Интеллектуальная архитектура контура внутрифирменного планирования промышленного предприятия: системный анализ и формализация задачи

С. С. Адышкин, Е. В. Пальчевский

Аннотация


В работе выполнены системный анализ и формальная постановка задачи построения интеллектуальной архитектуры управления промышленным предприятием в контуре внутрифирменного планирования. Контур планирования предложено интерпретировать как замкнутую управленческую петлю «цель → план → факт → причина → коррекция», в рамках которой интеллектуальная архитектура рассматривается не как описательная модель ИТ-ландшафта, а как нормативно заданный механизм воспроизводимого принятия управленческих решений. Введены и уточнены определения ключевых понятий, а также проведено разграничение корпоративной и цифровой архитектур предприятия по отношению к интеллектуальной архитектуре управления. Сформирована дискретно-временная модель объекта управления, учитывающая частичную наблюдаемость состояния, шумы и задержки измерений, внешние и внутренние возмущения, а также ресурсные, технологические и регламентные ограничения. Показано, что управление по KPI целесообразно формализовать в многокритериальной постановке через функцию потерь и/или риск-ограниченные критерии, допускающие стохастические и робастные трактовки неопределенности. Сформулированы требования к наблюдаемости данных и моделей, а также формализованы принципы прослеживаемости и воспроизводимости управленческого решения посредством фиксации состава используемых данных, версий моделей, параметров, ограничений и множества рассмотренных альтернатив. Полученные результаты образуют методологическую основу для последующей алгоритмизации (мониторинг KPI, причинно-следственная диагностика, прогнозирование, риск-ограниченный выбор воздействий) и верификации интеллектуальной архитектуры управления в сценарно-имитационных экспериментах.

Ключевые слова


Интеллектуальная архитектура управления; замкнутый контур управления; внутрифирменное планирование; управление по KPI; многокритериальная оптимизация; риск-ограниченное управление; воспроизводимость и прослеживаемость решений.

Полный текст:

PDF

Литература


Amrit C., Kolar Narayanappa A. An analysis of the challenges in the adoption of MLOps // Journal of Innovation & Knowledge. 2025. Vol. 10, no. 1. Art. 100637. DOI: 10.1016/j.jik.2024.100637.

Bayram F., Ahmed B. S., Hallin E. End-to-end data quality-driven framework for machine learning in production environment // Heliyon. 2026. Vol. 12, no. 1. Art. e44416. DOI: 10.1016/j.heliyon.2025.e44416.

John M. M., Holmström Olsson H., Bosch J. An empirical guide to MLOps adoption: Framework, maturity model and taxonomy // Information and Software Technology. 2025. Vol. 183. Art. 107725. DOI: 10.1016/j.infsof.2025.107725.

Lin Z., Chen X., Chen G., Liu T., Zhang Y., Ge Z., Lu Y. Multi-process digital twin closed-loop machining through deep reinforcement learning-driven control and optimization // Advanced Engineering Informatics. 2025. Vol. 65. Art. 103403. DOI: 10.1016/j.aei.2025.103403.

Rodrigues M. G., Viegas E. K., Santin A. O., Enembreck F. A. MLOps architecture for near real-time distributed Stream Learning operation deployment // Journal of Network and Computer Applications. 2025. Vol. 238. Art. 104169. DOI: 10.1016/j.jnca.2025.104169.

Болдычева А. Г. Оценка эффективности продуктовой диверсификации на промышленном предприятии // Аудитор. 2025. Т. 11, № 2. С. 30–40. DOI: 10.12737/1998-0701-2025-11-2-30-40. EDN: FESMHO.

Закиева Е. Ш. Методология поддержки принятия решений при управлении социетальной системой на основе динамического моделирования и интеллектуальных технологий // СИИТ. 2023. Т. 5. № 3(12). С. 69–92. DOI: 10.54708/2658-5014-SIIT-2023-no3-p69. EDN: UWIPDO.

Зейналова С. М. Алгоритм ассоциативного поиска информации в базах данных и знаний ИАП специализированных электронных интерфейсов // САПР и моделирование в современной электронике: матер. IV Междунар. конф.: сб. науч. тр. (Брянск, 22–23 октября 2020 г.). DOI: 10.51932/9785907271739_377. EDN: SSQLAU.

Кожевников М. В., Мышкина Л. С. Влияние интеллектуализации на региональную электроэнергетику // Бизнес. Образование. Право. 2024. № 1(66). С. 103–109. DOI: 10.25683/VOLBI.2024.66.914. EDN: GMVAJT.

Конев К. А., Антонов В. В. Разработка метода поддержки принятия решений в сфере обеспечения качества на промышленных предприятиях // СИИТ. 2024. Т. 6, № 4(19). С. 98-110. DOI: 10.54708/2658-5014-SIIT-2024-no4-p98. EDN: XIYRTJ.

Кононов Н. А. К вопросу семантической разобщенности информационных ресурсов в рамках реинжиниринга бизнес-процесса проектирования информационных систем // СИИТ. 2024. Т. 6, № 4(19). С. 51-61. DOI: 10.54708/2658-5014-SIIT-2024-no4-p51. EDN: BKZKEY.

Пономарева О. С., Майорова Т. В., Приймак В. А. Разработка и внедрение системы KPI на предприятиях металлургической отрасли // Вестник Магнитогорского государственного технического университета им. Г. И. Носова. 2023. Т. 21, № 1. С. 118–125. DOI: 10.18503/1995-2732-2023-21-1-118-125. EDN: NJHKVA.

Ризванов Д. А., Чернышев Е. С. Методы и алгоритмы поддержки принятия решений при управлении производственными ресурсами машиностроительного предприятия на основе многоагентного подхода // СИИТ. 2023. Т. 5. № 2(11). С. 96–106. DOI: 10.54708/2658-5014-SIIT-2023-no2-p96. EDN: PIZIDE.

Сахапова Т. С., Исмагилов Т. Ш., Тихонов В. А. Цифровой двойник производства как этап новой цифровой бизнес-модели промышленного предприятия // Горная промышленность. 2023. № 2. С. 62–68. DOI: 10.30686/1609-9192-2023-2-62-68. EDN: VRMHCS.

Слесаренко Г. В., Реут Д. С. Механизм реализации системы сбалансированных показателей для повышения эффективности предприятия на примере ООО «Удмуртэнергонефть» // Социально-экономическое управление: теория и практика. 2024. Т. 20, № 1. С. 72–80. DOI: 10.22213/2618-9763-2024-1-72-80. EDN: WGYJCI.




DOI: https://doi.org/10.54708/SIIT-2026-no2-p3

Ссылки

  • На текущий момент ссылки отсутствуют.


(c) 2026 С. С. Адышкин, Е. В. Пальчевский