Ссылка для цитирования : Семенов А. И. Моделирование трудноформализуемых объектов // Изв. вузов. Приборостроение. 2025. Т. 68, № 11. С. 949–952. DOI: 10.17586/0021-3454-2025-68-11-949-952.

Аннотация. Рассмотрены методы моделирования трудноформализуемых объектов. Сложность формализации обусловлена проявлением не-факторов, которые различаются по признакам проявления при построении моделей, что выражается в слабой предсказуемости поведения объекта, большом числе влияющих факторов (часто описываемых качественно) и трудностях их количественного измерения. В качестве примера рассматривается технологический процесс производства кормов, формализация которого осложнена различными типами не-факторов (неопределенностью, нечеткостью и пр.). На примере данного объекта продемонстрирована возможность использования нечетко-возможностного подхода при построении моделей с компенсацией неопределенности.

Ключевые слова: трудноформализуемый объект, не-факторы, многокритериальное оценивание, нечетковозможностный подход, экспертные знания, производство кормов

Благодарность: исследование выполнено за счет гранта Российского научного фонда № 24-19-00823: https://rscf. ru/project/24-19-00823.

Список литературы:

1. Верзилин Д. Н., Охтилев М. Ю., Охтилев П. А., Соколов Б. В., Юсупов Р. М. Методологические основы проактивного управления жизненным циклом сложных технических объектов // XIV Всерос. совещание по проблемам управления ВСПУ-2024. Москва, 17–20 июня 2024 г. С. 3920–3925. 2. Захаров В. В., Щербакова Е. Е. Модельно-алгоритмическое обеспечение для планирования функционирования социо-кибер-физических систем // Информатизация и связь. 2024. № 2. С. 81–85. DOI: 10.34219/2078-83202024-15-2-81-85. 3. Sokolov B. V., Ushakov V. A., Zakharov V. V. Optimal planning and scheduling of information processes during interaction among mobile objects // Intern. J. of Production Research. 2024. Vol. 62, N 16. P. 5905–5924. DOI: 10.1080/00207543.2024.2302388. 4. Sargani G. R., Wang B., Leghari S. J., Ruan J. Is digital transformation the key to agricultural strength? A novel approach to productivity and supply chain resilience // Smart Agricultural Technology. 2025. Vol. 10. Art. no. 100838. P. 1–12. 5. Душкин Р. В., Рыбина Г. В. Об одном подходе к автоматизированному извлечению, представлению и обработке знаний с НЕ-факторами // Изв. РАН. Теория и системы управления. 1999. № 5. С. 34–44. 6. Grigorenko O., Miñana J.-J., Valero O. Two new methods to construct fuzzy metrics from metrics // Fuzzy sets and systems. 2023. Vol. 467. P. 1–18. 7. Yanhuai Jia, Zheng Wang. Application of artificial intelligence based on the fuzzy control algorithm in enterprise innovation // Heliyon. 2024. Vol. 10, is. 6. P. 1–14. 8. Хайруллин Р. З. Применение метода байесовских сетей для установления причинно-следственных связей // Изв. ТулГУ. Технические науки. 2022. Вып. 3. С. 214–218. 9. Иванов В. К., Виноградова Н. В., Палюх Б. В., Сотников А. Н. Современные направления развития и области приложения теории Демпстера-Шафера // Искусственный интеллект и принятие решений. 2021. Вып. 4. С. 32–42. DOI:10.14357/20718594180403. 10. Ветеркова А. А. Оценка инфографики методом семантического дифференциала // Молодежь и научно-технический прогресс: сб. докл. XVII междунар. науч.-практ. конф. студентов, аспирантов и молодых ученых. Губкин; Старый Оскол: Изд-во „Ассистент плюс”, 2024. Т. 2. С. 209–211. 11. Спесивцев А. В., Соколов Б. В., Семенов А. И. Модели и алгоритмы проактивного планирования производства кормов из трав // IV Междунар. конф. по цифровизации сельского хозяйства и органическому производству (ADOP 2024). Минск, Республика Беларусь, 5–8 июня 2024 г. С. 146–153. 12. Спесивцев А. В., Сухопаров А. И., Спесивцев В. А., Семенов А. И. Нечетко-возможностный подход при оценивании сельскохозяйственных технологий на основе явных и неявных экспертных знаний // Экономика сельского хозяйства России. 2022. № 7. С. 72–77. DOI: 10.32651/227-72.