJNA STRUKTURY POLIKRYSTALICZNEJ WYCINKÓW HISTOLOGICZNYCH NARZĄDÓW CZŁOWIEKA W OKREŚLANIU DAWNYCH USZKODZEŃ
Olexandra Litvinenko, Victor Paliy, Olena Vуsotska, Inna Vishtak, Saule Kumargazhanova

31-34
ANALIZA CECH SEGMENTACJI GÓRNYCH DRÓG ODDECHOWYCH W CELU OKREŚLENIA PRZEWODNICTWA NOSOWEGO
Oleg Avrunin, Yana Nosova, Nataliia Shushliapina, Ibrahim Younouss Abdelhamid, Oleksandr Avrunin, Svetlana Kyrylashchuk, Olha Moskovchuk, Orken Mamyrbayev

35-40
ZASTOSOWANIE Q-PREPARACJI DO FILTROWANIA AMPLITUDOWEGO ZDYSKRETYZOWANEGO OBRAZU
Leonid Timchenko, Natalia Kokriatskaia, Mykhailo Rozvodiuk, Volodymyr Tverdomed, Yuri Kutaev, Saule Smailova, Vladyslav Plisenko, Liudmyla Semenova, Dmytro Zhuk

41-46
MODEL INFORMACYJNY OCENY KONKURENCYJNOŚCI SEKTORA TURYSTYCZNEGO W KONTEKŚCIE POLITYKI INTEGRACJI EUROPEJSKIEJ
Iryna Prychepa, Oksana Adler, Liliia Ruda, Olexander Lesko, Zlata Bondarenko, Lee Yanan, Dinara Mussayeva

47-52
PROGNOZOWANIE PROCESÓW BIZNESOWYCH W SYSTEMIE ZARZĄDZANIA KORPORACJĄ
Svitlana A. Yaremko, Elena M. Kuzmina, Nataliia B. Savina, Iryna Yu. Yepifanova, Halyna B. Gordiichuk, Dinara Mussayeva

53-59
OPRACOWANIE I BADANIE MODELU OPTYMALNEJ PRODUKCJI I ROZWOJU SYSTEMÓW PRZEMYSŁOWYCH Z UWZGLĘDNIENIEM WYKORZYSTANIA ZASOBÓW ZEWNĘTRZNYCH
Dmytro Hryshyn, Taisa Borovska, Aliya Kalizhanova

60-66
MODELOWANIE PROCESU ROZWOJU EDUKACJI WŁĄCZAJĄCEJ NA UKRAINIE
Mariana M. Kovtoniuk, Olena P. Kosovets, Olena M. Soia, Olga Yu. Pinaieva, Vira G. Ovcharuk, Kuralay Mukhsina

67-73
PRZETWORNIK CZĘSTOTLIWOŚĆ-KOD Z BEZPOŚREDNIĄ TRANSMISJĄ DANYCH
Piotr Warda

74-77
CYFROWE PODEJŚCIE DO METODY KONWERSJI NATĘŻENIA PRĄDU TERMOEMISJI ELEKTRONOWEJ NA NAPIĘCIE DLA WYSOKONAPIĘCIOWYCH ŹRÓDEŁ ELEKTRONÓW
Bartosz Kania

78-81
[Wycofany]: OPROGRAMOWANIE SYSTEMOWE NA STANOWISKU LABORATORYJNYM „STEROWANIE OŚWIETLENIEM W OPARCIU O PROGRAMOWALNY STEROWNIK LOGICZNY”
Artykuł został wycofany z powodu naruszenia zasad etyki. Redakcja otrzymała zgłoszenie, że niniejsza praca narusza prawa autorskie innych osób. Przeprowadzone postępowanie wyjaśniające potwierdziło prawdziwość zgłoszenia, w wyniku czego podjęto decyzję o wycofaniu pracy. Materiał dowodowy w sprawie jest w posiadaniu redakcji. Redakcja czasopisma oświadcza jednocześnie, że z jej strony zostały zachowane wszelkie procedury sprawdzające artykuł pod kątem nieetycznych praktyk.
Laura Yesmakhanova, Raushan Dzhanuzakova, Bauyrzhan Myrkalykov

82-86
ANALIZA PŁOMIENIA WYBRANYMI METODAMI W DZIEDZINIE CZĘSTOTLIWOŚCI
Żaklin Grądz, Jacek Klimek, Czesław Kozak

87-89

Archiwum

2024

Tom 14 Nr 4
2024-12-21 25
Tom 14 Nr 3
2024-09-30 24
Tom 14 Nr 2
2024-06-30 24
Tom 14 Nr 1
2024-03-31 23

2023

Tom 13 Nr 4
2023-12-20 24
Tom 13 Nr 3
2023-09-30 25
Tom 13 Nr 2
2023-06-30 14
Tom 13 Nr 1
2023-03-31 12

2022

Tom 12 Nr 4
2022-12-30 16
Tom 12 Nr 3
2022-09-30 15
Tom 12 Nr 2
2022-06-30 16
Tom 12 Nr 1
2022-03-31 9

2021

Tom 11 Nr 4
2021-12-20 15
Tom 11 Nr 3
2021-09-30 10
Tom 11 Nr 2
2021-06-30 11
Tom 11 Nr 1
2021-03-31 14

2020

Tom 10 Nr 4
2020-12-20 16
Tom 10 Nr 3
2020-09-30 22
Tom 10 Nr 2
2020-06-30 16
Tom 10 Nr 1
2020-03-30 19

DOI

https://doi.org/10.35784/iapgos.3248

Authors

Dmytro Hryshyn

dmitriygrishin2@gmail.com

Vinnytsia National Technical University, Ukraina

http://orcid.org/0000-0001-5397-3592

Taisa Borovska

taisaborovska@gmail.com

Vinnytsia National Technical University, Ukraina

http://orcid.org/0000-0002-5308-4872

Aliya Kalizhanova

kalizhanova_aliya@mail.ru

University of Power Engineering and Telecommunications; Institute of Information and Computational Technologies MES CS RK, Kazachstan

http://orcid.org/0000-0002-5979-9756

Abstrakt

Rozpatrywany jest problem optymalizacji przedsięwzięć inwestycyjnych związanych z rozwojem nowoczesnych systemów produkcyjnych. Postawiono i rozwiązano zadania zarządzania funkcjonowaniem i rozwojem systemów produkcyjnych z uwzględnieniem zasobów zewnętrznych – synteza i analiza optymalnych strategii kredytowych. Przeprowadzono analizę analogów – rozwiązań wariacyjnego problemu optymalnego rozwoju, którego wadą jest trudność uzyskania informacji o stanie produkcji i otoczeniu zewnętrznym. Nowe rozwiązanie oparte jest na podejściu zasobowym, kiedy to zasoby zewnętrzne są uwzględniane w kosztach zasobów produkcyjnych. Wykorzystano uogólniony model optymalnego rozwoju, w którym planowany okres realizacji projektu inwestycyjnego podzielono na przedziały. Na początku każdego interwału optymalna strategia rozwoju jest korygowana z uwzględnieniem doprecyzowania informacji o przyszłym stanie otoczenia aktywnego: działań konkurentów, konsumentów, rynków światowych. W celu określenia optymalnej ilości i optymalnej dystrybucji kredytów pomiędzy podsystemami, w każdym interwale wyznaczane są maksima kryterium – sparametryzowanej funkcji efektywności systemu. Na podstawie modelu optymalnego rozwoju opracowano nowy model, który uwzględnia wykorzystanie zasobów zewnętrznych, takich jak kredyty. Rozpatrzono metodę uwzględniania zasobu zewnętrznego w funkcji rozwoju i funkcji produkcji. Podano przykłady modelowania.

Słowa kluczowe:

optymalna agregacja, funkcja produkcji, funkcja rozwoju, zasób zewnętrzny, modelowanie symulacyjne

Bibliografia

Avrunin O. et al.: Classification of CT-brain slices based on local histograms. Proc. of SPIE 9816, 2015, 98161J. DOI: https://doi.org/10.1117/12.2229040

Azarova A.: Information Technologies and Neural Network Means for Building the Complex Goal Program „Improving the Management of Intellectual Capital”. Lecture Notes on Data Engineering and Communications Technologies 77, 2022, 534–547. DOI: https://doi.org/10.1007/978-3-030-82014-5_36

Bellman R. E. et al.: Certain problems of mathematical control theory. Publishing House of Foreign Literature, Moscow 1963.

Bellman R. E., Kalaba R. E.: Dynamic programming and modern control theory. Academic, New York 1965.

Bertsekas D. P.: Dynamic programming and Optical Control. Athena Scientific, 2017.

Borovska T, Hryshyn D.: Comparative Analysis of Methods for Optimizing Production Systems based on Hamiltonian and the Method of Optimal Aggregation. IEEE 16th International Conference on Computer Sciences and Information Technologies (CSIT), 1, 2021, 345–348 [http://doi.org/10.1109/CSIT52700.2021.9648626]. DOI: https://doi.org/10.1109/CSIT52700.2021.9648626

Borovska T. et al.: Searchless Intelligent System of Modern Production Control. IEEE 15th International Conference on Computer Sciences and Information Technologies (CSIT), Zbarazh, Ukraine, 2020, 291–296 [http://doi.org/10.1109/CSIT49958.2020.9321842].

Borovska T.: Generalized model of optimal development, based on the integration of production and development subsystems. XII International Scientific and Technical Conference „Computer science and information technologies” CSIT’2017, Lviv, Ukraine, 2017, 446–449, 17353622 [http://doi.org/10.1109/STC-CSIT.2017.8098826]. DOI: https://doi.org/10.1109/STC-CSIT.2017.8098826

Borovska T. et al.: Intelligent System of Modern Production Control Based on the Methodology of Optimal Aggregation, 2021, 291–296 [http://doi.org/10.1109/CSIT49958.2020.9321842]. DOI: https://doi.org/10.1109/CSIT49958.2020.9321842

Borovska T. et al: Adaptive production control system based on optimal aggregation methods. Proc. of SPIE 10808, 2018, 108086O [http://doi.org/10.1117/12.2501520]. DOI: https://doi.org/10.1117/12.2501520

Borovska T. et al.: Mathematical models of production systems development based on optimal aggregation methodology. Proc. of SPIE 10445, 2017, 104452P [http://doi.org/10.1117/12.2281222]. DOI: https://doi.org/10.1117/12.2281222

Chertovskoy V., Tsehanovsky V.: Optimal model of manufacturing control system. Journal of Physics Conference Series 1864(1), 2021, 012096 [http://doi.org/10.1088/1742-6596/1864/1/012096]. DOI: https://doi.org/10.1088/1742-6596/1864/1/012096

Das S. et al.: A production inventory model with partial trade credit policy and reliability. Alexandria Engineering Journal 60(1), 2021, 1325–1338 [http://doi.org/10.1016/j.aej.2020.10.054]. DOI: https://doi.org/10.1016/j.aej.2020.10.054

Denardo E. V.: Dynamic Programming: Models and applications. Dover Publications 2003.

Fagin R., Kumar R., Sivakumar D.: Efficient similarity search and classification via rank aggregation. ACM SIGMOD International Conference on Management of Data, SIGMOD 2003 [http://doi.org/10.1145/872794.872795]. DOI: https://doi.org/10.1145/872757.872795

Forrester J.: Fundamentals of cybernetics of the enterprise (Industrial dynamics). Progress, Мoscow 1971.

Koulouris A. et al.: Applications of process and digital twin models for production simulation and scheduling in the manufacturing of food ingredients and products. Food and Bioproducts Processing 126, 2021, 317–333. DOI: https://doi.org/10.1016/j.fbp.2021.01.016

Leggatt T. W.: The evolution of Industrial Systems. Croom Helm, London 1985.

Leontiev V.: Theoretical assumptions and nonobservable facts. Economy, ideology, politics 9, 1972, 15.

Mesarovic M., Takahara Y.: General systems theory: mathematical foundations. Academic Press, New York, San Francisco, London 1975.

Mukha Ap. A.: Control of the process of complex engineering systems and processes development. Characteristic features of FMEA-analysis application. Mathematical machine and systems 2, 2012, 168–176.

Murayama T., Devis P.: Optimal aggregation of noisy observations. Journal of Physics: Conference Series 233(1), 2003, 301–312 [http://doi.org/10.1145/872794.872795]. DOI: https://doi.org/10.1145/872794.872795

Opoitsev V. I.: Equilibrium and stability in models of collective behavior. Mir, Moscow 1977.

Raymo M. et al.: A New Method for Food Production Analysis and Optimization Applied to Citrus Industry. Computer Aided Chemical Engineering 48, 2020, 2005–2010. DOI: https://doi.org/10.1016/B978-0-12-823377-1.50335-9

Romanyuk N. et al.: Microfacet distribution function for physically based bidirectional reflectance distribution functions. Proc. of SPIE 8698, 2012, 86980L [http://doi.org/10.1117/12.2019338]. DOI: https://doi.org/10.1117/12.2019338

Romanyuk O. et al.: Method of anti-aliasing with the use of the new pixel model. Proc. of SPIE 9816, 2015, 981617 [http://doi.org/10.1117/12.2229013]. DOI: https://doi.org/10.1117/12.2229013

Romanyuk S. et al.: New method to control color intensity for antialiasing. International Siberian Conference Control and Comm. – SIBCON, 2015 [http://doi.org/10.1109/SIBCON.2015.7147194]. DOI: https://doi.org/10.1109/SIBCON.2015.7147194

Rüttimann B., Stockli M.: Going beyond triviality: The Toyota production system-lean manufacturing beyond Muda and Kaizen. J. Serv. Sci. Manag. 9, 2016, 140–149 [http://doi.org/10.4236/jssm.2016.92018]. DOI: https://doi.org/10.4236/jssm.2016.92018

Rüttimann B.: Introduction to Modern Manufacturing Theory. Springer International Publishing AG 2018 [http://doi.org/10.1007/978-3-319-58601-4]. DOI: https://doi.org/10.1007/978-3-319-58601-4

Skrynkovskyy R. et al.: Improvement of the express diagnostics of the production activity of the enterprise taking into account the method of determining the optimal production programs in the operational management system. Technology Audit and Production Reserves 6(44), 2018, 4–10 [http://doi.org/10.15587/2312-8372.2018.147968]. DOI: https://doi.org/10.15587/2312-8372.2018.147968

Skrynkovskyy R. et al.: Improvement of the model of the innovative development of the production system of industrial enterprises. Reports on Research Projects 1/4(45), 2019, 53. DOI: https://doi.org/10.15587/2312-8372.2019.159227

Taylor C.: Dynamic programming and the curses of dimensionality. Applications of dynamic programming to agricultural decision problems. CRC Press, 2019. DOI: https://doi.org/10.1201/9780429040917

Tsybakov B.: Optimal Rates of Aggregation, Statistical Learning Theory and Stochastic Optimization. In: Saint-Flour E. D. et al.: Statistical learning theory and stochastic optimization: École d'eté de probabilités de Saint-Flour XXXI – 2001. 2004, 54–69.

Weijia D., Ginger Z., Jungmin L.: Optimal Aggregation of Consumer Ratings. NBER Working Paper No. 18567, 12–23.

Xinxin L.: Self-Selection and Information Role of Online Product Reviews. Information Systems Research 19(4), 2012, 56–64.

Hryshyn, D., Borovska, T., & Kalizhanova, A. (2022). OPRACOWANIE I BADANIE MODELU OPTYMALNEJ PRODUKCJI I ROZWOJU SYSTEMÓW PRZEMYSŁOWYCH Z UWZGLĘDNIENIEM WYKORZYSTANIA ZASOBÓW ZEWNĘTRZNYCH. Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 12(4), 60–66. https://doi.org/10.35784/iapgos.3248

##plugins.themes.bootstrap3.article.sidebar##

Numer Tom 12 Nr 4 (2022)

Archiwum

##plugins.themes.bootstrap3.article.main##

DOI

Authors

Abstrakt

Słowa kluczowe:

Bibliografia

##plugins.themes.bootstrap3.article.details##

Licencja