priborИзвестия высших учебных заведений. ПриборостроениеJournal of Instrument Engineering0021-34542500-0381Национальный исследовательский университет ИТМО10.17586/0021-3454-2025-68-11-949-952pribor-428Research ArticleСИСТЕМНЫЙ АНАЛИЗ, УПРАВЛЕНИЕ И ОБРАБОТКА ИНФОРМАЦИИSYSTEM ANALYSIS, MANAGEMENT AND INFORMATION PROCESSINGМоделирование трудноформализуемых объектовModeling of difficult-to-formalize objectsСеменовА. И.SemyonovA. I.

Александр Игоревич Семенов — СПИИРАН, лаборатория информационных технологий в системном анализе и моделировании; младший научный сотрудник

Санкт-Петербург 

Alexander I. Semyonov — St. Petersburg Institute for Informatics and Automation of the RAS, Laboratory of Information Technologies in System Analysis and Modeling; Junior Researcher

St. Petersburg 

alekssemyenov1996@gmail.comСанкт-Петербургский Федеральный исследовательский центр Российской академии наукSt. Petersburg Federal Research Center of the RAS2025151220256811949952Copyright © Национальный исследовательский университет ИТМО, 20252025Национальный исследовательский университет ИТМОНациональный исследовательский университет ИТМОhttps://pribor.ifmo.ru/jour/about/submissions#copyrightNoticehttps://pribor.ifmo.ru/jour/article/view/428

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.

Methods of modeling difficult-to-formalize objects are considered. The complexity of formalization is due to the manifestation of non-factors, which differ in the signs of manifestation when constructing models, and this is expressed in the weak predictability of the object’s behavior, a large number of influencing factors (often described qualitatively), and the difficulties of their quantitative measurement. As an example, the technological process of feed production is analyzed, and the process formalization is complicated by various types of non-factors (uncertainty, vagueness, etc.). The example of this object demonstrates the possibility of using a fuzzy-possibility approach in constructing models with uncertainty compensation.

трудноформализуемый объектне-факторымногокритериальное оцениваниенечетковозможностный подходэкспертные знанияпроизводство кормовdifficult-to-formalize objectnon-factorsmulti-criteria assessmentfuzzy-based approachexpert knowledgefeed productionисследование выполнено за счет гранта Российского научного фонда № 24-19-00823: https://rscf.ru/project/24-19-00823.The research was carried out at the expense of the grant of the Russian Science Foundation No. 24-19-00823: https://rscf.ru/project/24-19-00823.ReferencesВерзилин 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.Verzilin D.N., Okhtilev M.Yu., Okhtilev P.A., Sokolov B.V., Yusupov R.M. XIV Vserossiyskoye soveshchaniye po problemam upravleniya VSPU-2024 (XIV All-Russian Conference on Management Problems VSPU-2024), Moscow, June 17–20, 2024, рр. 3920–3925. (in Russ.)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: 10.34219/2078-8320-2024-15-2-81-85.Zakharov V.V., Scherbakova E.E. Informatization and communication, 2024, no. 2, pp. 81–85, DOI: 10.34219/2078-8320-2024-15-2-81-85. (in Russ.)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.Sokolov B.V., Ushakov V.A., Zakharov V.V. International journal of production research, 2024, no. 16(62), pp. 5905–5924, DOI: 10.1080/00207543.2024.2302388.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.Sargani G.R., Wang B., Leghari S.J., Ruan J. Smart Agricultural Technology, 2025, vol. 10, art. no. 100838, рp. 1–12.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.Dushkin R.V., Rybina G.V. Journal of Computer and Systems Sciences International, 1999, no. 5(38), pp. 704–713.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.Grigorenko O., Miñana J.-J., Valero O. Fuzzy sets and systems, 2023, vol. 467, рр. 1–18.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.Yanhuai Jia, Zheng Wang, Heliyon, 2024, no. 6(10), pp. 1–14.Хайруллин Р. З. Применение метода байесовских сетей для установления причинно-следственных связей // Изв. ТулГУ. Технические науки. 2022. Вып. 3. С. 214–218.Khairullin R.Z. Tula State University News. Technical Sciences, 2022, no. 3, pp.. 214–218. (in Russ.)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.Ivanov V.K., Vinogradova N.V., Palyukh B.V., Sotnikov A.N. Artificial Intelligence and Decision Making, 2021, no. 4, pp. 32–42, DOI:10.14357/20718594180403. (in Russ.)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.Veterkova A.A. Molodezh’ i nauchno-tekhnicheskiy progress (Youth and Scientific and Technological Progress), Collection of Papers of the XVII International Scientific and Practical Conference of Students, Postgraduates, and Young Scientists), Gubkin, Staryy Oskol, 2024, vol. 2, рр. 209–211. (in Russ.)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.Spesivtsev A.V., Sokolov B.V., Semenov A.I. IV Mezhdunarodnaya konferentsiya po tsifrovizatsii sel’skogo khozyaystva i organicheskomu proizvodstvu (ADOP 2024) (IV International Conference on Digitalization of Agriculture and Organic Production (ADOP 2024)), Minsk, June 5–8, 2024, рр. 146–153. (in Russ.)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.Spesivtsev A.V., Sukhoparov A.I., Spesivtsev V.A., Semenov A.I. Economics of Agriculture in Russia, 2022, no. 7, pp. 72–77, DOI: 10.32651/227-72. (in Russ.)

The authors declare that there are no conflicts of interest present.