Кущенко Р.Р., Соколов О.А.
ИНТЕЛЛЕКТУАЛЬНАЯ АВТОМАТИЗАЦИЯ ЛОГИСТИЧЕСКИХ ПРОЦЕССОВ НА СКЛАДЕ С ПРИМЕНЕНИЕМ ГИБРИДНЫХ АЛГОРИТМОВ УПРАВЛЕНИЯ *
Аннотация:
в статье представлена разработка интеллектуальной автоматизированной системы управления логистическими процессами на складе. Рассматриваются методы гибридной маршрутизации грузов с использованием алгоритмов муравьиной колонии и динамического приоритезации задач. Актуальность темы обусловлена потребностью в повышении эффективности и устойчивости логистических операций в условиях переменной загрузки и многозадачности. Выполнено моделирование, проведён сравнительный анализ эффективности предложенной системы. Результаты подтвердили перспективность использования адаптивных алгоритмов в логистических АСУ.
Ключевые слова:
АСУ, складская логистика, муравьиный алгоритм, адаптивное управление, интеллектуальные системы
В современных логистических системах склад играет ключевую роль в обеспечении бесперебойного потока товаров. Возрастающее количество заказов, разнообразие типов грузов и необходимость быстрого реагирования на изменения внешней среды требуют внедрения интеллектуальных автоматизированных решений.Целью данной работы является разработка интеллектуальной АСУ для склада, реализующей гибридный подход к управлению логистическими потоками, что позволит оптимизировать маршруты, минимизировать простои и повысить общую эффективность системы.Существующие системы автоматизации складской логистики в основном базируются на правилах и статических маршрутах. Однако такие методы плохо адаптируются к изменяющимся условиям и не учитывают многокритериальность логистических задач.В последние годы всё большее внимание уделяется использованию алгоритмов машинного обучения и эвристических подходов, включая генетические алгоритмы, муравьиные системы и методы нечеткой логики [1–3]. Однако их практическое применение в условиях реального склада остаётся ограниченным из-за вычислительной сложности и недостаточной интероперабельности с существующими АСУ.Разработка интеллектуальной автоматизированной системы управления логистическими процессами на складе основывается на использовании гибридного подхода, сочетающего алгоритмы муравьиной колонии (ACO — Ant Colony Optimization) и адаптивной динамической приоритезации задач.Общая архитектура АСУ складаМодуль сбора и анализа данных. Использует IoT-датчики, RFID-считыватели, системы видеонаблюдения и сканеры штрих-кодов. Полученные данные включают: местоположение товаров, статус заказов, загрузку стеллажей и транспортных средств. Данные агрегируются в реальном времени и передаются в центральную управляющую систему.Интеллектуальный модуль планирования маршрутов: Основной компонент, реализующий модифицированный алгоритм муравьиной колонии. Каждое перемещение склада (например, кар или роботизированная тележка) моделируется как агент-«муравей». Агенты выбирают маршруты на основе «феромонной карты», обновляющейся с учётом успешности доставки (скорость, загруженность, время выполнения). Учитываются динамические факторы: блокировка проходов, временная загруженность зон, срочность заказа.Подсистема адаптивной приоритезации.Присваивает вес каждой задаче на основе многокритериальной оценки: срочность (тайм-аут или SLA), объём и вес, клиентская важность (VIP), текущее состояние склада. Задачи с высшим рейтингом получают преимущество при формировании маршрута и выделении ресурсов.Интерфейс управления и визуализации: Обеспечивает графическое отображение всех процессов склада. Операторы могут вмешиваться в реальном времени, переназначать маршруты, блокировать зоны и проводить симуляции.Алгоритм муравьиной колонии обеспечивает децентрализованный и гибкий выбор маршрутов, хорошо адаптирующийся к изменениям. Однако он склонен к стагнации и требует инициализации. Внедрение адаптивной приоритезации позволяет динамически корректировать «популярность» маршрутов, ограничивать «заторы» и перераспределять задачи более эффективно.Также используется элемент обучения с подкреплением (reinforcement learning), позволяющий системе накапливать опыт: неудачные маршруты автоматически получают отрицательное «подкрепление» в феромонной матрице.Для оценки эффективности предложенной системы была разработана имитационная модель склада в среде AnyLogic. Модель включает: 50 стеллажей и 6 зон хранения, 10 транспортных единиц (AGV), 100–500 входящих заказов за смену, сценарии с аварийной блокировкой зон, пиковыми нагрузками и непредсказуемыми поступлениями.Моделирование проводилось по трем стратегиям:- Статическая маршрутизация (базовый уровень) — фиксированные маршруты,- Классический алгоритм Dijkstra — учитывает кратчайший путь без оптимизации по приоритетам,- Предложенная гибридная система — ACO + динамическая приоритезация.Критерии оценки: Среднее время выполнения заказа (от поступления до отгрузки), Коэффициент конфликта маршрутов (столкновения/заторы), Уровень загрузки AGV и эффективность их использования, Степень восстановления после отказов (failover recovery time), Общее количество выполненных заказов в смену.Предложенная гибридная система показала значительное превосходство по всем ключевым метрикам. Особенно важны: рост производительности на 15%+, снижение количества конфликтов маршрутов, что увеличивает устойчивость, эффективная реакция на внештатные ситуации без остановки всего процесса.Результаты подтвердили, что применение интеллектуальных гибридных алгоритмов управления в складской логистике может значительно повысить надёжность, адаптивность и экономическую эффективность логистических АСУ.
Номер журнала Вестник науки №6 (87) том 3
Ссылка для цитирования:
Кущенко Р.Р., Соколов О.А. ИНТЕЛЛЕКТУАЛЬНАЯ АВТОМАТИЗАЦИЯ ЛОГИСТИЧЕСКИХ ПРОЦЕССОВ НА СКЛАДЕ С ПРИМЕНЕНИЕМ ГИБРИДНЫХ АЛГОРИТМОВ УПРАВЛЕНИЯ // Вестник науки №6 (87) том 3. С. 1967 - 1972. 2025 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/24451 (дата обращения: 12.01.2026 г.)
Вестник науки © 2025. 16+