В статье рассматривается характеризация организационной системы с альтернативными поставками и процесса управления ее на уровне структурного моделирования. Показано, что формирование структурных моделей является предварительным этапом для оптимизационного моделирования, обеспечивающего алгоритмизацию интеллектуальной поддержки принятия решений управляющим центром. Определено, что для дальнейшего использования при оптимизационном моделировании исходной информации структуризация функционирования организационной системы с альтернативными поставками должны включать описание характеристик связей при взаимодействии управляющего центра и объектов организации. Обосновано, что в число этих характеристик должны входить нумерационные множества объектов, поставщиков и стоимости поставок, и показатели, характеризующие эффективность поставок. Целенаправленность достижения определенных результатов деятельности устанавливается требованиями управляющего центра к интегральным затратам и срокам выполнения работ для каждого объекта. Оценено, что непосредственная трансформация структурной модели функционирования исследуемой системы в структуру управления на основе экспертно-оптимизационных решений в большинстве случаев не позволяет выбрать наилучший вариант поставок. В этом случае процесс традиционного управления следует дополнить подсистемой интеллектуальной поддержки управленческих решений. Предлагается интеллектуализацию осуществить путем последовательного решения ряда оптимизационных задач с последующей трансформацией результатов оптимизации в окончательное управленческое решение, обеспечивающее согласование экспертных и формализованных оценок. Указанная последовательность направлена на постепенное снижение задач многоальтернативной оптимизации, начиная от формирования редуцированного множества с переходом к множеству доминирующих вариантов и, наконец, перехода от альтернативных оптимизируемых переменных к параметрическим. Рассмотрена целесообразность перехода к параметрической оптимизации на основе машинного обучения зависимостей показателей эффективности от параметров с использованием ретроспективных данных для объектов, аналогичных текущему состоянию организационной системы с альтернативными поставками.
The article examines the characterization of an organizational system with alternative supplies and its management process at the level of structural modeling. It is shown that the formation of structural models is a preliminary stage for optimization modeling, which provides algorithmization of intellectual support for decision-making by the control center. It is determined that for further use in optimization modeling, the structuring of the functioning of an organizational system with alternative supplies should include a description of the characteristics of connections when interacting between the control center and organization objects. It is substantiated that these characteristics should include numerical sets of objects, suppliers, supply costs, and indicators characterizing the effectiveness of deliveries. The purposefulness of achieving certain results of activity is established by the requirements of the control center to integral costs and deadlines for each object. It is assessed that direct transformation of the structural model of the functioning of the studied system into a management structure based on expert-optimization decisions does not allow choosing the best option for supplies in most cases. In this case, the traditional management process should be supplemented with a subsystem of intellectual support for managerial decisions. Intellectualization is proposed to be carried out through sequential solution of several optimization problems followed by transformation of optimization results into final managerial decision ensuring coordination of expert and formalized assessments. This sequence aims at gradual reduction of multi-alternative optimization tasks starting from forming a reduced set transitioning to dominant variants' set and finally moving optimizable variables from alternatives to parameters. The feasibility of transitioning to parametric optimization based on machine learning dependencies of efficiency indicators from parameters using retrospective data for objects similar to the current state of the organizational system with alternative supplies is considered.
The authors declare that there are no conflicts of interest present.