Modern organizational and technical systems—as a set of interconnected technical means and the personnel responsible for their operation and intended use—reflect all the trends in digitalization and automation of human activity occurring in the era of the fourth industrial revolution. The complexity of the interrelations between system components and influencing factors determines the complexity of the functions implemented by such systems, while simultaneously increasing the cost of erroneous design decisions. The purpose of this work is to illustrate current trends and an example of a solution for overcoming exponential explosion problems while taking into account multiple factors using neuroinformatics tools to improve efficiency and minimize errors in making optimal decisions on managing multidimensional production processes in organizational and technical systems. An analysis of the subject area revealed the feasibility of solving optimization problems using dynamic neural networks with feedback. In particular, dynamic-static networks have been identified as the most appropriate architectures for solving linear programming problems, due to the clear interpretation of neural network solutions and the ease of implementing inequality constraints. A software implementation for the solution to this problem is described. The experimental dependencies of the performance indicators for classifying the states of production processes, which are subsequently used in the control loop of the technological process of petrochemical production, are presented.
Современные организационно-технические системы – как множество взаимосвязанных технических средств и персонала, обеспечивающего их функционирование и применение по целевому назначению, отражают все тенденции цифровизации и автоматизации человеческой деятельности, происходящие в эпоху четвертой промышленной революции. Сложность взаимосвязей между составными частями системы и факторами влияния обуславливают сложность реализуемых такими системами функций при, одновременном возрастании стоимости ошибочных проектных решений. Цель работы – проиллюстрировать современные направления и пример решения задачи преодоления проблем экспоненциального взрыва при учете множества факторов инструментарием нейроинформатики для повышения эффективности и минимизации ошибок при принятии оптимальных решений по управлению многомерными производственными процессами в организационно-технических системах. Анализ предметной области позволил сделать вывод о целесообразности решения оптимизационных задач в базисе динамических нейронных сетей с обратными связями. В частности, для решения задач линейного программирования наиболее целесообразными архитектурами определены динамическо-статические сети, что объясняется наглядностью интерпретации нейросетевых решений и простотой реализации ограничений в виде неравенств. Описана программная реализация решения рассмотренной задачи. Представлены экспериментальные зависимости показателей эффективности классификации состояний производственных процессов, которые в последствии используются в контуре управления технологическим процессом нефтехимического производства.