{"title":"利用软件和神经网络算法组织物流网络模型","authors":"А. П. Томашко","doi":"10.36910/775.24153966.2023.76.22","DOIUrl":null,"url":null,"abstract":"У роботі досліджено принципи організації моделі логістичної мережі з використанням програмних та нейромережевих алгоритмів. Розкрито структуру сучасної логістичної мережі до складу якої віднесено: ланцюг постачання, ланцюг збуту та зберігання. Підкреслено, що сторона ланцюга постачання має найповнішу інформацію про аналіз продукту, а також охоплює послідовність оновлень складу. Наголошується, що ефективність управління інформацією логістичної мережі визначає оновлення продукту на кінці ланцюга постачання, і тільки за допомогою повної інформації про продукт кінцевого ланцюга постачання можна ефективно контролювати ефективність логістики у сфері функціонування. Зазначено, що впровадження технології інтелектуальної мережі дозволяє реалізувати інтелектуальне управління логістикою, а поступове створення вузлів Інтернету речей інтегрує логістичні ресурси, що дозволяє здійснювати процес оптимізації системи управління в інформаційній системі, вирішуючи проблему планування шляху, обороту матеріалів для зберігання, відповідності інформації про продукт і клієнта та недиференційованого розподілу близькості, може вийти на новий рівень. Запропоновано схему графової згорткової нейронної мережі з детальним описом механізму функціонування. У якості модифікації запропоновано використання тензора та наведено детальну структуру мережі з тензором. Наголошено на схемі розрідженої структури загорткового шару з описом функціональної складової. Доведено, що запропонована структура відрізняється від попередньої підвищеним рівнем ефективності за рахунок того, що логістичні дані в реальному часі кожного логістичного вузла збираються, і логістичні дані попередньо обробляються, щоб усунути нестандартні дані в процесі аналізу. У свою чергу, різниця логістичних даних у різних часових вузлах збільшується, і відбувається розділення логістичних даних на піковий період і гладкий період відповідно до рівня часу, але набір логістичних даних на різних двох етапах підкоряється випадковому розподілу.","PeriodicalId":518020,"journal":{"name":"<h1 style=\"font-size: 40px;margin-top: 0;\">Наукові нотатки</h1>","volume":"47 4","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2024-02-05","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"ОРГАНІЗАЦІЯ МОДЕЛІ ЛОГІСТИЧНОЇ МЕРЕЖІ З ВИКОРИСТАННЯМ ПРОГРАМНИХ ТА НЕЙРОМЕРЕЖЕВИХ АЛГОРИТМІВ\",\"authors\":\"А. П. Томашко\",\"doi\":\"10.36910/775.24153966.2023.76.22\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"У роботі досліджено принципи організації моделі логістичної мережі з використанням програмних та нейромережевих алгоритмів. Розкрито структуру сучасної логістичної мережі до складу якої віднесено: ланцюг постачання, ланцюг збуту та зберігання. Підкреслено, що сторона ланцюга постачання має найповнішу інформацію про аналіз продукту, а також охоплює послідовність оновлень складу. Наголошується, що ефективність управління інформацією логістичної мережі визначає оновлення продукту на кінці ланцюга постачання, і тільки за допомогою повної інформації про продукт кінцевого ланцюга постачання можна ефективно контролювати ефективність логістики у сфері функціонування. Зазначено, що впровадження технології інтелектуальної мережі дозволяє реалізувати інтелектуальне управління логістикою, а поступове створення вузлів Інтернету речей інтегрує логістичні ресурси, що дозволяє здійснювати процес оптимізації системи управління в інформаційній системі, вирішуючи проблему планування шляху, обороту матеріалів для зберігання, відповідності інформації про продукт і клієнта та недиференційованого розподілу близькості, може вийти на новий рівень. Запропоновано схему графової згорткової нейронної мережі з детальним описом механізму функціонування. У якості модифікації запропоновано використання тензора та наведено детальну структуру мережі з тензором. Наголошено на схемі розрідженої структури загорткового шару з описом функціональної складової. Доведено, що запропонована структура відрізняється від попередньої підвищеним рівнем ефективності за рахунок того, що логістичні дані в реальному часі кожного логістичного вузла збираються, і логістичні дані попередньо обробляються, щоб усунути нестандартні дані в процесі аналізу. У свою чергу, різниця логістичних даних у різних часових вузлах збільшується, і відбувається розділення логістичних даних на піковий період і гладкий період відповідно до рівня часу, але набір логістичних даних на різних двох етапах підкоряється випадковому розподілу.\",\"PeriodicalId\":518020,\"journal\":{\"name\":\"<h1 style=\\\"font-size: 40px;margin-top: 0;\\\">Наукові нотатки</h1>\",\"volume\":\"47 4\",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2024-02-05\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"<h1 style=\\\"font-size: 40px;margin-top: 0;\\\">Наукові нотатки</h1>\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.36910/775.24153966.2023.76.22\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"<h1 style=\"font-size: 40px;margin-top: 0;\">Наукові нотатки</h1>","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.36910/775.24153966.2023.76.22","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
ОРГАНІЗАЦІЯ МОДЕЛІ ЛОГІСТИЧНОЇ МЕРЕЖІ З ВИКОРИСТАННЯМ ПРОГРАМНИХ ТА НЕЙРОМЕРЕЖЕВИХ АЛГОРИТМІВ
У роботі досліджено принципи організації моделі логістичної мережі з використанням програмних та нейромережевих алгоритмів. Розкрито структуру сучасної логістичної мережі до складу якої віднесено: ланцюг постачання, ланцюг збуту та зберігання. Підкреслено, що сторона ланцюга постачання має найповнішу інформацію про аналіз продукту, а також охоплює послідовність оновлень складу. Наголошується, що ефективність управління інформацією логістичної мережі визначає оновлення продукту на кінці ланцюга постачання, і тільки за допомогою повної інформації про продукт кінцевого ланцюга постачання можна ефективно контролювати ефективність логістики у сфері функціонування. Зазначено, що впровадження технології інтелектуальної мережі дозволяє реалізувати інтелектуальне управління логістикою, а поступове створення вузлів Інтернету речей інтегрує логістичні ресурси, що дозволяє здійснювати процес оптимізації системи управління в інформаційній системі, вирішуючи проблему планування шляху, обороту матеріалів для зберігання, відповідності інформації про продукт і клієнта та недиференційованого розподілу близькості, може вийти на новий рівень. Запропоновано схему графової згорткової нейронної мережі з детальним описом механізму функціонування. У якості модифікації запропоновано використання тензора та наведено детальну структуру мережі з тензором. Наголошено на схемі розрідженої структури загорткового шару з описом функціональної складової. Доведено, що запропонована структура відрізняється від попередньої підвищеним рівнем ефективності за рахунок того, що логістичні дані в реальному часі кожного логістичного вузла збираються, і логістичні дані попередньо обробляються, щоб усунути нестандартні дані в процесі аналізу. У свою чергу, різниця логістичних даних у різних часових вузлах збільшується, і відбувається розділення логістичних даних на піковий період і гладкий період відповідно до рівня часу, але набір логістичних даних на різних двох етапах підкоряється випадковому розподілу.