ГИБРИДНАЯ МОДЕЛЬ МАССОВОГО ОБСЛУЖИВАНИЯ С ДИНАМИЧЕСКИМИ ПАРАМЕТРАМИ ДЛЯ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ

2025

Полный текст Открытый доступ: Hybrid Метаданные (CSL-JSON)
DOI 10.58805/kazutb.v.4.29-1000
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

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.