ГИБРИДНАЯ МОДЕЛЬ МАССОВОГО ОБСЛУЖИВАНИЯ С ДИНАМИЧЕСКИМИ ПАРАМЕТРАМИ ДЛЯ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ

2025

Толық мәтін Ашық қол жеткізу: Hybrid Метадеректер (CSL-JSON)
DOI 10.58805/kazutb.v.4.29-1000
Деректер сенімділігі 70 орташа
Бұл баға қалай есептеледі

Ол жазбаның өзінің тексерілетін белгілерінен құралады: мақаланың DOI-і бар ма, оның деректерін қанша тәуелсіз дереккөз растады, міндетті өрістер толтырылған ба және соңғы растау қаншалықты жаңа. Дереккөздер арасындағы алшақтық пен идентификатордың болмауы бағаны төмендетеді. 80-нен бастап мән жазбаның қосымша тексерусіз жарияланғанын, 60-тан 79-ға дейін — оның сенімділігі төмен күйде жарияланғанын және қолмен тексеру ұсынылатынын білдіреді. Редактор қолмен тексерген жазбаны қайта есептеу 90-нан төмен түсірмейді. Бұл — мақаланың өзіне емес, ол туралы деректерімізге берілген баға.

Аңдатпа

Цифровизация ключевых процессов требует внедрения научно обоснованных подходов к проектированию автоматизированных систем, способных адаптироваться к изменяющимся условиям внешней среды. В данной работе предлагается гибридная модель массового обслуживания с динамическими параметрами, предназначенная для применения в автоматизированных системах, ориентированных на распределение ресурсов или заявок в условиях переменной нагрузки. Модель объединяет элементы марковских процессов с немарковскими задержками и механизмами динамического перераспределения потоков, что позволяет учитывать временные колебания, приоритеты и ограничения системы. Проведён анализ вероятностных характеристик модели, включая распределение времени ожидания и степень загруженности обслуживающих каналов. Разработаны методы адаптивной оптимизации, обеспечивающие устойчивое функционирование системы при изменяющихся параметрах входного потока. Предложенная модель может быть использована в различных прикладных задачах, включая автоматизацию процессов в образовании, логистике и производственной сфере, где требуется гибкое и эффективное управление распределением ресурсов. Представлены результаты имитационного моделирования, демонстрирующие устойчивость и адаптивность модели при различных сценариях нагрузки. Полученные данные могут служить основой для разработки автоматизированных систем управления, обеспечивающих высокую эффективность и надёжность функционирования.