Оптимизация взаимодействий компонентов человеко-машинной системы цифровизации

В статье рассматривается применение оптимизационного подхода к обеспечению эффективного взаимодействия компонентов человеко-машинной системы цифровизации. Структура такой системы рассматривается как объединение эргатических элементов к привязке неэргатических элементов при решении комплекса задач цифровой трансформации. Определено формализованное описание двух основных задач: определение оптимального числа эргатических элементов, связанных с обеспечением функционирования неэргатических элементов систем цифровизации; распределение решаемых задач между эргатическими элементами. Сформированы оптимизационные модели на множествах булевых переменных и предложены модификации алгоритмов направленного случайного поиска. В качестве критериев оптимизации рассматривается ряд показателей: производительность, надежность, стоимость. Оптимизационная модель первой задачи является бикритериальной. Для ее постановки на множестве булевых переменных осуществляется запись целочисленных значений количества эргатических компонентов, взаимодействующих с неэргатическими в двоичном исчислении. Решение задачи оптимизации осуществляется с использованием направленного случайного поиска, управляемого на каждой итерации изменением величины аддитивной свертки нормированных значений критериев на основе экспертных оценок их приоритетности при принятии решений. В едином цикле с формированием свертки осуществляется изменение вероятностных характеристик привлечения к поиску булевых переменных. Окончательный вариант решения выбирается путем группового экспертного оценивания. Оптимизационная модель второй задачи формируется на множестве булевых переменных, характеризующих привлечение эргатического компонента к решению определенной задачи цифровизации. При этом в качестве экстремального требования рассматривается среднее время выполнения всего комплекса задач, а граничные – обусловлены требованием выполнения каждой задачи в один период времени одним эргатическим элементом. Особенностью реализации алгоритма направленного случайного поиска является учет многоиндексного представления значений булевых переменных и способа исключения из допустимого множества решений тех, которые не соответствуют граничным требованиям.

1. Толковый словарь по информационному обществу и новой экономике. М.: 2007. URL: http://information_society.academic.ru.

2. Гумеров Э.А., Алексеева Т.В. Киберфизические системы промышленного интернета вещей. Прикладная информатика. 2021;16(2):72–81.

3. Смышляева А.А., Резников К.М., Савченко Д.В. Современные технологии в Индустрии 4.0 – киберфизические системы. Интернет-журнал «Отходы и ресурсы». 2020;3. URL: https://resources.today/02inor320.html. DOI: 10.15862/02INOR320.

4. Львович Я.Е., Львович И.Я., Чопоров О.Н. Оптимизация цифрового управления в организационных системах: коллективная монография. Воронеж: ИПЦ «Научная книга»; 2021. 191 с.

5. Адаменко А.Н. и др. Информационно-управляющие человеко-машинные системы: исследование, проектирование, испытания: Справочник. М.: Машиностроение; 1993. 527 с.

6. Львович И.Я., Львович Я.Е., Фролов В.Н. Информационные технологии моделирования и оптимизации: краткая теория и приложения. Воронеж: ИПЦ “Научная книга”; 2016. 444 с.

7. Батищев Д.И., Львович Я.Е., Фролов В.Н. Оптимизация в САПР: Учебник для вузов по направлению "Информатика и вычислительная техника" и специальности "Системы автоматизированного проектирования. Воронеж: Издательство Воронежского государственного университета; 1997. 415 с.

8. Львович Я.Е. Многоальтернативная оптимизация: теория и приложения. Воронеж: Кварта; 2006. 415 с.

9. Львович Я.Е., Львович И.Я. Принятие решений в экспертно-виртуальной сфере. Воронеж: ИПЦ “ Научная книга”; 2010. 140 с.

10. Шеффер Э. Индустрия Х.О. Преимущества цифровых технологий для производства (пер. с англ.). М.: Издательская группа «Точка»; 2019. 320 с.