Метод планирования мелкосерийного производства на основе предиктивного и сценарного анализа стохастических факторов тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Королев Сергей Андреевич

• Королев Сергей Андреевич
• кандидат наук
• 2026

Оглавление диссертации кандидат наук Королев Сергей Андреевич

ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ ПРОБЛЕМ ПЛАНИРОВАНИЯ МЕЛКОСЕРИЙНОГО МАШИНОСТРОИТЕЛЬНОГО ПРОИЗВОДСТВА

1.1. Анализ специфики мелкосерийного машиностроительного производства

1.2. Основные цели и вызовы мелкосерийного машиностроительного производства

1.3. Исследование влияния специфики мелкосерийного машиностроительного производства на его планирование

1.4. Постановка научной задачи исследования

Выводы по Главе

ГЛАВА 2. ПОСТАНОВКА ТРЕБОВАНИЙ К ПОСТРОЕНИЮ СРЕДНЕСРОЧНОГО ПЛАНА МЕЛКОСЕРИЙНОГО МАШИНОСТРОИТЕЛЬНОГО ПРОИЗВОДСТВА

2.1. Анализ управляемых рисков и требований к процессу среднесрочного планирования производства

2.2. Анализ подходов к постановке задачи оптимизации среднесрочного плана мелкосерийного производства с учетом стохастических факторов

2.3. Определение границ задачи оптимизации среднесрочного плана производства

2.4. Проработка сценариев использования метода среднесрочного

планирования

Выводы по Главе

ГЛАВА 3. РАЗРАБОТКА МЕТОДА СРЕДНЕСРОЧНОГО ПЛАНИРОВАНИЯ МЕЛКОСЕРИЙНОГО МАШИНОСТРОИТЕЛЬНОГО ПРОИЗВОДСТВА

3.1. Создание инструмента предиктивного анализа стохастических факторов

3.2. Построение модели оптимизации плана производства

3.3. Выбор оптимизационного алгоритма

Стр.

3.4. Имплементация алгоритма построения среднесрочного плана

производства

Выводы по Главе

ГЛАВА 4. ВНЕДРЕНИЕ И ОЦЕНКА ЭФФЕКТИВНОСТИ РАЗРАБОТАННОГО МЕТОДА ПЛАНИРОВАНИЯ

4.1. Разработка автоматизированных форм отчетности для сценарного анализа планов

4.2. Апробация метода планирования

4.3. Анализ результатов апробации разработанного метода

Выводы по Главе

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ

Введение диссертации (часть автореферата) на тему «Метод планирования мелкосерийного производства на основе предиктивного и сценарного анализа стохастических факторов»

ВВЕДЕНИЕ

В современных условиях многие машиностроительные предприятия, ведущие мелкосерийное производство наукоемкой продукции под заказ, столкнулись с повышенной неопределенностью спроса в разрезе отдельных заказов при общем росте потребности в выпускаемой продукции на уровне государства, сопровождающейся одновременной необходимостью осваивать новые технологические процессы и выстраивать отношения с новыми поставщиками [47]. Кроме того, важным вызовом для промышленных предприятий выступает нехватка кадров, особенно высококвалифицированных рабочих [37].

В сложившихся обстоятельствах для предприятий возрастает важность рациональной организации процессов производства для наиболее эффективного использования ограниченных ресурсов для удовлетворения изменяющегося спроса. Эффективное использование ресурсов предприятия может достигаться за счет совершенствования организации процессов планирования, поскольку именно планирование позволяет удостовериться в средне и долгосрочной устойчивости функционирования предприятия, а также позволяет ему адаптироваться к изменившимся внешним обстоятельствам [12]. При этом сложность, масштабность и ответственность хозяйственной деятельности предприятий, функционирующих в отрасли машиностроения, требует наличия эффективного метода планирования основных количественных и качественных показателей функционирования во всех ключевых областях принятия решений, включая производственную деятельность [97].

Процесс планирования на предприятии можно разделить на стратегическое, среднесрочное, также называемое тактическим, и оперативное планирование [21], из которого иногда выделяют графикование [45].

Стратегическое планирование производства отвечает за планирование мощностей и перспективных технологий производства. Большую роль, по сравнению с другими видами планирования, в нем занимает интуиция лиц, принимающих решения, поэтому стратегическое планирование может быть формализовано на уровне процедур, но не алгоритмов формирования планов [20]. Несмотря на это, данный вид планирования налажен на большинстве крупных и средних российских

промышленных предприятий, ввиду своей определяющей значимости для выживания и сохранения экономической эффективности предприятий [68].

Тактическое или среднесрочное планирование производства направлено на агрегированное планирование использования доступных производственных мощностей и ресурсов для выполнения фактических и потенциальных заказов в соответствии со стратегическими целями предприятия. Таким образом, среднесрочное планирование является связующим звеном между стратегическим и операционным планированием, помогающим компаниям достигать финансовые цели либо корректировать их в случае недостижимости. Именно среднесрочное планирование отвечает за реагирование на изменяющиеся факторы по всей логистической цепочке, что обуславливает его возросшую значимость во время существенной перестройки логистических цепочек [50].

Задача среднесрочного планирования производственной деятельности является одной из первостепенных задач планирования для промышленных предприятий, так как данный вид планирования позволяет точнее предсказывать финансовые результаты на среднесрочном горизонте, и тем самым определять располагаемые ресурсы для всех областей деятельности предприятия. Поэтому можно утверждать, что результаты среднесрочного плана производства и реализации служат основой для других видов планирования на среднесрочном и оперативном горизонтах [9].

При этом существенной проблемой, характерной для среднесрочного планирования, является то, что увеличение горизонта планирования относительно оперативного планирования неизбежно влечет за собой снижение детализации, и, как следствие, повышение уровня неопределенности при принятии решений в планировании. С точки зрения планирования, стохастичность внешней и внутренней среды приводит к дилемме - строить план исходя из точечных оценок параметров внешней среды, исходя из интервальных оценок или основываясь на вербальных методах принятия решений [147], подобно тому как это делается в стратегическом планировании. Причем целесообразное решение данного вопроса во многом

зависит от отрасли машиностроения и степени повторяемости заказов и типа производства в ней.

Наконец оперативное планирование служит для построения детальных планов производства на короткий срок, обычно до месяца, которые затем принимаются в исполнение. Выделяемое из него графикование отвечает за создание графиков выполнения конкретных производственных операций на определенных рабочих местах и характерно в основном для массового производства. Планирование на данном горизонте предполагает минимальную степень неопределенности и может выполняться с использованием множества хорошо зарекомендовавших себя прикладных инструментов, таких как системы классов MES (Manufacturing Execution System) и APS (Advanced Planning and Scheduling) [40].

Таким образом, сравнивая планирование на разных горизонтах, можно сделать вывод, что в настоящий момент, несмотря на его возрастающую значимость, среднесрочное планирование остается областью с наименее проработанными подходами и инструментарием. Что обусловлено как объективными трудностями организации эффективного процесса среднесрочного планирования [159], так и тем, что среднесрочные планы в любом случае требуют последующего уточнения на оперативном уровне [145], и потому улучшение их качества на многих предприятиях не воспринимается как важная задача.

К факторам затрудняющем среднесрочное планирование мелкосерийного машиностроительного производства, помимо ключевой проблемы с выбором адекватного способа учета неопределенности и оценки ее величины, можно отнести выбор подходящего математического аппарата для оптимизации плана. Стандартный функционал линейной оптимизации, широко применимый в планировании массового производства [3], не подходит для построения планов мелкосерийного производства, ведущегося на заказ. А более применимый аппарат теории расписаний, в основном, рассматривается для решения задач обслуживания на одном приборе [71], в то время как для среднесрочного планирования важно проводить оптимизацию для всей производственной цепочки одновременно.

Также следует отметить проблему среднесрочного планирования, связанную с дефицитом квалифицированных кадров [5]. Поскольку обучение профессиональных производственных рабочих, способных качественно выполнять множество различных операций в рамках мелкосерийного производства затратно и длительно [29], в рамках среднесрочного планирования производства требуется учитывать затраты на удержание персонала независимо от ожидаемой загрузки. А также предусматривать возможность в рамках сценарного моделирования оценивать те или иные решения по найму дополнительного персонала или снижению оплаты, влекущему за собой уход части рабочих.

Еще одним фактором, усложняющим процесс среднесрочного планирования на современном машиностроительном предприятии, является постоянно уменьшающееся время, отводимое на принятие решения о целесообразности выполнения предлагаемого заказа, а также оценки длительности и затрат на его выполнение [76]. Данный фактор обуславливает потребность в автоматизации процесса среднесрочного планирования, как наиболее отвечающем современным практикам способе достижения требуемой скорости принятия экономически обоснованных управленческих решений. Причем, в связи с массовым уходом зарубежных вендоров программного обеспечения с российского рынка [126], на текущий момент актуальна разработка именно отечественных инструментов автоматизированного планирования.

Таким образом, среднесрочное планирование мелкосерийного машиностроительного производства, особенно в отраслях с высокой степенью модификации продукции под нужды заказчиков, обладает рядом факторов, затрудняющих его организацию на предприятии. Но в современных условиях его значимость для предприятий возросла, так как именно среднесрочное планирование позволяет принимать обоснованные решения в переменчивой внешней среде.

В современных отечественных научных трудах вопросы планирования производственной деятельности машиностроительных предприятий рассматриваются Омельченко И.Н., Бром А.Е, Сидельниковым И.Д., Ставровским М.Е., Постниковой Е.С., Кушнаревым Л.И., Червяковым Л.М., Третьяковой В.А., Силинским В.С.,

Фоминым С.Г., Гавриловой Д.А, Бражниковой М.А., Типнер Л.М., Григорьевой М.Н., Перцевой А.А., Гариповой А.В. Вопросы математической оптимизации плана производства рассматривали Васильев В.А., Орлов А.И., Уздемир А.П., Шмелев В.В. Гасников А.В., Горяшко А.П., Гитман М.Б., Нырков Д.Е., Речкалов А.В., Ерохин Д.А. Среди зарубежных авторов, внесших важный вклад в рассматриваемую тематику, можно выделить П.Л. Хеммера (P.L. Hammer), П. Брукера (P. Brucker), П. Юржика (P. Jurik), Я. Блазевича (J. Blazewicz), С. Кримерса (S. Creemers), Д. Дюбуа (D. Dubois), Дж. Пака (J. Park).

Несмотря на высокий научный уровень и практическую значимость работ данных ученых, можно выделить одну из нерешенных задач в рассматриваемых областях - создание комплексного подхода, позволяющего учесть различное отношение к рискам нарушения контрактных обязательств для разных заказов и оптимизировать производство по всей цепочке с аналитически обоснованным подходом к учету стохастических факторов.

Вышеуказанное обуславливает цель диссертационной работы: разработать метод среднесрочного планирования мелкосерийного машиностроительного производства, учитывающий специфичные уровни принятия риска по каждому заказу и повышающий своевременность исполнения контрактных обязательств на основе предиктивного и сценарного анализа стохастических факторов.

Для достижения вышеобозначенной цели необходимо решить следующие задачи:

1. Провести анализ существующих проблем, методов и цифровых инструментов среднесрочного планирования машиностроительного производства.

2. Разработать метод среднесрочного планирования с выделением рисков и стохастических факторов, влияющих на принятие планировочных решений, и создать инструмент для предиктивного анализа их величин.

3. Построить математическую модель оптимизации плана производства с учетом стохастичности потребностей в ремонте оборудования, трудоемкости работ, различного уровня принятия риска несвоевременного исполнения

контрактных обязательств по заказам, и имплементировать алгоритм формирования среднесрочного плана производства.

4. Разработать автоматизированные формы отчетности для проведения сценарного анализа планов производства.

5. Апробировать разработанный метод планирования производства, основанный на инструменте предиктивной аналитики, модели оптимизации и алгоритме планирования производства на АО «Петербургский тракторный завод».

Объектом исследования является предприятие машиностроительной отрасли, ведущее мелкосерийное производство наукоемкой продукции в отраслях, специфика которых подразумевает необходимость значительных изменений выпускаемой продукции в рамках конкретного заказа.

Предметом исследования являются методы и модели среднесрочного планирования мелкосерийного машиностроительного производства.

Проведенное исследование базируется на научных трудах из областей организации и планирования производства, теории вероятностей и математической статистике, математического аппарата оптимизации, алгоритмики и математической логики. Для решения поставленных в работе задач использовались анализ научных трудов по тематике исследования, методы математического и компьютерного моделирования, а также экспериментальное испытание разработок на базе промышленного предприятия.

Научная новизна проведенного исследования заключается в следующем:

1. Обоснована разработка метода сквозного среднесрочного планирования по всей производственной цепочке мелкосерийного производства, учитывающего стохастичность входных параметров, отличительной чертой которого является возможность учета различного уровня принятия риска по различным конкурирующим за производственные ресурсы заказам.

2. Разработан инструмент предиктивной аналитики стохастических факторов: интенсивности отказов и вытекающей из нее потребности в ремонтах производственного оборудования, трудоемкости работ и потребности в запасных

частях для поддерживаемой продукции, позволяющий сократить риски внеплановых простоев оборудования и несвоевременного исполнения заказов.

3. Построена математическая модель, описывающая производственный процесс на среднесрочном горизонте планирования, содержащая лексикографически упорядоченные целевые функции и систему ограничений, сформулированных с учетом стохастичности. Новизна модели состоит в комплексном учете различного уровня принятия риска по заказам в рамках единой задачи оптимизации.

4. Предложен и имплементирован генетический алгоритм построения близкого к оптимальному плана производства, основанный на стохастической постановке задачи, описываемой в терминах вероятностных характеристик планируемых к исполнению работ, позволяющий формировать планы, повышающие загрузку производственных мощностей и персонала. В алгоритм заложена двухуров-невость оптимизации, за счет которой достигается возможность оптимизировать план не только за счет отбора наилучшей последовательности выполнения работ, но и за счет оптимизации использования сверхурочной работы сотрудников для каждой анализируемой последовательности работ.

Практическая ценность работы состоит в возможности внедрения разработанных инструмента предиктивной аналитики, модели и алгоритма среднесрочного планирования на предприятиях машиностроительного производства для формирования среднесрочных планов производства с учетом принимаемого специфично для каждого заказа допустимого уровня риска.

По результатам апробации ожидается, что их внедрение поможет снизить внеплановые простои оборудования на величину до 25% и повысить загруженность производственных мощностей и рабочих на величины до 5% и экономическую эффективность производства на величины до 4,5% по сравнению с использованием стандартных жадных алгоритмов (greedy algorithm) планирования производства. А также сократить длительность цикла среднесрочного планирования с рабочей недели до 1-2 дней.

По результатам работы на защиту выносятся следующие положения:

1. Метод сквозного среднесрочного планирования мелкосерийного производства, учитывающий стохастичность входных параметров и различный уровень принятия риска по отдельным заказам, позволяющий формировать план производства исходя из важности конкретных заказчиков для предприятия.

2. Инструмент предиктивной аналитики стохастических входных параметров планирования для формирования графика ремонтов с учетом уровней принятия рисков, оценки размаха вариации трудоемкостей заказов и параметров распределения потребностей в запасных частях.

3. Математическая модель оптимизации плана производства с лексикографически упорядоченными целевыми функциями, учитывающая стохастичность и допускаемый уровень принятия риска, позволяющая алгоритмизировать формирование среднесрочного плана производства.

4. Двухуровневый генетический алгоритм оптимизации плана производства, основанный на стохастической постановке задачи среднесрочного планирования.

5. Автоматизированные формы отчетности для поддержки управленческих решений на основе проведения сценарного анализа по принятию заказов и выделению ресурсов для их выполнения.

Область исследования соответствует пунктам 23 «Разработка и совершенствование методов и средств планирования и управления производственными процессами и их результатами» и 22 «Разработка методов и средств организации производства в условиях организационно-управленческих, технологических и технических рисков» паспорта специальности 2.5.22. Управление качеством продукции. Стандартизация. Организация производства.

Публикации. Основное содержание работы отражено в 8 научных работах общим объемом - 4,64 п.л. (авторский вклад - 3,84 п.л.), из них в журналах, рекомендуемых ВАК РФ - 5. Также имеется 2 свидетельства о государственной регистрации программ для ЭВМ.

ГЛАВА 1.

АНАЛИЗ ПРОБЛЕМ ПЛАНИРОВАНИЯ МЕЛКОСЕРИЙНОГО МАШИНОСТРОИТЕЛЬНОГО ПРОИЗВОДСТВА

1.1. Анализ специфики мелкосерийного машиностроительного

производства

Специфика мелкосерийного машиностроительного производства, ведущегося на заказ, в значительной мере отражена в его названии. Производство можно определить как позаказное в случае, когда отдельные единицы продукции изготавливаются по индивидуальным требованиям заказчиков и имеют особые характеристики для обеспечения соответствия данным требованиям.

Позаказный характер производства становится особенно актуален в условиях перехода к индустрии 4.0 [10], когда все больше промышленных предприятий приходят к осознанию целесообразности модифицировать свою продукцию под требования конкретных заказчиков [113].

Формальным критерием отнесения производства к мелкосерийному типу является коэффициент закрепления операций (1.1), который для мелкосерийного производства принимает значения от 20 до 40.

О

Кзо=р (11)

где О - количество операций, выполняемых в данном производственном подразделении в месяц;

Р - число рабочих мест, на которых выполняются эти операции [25].

Для мелкосерийного производства характерны такие отличительные черты организации производственного процесса как, существенно более широкое, по сравнению с другими типами производства [2], использование универсального оборудования, которое, как правило, располагается по технологическому принципу, и участие высококвалифицированных рабочих с широким спектром универсальных навыков. При этом имеет место меньшая детальность проработки технологических процессов в сравнении с крупносерийным и массовым производством, что тоже предъявляет повышенные требования к квалификации рабочих. Также, важно

отметить, что для мелкосерийного производства характерно сравнительно долгое пролеживание деталей и заготовок между операциями, вследствие чего образуются большие объемы незавершенного производства [116].

Мелкосерийное производство в машиностроении характерно для группы отраслей, включающей транспортное машиностроение (железнодорожное, судостроение, авиационное, ракетно-космическое, но не автомобилестроение), энергетическое машиностроение, производство технологического оборудования для различных отраслей промышленности и оборонное производство. Данные виды машиностроения характеризуются средними нормами потребления металла, энергии. При этом, в современных условиях, данные отрасли зачастую вовлечены в производство сложной, высококачественной продукции, призванной эффективно решать специфичные задачи в других отраслях народного хозяйства [41].

Среди данных отраслей можно особо выделить отрасли и производства, специфика которых подразумевает необходимость значительных изменений выпускаемой продукции в рамках каждого отдельно взятого заказа, и, как следствие, значимую степень неопределенности, влияющей на производственные процессы [15]. К производствам, обладающим подобной спецификой, можно отнести ракетно-космическую отрасль, судостроение в части строительства крупных пассажирских, грузовых и военных судов, авиастроение в части производства воздушных судов специального назначения, производство крупногабаритного промышленного оборудования, такого как энергетические турбины, горнодобывающее, металлургическое, нефтехимическое и нефтегазовое оборудование, машиностроение в оборонной промышленности в части производства современных ракетных комплексов и систем ПВО.

Неопределенность, влияющая на производственные процессы в данных отраслях, складывается из-за того, что высокая требуемая степень модификации продукции в сочетании с ее сложностью приводит к необходимости осуществлять часть работ по проектированию продукции непосредственно после получения заказа. А высокие стандарты качества, предъявляемые к продукции, определяют

необходимость комплексного контроля качества с последующим устранением всех недостатков на каждом из этапов производственного процесса.

Также важно отметить, что сложность технических изделий, выпускаемых в данных отраслях, приводит не только к неопределенности сроков выполнения отдельных производственных процессов, но и к высокой, по сравнению с большинством других отраслей машиностроения, длительностью циклов производства. Длительные циклы производства, в свою очередь, приводят к тому, что для предприятия повышаются операционные и финансовые риски связанные с возможными изменениями доступности критичных компонентов для выпускаемой продукции, цен на материалы, а также потенциальным устареванием применяемых технологий, способным повлечь за собой изменения требований заказчиков. В совокупности, данные факторы повышают для предприятия значимость качественного планирования и всестороннего анализа рисков принятия поступающих предложений о заказах, поскольку решение о каждом отдельно взятом заказе сильнее влияет на среднесрочные и даже долгосрочные результаты его деятельности.

При этом, помимо позаказного характера и мелкосерийного типа, производство в обозначенных сферах характеризуется также значительной наукоемкостью, что также существенно влияет на его рациональную организацию. Наукоемкость выражается в нескольких критериях: большой доле высококвалифицированных специалистов, участвующих в производстве; широком использовании в производственном процессе высокотехнологичного оборудования и инструментов; потреблении результатов научных исследований и разработок для создания выпускаемой продукции [1]. Данная специфика налагает на предприятие дополнительные трудности в процессе организации производства.

Так, высокая доля высококвалифицированных рабочих, задействованных в производстве на высокотехнологичном оборудовании приводит к тому, что для долгосрочного устойчивого функционирования предприятия становится критически важным удержание имеющихся работников независимо от их загрузки в отдельно взятый момент времени, поскольку на рынке наблюдается нехватка квалифицированной рабочей силы, затрудняющая поиск новых рабочих. А учреждения

среднего профессионального образования не всегда выпускают кадры, готовые к немедленной работе без дополнительного обучения со стороны предприятия [65]. Потребление результатов научных исследований и разработок для создания выпускаемой продукции в свою очередь означает наличие тесной связи между производственной деятельностью предприятия и ведущимися на нем исследованиями, приводящей к тому, что производственная деятельность приобретает некоторые черты проектной [87]. В частности, как уже отмечалось выше, возникает значимая степень неопределенности продолжительности этапов работ, направленных на изготовление заказанной продукции, так как им может предшествовать дополнительная конструкторская проработка изменений, вносимых в базовую конструкцию изделий.

Сравнивая организацию производства в рассматриваемых отраслях с другими отраслями машиностроения можно структурировать отличия следующим образом (Таблица 1).

Таблица 1.

Сравнение типов производства

Характеристика Тип производства

Единичное и мелкосерийное Среднесерийное и крупносерийное Массовое

Коэффициент закрепления операций От 20 От 2 до 20 1

Тип оборудования Универсальное Универсально-специализированное Специализированное

Форма организации производственного процесса Технологическая Предметная Прямолинейная

Количество потенциальных заказчиков Ограниченное, требующее выстраивания долгосрочных деловых отношений Низкое Высокое

Модификация продукции под требования заказчика Существенная, с доработкой конструкции под специфичные требования эксплуатации Средняя Незначительная, без внесения изменений в конструкцию

Наукоемкость производства Высокая Средняя Средняя

Таблица 1 - окончание

Степень неопределен- Значимая Незначительная Близкая к нулю

ности трудоемкости

Длительность произ- Длительная Средняя Короткая

водственного цикла

Требуемая квалификация рабочих Высокая Средняя Средняя

Примеры отраслей Ракетно-космическая, Пассажирское само- Автомобилестрое-

судостроение, энерге- летостроение, танко- ние, производство

тическое машино- строение, станкостро- деталей

строение ение

Таким образом, производство в рассматриваемых отраслях обладает рядом отличительных особенностей, которые накладывают на него операционные и финансовые риски, требующие качественного планирования и всестороннего анализа рисков принятия поступающих предложений о заказах.

1.2. Основные цели и вызовы мелкосерийного машиностроительного

производства

Отраслевая специфика, проанализированная в предыдущем разделе, существенно влияет на рациональную организацию производства в рассматриваемых отраслях машиностроения. Другим немаловажным фактором, влияющим на организацию производства на предприятиях, является их система целей и приоритетов, которая основывается на внутренней миссии организации и декомпозируется на приоритеты, средства и инструменты достижения поставленных целей.

Список литературы диссертационного исследования кандидат наук Королев Сергей Андреевич, 2026 год

- без использования

сверхурочного труда Жадный алгоритм

- с использованием

сверхурочного труда - Разработанный алгоритм

268 270 272 274 276 278 280 282 284 Маржинальная прибыль, млн. у.е.

Таким образом, с рассматриваемыми исходными данными разработанный алгоритм обладает явно выраженным преимуществом перед альтернативными алгоритмами, однако в некоторых случаях его специфика может позволить сформировать план, предполагающий своевременное исполнение нового рассматриваемого заказа, когда традиционные жадные алгоритмы не позволяют выявить такую возможность. Что позволит предприятию принять дополнительные заказы в случае их экономической целесообразности, за счет чего получить еще более значительный эффект от внедрения разработанных модели и алгоритма.

Кроме того, за счет использования в качестве одной из особей начальной популяции плана, построенного с помощью жадного алгоритма, и передачи некоторого, настраиваемого как параметр алгоритма, числа лучших планов из поколения в поколение без мутаций и скрещивания, гарантируется, что получаемый план не будет уступать построенному с помощью жадного алгоритма. А программная реализация разработанного алгоритма, выполненная в рамках данной работы, предполагает помимо сохранения основного плана также сохранение планов, построенных с использованием жадного алгоритма в вариациях, не предполагающей и предполагающей максимально возможное использование сверхурочной работы. Благодаря чему у специалистов по планированию будет возможность сравнить план, построенный с использованием внедряемого алгоритма с планами, которые могли быть сформированы ими вручную и убедиться в качестве работы нового решения. Что, в свою очередь, позволит предприятию, на котором будет внедряться разработанные модель и алгоритм среднесрочного планирования, легче преодолеть сопротивление изменениям [57] и быстрее перейти к их регулярному использованию в стандартных процессах планирования.

Важно отметить, что кроме повышения планируемой эффективности использования ресурсов и, как следствие, повышения экономической эффективности производства, внедрение предлагаемых модели и алгоритма среднесрочного планирования в сочетании с предложенным отчетом, автоматизировано рассчитывающим меры качества плана, приведет к существенному ускорению самого процесса среднесрочного планирования производства.

Существующий процесс среднесрочного планирования на АО «Петербургский тракторный завод», используя нотацию IDEF0 [18], можно представить следующим образом (Рис. 4.11).

Рис. 4.11. Существующий процесс среднесрочного планирования производства Как видно из данной схемы, в существующем процессе среднесрочного планирования производства ключевую роль играет специалист по планированию и его субъективное понимание эффективности плана. Таким образом, процесс предполагает существенные трудозатраты со стороны специалиста по планированию и критичную зависимость от его квалификации.

Кроме того, существующий процесс предполагает выполнение большей части процессов планирования с использованием инструментария Excel, что в свою очередь приводит к повышенной длительности цикла планирования ввиду необходимости совершения большого числа ручных операций.

В предлагаемом процессе (Рис. 4.12) среднесрочного планирования значительная часть трудоемких операций, выполняемых специалистом по планированию вручную в Excel, автоматизируется с применением программно-аппаратного

комплекса среднесрочного планирования и В1-системы. Также, за счет использования формализованной модели планирования для оптимизации планов производства и инструмента предиктивной аналитики на основе GAMLSS для оценки стохастических факторов, влияющих на план, снижается доля решений, принимаемых на основании субъективного понимания эффективности плана специалистом по планированию, что уменьшает критичность зависимости от его квалификации.

Рис. 4.12. Предлагаемый процесс среднесрочного планирования производства За счет более широкого использования цифровых инструментов поддержки принятия управленческих решений продолжительность цикла среднесрочного планирования может быть снижена с рабочей недели в существующем процессе до 12 рабочих дней в предлагаемом процессе в зависимости от числа сценариев, рассматриваемых при сценарном моделировании. При этом внедрение предлагаемых модели и алгоритма среднесрочного планирования можно рассматривать как промежуточный шаг на пути к полноценному включению предприятия в цифровую экономику с реализацией продукции через цифровую платформу, подобную

платформам, имеющимся у промышленных предприятий ведущих массовое производство [74].

Результаты внедрения и апробации на АО «Петербургский тракторный завод» подтверждаются соответствующим актом внедрения, приведенном в Приложении П.6. Также проведенные разработки были использованы на АО «ПО Му-роммашзавод», что подтверждается актом в Приложении П.7.

Благодаря своим преимуществам, разработанный метод планирования может внедряться на других предприятиях ведущих мелкосерийное машиностроительное производство. Для его успешного внедрения предприятиям необходимо следовать следующим рекомендациям:

• перед началом внедрения на предприятии необходимо убедиться, что его портфель заказов содержит заказы с различными приоритетами и оставляет возможности для повышения эффективности за счет изменения графика работ, направленных на их исполнение;

• перед началом внедрения также необходимо зафиксировать набор метрик, по которым будет оцениваться эффективность формируемых планов, за основу для которого могут быть взяты метрики использованные в данном разделе работы, и при необходимости быть дополнены специфичными метриками важными для конкретного предприятия при планировании;

• при внедрении разработанных модели и алгоритма на предприятии должна выделяться рабочая группа, отвечающая за их внедрение, включающая сотрудников из основных подразделений, затрагиваемых и зависимых от процесса среднесрочного планирования;

• в организационной структуре подразделения, отвечающего за планирование производства, должна выделяться роль сотрудника, непосредственно отвечающего за планирование с использованием разработанной модели, либо проводиться обучение работе с алгоритмом всех сотрудников в рамках существующих ролей;

• на ранних этапах внедрения планы, формируемые с использованием внедряемых модели и алгоритма, должны дублироваться планами, формируемыми

по существовавшим процессам планирования и сопоставляться по утвержденным метрикам эффективности;

• в ходе внедрения широкому кругу заинтересованных сотрудников должны проводиться демонстрации планов, формируемых новым алгоритмом, и разъяснятся их преимущества по сравнению с планами, сформированными алгоритмами, использовавшимися ранее;

• после того, как будет доказана эффективность внедряемого метода среднесрочного планирования, на основании накопленного опыта должны быть внедрены автоматические проверки корректности данных, используемых в алгоритме при формировании планов;

• когда эффективность метода планирования будет доказана, его использование должно вестись на регулярной основе в соответствии с циклом среднесрочного планирования предприятия;

• в случае, если объем портфеля заказов и требуемая детализация производственных процессов, не будут позволять выполнять оптимизацию за время, отводимое на принятие решений, программная имплементация разработанного алгоритма может быть доработана для ускорения его работы за счет резерва более широкого использования параллельных вычислений.

Также на основе разработанного метода среднесрочного планирования может быть разработана универсальная система среднесрочного планирования мелкосерийного производства, включающая в себя полноценный графический интерфейс пользователя, поддержку многопользовательского режима и оптимизации планов для нескольких сценариев единовременно, а также другие черты промышленного решения. Направлением дальнейших исследований по проблематике диссертации может служить разработка механизмов оперативной корректировки среднесрочных планов в реальном времени с учетом изменения внешних условий и конкретных реализаций стохастических факторов, влияющих на производственные процессы.

Выводы по Главе 4

1. Было показано, что обязательным прикладным дополнением к методу среднесрочного планирования мелкосерийного производства, разработанному в предыдущей главе, является BI-отчет, автоматизирующий расчет и визуализацию ключевых характеристик формируемого плана. Указано, что наличие такого отчета повышает скорость принятия решений о наличии или отсутствии необходимости дальней корректировки сформированного плана и снижает риск его некорректной интерпретации специалистом по планированию. А также позволяет быстрее выбирать наилучший сценарий управляемых переменных факторов внутренней среды предприятия в случае сценарного моделирования.

2. Предложен подход к формированию отчета и разработаны автоматизированные формы отчетности, позволяющие комплексно оценивать построенный план производства начиная с основных показателей, характеризующих его эффективность, переходя затем к детальному прослеживанию планировочных решений от исходных данных до ожидаемых финансовых результатов через план-график исполнения работ в разбивке на стадии. Для каждого из отображаемых показателей обоснован выбор наиболее применимого типа визуализации, позволяющего специалисту по планированию максимально быстро считывать информацию и фокусировать внимание на наиболее важных показателях. Представлены графики из отчета, реализованного в предложенной структуре с применением инструментария Power BI.

3. На основании данных о производственном процессе и заказах опытно-конструкторского участка АО «Петербургский тракторный завод», ведущего мелкосерийное производство на заказ, проведена апробация разработанного метода планирования производства, включающего инструмент предиктивной аналитики, модель и алгоритма среднесрочного планирования мелкосерийного машиностроительного производства. Проведенная апробация показала, что инструмент предик-тивной аналитики корректно предсказывает параметры распределений стохастических факторов и позволяет снизить неплановые простои оборудования на 25%. А предложенная модель планирования позволяет строить исполнимые

среднесрочные планы мелкосерийного машиностроительного производства, в том числе в сценарии использования, предполагающем ручную фиксацию части решений планирования.

4. По критериям, отражающим эффективность задействования оборудования и персонала, проведено сравнение плана сформированного с использованием разработанного алгоритма с планами, сформированными с использованием методов, используемых специалистами по планированию. Установлено, что применение разработанного алгоритма позволяет повысить загрузку производственных мощностей на 5% при сохранении равномерности загруженности персонала на приемлемом для предприятия уровне. А также повысить экономическую эффективность производства и исполнения заказов на 4,5% и находить решения, позволяющие существенно сократить ожидаемые задержки в исполнении принятых контрактных обязательств при установленном уровне принятия риска.

5. Представлены изменения в процессе среднесрочного планирования, привносимые с внедрением разработанных модели и алгоритма. Показано, что благодаря внедрению цифровых инструментов поддержки принятия управленческих решений продолжительность цикла среднесрочного планирования может быть снижена с рабочей недели в существующем процессе до 1-2 рабочих дней. В качестве второго позитивного следствия изменения процесса среднесрочного планирования подчеркивается снижение доли решений, принимаемых на основании субъективного понимания эффективности плана специалистом по планированию, что уменьшает критичность зависимости от его квалификации.

6. Сформированы рекомендации по внедрению разработанного метода среднесрочного планирования мелкосерийного машиностроительного производства на других предприятиях, охватывающие этапы от принятия решения о необходимости их внедрения, до перехода к регулярному использованию в рамках цикла среднесрочного планирования. Следуя им, машиностроительные предприятия смогут внедрить разработанный метод, преодолев сопротивление изменениям и получив измеримый рост эффективности использования производственных ресурсов.

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ

Исходя из поставленных цели и задач исследования в рамках данной работы получены представленные ниже основные выводы и результаты.

1. Проведенный анализ проблем планирования мелкосерийного машиностроительного производства показал, что среди отраслей с данным типом производства особо выделяются наукоемкие отрасли, для которых характерна необходимость значительных изменений выпускаемой продукции в рамках каждого отдельно взятого заказа, и длительные, по сравнению с другими отраслями машиностроения, производственные циклы. При этом большинство предприятий, функционирующих в рассматриваемых отраслях, являются коммерческими и нацелены на поддержание долгосрочной экономической эффективности в условиях конкурентного рынка, и, кроме сходного целеполагания, их также объединяют вызовы в организации производства, обуславливающие повышенную значимость качественного среднесрочного планирования:

- Длительные циклы производства, повышающие финансовые и операционные риски, принимаемые с каждым отдельно взятым заказом.

- Наблюдаемый в промышленности дефицит высококвалифицированных рабочих, особенно остро сказывающийся на производственных возможностях наукоемких предприятий.

- Имеющий место рост стоимости материальных ресурсов, необходимых для производства, способный приводить к снижению его экономической эффективности при отсутствии компенсирующих мер в организации производства.

- Внешнеэкономические и внешнеполитические факторы обуславливающие общий рост спроса на наукоемкую машиностроительную продукцию при наличии неопределенности по отдельным заказам.

При этом было показано, что специфика рассматриваемого производства, состоящая в неопределенности продолжительности отельных этапов производства в сочетании с длительными производственными циклами, нехваткой квалифицированных рабочих, а также общим ростом спроса при неопределенности по отдельным заказам, оказывает существенное влияние на требования к процессу его

среднесрочного планирования, делая их несовместимыми с популярными цифровыми системами планирования. Ключевыми из сформулированных требований к процессу планирования, вытекающих из специфики рассматриваемого производства, являются:

- Формировать план основываясь на дискретном планировании отдельных этапов выполнения производственных заказов, учитывая неопределенность их продолжительности.

- Учитывать приемлемость различных уровней риска несвоевременного исполнения контрактных обязательств для различных заказов.

- Сочетать консервативную оценку производственных возможностей с наиболее ожидаемой оценкой производственных затрат.

- Контролировать равномерность ожидаемой загрузки персонала для формируемых планов и учитывать в расходах оплату рабочим в том числе за незагруженное время, чтобы сохранять их на предприятии.

Дополнительно проведенный анализ существующих теоретических методов среднесрочного планирования мелкосерийного машиностроительного производства показал, что они также не полностью соответствуют выявленным требованиям к процессу среднесрочного планирования для отраслей, которым характерна необходимость значительных изменений выпускаемой продукции в рамках каждого отдельно взятого заказа. Выявлены следующие системные недостатки, характерные для существующих работ:

- Основная часть рассмотренных постановок оптимизационной задачи предполагает математическую оптимизацию целевой функции исходя либо из экстремальных оценок неопределенных параметров, что может приводить к излишне консервативным решениям планирования, следование которым будет снижать конкурентоспособность предприятия на рынке, либо из ожидаемых оценок неопределенных параметров, что напротив будет означать что оптимизация будет вестись без учета степени риска, приемлемой для предприятия в рамках конкретного заказа.

- Большинство более сложных вариантов целевых функций, учитывающих допустимый уровень принятия риска или стремящихся максимизировать

мощность множества сценариев реализации неопределенных факторов, для которых принимаемое решение будет оптимальным, рассматриваются как задачи обслуживания на одном приборе, что не является допустимым упрощением для среднесрочного планирования, поскольку на данном горизонте необходимо формировать планы охватывающие всю производственную цепочку предприятия.

- Рассмотренные постановки задачи математической оптимизации плана производства фокусируются на устранении какого-либо конкретного практического недостатка базовой постановки задачи теории расписаний, а не представляют собой комплексные решения, учитывающие все значимые аспекты специфики по-заказного производства в сфере мелкосерийного машиностроения.

Наличие данных проблем обосновывает актуальность разработки метода среднесрочного планирования, способного компенсировать их.

2. Выполненное исследование митигируемых рисков и решений, принимаемых с помощью метода среднесрочного планирования и основных сценариев его использования, показало следующие основные риски, вероятность реализации которых должно снижать среднесрочное планирование мелкосерийного производства:

- Организационно-управленческие риски неисполнения контрактных обязательств, несогласованности целей подразделений и нехватки квалифицированной рабочей силы.

- Технологические риски, связанные с несоответствием производственных мощностей поступающим заказам и избыточной неравномерностью загрузки оборудования и производственного персонала.

- Технические риски внеплановых отказов производственного оборудования.

Выполняя требования по митигации данных рисков, рамки разрабатываемого метода среднесрочного планирования мелкосерийного машиностроительного производства возможно ограничить представленным ниже образом, систематизировав переменные факторы внутренней среды предприятия на группы по их использованию в среднесрочном планировании производства.

- К переменным оптимизационной задачи были отнесены разбивка работ на стадии и время их начала, а также объем трудовых ресурсов, выделяемых на каждую стадию работ.

- К переменным, изменяемым в рамках сценарного моделирования и анализа отнесены: принятие новых заказов, сроки исполнения контрактных обязательств по ним и размеры штрафов за несвоевременное исполнение, прогнозируемые закупочные возможности и условия контрактов с поставщиками, план ремонтов производственного оборудования, численность производственных рабочих, а также планировочные решения, фиксируемые вручную.

- Решения по изменению системы оплаты труда, ассортиментной и ценовой политики, внешней логистики, технологического процесса производства, НИОКР и нормативных остатков запасных частей для продукции на поддержке должны приниматься за рамками использования метода среднесрочного планирования производства.

Дополнительно, факторы, влияющие на планирование, разделены на обладающие выраженной стохастичностью, необходимой к учету в модели планирования, факторы, подразумевающие наличие рисков, которые могут анализироваться в рамках сценарного моделирования и детерминированные факторы.

- Для оценки величин и разбросов факторов с выраженной стохастичностью: интенсивности отказов эксплуатируемого оборудования, трудоемкости работ и интенсивности отказов эксплуатируемой продукции на основе обобщенных аддитивных моделей местоположения, масштаба и формы (GAMLSS) разработан инструмент предиктивной аналитики.

- Разработанный инструмент позволяет формировать график ремонтов, обеспечивающий поддержание оборудования в исправном состоянии с вероятностью, соответствующей принимаемому уровню риска несвоевременного исполнения заказов, и оценивать параметры распределений трудоемкостей работ и потребности в запасных частях для их непосредственного использования в алгоритме планирования.

3. На основании определенных границ решений была построена математическая модель оптимизации плана производства на среднесрочном горизонте, основанная на предиктивных оценках стохастических факторов, учитывающая различный уровень принятия риска по различным заказам. Ее ключевыми особенностями являются:

- Учет неопределенности в формате вероятностных характеристик планируемых процессов.

- Использование в качестве критериев оптимальности лексикографически упорядоченной системы целевых функций, на первом уровне которой находится функция отвечающая за минимизацию взвешенной несвоевременности исполнения контрактных обязательств с учетом допустимого уровня риска несвоевременности их исполнения, а на втором уровне функция, отвечающая за максимизацию финансового результата при наиболее ожидаемой трудоемкости планируемых работ.

- Наличие в системе ограничений условий на соблюдение фиксируемых решений по планируемым вручную моментам начала выполнения конкретных работ.

На основании разработанной математической модели разработан и импле-ментирован на языке Python генетический алгоритм построения близкого к оптимальному среднесрочного плана производства. Алгоритм обеспечивает эффективное формирование плана благодаря следующим факторам:

- Двухуровневости оптимизации с вынесением в отдельный уровень оптимизации объема выделяемых трудовых ресурсов и соотношения трудоемкостей стадий работ для каждого рассматриваемого варианта последовательности выполнения работ и разбивки их на стадии.

- Использованию при инициализации начальных планов, помимо полностью случайных последовательностей работ, различных эвристик, в разной степени модифицирующих последовательность работ, полученную с помощью жадного алгоритма.

- Широким возможностям для параллелизации вычислений на всех ресурсоемких этапах работы генетического алгоритма.

Отмечено, что благодаря своим характеристикам, имплементированный алгоритм может лечь в основу передовой отечественной системы среднесрочного планирования мелкосерийного производства.

4. В дополнение к имплементированному алгоритму построения плана предложен подход к формированию отчетности по плану производства. На основании него разработан В1-отчет, содержащий автоматизированные формы отчетности, отражающие эффективность плана с точки зрения своевременности исполнения контрактных обязательств, загрузки персонала и экономических результатов в разрезах производственных подразделений, заказов и запланированных работ. Данный отчет сокращает время необходимое для анализа формируемых планов и выбора оптимального сценария управляемых переменных факторов внутренней среды предприятия за счет:

- Структуры, позволяющей комплексно оценивать построенный план производства, начиная с основных показателей его эффективности спускаясь до уровня детальных исходных данных и конкретных стадий работ запланированных к исполнению в отдельных цехах, а также распределений ожидаемой загрузки персонала и экономического результата с учетом неопределенности.

- Применения типа визуализаций, позволяющих специалисту по планированию максимально быстро считывать информацию и фокусировать внимание на наиболее важных показателях и объектах.

- Сочетания точечных оценок ключевых мер эффективности плана со статистическими оценками распределений ожидаемых результатов с учетом неопределенности.

5. Разработанный метод планирования производства, включающий инструмент предиктивной аналитики, модель оптимизации и алгоритм формирования плана производства, прошел апробацию на основании данных о производственном процессе и заказах АО «Петербургский тракторный завод». По результатам апробации и внедрения доказана его практическая значимость и перспективность

использования на других машиностроительных предприятиях со сходной спецификой производства. В ходе апробации выделены следующие позитивные эффекты на целевые меры эффективности производства, плана и процесса планирования в целом:

- Снижение длительности простоев, вызванных неплановым ремонтом оборудования на 25%, при сохранении приемлемой консервативности плана ремонтов.

- Повышение загрузки производственных мощностей на 5% при сохранении равномерности загруженности персонала на приемлемом для предприятия уровне.

- Повышение экономической эффективности производства и исполнения заказов на 4,5% при потенциальной возможности находить решения, позволяющие существенно сократить задержки в исполнении принимаемых контрактных обязательствах, сделав принятие дополнительных заказов экономически целесообразным для предприятия.

- Снижение продолжительности цикла среднесрочного планирования с рабочей недели при существующем процессе до 1-2 рабочих дней, в зависимости от числа рассматриваемых сценариев для плана, в предлагаемом процессе.

Таким образом, все задачи диссертационного исследования выполнены, цель исследования, состоящая в разработке метода среднесрочного планирования мелкосерийного машиностроительного производства, учитывающего специфичные уровни принятия риска по каждому заказу и повышающего своевременность исполнения контрактных обязательств на основе предиктивного и сценарного анализа стохастических факторов достигнута.

СПИСОК ЛИТЕРАТУРЫ

1. Абрашкин М.С. Наукоемкость и инновационное развитие предприятий машиностроения // Вестник Астраханского государственного технического университета. Серия: Экономика. 2018. № 4. С. 107-115.

2. Александров И.А., Муранов А.Н., Червяков Л.М. Вопросы обеспечения гибкости машиностроительных производств // Фундаментальные и прикладные проблемы техники и технологии. 2023. № 5 (361). С. 40-47.

3. Алферьев Д.А. Планирование производства инновационной продукции на основе линейного программирования // Проблемы развития территории. 2017. № 2 (88). С. 165-176.

4. Анцев В.Ю., Чернецова Е.А., Толоконников А.С. Анализ контракта в производстве грузоподъемных машин на основе функции потерь Тагути // Известия Тульского государственного университета. Технические науки. 2014. № 4. С. 7382.

5. Ахапкин Н.Ю. Российская экономика в условиях санкционных ограничений: динамика и структурные изменения // Вестник Института экономики Российской академии наук. 2023. № 6. С. 7-25.

6. Бражников М.А., Сафронов Е.Г., Мельников М.А. Формирование стратегических приоритетов предприятий машиностроительного комплекса // Вестник Самарского государственного университета. 2013. № 10 (111). С. 5-12.

7. Бром А.Е. Современные технологии организации и управления жизненным циклом наукоемкой продукции // Вестник московского государственного областного университета. Серия: экономика. 2015. № 2. С. 41-46.

8. Бром А.Е., Королев С.А. Разработка алгоритма линеаризации оптимизационной задачи планирования производственной программы // Наука и бизнес: пути развития. 2021. №11 (125). С. 86-91.

9. Бром А.Е., Королев С.А. Разработка подхода к среднесрочному объёмно-календарному планированию производства на основе метода скользящих окон // Автоматизация. Современные технологии. 2022. Т. 76. № 3. С. 114-119.

10. Бром А.Е., Середина Д.О. Индустрия 4.0: способы внедрения, преимущества, перспективы // Управление научно-техническими проектами. Материалы Второй Международной научно-технической конференции, Москва, 2018. С. 24-27.

11. Бром А.Е., Сидельников И.Д., Терентьева З.С. Оптимизация запасов для сложной техники с учётом резервирования и целей эксплуатации // Управление развитием крупномасштабных систем MLSD'2018. Труды одиннадцатой международной конференции, Москва, 2018. С. 236-245.

12. Бром А.Е., Третьякова В.А. Разработка средств стратегического планирования предприятием на уровне бизнес-процессов // Компетентность. 2023. № 8. С. 38-43.

13. Брянцева О.С. Промышленное развитие в России: исследование трансформации отраслевой структуры // Теоретическая и прикладная экономика. 2023. № 4. С. 87-104.

14. Бутягин И., Прекоаская В., Сергеев А. Планирование продаж и операций: от стратегического плана к исполнению. М.: EY, 2016. 43 с.

15. Бухалков М.И., Кузьмина Н.М., Сафронов Е.Г. Как преодолеть влияние неопределенности на результаты производственной деятельности промышленных предприятиях // Нормирование и оплата труда в промышленности. 2023. № 7. С. 400-407.

16. Василенко О.А. Трудовая мотивация персонала как фактор повышения финансовых результатов деятельности коммерческого предприятия // Финансы: теория и практика. 2019. № 23 (3). С. 64-81.

17. Ведерникова О.Г. Генетический метод с процессом селекции, основанным на принципе имитации отжига // Известия Южного федерального университета. Технические науки. 1998. № 8 (2). С. 287-289.

18. Владымцев Н.В., Извольская И.В. Принцип моделирования бизнес-процессов в стандарте IDEF0 // Экономический анализ: теория и практика. 2008. № 9. С. 11-17.

19. Володин В.М., Скворцова В.А., Скворцов А.О. Перспективы занятости в наукоемком секторе промышленности // Известия высших учебных заведений. Поволжский регион. Общественные науки. 2013. № 4 (28). С. 239-246.

20. Воронов Н.А., Алехина О.Ф., Удалов Ф.Е. Роль прогнозирования в определении направлений стратегического развития промышленных предприятий // Вестник Нижегородского университета им. Н. И. Лобачевского. 2013. № 1 (1). С. 245-248.

21. Гарипов А.В., Очиченко О.В. Модель оперативного и тактического планирования на предприятии // Вестник Челябинского государственного университета. 2010. № 2. С. 118-121.

22. Гасников А.В., Двуреченский П.Е., Нестеров Ю.Е. Стохастические градиентные методы с неточным оракулом // Труды МФТИ. 2016. Т. 8. № 1 (29). С. 41-91.

23. Гитман М.Б. Введение в стохастическую оптимизацию: учеб. пособие [электронный ресурс] / М.Б. Гитман. - Пермь: Изд-во Перм. нац. исслед. политехн. ун-та, 2014. 104 с.

24. Горяшко А.П., Никульчев Е.В. Робастная оптимизация, как новый подход к решению задач с неопределенностью // Известия высших учебных заведений. Проблемы полиграфии и издательского дела. 2011. № 1. С. 77-86.

25. ГОСТ 3.1121-84 ЕСТД. Общие требования к комплектности и оформлению комплектов документов на типовые и групповые технологические процессы (операции). - М.: Издательство стандартов. 46 с.

26. Григорьев М.Н., Долгов А.П., Уваров С.А. Управление запасами в логистике: методы, модели, информационные технологии: учебное пособие. СПб.: Изд. дом «Бизнес-пресса», 2006. 368 с.

27. Гулиев Ш.Р. Пути совершенствования оплаты труда рабочих на производстве // Наука, образование и культура. 2018. № 5 (29). С. 59-61.

28. Гусев П.Ю., Гусев К.Ю., Вахмин С.Ю. Применение генетических алгоритмов в оптимизации планировочных решений производственных подразделений

машиностроительных предприятий // Вестник Воронежского государственного технического университета. 2019. № 15 (2). С. 22-28.

29. Данилова Т.В. Целевой подход к формированию профессиональной готовности будущих рабочих // Вестник Самарского университета. История, педагогика, филология. 2023. № 29 (3). С. 91-97.

30. Добронец, Б.С., Кемельбаева А.Р. Новые подходы в регрессионном анализе данных ДЗЗ // Региональные проблемы дистанционного зондирования Земли: Материалы IX Международной научной конференции, Красноярск, 2022. С. 97-100.

31. Доклад о состоянии делового климата в России / М.: РСПП, 2023. 120 с.

32. Евдокимов А.А. Методика использования многопоточного программирования для автоматизированных систем многопроцессных гальванических линий // Вестник Нижегородского университета им. Н. И. Лобачевского. 2013. № 1-3. С. 306-312.

33. Ерохин, Е. А., Попов, В. Н. Реорганизация системы технического обслуживания и ремонта оборудования на предприятиях // Организатор производства. 2011. № 51 (4). С. 30-32.

34. Ерохин Д.А. Исследование эффективности алгоритма дифференциальной эволюции в зависимости от выбора схемы мутации // Решетневские чтения. 2018. № 2. С. 9-10.

35. Желязны Д. Говори на языке диаграмм: Пособие по визуальным коммуникациям для руководителей / Пер. с англ. - М.: Институт комплексных стратегических исследований, 2004. 220 с.

36. Зыкина А.В., Запорожец Д.Н. Пакет прикладных программ для моделирования и решения процессов с использованием аппарата вариационных неравенств // Современные информационные технологии и ИТ-образование. 2015. № 11. С. 284-289.

37. Иванов С.А. Инновационная инфраструктура и профориентация молодежи в решении кадровых проблем промышленности // Телескоп: журнал социологических и маркетинговых исследований. 2023. № 3. С. 6-13.

38. Ивашковская И.В., Янгель Д.О. Жизненный цикл организации и агрегированный показатель роста // Корпоративные финансы 2007. № 4. С. 97-110.

39. Исаченко А.С., Журавлев Д.А. Сокращение времени переналадки в цехах изготовления оснастки для заготовительно-штамповочного производства // Вестник Иркутского государственного технического университета. 2018. Т. 22. № 10. С. 20-28.

40. Кабанов А.А. Моделирование аэрокосмических производств: обзор технологий, методов и перспектив их использования в производствах будущего // Инженерный журнал: наука и инновации. 2022. № 10 (130). 21 с.

41. Карсунцева О.В. Некоторые аспекты перспективного развития предприятий общего машиностроения России // Концепт. 2014. № S4. С. 21-25.

42. Кацупеев А.А., Щербакова Е.А., Воробьёв С.П., Литвяк Р.К. Сравнение алгоритмов, применяемых для решения задачи оптимизации информационной защиты распределённых систем // Известия вузов. Северо-Кавказский регион. Серия: Технические науки. 2016. №1 (186). С. 47-51.

43. Ким Е.А. Потребительская ценность и процесс её создания на рынке B2B // Международный научно-исследовательский журнал. 2014. № 8-2 (27). С. 31-33.

44. Клейнберг Дж., Тардос Е. Алгоритмы: разработка и применение. Классика Computers Science / Пер. с англ. Е. Матвеева. - СПб.: Питер, 2016. 800 с.

45. Кобозева Е.М., Марков С.В. Механизм формирования корпоративного управления (на примере краснодарского инжинирингового центра АО «НИПИ-ГАЗ») // Инновационная экономика: перспективы развития и совершенствования. 2021. № 7 (57). С. 42-50.

46. Кожанов Р.В., Кожанова Е.Р., Сорокина Л.А. Сравнительный анализ программного обеспечения для изучения статистических методов контроля качества продукции // Вестник Российского университета дружбы народов. Серия: Инженерные исследования. 2019. № 20 (4). С. 293-301.

47. Козлов Н.В. Направления развития импортозамещения в наукоемких отраслях российского производства // Финансовые рынки и банки. 2023. № 2. С. 120-123.

48. Конева О.И., Дорошенко Ю.А. Методические аспекты выбора операционной стратегии промышленного предприятия // Вестник Белгородского государственного технологического университета им. В. Г. Шухова. 2013. № 1. С. 101-105.

49. Королев В.Ю., Корчагин А.Ю., Зейфман А.И., Теорема Пуассона для схемы испытаний Бернулли со случайной вероятностью успеха и дискретный аналог распределения Вейбулла // Информатика и её применения. 2016. Т. 10. Вып. 4. С. 11-20.

50. Королев С.А. Требования к процессу среднесрочного планирования производства в сфере общего машиностроения // Наука и бизнес: пути развития. 2023. № 1(139). С. 26-30.

51. Королев С.А., Бром А.Е. Теория расписаний и интервальное планирование в условиях позаказного производства // XLVI Академические чтения по космонавтике. Сборник тезисов, посвященные памяти академика С.П. Королёва и других выдающихся отечественных ученых - пионеров освоения космического пространства. В 4-х томах. М.: 2022. Т. 2. С. 71-75.

52. Косяков В.П., Мусакаев Э.Н., Гайдамак И.В. Применение инструментов прокси-моделирования для оценки коэффициента полезной закачки для нефтяного месторождения // Вестник Тюменского государственного университета. Физико-математическое моделирование. Нефть, газ, энергетика. 2022. Т. 8. № 3 (31). С. 85-105.

53. Кочеткова А.И. Введение в организационное поведение и организационное моделирование: Учеб. Пособие. - М.: Дело, 2003. 944 с.

54. Кошев А.Н., Салмин В.В., Генералова А.А., Бычков Д.С. Разработка генетического алгоритма с адаптивными мутациями для определения глобального экстремума функции n-переменных // Интернет-журнал «НАУКОВЕДЕНИЕ». 2016. Т. 8. №6. 13 с.

55. Краснов С.В., Сорокин С.В. Основные проблемы организации позаказ-ного производства в автомобилестроении и возможные пути их решения // Вестник Волжского университета им. В. Н. Татищева. 2011. № 17. С. 63-68.

56. Кривенцов А.С., Ульянов М.В. Интервальная оценка параметров бета-распределения при определении доверительной трудоемкости алгоритмов // Известия Южного федерального университета. Технические науки. 2012. № 132 (7). С. 210-220.

57. Куликова Е.А. Психологические аспекты сопротивления изменениям в организации // Концепт. 2021. № 10. С. 64-74.

58. Куликова О.М., Суворова С.Д. Проектирование эффективной логистической цепочки поставок // Региональные проблемы преобразования экономики. 2021. № 4 (126). С. 122-129.

59. Куликова Т.А. Развитие концепции «бережливого производства» на основе выбора оптимального вида движения предметов труда // Теоретическая и прикладная экономика. 2019. № 4. С. 71-77.

60. Кушнарев Л.И., Кушнарев С.Л. Качество продукции - основа конкурентоспособности российского машиностроения // Технический сервис машин. 2023. Т. 61. № 2 (151). С. 48-55.

61. Лазарев А.А., Гафаров Е.Р. Теория расписаний. Задачи и алгоритмы / Научное издание - М.: МГУ им. Н.В. Ломоносова, 2011. 222 с.

62. Ларман К. Применение UML 2.0 и шаблонов проектирования. 3-е издание / М.: Вильямс, 2006. 736 с.

63. Лезжова М.А., Яхонтова И.М. Анализ бизнес-рисков, связанных с текущим состоянием архитектуры бизнес-системы и ИТ-ландшафта // Информационное общество: современное состояние и перспективы развития: сборник материалов X международного студенческого форума, Краснодар, 2018. С. 52-55.

64. Либман А.В. Теоретические аспекты агентской проблемы в корпорации // Вестник Санкт-Петербургского университета. Менеджмент. 2005. № 1. С. 123-140.

65. Листвин А.А., Гарт М.А. Среднее профессиональное образование: необходимость структурных изменений // Вестник Костромского государственного университета. Серия: Педагогика. Психология. Социокинетика. 2022. Т. 28. № 2. С. 131-138.

66. Ловцов Д.А. Архитектура базы данных и знаний подсистемы планирования и координации информационных процессов в иерархической эргасистеме // Правовая информатика. 2020. № 4. С. 4-19.

67. Лукьянов Л.А., Спивак С.И., Христолюбов В.Л. Нейронная сеть корректор для распределения работ в задаче внутрицехового планирования // Вестник Башкирского университета. 2016. Т. 21. № 4. С. 859-863.

68. Магданов П.В. Стратегическое планирование в компаниях Пермского края // Вестник Воронежского государственного университета. Серия: Экономика и управление. 2012. №2. С. 139-145.

69. Майбородин А.Б., Ломинаго О.Д., Васильев В.А. Оценка качества ка-лендарно-сетевого планирования при внедрении искусственных нейронных сетей в информационные системы управления проектами // Идеи и новации. 2020. Т. 8. № 3-4. С. 172 179.

70. Макаренко Н.Г., Яковлева Ю.С., Михалевич О.А. Способы повышения долговечности машин и механизмов // Омский научный вестник. 2023. № 3 (187). С. 39-44.

71. Малахов А.В. Постановка задачи установления оптимальных сроков выполнения опытно-конструкторских работ // Известия Тульского государственного университета. Технические науки. 2023. № 3. С. 250-253.

72. Матвеева Е.А., Симагина С.Г. Моделирование и оптимизация загрузки производственных мощностей предприятия с мелкосерийным типом производства // Интернет-журнал «Отходы и ресурсы». 2019. №2. URL: https://resources.today/PDF/16ECOR219.pdf. DOI: 10.15862/16EC0R219.

73. Мелешкина И.И. Применение цифровых технологий визуализации данных в рамках формирования отчетности на базе QV // Умная цифровая экономика. 2022. № 2 (1). С. 70-74.

74. Милькин В., Николаев Н. «Северсталь» попытается нарастить продажи за счет цифровой платформы [Электронный ресурс]. URL: https://www.ve-domosti.ru/business/articles/2022/10/03/943531-severstal-popitaetsya-narastit-prodazhi (дата обращения: 14.01.2025).

75. Минаков А.В. Государственное регулирование производства высокотехнологичной продукции в России в современных условиях // Экономика и бизнес: теория и практика. 2024. № 8. С. 159-166.

76. Морозова И.А., Глазова М.В. Основные виды управленческих решений и особенности процесса их принятия // Международный научно-исследовательский журнал. 2020. № 6-4 (96). С. 88-92.

77. Насыров Ш.Г. Проектирование и организация специализированных цехов и участков в машиностроении [Электронный ресурс]: учебное пособие / Ш.Г. Насыров, В.И. Юршев; Оренбургский гос. ун-т. - Оренбург: ОГУ, 2019. 223 с.

78. Новиков Д.А. Модели систем оплаты труда / Д.А. Новиков, Д.А. Залож-нев. - М.: ПМСОФТ, 2009. 192 с.

79. Нырков Д.Е., Стариков А.В. Анализ перспективных алгоритмов объемно-календарного планирования позаказного производства мебели // Лесотехнический журнал. 2017. № 3 (27). С. 299-306.

80. Оганесян Т.Л., Григорьева Е.А., Фоменко Е.В. Особенности конкурентной борьбы предприятий отрасли транспортного машиностроения в условиях ограниченной конкуренции // Экономика. Информатика. 2016. Вып. 37. № 2 (223). С. 31-37.

81. Озорнин С.П., Бердников И.Е. Ранжирование факторов условий эксплуатации, оказыва ющих негативное влияние на изменение технического состояния транспортно-технологических машин // Вестник Иркутского государственного технического университета. 2017. Т. 21. № 3. С.145-154.

82. Омельченко И.Н., Супрун А.Е. Алгоритм построения складской логистической системы // Гуманитарный вестник МГТУ им. Н.Э. Баумана. 2016. № 11 (49). С. 1-12.

83. Организация и планирование машиностроительного производства (производственный менеджмент): учебник для вузов / Некрасов Л. А., Постникова Е.С., Скворцов Ю.В., Уханова Т.В.; ред. Скворцов Ю.В. - М.: Студент, 2016. 414 с.

84. Орлов А.И. Теория экспертных оценок в нашей стране // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2013. № 93. С. 1-11.

85. Пашенцев А.И., Гармидер А.А., Сулим С.Н., Долбилова О.К., Морозова Ю.И. Процессная модель оценки межремонтного ресурса тепловой сети // Экономика строительства и природопользования. 2022. № 3 (84). С. 130-137.

86. Перцев А.А., Подобрий А.Н. Формирование и анализ плана производства машиностроительного предприятия // Автоматизация процессов управления. 2019. № 1 (55). С. 74-83.

87. Петров М.Н. Современные концепции управления проектной деятельностью // Инновации и инвестиции. 2017. № 4. С. 87-91.

88. Подиновский В.В. Оптимизация по последовательно применяемым критериям / В.В. Подиновский, В.М. Гаврилов. - М.: Советское радио, 1975. 192 с.

89. Подольская Т.Н., Царева Л.М. Производственные ресурсы: оценка, эффективность использования // n-Economy. 2012. № 1 (139). С. 149-153.

90. Постникова Е.С., Сидоров М.И., Ставровский М.Е., Цырков А.В. Моделирование процесса оценивания и обеспечения организационно-экономической устойчивости машиностроительного предприятия // Известия Тульского государственного университета. Технические науки. 2024. № 8. - С. 98-104.

91. Промышленное производство. [Электронный ресурс]. URL: https://rosstat.gov.ru/enterprise_industrial (дата обращения: 13.10.2024).

92. Пугачев Г.С. Нормирование трудоемкости технологических процессов с вероятностными составляющими // Сборник научных трудов Донецкого института железнодорожного транспорта. 2008. № 14. С. 136-141.

93. Пыткин А.Н., Главацкий В.Б. Приоритеты инновационного развития предприятий машиностроения пространственно-отраслевой структуры региона в

рыночной экономике // Экономика, предпринимательство и право. 2020. Т. 10. № 7. С. 2019-2028.

94. Речкалов А.В., Дунаев Д.Н., Даутова О.Р. Развитие функциональности основного планирования ERP-системы для решения задачи среднесрочного производственного планирования // Вестник Уфимского государственного авиационного технического университета. 2012. Т. 16. № 6 (51). С. 263-269.

95. Романов А.А., Тимина И.А. Обзор методов оценки трудоемкости производства // Гибридные и синергетические интеллектуальные системы. Материалы IV Всероссийской Поспеловской конференции с международным участием, Калининград, 2018. С. 288-295.

96. Романов С.С. Ключевые понятия и особенности объектно-ориентированного программирования // Таврический научный обозреватель. 2016. № 12-2 (17). С. 141-146.

97. Рыжакина Т.Г. Интегрированные инструменты планирования в процессе реализации стратегии предприятия: монография / Т.Г. Рыжакина; Томский политехнический университет. - Томск: Изд-во Томского политехнического университета, 2013. 144 с.

98. Саймон Д. Алгоритмы эволюционной оптимизации / М.: ДМК Пресс, 2020. 940 с.

99. Сафронова Е.М., Черненькая Л.В. Методология решения задачи планирования производства на платформе 1С: Предприятие // Системный анализ в проектировании и управлении. 2021. № 3. С. 352-356.

100. Сафонова К.И. Риски предприятия и некоторые аспекты управления ими // Известия Дальневосточного федерального университета. Экономика и управление. 2000. № 1 (13). С. 89-100.

101. Семёнов С.В., Семахин, Е. А. Экономика организации: повышение экономической эффективности работы подразделения предприятия при внедрении методики быстрой переналадки оборудования // Известия Пензенского государственного педагогического университета им. В. Г. Белинского. 2012. № 28. С. 528-531.

102. Силакова В.В., Рыжов И.В. Анализ коммерческих рисков российских промышленных предприятий в условиях пандемии короновируса // Экономика и предпринимательство. 2020. № 3. С. 1226-1229.

103. Силинский В.С. Гармонизация сбытовой и производственной деятельности высокотехнологичного промышленного предприятия в условиях неопределенности и нестабильности // Экономический журнал. 2015. № 1 (37). С. 6-17.

104. Симаков П.В. Об оптимизации расписаний дискретных производств позаказного типа с применением имитационного моделирования // Сибирский аэрокосмический журнал. 2008. № 4 (21). С. 52-56.

105. Симонов Р.В., Пахотин В.А. Алгоритмы поиска экстремума в методе максимального правдоподобия // Вестник Балтийского федерального университета им. И. Канта. Серия: Физико-математические и технические науки. 2016. № 3. С. 54-62.

106. Ситник С.М., Булгаков О.М., Пакляченко М.Ю. Корректная разрешимость системы линейных алгебраических уравнений с дополнительными условиями // Вестник Воронежского института МВД России - 2016. - № 2. - С. 155-165.

107. Смоленцев В.П., Коптев И.Т., Белякин А.С. Технология производства наукоемких изделий // Вестник Воронежского государственного технического университета. 2011 № 7 (8). С. 163-166.

108. Соболь И.М. Выбор оптимальных параметров в задачах со многими критериями. - М.: Дрофа, 2006. - 175 с.

109. Соляник М.Н. Стратегическое планирование // Economics. 2018. № 2 (34). С. 34-38.

110. Сотсков Н., Егорова Н.Г., Вернер Ф. Минимизация суммарного взвешенного времени обслуживания требований с неопределенными данными: метод, основанный на устойчивости // Автоматика и телемеханика. 2010. № 10. С. 26-49.

111. Средства автоматизации механической обработки. Справочное пособие / В.И. Дементьев, А.Н. Огринчук, Г.А. Терехов и др. М.: МАШГИЗ, 1962. 520 с.

112. Типнер Л.М., Исхакова Н.Р., Ельцина Б.Н. Проблемы организации в условиях единичного и мелкосерийного производства // Экономика и бизнес: теория и практика. 2019. № 5-3. С. 97-102.

113. Титов С.А., Титова Н.В. Оценка экономических эффектов от кастоми-зации продукции российских промышленных предприятий // Стратегические решения и риск-менеджмент. 2022. № 13 (1). С. 26-36.

114. Тихов М.С., Агеев В.В., Бородина Т.С. Оценивание параметров распределения Вейбулла по случайно цензурированным выборкам // Вестник Нижегородского университета им. Н. И. Лобачевского. 2010. № 4. С. 141-145.

115. Трудовой кодекс Российской Федерации от 30.12.2001 N 197-ФЗ (ред. от 19.12.2022) // Собрание законодательства РФ. — 07.01.2002. — № 1 (ч. 1). — Ст. 3.

116. Туровец О.Г. Организация производства и управление предприятием: учебник / О.Г. Туровец, В.Н. Родионова, В.Н. Попов [и др.]; под ред. О.Г. Туровец. - 3-е изд. - М.: ИНФРА-М, 2019. 506 с.

117. Уздемир А.П. Задачи планирования дискретного (штучного) производства и численные методы их решения. I. Задача минимизации максимальной относительной загрузки мощностей // Автоматика и телемеханика. 1975. Вып. 9. С. 115-122.

118. Управление - это наука и искусство: А. Файоль, Г. Эмерсон, Ф. Тейлор, Г. Форд. / М.: Республика, 1992. 352 с.

119. Усков А.А. Сетевой график с продолжительностями работ в виде нечетких чисел LR-типа // Управление большими системами: сборник трудов. 2014. № 47. С. 6-17.

120. Фомин С.Г., Гаврилов Д.А. Организация среднесрочного планирования на предприятии с типом производства «на заказ» // Российское предпринимательство. 2015. № 16 (18). С. 2985-2998.

121. Фролов Е.Б., Загидуллин Р. Р. Промышленный софт для планирования машиностроительного производства: ERP, APS, MES // Конструкторское Бюро. 2021. № 4. С. 50-59.

122. Хейфиц А.Е., Янчус В.Э., Боревич Е.В. Методика проведения экспериментального исследования восприятия графического интерфейса с применением технологии ай-трекинга // Программные системы и вычислительные методы. 2022. № 2. С. 52-62.

123. Шевляков А.О., Матвеев М.Г. Решение RCPSP при нечетких трудозатратах выполнения операций // Вестник ВГУ, серия: системный анализ и информационные технологии. 2015. № 4. C. 121-125.

124. Шептунов С.А. Жизненный цикл продукции / М.: Янус-К, 2003. 244 с.

125. Шмелев В.В. Динамические задачи календарного планирования // Автоматика и телемеханика. 1997. № 1. С. 121-125.

126. Яхонтов И.С., Мамий С.А. К вопросу о цифровизации экономики в условиях ухода зарубежных вендоров // Экономика и бизнес: теория и практика. 2023. № 11-3 (105). С. 214-217.

127. A. Ben-Tal, L. Ghaoui, A. Nemirovski. Robust Optimization. Princeton, Princeton University Press, 2009, 544 p. DOI: 10.1515/9781400831050.

128. A.E. Brom, M.V. Stoyanova, M.V. Yazev, S.A. Korolev. Assessment of technological resources for the production of composite products based on mathematical methods. IOP Conference Series: Materials Science and Engineering, 2020, vol. 934, article ID 012003. DOI: 10.1088/1757-899X/934/1/012003.

129. C. Chen, T.L. Kong, W. Kan. Identifying the promising production planning and scheduling method for manufacturing in Industry 4.0: a literature review. Production & Manufacturing Research, 2023, vol. 11, no. 1, article ID 2279329, 24 p. DOI: 10.1080/21693277.2023.2279329.

130. C.L. Pape, P. Baptiste. Resource Constraints for Preemptive Job-shop Scheduling. Constraints, 1998, vol. 3, pp. 263-287. DOI: 10.1023/A:1009723704757.

131. D. Dubois, H. Fargier, H. Prade. Fuzzy Constraints in Job-Shop Scheduling. Journal of Intelligent Manufacturing, 1995, vol. 6, no. 4, pp. 215-234. DOI: 10.1007/BF00128646.

132. D.M. Stasinopoulos, R.A. Rigby, Generalized Additive Models for Location Scale and Shape (GAMLSS) in R. Journal of Statistical Software, 2007, vol. 23, no. 7, pp. 1-46. DOI: 10.18637/jss.v023.i07.

133. D. Sculli, K.K. Tsang. Priority dispatching rules in a fabrication/assembly shop. Mathematical and Computer Modelling, 1990, vol. 13, no. 3, pp. 73-79. DOI: 10.1016/0895-7177(90)90372-T.

134. DAMA-DMBOK: Свод знаний по управлению данными. Второе издание / Dama International [пер. с англ. Г. Агафонова]. М.: Олимп-Бизнес, 2020. 828 с.

135. F.N. David, N.L. Johnson. The Probability Integral Transformation When Parameters Are Estimated from the Sample. Biometrika, 1948, vol. 35, no. 1/2, pp. 182190. DOI: 10.2307/2332638.

136. G. Calafiore, M.C. Campi. Uncertain convex programs: Randomized solutions and confidence levels. Mathematical Programming, 2005, vol. 102, no. 1, pp. 2546. DOI: 10.1007/s10107-003 -0499-y.

137. G.R. Weckman, C.V. Ganduri, D. Koonce, A neural network job-shop scheduler. Journal of Intelligent Manufacturing, 2008, vol. 19, no. 2, pp. 191-201. DOI: 10.1007/s10845-008-0073-9.

138. H. Muhlenbein. Genetic algorithms and parallel processing. Wuhan University Journal of Natural Sciences, 1996, vol. 1, pp. 630-639. DOI: 10.1007/BF02900898.

139. J. Blazewicz, B. Moseley, E. Pesch, D. Trystram, G. Zhang. New Perspectives in Scheduling Theory. Journal of Scheduling. 2021, no. 24, pp. 455-457 DOI: 10.1007/s10951-021-00693-8.

140. J.C. Correa, T. Kneib, R. Ospina, J. Tejada, F. Marmolejo-Ramos. Assessing potential heteroscedasticity in psychological data: A GAMLSS approach. The Quantitative Methods for Psychology, 2023, vol. 19, no. 4, pp. 333-346. DOI: 10.20982/tqmp.19.4.p333

141. J. Park, J. Chun, S.H. Kim, Y. Kim, J Park. Learning to Schedule Job-Shop Problems: Representation and Policy Learning Using Graph Neural Network and Reinforcement Learning. International Journal of Production Research, 2021, vol. 59, no. 11, pp. 3360-3377. DOI: 10.1080/00207543.2020.1870013.

142. J. Zhang, J. Wang, W. Qin. Artificial Neural Networks in Production Scheduling and Yield Prediction of Semiconductor Wafer Fabrication System. Rijeka, IntechOpen, 2016, chap. 14. DOI: 10.5772/63444.

143. K. Hanssen, B. Foss. Production Optimization under Uncertainty - Applied to Petroleum Production. IFAC-PapersOnLine, 2015, vol. 48, pp. 217-222. D01:10.1016/j.ifacol.2015.08.184.

144. L. Lapide. Looking Over the Visible Planning Horizon. Supply Chain Management Review, 2014, vol. September-October, pp. 4-5.

145. L. Lingitz, V. Gallina, J. Breitschopf, L. Finamore, W. Sihn. Quality in production planning: Definition, quantification and a machine learning based improvement method. Procedia Computer Science, 2023, vol. 217, pp. 358-365. DOI: 10.1016/j.procs.2022.12.231.

146. L. Silverston, P. Agnew. The Data Model Resource Book, Volume 3: Universal Patterns for Data Modeling. Indianapolis, Wiley Publishing, 2009, 640 p.

147. L. Ustinovicius, K. Loniewski. Вербальный анализ решений. Economics and Management, 2013, no. 2, pp. 212-229. DOI: 10.12846/j.em.2013.02.13.

148. M. Abdolrazzagh-Nezhad, S. Abdullah, Job Shop Scheduling: Classification, Constraints and Objective Functions. International Journal of Computer, Electrical, Automation, Control and Information Engineering, 2017, vol. 11, no. 4, pp. 386-391.

149. M. Michalkova, I. Pobocíkova, Z. Sedliackova. Modelling the Electricity Consumption in a Manufacturing Company through Probability Distribution. MATEC Web of Conferences, vol. 357, article number 08004, 10 p. DOI: 10.1051/matec-conf/202235708004.

150. M.H. Sim, M.Y.H. Low, C S. Chong, M. Shakeri. Job Shop Scheduling Problem Neural Network Solver with Dispatching Rules. 2020 IEEE International Conference on Industrial Engineering and Engineering Management (IEEM), 2020, pp. 514518. DOI: 10.1109/IEEM45057.2020.9309776.

151. P. Brucker. Scheduling Algorithms. Fifth Edition. Leipzig, Springer, 2007,

371 p.

152. P. Buhlmann, S.V.D. Geer. Statistics for High-Dimensional Data. Heidelberg, Springer-Verlag Berlin, 2011, 558 p. DOI: 10.1007/978-3-642-20192-9.

153. P. Jurik. A Comparative Study of the Usability of Different Production Scheduling Algorithms and Rules. Proceedings of CBU in Natural Sciences and ICT, 2021, vol. 2, pp. 41-46. DOI: 10.12955/pns.v2.151.

154. P.L. Hammer, E.L. Johnson, B.H. Korte. Conclusive Remarks. Annals of Discrete Mathematics, 1979, vol. 5, pp. 427-453. DOI: 10.1016/S0167-5060(08)70366-2.

155. R. Perlowski, K. Antosz, W. Zielecki. Optimization of the Medium-Term Production Planning in the Company-Case Study. In: Machado, J., Soares, F., Veiga, G. (eds) Innovation, Engineering and Entrepreneurship. HELIX 2018. Lecture Notes in Electrical Engineering, 2019. vol 505, pp. 369-376. DOI: 10.1007/978-3-319-91334-6_50.

156. S. Creemers. The Preemptive Stochastic Resource-Constrained Project Scheduling Problem. European Journal of Operational Research, 2019, vol. 277, no. 1, pp. 238-247. DOI: 10.1016/j.ejor.2019.02.030.

157. T. Amare, B. Singh, G. Kabata, J. Bhaskaran. Improvement Analysis of Production Planning and Control System. Industrial Engineering & Management, 2021, vol. 10, no. 3, 10 p.

158. T. Gabel, M. Riedmiller. Distributed policy search reinforcement learning for job-shop scheduling tasks. International Journal of production research, 2012, vol. 50, no. 1, pp. 41-61. DOI: 10.1080/00207543.2011.571443.

159. T.C.T. Chen, Y.C. Wang. A fuzzy mid-term capacity and production planning model for a manufacturing system with cloud-based capacity. Complex & Intelligent Systems, 2021, vol. 7, pp. 71-85. DOI: 10.1007/s40747-020-00177-w.

160. T.R.G. Nair, K. Sooda. Comparison of Genetic Algorithm and Simulated Annealing Technique for Optimal Path Selection in Network Routing. National Conference on VLSI and networks-2009, pp. 47-51.

161. X. Wang, D. Li, C. O'brien, Y. Li. A production planning model to reduce risk and improve operations management. International Journal of Production Economics, 2010, vol. 124, no. 2, pp. 463-474. DOI: 10.1016/j.ijpe.2009.12.009.

162. Y.N. Sotskov, N.G. Egorova, F. Werner. The Optimality Box and Region for Single-Machine Scheduling of a Set of Jobs with Uncertain Durations. IFAC-PapersOnLine, 2019, vol. 52, no. 13, pp. 88-93. DOI: 10.1016/j.ifacol.2019.11.141.

ПРИЛОЖЕНИЕ

П.1. Свидетельство о регистрации программы для ЭВМ для оценки стохастических факторов

ттшШстАш фвдиращшш

П.2. Структура алгоритма построения плана производства

Optimizer

+population_size: int +num_generations: int +mutation_rate: float +split_rate: float +meige_rate: float +elite_size: int +meta_opt_maxiter: int +meta_opt_popsize: int +meta_opt_tol: float +simulation_iter: int +plan: ProductionPlan +scenarios: list +final_plan: ProductionPlan +baseline_plan: ProductionPlan +overtime_plan: ProductionPlan

+load_constraints()

+initialization()

+selection()

+crossover()

+mutation()

+select_best_plan()

+optimize()

+save_plans()

ProductionPlan

+production_plan_id: str +planning_horizon_start: datetime +machines: dict +orders: dict +changeovers: dict +precedence_constraints: dict +level1_goal: float +level2_goal: float +constraints_violation: float +total_kpi: float +optimized: bool

+job_steps_upper_graph: DiGraph +job_steps_expected_graph: DiGraph +job_steps_upper_completion: dict +job_steps_expected_completion: dict +variables_allocation: list +fixed_starts: list +last_job_steps: list +variables_bounds: list +job_steps_constraints: list +meta_optimizer_constraints: tuple +x0: array +x_optimal: array +level2_goal_simulations: list +capacity_utilization: float

+resolve_cycles()

+create_meta_optim ize_config()

+get_completion_time()

+calculate_constraints_violation()

+calculate_level1_goal()

+calculate_level2_goal()

+calculate_total_kpi()

+meta_optimize()

+simulate_execution()

+create_production_schedule()

+save()

1..*

Рисунок П.2.1. Объектная структура алгоритма построения плана производства

Machine

+production_plan_id: str +machine_id: str

+norm_avaliable_labor_force: float +max_avaliable_labor_force: float +base_cost: float +overtime_work_cost: float +job_steps: list +max_job_step_id: int +job_splits: diet +upper_used_labor_force: float +upper_overtime_used_labor_force: float +expected_used_labor_force: float +expected_overtime_used_labor_force: float +used_labor_force_simulation: list +overtime_used_labor_force_simulation: list +capacity_utilization: float

+split_j ob_step()

+merge_j ob_steps()

+swap_job_steps()

+c al culate_used_l abor_force()

+calculate_capacity_utilization()

Changeover

+changeover_id: str +previous_job_id: str +followLng_job_id: str +leadtime: float

1..*

Order

+production_plan id: str

+order_id: str

+risk_tolerance: float

+order_premium: float

+delay_penalty: float

+order labor bonus: float

+deadline: datetime

+leadtime: float

+jobs: dict

+jobs_number: int

+upper_completion_leadtime: float

+completion_time_simulation: list

+delays_simulation: list

+get subsidiary_jobs()

Job

+job_id: str +order_id: str +machine_id: str +min_labor_intensity: float +max_labor_intensity: float +expected_labor_intensity: float +upper_labor_intensity: float +direct_cost: float +earliest_possible_start: datetime +earliest_possible_start_leadtime: float +fixed_start: datetime +fixed_start_leadtime: float +is_spare_parts_production: bool +mean_failure_rate: float +intensity_trend: float +order_leadtime: float +final_job: bool

+estimat e_lab or_intensity( ) +create_j ob_step()

PrecedenceConstraint

+job_id: str

+previous_jobs_list: list

O

0..*

0..*

0

PneyHOK n.2.1 - npogon^eHHe

JobStep

+job_step_id: str +job_id: str +machine_id: str +order_id: str +order_leadtime: float +earliest_possible_start: datetime +earliest_possible_start_leadtime: float +fixed_start: datetime +fixed_start_leadtime: float +expected_duration: float +upper_duration: float +capacity_taken: float +used_labor_force: float +expectedjob_labor_intensity: float +upperjob_labor_intensity: float +overtime_used_labor_force_percent: float +final_job_step: bool +firstjob_step_forjob: bool +expected_start: datetime +expected_end: datetime +upper_start: datetime +upper_end: datetime

+update_expectedjob_labor_intensity()

FixedStart

+job_step_id: str +fixed start leadtime: float

1 1 1 1 0..1 1..*

FinalJobStep

+job step id: str

+order id: str

+order leadtime: float

+order delay penalty: float

+order labor bonus: float

0

0..1

Рисунок П.2.1 - окончание

П.3. Свидетельство о регистрации программы для ЭВМ для построения

плана производства

П.4. Исходные данные для построения плана

Таблица 19.

Общие данные о плане

production plan id planning horizon start

plan 1 01.09.2024

Таблица 20.

Данные о заказах

production plan id order id risk tolerance order premium delay penalty order labor bonus deadline previously produced items

plan 1 Заказ 1 0,15 3 000 000 30 000 200 000 01.11.2024 21

plan 1 Заказ 2 0,01 550 000 000 8 440 000 4 700 000 15.05.2025 32

plan 1 Заказ 3 0,15 5 000 000 50 000 300 000 20.12.2024 24

plan 1 Заказ 4 0,1 11 000 000 110 000 500 000 10.07.2025 26

plan 1 Заказ 5 0,1 11 000 000 110 000 500 000 15.07.2025 19

plan 1 Заказ 6 0,1 19 000 000 190 000 700 000 20.07.2025 20

plan 1 Заказ 7 0,15 3 000 000 30 000 200 000 25.07.2025 17

plan 1 Заказ 8 0,1 19 000 000 190 000 700 000 30.07.2025 12

Таблица 21.

Данные о производственных подразделений

machine id norm avaliable l max avaliable l base overtime w machines machin labor force f repair avg worker

abor force abor force cost ork cost number e age or repair cost s grade

Подразде- 71 85,2 1 550 2 325 12 13,11 106,5 12 400 3,62

ление 1

Подразде- 26 31,2 2 000 3 000 3 3,75 26 16 000 4,22

ление 104

Подразде- 100 120 1 550 2 325 11 3,11 100 12 400 3,56

ление 118

Подразде- 80 96 2 050 3 075 8 2,56 80 16 400 4,27

ление 13

Подразде- 15 18 1 750 2 625 2 14,05 15 14 000 3,9

ление 16

Подразде- 46 55,2 1 850 2 775 5 9,88 46 14 800 4

ление 18

Подразде- 10 12 1 950 2 925 3 1,87 10 15 600 4,14

ление 182

Подразде- 24 28,8 1 750 2 625 5 3,49 24 14 000 3,87

ление 20

Подразде- 15 18 1 600 2 400 3 9,85 22,5 12 800 3,67

ление 23

Подразде- 15 18 1 550 2 325 4 8,37 15 12 400 3,61

ление 51

Подразде- 282 338,4 1 450 2 175 21 2,19 282 11 600 3,47

ление 78

Подразде- 40 48 1 900 2 850 7 2,35 40 15 200 4,05

ление 9

Данные о работах

job id order id machine id normative labor int ensity operatio ns chang es direct c ost earliest_possible start fixed st art is spare_parts_prod spare_part _i d machinery_ age machinery_f leet negative fac tors

2 Узел 701 1 Заказ 2 Подразделение 20 55,0 2 1 660 000 01.09.20 24 ЛОЖЬ

2 Узел 701 2 Заказ 2 Подразделение 18 38,5 1 1 315 000 15.10.2024 ЛОЖЬ

2 Узел 701 3 Заказ 2 Подразделение 78 56,2 1 1 735 000 ЛОЖЬ

2 Узел 001 1 Заказ 2 Подразделение 16 6,5 1 1 60 000 01.09.20 24 ЛОЖЬ

2 Узел 001 2 Заказ 2 Подразделение 78 46,0 1 1 405 000 ЛОЖЬ

2 Узел 017 1 Заказ 2 Подразделение 104 16,6 1 1 85 000 01.09.20 24 ЛОЖЬ

2 Узел 017 2 Заказ 2 Подразделение 78 27,5 1 385 000 ЛОЖЬ

2 Узел 002 1 Заказ 2 Подразделение 104 16,5 1 1 75 000 ЛОЖЬ

2 Узел 002 2 Заказ 2 Подразделение 78 10,8 1 1 75 000 ЛОЖЬ

2 Узел 005 1 Заказ 2 Подразделение 23 11,9 1 1 95 000 01.09.20 24 ЛОЖЬ

2 Узел 005 2 Заказ 2 Подразделение 78 5,4 1 1 65 000 ЛОЖЬ

2 Узел 003 1 Заказ 2 Подразделение 104 94,7 1 560 000 ЛОЖЬ

2 Узел 003 2 Заказ 2 Подразделение 78 180,3 1 1 1 965 000 ЛОЖЬ

2 Узел 013 1 Заказ 2 Подразделение 78 7,2 1 1 90 000 ЛОЖЬ

2 Узел 004 1 Заказ 2 Подразделение 51 20,6 1 1 105 000 01.09.20 24 ЛОЖЬ