Статья посвящена интеграции оптимизационного подхода и имитационного моделирования при управлении распределением ресурсного обеспечения в организационной системе с территориально распределенной деятельностной средой и переменным объемом деятельности. Показано, что материалы и методы исследования определяются системным подходом в форме структурного моделирования функционирования организации и управления ею. Структуризация взаимодействия управляющего центра с объектами деятельности позволяет установить количественные характеристики связей, значения которых фиксируются в рамках цифрового мониторинга системы. Базовым компонентом оптимизационно-имитационного моделирования является многоальтернативный выбор приоритетных объектов при распределении интегрированного ресурса, балансовое условие и случайный поток заявок, характеризующих требования объектов к выполнению работ в рамках деятельностной среды. Переменный характер объема деятельности в системе учитывается при многотактном распределении интегрированного ресурсного обеспечения. При этом нумерационное множество объектов на следующем такте после проведения многоальтернативной оптимизации включает элементы, не вошедшие в редуцированное множество, и случайную составляющую, определяемую результатами имитационного моделирования организации. Показано, что однотактный процесс оптимизации оперирует с реальными текущими данными и дает возможность определить нумерационное множество приоритетных объектов для получения ресурсного обеспечения в деятельностную среду. Многотактный процесс оптимизационно-имитационного моделирования позволяет генерировать условно реальные данные потребности в интегрированном ресурсе в таком количестве, что совместно с ретроспективными данными цифрового мониторинга образует репрезентативную обучающую выборку для машинного обучения прогностической модели. Установлены управленческие решения, которые принимаются с использованием прогностических моделей как на стадии функционирования исследуемой организационной системы, так и на стадии ее развития.
This paper addresses the integration of optimization approaches and simulation modeling to manage resource allocation within an organizational system characterized by a geographically distributed operational environment and variable activity volumes. The research methodology employs a systems approach, utilizing structural modeling to represent the organization's functioning and management. By structuring the interaction between the control center and operational units, the study establishes quantitative connection characteristics, which are recorded via the system's digital monitoring. The core component of this optimization-simulation model involves the multi-alternative selection of priority units for integrated resource allocation, subject to balance constraints and a stochastic flow of requests defining work requirements. Variable activity volumes are accounted for through a multi-period distribution of integrated resources. Consequently, the set of candidate units for the subsequent period includes those excluded from the optimized subset in the previous step, alongside a random component determined by the simulation results. The study demonstrates that single-period optimization utilizes real-time data to identify priority units for resource allocation. Furthermore, the multi-period optimization-simulation process generates sufficient synthetic data on resource demand; when combined with retrospective monitoring data, this forms a representative training dataset for machine learning predictive models. Finally, the paper defines management decisions supported by these predictive models for both the operational and developmental stages of the organizational system.
The authors declare that there are no conflicts of interest present.