ОКРУЖАЮЩАЯ СРЕДА И ТЕХНОЛОГИИ

Разработка интеллектуальных алгоритмов для оптимизации автоматизации технологических операций

Авторы

  • Михаил Юрьевич Смирнов Липецкий казачий институт технологий и управления (филиал), Московский государственный университет технологий и управления имени К.Г. Разумовского (Первый казачий университет)
  • Илья Васильевич Воронин Липецкий казачий институт технологий и управления (филиал), Московский государственный университет технологий и управления имени К.Г. Разумовского (Первый казачий университет)

Как цитировать

ГОСТ Смирнов М. Ю., Воронин И. В. Разработка интеллектуальных алгоритмов для оптимизации автоматизации технологических операций // Вопросы природопользования. 2024. Т. 3. № 10. С. 8-19. DOI: 10.25726/l6987-0779-7188-x
APA Смирнов, М. Ю. & Воронин, И. В. (2024). Разработка интеллектуальных алгоритмов для оптимизации автоматизации технологических операций. Вопросы природопользования, 3(10), 8-19. https://doi.org/10.25726/l6987-0779-7188-x

Аннотация

В современных условиях автоматизация технологических процессов становится важной составляющей в повышении производительности и снижении человеческого воздействия на производственный процесс. Разработка интеллектуальных алгоритмов для управления автоматизацией операций приобретает особую актуальность. В данной работе исследуются методы разработки интеллектуальных алгоритмов, направленных на оптимизацию процессов автоматизированного управления технологическими операциями. Для достижения поставленных целей применен системный подход с использованием элементов машинного обучения, искусственного интеллекта и теории оптимального управления. Основной акцент был сделан на разработке алгоритмов на основе искусственных нейронных сетей и методов вычислительного интеллекта. Проводилась сравнительная оценка различных подходов к оптимизации, включая эвристические методы, методы поиска с ограничениями, а также алгоритмы динамического программирования. Для проведения экспериментов использовалась модель имитации одного из типовых технологических процессов. Предложенные алгоритмы продемонстрировали значительное улучшение показателей производительности и эффективности управления технологическими операциями. По результатам моделирования было выявлено снижение энергозатрат до 15% и увеличение точности управления до 20% по сравнению с классическими методами. Кроме того, разработанные интеллектуальные алгоритмы позволили снизить зависимость от человеческого вмешательства, что обеспечило стабильность и надежность функционирования автоматизированных систем. Анализ полученных результатов показал, что использование интеллектуальных подходов позволяет достичь большей гибкости и адаптивности в управлении технологическими процессами. Важное значение имеет правильный подбор параметров обучающих моделей и алгоритмов, что обеспечивает их универсальность при изменении условий производства. Разработанные интеллектуальные алгоритмы демонстрируют большие перспективы для решения задач оптимизации в системах автоматизации. Внедрение таких подходов может способствовать повышению эффективности и конкурентоспособности предприятий в условиях современного промышленного производства.

Ключевые слова

интеллектуальные алгоритмы автоматизация оптимизация технологические операции разработка.

Библиографические ссылки

Баранов Д.А., Белых М.А., Барабанов В.Ф., Гребенникова Н.И., Черников В.Н. Программная реализация задачи линейной оптимизации на базе муравьиного алгоритма // Вестник Воронежского государственного технического университета. 2023. Т. 19. № 6. С. 53-58.

Желудков Н.В., Кочева Е.С., Евлампиев Б.Е., Ткаченко Е.В. Автоматизация поиска оптимальных входных параметров при проектировании СБИС // Наноиндустрия. 2024. Т. 17. № S10-1(128). С. 246-250.

Завалева Е.В., Андрузская А.Г., Завалев В.И. Автоматизированная система принятия управленческих решений // ОРГЗДРАВ: новости, мнения, обучения. Вестник ВШОУЗ. 2023. Т. 9. №3(33). С. 133–134.

Золкин А.Л., Мунистер В.Д., Ахмадуллин Ф.Р., Лосев А.Н. Автоматизация инструментария разработки и обслуживания интегрированных сред создания специального программного обеспечения // Научно-технический вестник Поволжья. 2023. № 11. С. 189-194.

Кабильджанов А.С., Бозоров Э.О., Охунбобоева Ч.З. Интеллектуализация поддержки принятия решений в задачах оптимизации сложных технических систем на основе нейро-нечетких сетей ANFIS // Вестник Белорусской государственной сельскохозяйственной академии. 2023. № 3. С. 212-219.

Пальмов С.В., Осанов Н.В. Использование метода роя частиц при решении оптимизационных задач // Перспективы науки. 2023. № 2(161). С. 35-38.

Старостин Н.В., Вернигор И.С. Алгоритм подбора и коррекции пооперационных технологических норм // Машиностроение: сетевой электронный научный журнал. 2024. Т. 11. № 2. С. 38-43.

Шишкова А.Д., Демин К.Д. Оптимизация распределения ресурсов и нагрузки в цепях поставок с использованием искусственного интеллекта // Теория и практика мировой науки. 2024. № 2. С. 53-57.

Hussein B.M., Jaber A.I., Abdulwahhab M.W., Mohammed H.J., Korovkin N.V. Application of intelligent optimization algorithms on economic dispatch problem // International сonference on soft computing and measurements. 2024. Т. 1. С. 582-585.

Zheng Yu. Optimization of computer programming based on mathematical models of artificial intelligence algorithms // Computers & electrical engineering. 2023. Т. 110. С. 108-834.

Опубликован

2024-10-15

Выпуск

Раздел

ОКРУЖАЮЩАЯ СРЕДА И ТЕХНОЛОГИИ
Хотите опубликоваться?
Подать статью

Машиночитаемые метаданные

Похожие статьи

1 2 3 4 5 6 > >> 

Вы также можете начать расширеннвй поиск похожих статей для этой статьи.